Artificial Narrow Intelligence (ANI)

L’intelligence artificielle étroite (ANI), également appelée IA spécialisée ou IA faible, est une intelligence artificielle (IA) conçue pour effectuer une tâche ou un ensemble de tâches strictement délimité, comme détecter des objets dans des images, recommander des vidéos ou transcrire la parole. Un système ANI peut égaler ou dépasser les performances humaines dans son domaine, mais il ne peut pas appliquer cette compétence à un problème sans rapport sans nouvelles données d’entraînement et un nouvel entraînement. Selon la définition courante, tous les systèmes d’IA déployés aujourd’hui sont spécialisés, des filtres antipourriel aux modèles de vision par ordinateur qui guident les voitures autonomes.

ANI, AGI et ASI : les différences#

On décrit généralement l’IA selon trois niveaux de capacité. L’ANI est le premier : elle est compétente dans un seul domaine et définie par les données et l’objectif pour lesquels elle a été entraînée. L’intelligence artificielle générale (AGI) est un système hypothétique qui égale les humains dans pratiquement toutes les tâches cognitives et en apprend de nouvelles sans ingénierie propre à chaque tâche. L’AGI est souvent appelée IA forte, terme que le philosophe John Searle a forgé avec celui d’IA faible dans son argument de la Chambre chinoise de 1980, où il désignait un ordinateur qui possède véritablement un esprit. La superintelligence artificielle (ASI) est un système hypothétique qui surpasse les meilleurs humains dans tous les domaines, scénario à l’origine de l’idée de singularité technologique.

Les grands modèles de langage (LLM) repoussent les limites de la catégorie des systèmes spécialisés. Un même modèle écrit du code, traduit, résume et répond à des questions sur des images, ce que le règlement européen sur l’IA reconnaît en qualifiant ces systèmes de modèles d’IA à usage général. Leurs compétences restent inégales, un phénomène appelé intelligence en dents de scie : le même modèle peut résoudre des problèmes de mathématiques de niveau olympiade, puis mal déterminer lequel de deux nombres décimaux est le plus grand, et ses poids cessent d’apprendre à la fin de l’entraînement.

Fonctionnement de l’IA spécialisée#

Un système ANI est un modèle entraîné sur des données pour un seul objectif ; ses compétences sont donc limitées par deux éléments : la distribution de ses données d’entraînement et l’ensemble des sorties qu’il peut produire. Un modèle de détection d’objets entraîné sur les 80 classes du jeu de données COCO ne peut pas dire « c’est quelque chose de nouveau ». Face à un objet inconnu, il l’ignore ou indique la classe connue la plus proche :

Ultralytics YOLO26 illustre directement cette limite : le modèle préentraîné sur COCO peut nommer exactement 80 classes. Pour lui apprendre à reconnaître un nouvel objet, comme une pièce de machine particulière, il faut l’ajuster finement sur des images étiquetées de cette pièce, ce qui remplace la liste de classes du modèle par celles du nouveau jeu de données.

from ultralytics import YOLO

# A COCO-pretrained detector: its whole vocabulary is fixed at training time
model = YOLO("yolo26n.pt")
print(f"Classes this model can name: {len(model.names)}")

# Every detection it returns must carry one of those labels
results = model("https://ultralytics.com/images/bus.jpg")
result = results[0]
print(result.verbose())

La première ligne affiche la taille du vocabulaire complet du modèle, et la deuxième énumère les classes qu’il a trouvées dans l’image ; chacune provient du même ensemble fixe.

Applications concrètes#

L’IA spécialisée alimente la plupart des logiciels utilisés au quotidien :

• Systèmes de recommandation : les plateformes de streaming et de commerce en ligne classent les éléments pour chaque utilisateur à partir de son historique de consultation et d’achat.
• Reconnaissance vocale : les assistants vocaux et les outils de dictée convertissent la parole en texte.
• Inspection en fabrication : les modèles de vision vérifient chaque pièce d’une chaîne de production afin d’y repérer un ensemble donné de défauts.
• Analyse d’images médicales : les modèles signalent des anomalies telles que des nodules pulmonaires ou une rétinopathie diabétique dans une modalité d’imagerie donnée.
• Véhicules autonomes : un système de conduite autonome combine de nombreux modèles spécialisés, chacun chargé d’une tâche comme la segmentation des voies, la détection des piétons, le suivi d’objets ou la planification d’itinéraire.

Atouts et limites de l’IA spécialisée#

Dans son domaine, une ANI peut surpasser les humains, être rapide et ne jamais se fatiguer. Deep Blue d’IBM a battu le champion du monde d’échecs Garry Kasparov en 1997, et AlphaGo de DeepMind a battu le champion de Go Lee Sedol 4–1 en 2016. En dehors de ce domaine, ces mêmes systèmes n’ont aucune compétence, et leurs performances baissent aussi face à des entrées différentes des données d’entraînement, un problème appelé dérive des données après le déploiement d’un modèle. Les systèmes spécialisés ne comprennent pas non plus ce qu’ils traitent ; ils associent des entrées à des sorties au moyen de modèles statistiques appris à partir des données. Même AlphaZero de DeepMind, qui a appris les échecs, le shogi et le Go avec un seul algorithme, a entraîné un réseau distinct pour chaque jeu, et son réseau d’échecs ne peut pas jouer au Go.