Weak AI

L’IA faible est une forme d’intelligence artificielle conçue pour effectuer une tâche précise ou un ensemble limité de tâches, comme la reconnaissance faciale, la transcription de la parole ou la recommandation de produits, sans compréhension générale ni conscience de ses actes. Dans l’usage courant, l’IA faible est synonyme d’intelligence artificielle spécialisée (ANI), et selon la plupart des définitions, tous les systèmes d’IA actuellement utilisés en font partie. Le terme « faible » désigne la portée : dans le cadre de sa tâche, un système d’IA faible peut surpasser tous les experts humains.

Origine du terme#

Le philosophe John Searle a introduit les qualificatifs faible et forte dans son article de 1980, « Minds, Brains, and Programs », qui présentait l’argument de la chambre chinoise. Pour Searle, l’IA faible désigne l’idée que les ordinateurs sont des outils puissants pour simuler et étudier l’esprit, tandis que l’IA forte désigne l’idée qu’un ordinateur correctement programmé possède littéralement un esprit et comprend. Son expérience de pensée imagine une personne enfermée dans une pièce qui répond à des questions écrites en chinois en suivant un manuel en anglais expliquant comment manipuler des caractères chinois. Les réponses convainquent les locuteurs natifs à l’extérieur, mais la personne ne comprend pas le chinois. Searle soutenait qu’un ordinateur exécutant un programme se trouve dans la même situation.

Au cours des décennies suivantes, ces termes sont passés de positions philosophiques à des catégories de capacités. Aujourd’hui, « IA faible » désigne généralement une IA spécialisée dans une tâche précise, tandis que « IA forte » est synonyme d’intelligence artificielle générale (AGI).

Caractéristiques de l’IA faible#

• Compétence limitée à une tâche : Un système d’IA faible effectue la tâche pour laquelle il a été conçu ou entraîné. Un modèle entraîné à lire des radiographies thoraciques ne peut pas lire des mammographies, et encore moins jouer aux échecs, sans nouvelles données d’entraînement et un réentraînement.
• Sensibilité à la dérive des données : L’IA faible moderne apprend des régularités statistiques à partir des données ; sa précision ne se maintient donc que pour des entrées semblables aux données d’entraînement. Lorsque les données du monde réel évoluent, ses résultats peuvent se dégrader alors qu’elle continue d’afficher une grande confiance.
• Aucune compréhension ni aucun objectif propre : Le système associe des entrées à des sorties. Il n'a conscience ni de ce qu'est un piéton ou une tumeur, ni d'objectifs autres que celui pour lequel il a été optimisé.
• Des capacités surhumaines dans son domaine : Un champ d'action restreint est compatible avec des performances exceptionnelles. AlphaFold 2 de DeepMind prédit les structures des protéines avec une précision proche de celle des méthodes de laboratoire, des travaux qui ont valu à Demis Hassabis et John Jumper une part du prix Nobel de chimie 2024.

IA faible et IA forte#

• IA faible (ANI) : Elle existe aujourd'hui et englobe toutes les IA déployées. « ANI » insiste sur le champ restreint des capacités, tandis que « IA faible » renvoie aussi à la question initiale de Searle : la machine comprend-elle quoi que ce soit ?
• IA forte (AGI) : Hypothétique. Dans l'usage courant, il s'agit d'un système qui égale les humains dans pratiquement toutes les tâches cognitives et en apprend de nouvelles sans ingénierie propre à chaque tâche ; au sens de Searle, d'une machine dotée d'un véritable esprit.
• Superintelligence artificielle (ASI) : Hypothétique. Un système qui dépasse les meilleurs humains dans pratiquement tous les domaines, scénario à l'origine de la singularité technologique.

Exemples d'IA faible#

• Vision par ordinateur : Les systèmes d’aide à la conduite détectent les piétons et les marquages au sol, tandis que les caméras d’usine recherchent des défauts sur les pièces. Ultralytics YOLO26 est spécialisé de cette manière : une famille de modèles gère la détection, la segmentation d’instances et sémantique, l’estimation de profondeur, la classification, l’estimation de pose et les boîtes orientées ; chaque modèle entraîné ne gère que la tâche et les classes pour lesquelles il a été entraîné.
• Reconnaissance vocale : les logiciels de dictée, les outils de sous-titrage et les assistants vocaux convertissent les paroles en texte.
• Systèmes de recommandation : Les services de streaming et de vente en ligne classent les articles pour chaque utilisateur en fonction de son historique de visionnage et d'achat.
• Jeux : Deep Blue d'IBM a battu le champion du monde d'échecs Garry Kasparov en 1997 et ne pouvait rien faire d'autre.

L'IA générative est-elle toujours une IA faible ?#

Les grands modèles de langage (LLM) écrivent du code, traduisent, résument et répondent à des questions sur des images, ce qui met à mal l'étiquette de capacités restreintes. Un article de Microsoft Research de 2023 sur GPT-4 parlait d'« étincelles d'intelligence artificielle générale », et ceux qui maintiennent les LLM dans la catégorie restreinte évoquent des capacités inégales, un phénomène appelé intelligence en dents de scie, ainsi que des poids qui cessent d'apprendre à la fin de l'entraînement. L'AI Act de l'UE évite les étiquettes d'IA faible et forte et réglemente ces systèmes en tant que modèles d'IA à usage général, leurs fournisseurs étant soumis à des obligations depuis le 2 août 2025.