À quel rythme l'IA a-t-elle évolué ? L'histoire complète de l'intelligence artificielle, de ses débuts à 2026

En 2012, les meilleurs systèmes de vision par ordinateur au monde avaient encore du mal à distinguer un chien d'un chat. En 2026, il vous suffira de taper une phrase pour voir se monter tout seul un film photoréaliste de trente secondes — avec mouvements de caméra, éclairage cinématographique, dialogues synchronisés et tout le reste — en moins de temps qu’il n’en faut pour se servir un café.

Ce n'est pas une décennie de progrès constants. C'est un tout autre monde.

L'histoire de l'évolution de l'intelligence artificielle est l'une des courbes d'accélération les plus étranges de l'histoire de la technologie. Pendant cinquante ans, elle a avancé à pas de tortue. Puis, en l'espace d'une dizaine d'années à peine, elle a franchi à toute vitesse des étapes que les chercheurs pensaient autrefois ne pas voir atteindre avant plusieurs générations. Si vous avez eu l'impression d'avoir le tournis en essayant de suivre le rythme — de nouveaux noms de modèles toutes les quelques semaines, des fonctionnalités qui semblaient impossibles au printemps dernier et qui sont proposées gratuitement dès cet été —, vous ne rêvez pas. Le rythme est bel et bien aussi effréné, et il continue de s'accélérer.

Voici l'histoire complète, vue sous l'angle humain, de cette accélération : les origines de l'IA, les quelques avancées décisives qui ont tout changé, la course à l'armement entre les modèles fermés et ouverts, l'essor de la génération d'images et de vidéos par l'IA, et la direction que prendra tout cela à l'avenir.

Prends un café. Ça va être long.

---

Un long et lent chemin : l'IA avant l'essor (1950-2011)

On serait tenté de croire que l'intelligence artificielle a été inventée vers 2022. Ce n'est pas le cas. Ce rêve est presque aussi ancien que l'ordinateur moderne lui-même.

En 1950, Alan Turing a posé une question d'une simplicité trompeuse — Les machines sont-elles capables de penser ? — et proposa le « jeu de l’imitation » que nous appelons aujourd’hui le test de Turing. Six ans plus tard, un atelier estival organisé au Dartmouth College donna son nom à cette discipline et lui insuffla son optimisme fondateur. Les premiers pionniers estimaient qu’une machine capable de penser verrait le jour d’ici une vingtaine d’années. Ils se sont trompés d’environ un demi-siècle, et cette erreur d’estimation a marqué les premières décennies de cette discipline.

Au départ, l'approche consistait à IA symbolique: l'idée selon laquelle l'intelligence pourrait être traduite en règles explicites, en logique et en connaissances codées manuellement. Si seulement on pouvait simplement mettre par écrit suffisamment de si-ça-alors-ça Si l'on s'en tenait à ces énoncés, le raisonnement s'ensuivrait. Cela a donné naissance, dans les années 1970 et 1980, à des “ systèmes experts ” réellement utiles — des programmes capables de diagnostiquer certaines maladies ou de configurer des commandes informatiques —, mais cette approche s'est heurtée à un mur. Le monde réel est trop complexe, trop riche en exceptions, pour pouvoir être appréhendé par des règles saisies manuellement par un être humain.

Lorsque les promesses ont pris le pas sur les résultats, les financements se sont taris. Le secteur a traversé deux longues périodes difficiles, désormais connues sous le nom de Les hivers de l'IA, à l'époque où le terme “ IA ” était presque devenu un mot tabou parmi les chercheurs sérieux qui ne voulaient pas voir leurs demandes de subvention finir à la poubelle.

Mais, discrètement, une autre idée survivait en marge : apprentissage automatique. Au lieu de programmer l’intelligence à la main, pourquoi ne pas laisser un système apprendre des modèles à partir des données ? Les réseaux neuronaux — vaguement inspirés du cerveau — existaient depuis les années 1950, mais ils manquaient cruellement de puissance de calcul et étaient pour la plupart écartés. Tout au long des années 90 et 2000, l’apprentissage automatique statistique a alimenté les filtres anti-spam, les moteurs de recommandation et les classements de recherche. Cela fonctionnait, cela rapportait de l’argent, et presque personne en dehors du milieu ne parlait d“” IA ». Il s’agissait simplement… d’un logiciel qui s’améliorait à mesure qu’il recevait davantage de données.

Les pièces étaient en place. Il ne manquait plus que le bon moment.

L'étincelle : comment l'apprentissage profond a pris son essor en 2012

Si l'on cherche à fixer une date précise marquant le début de l'ère moderne, l'une des meilleures candidates est 2012.

Cette année-là, un réseau neuronal appelé AlexNet a participé au concours ImageNet — un concours annuel consistant à classer correctement des millions d’images — et ne s’est pas contenté de gagner. Il a remporté une victoire écrasante, réduisant le taux d’erreur de manière si spectaculaire que le résultat semblait être une faute de frappe. Il a utilisé un réseau neuronal “ profond ” (composé de nombreuses couches superposées) entraîné sur des cartes graphiques, ou GPU, qui se sont avérées particulièrement performantes pour le type précis de calculs parallèles requis par les réseaux neuronaux.

Cette combinaison — le « big data », les réseaux profonds et le calcul parallèle à faible coût — a été l’étincelle. Du jour au lendemain, l’approche par réseaux neuronaux, qui avait été écartée pendant des décennies, n’était plus seulement viable : elle était devenue dominante. En l’espace de quelques années, l’apprentissage profond avait largement dépassé les anciennes techniques en matière de reconnaissance d’images, de reconnaissance vocale et de traduction. Les géants de la technologie l’ont remarqué. Ils ont commencé à recruter tous les chercheurs spécialisés dans l’apprentissage profond qu’ils pouvaient trouver et à consacrer d’énormes budgets informatiques à ce domaine.

Pour la première fois, la stratégie consistant à “ alimenter un réseau plus vaste avec davantage de données et de puissance de calcul ” s’est avérée efficace. Cette prise de conscience allait bientôt transformer l’ensemble du secteur — mais il manquait encore à ce domaine un élément essentiel pour traiter correctement le langage.

L'architecture qui a tout changé : Transformers (2017)

Voici une avancée majeure dont presque personne, en dehors du monde de l'IA, n'a entendu parler, alors qu'elle est à la base de presque tout ce que vous utilisez aujourd'hui.

En 2017, une équipe de chercheurs de Google a publié un article au titre un peu provocateur : Tout ce dont vous avez besoin, c'est d'attention. Il a introduit le Transformateur, une nouvelle architecture de réseau neuronal articulée autour d'un mécanisme appelé attention — une méthode permettant à un modèle d'évaluer, simultanément et en parallèle, le degré de corrélation entre chaque mot d'une phrase et tous les autres mots.

Cela peut paraître abstrait, alors voici en quoi cela était important. Les modèles linguistiques précédents traitaient le texte mot par mot, de manière séquentielle, ce qui les rendait lents à entraîner et peu capables de mémoriser de longs passages. Les Transformers traitaient tout en parallèle et pouvaient garder en “ mémoire ” des relations à long terme. Ils étaient plus rapides à entraîner, s’adaptaient parfaitement à l’augmentation des données et de la puissance de calcul, et — surtout — ils parvenaient à mieux de manière fluide et prévisible à mesure que vous les agrandissiez.

Cette dernière caractéristique est le moteur discret de tout ce boom. Des chercheurs ont découvert ce qui est désormais connu sous le nom de lois d'échelle: il suffit d’ajouter davantage de paramètres, davantage de données et davantage de puissance de calcul pour que les performances s’améliorent selon une courbe prévisible. Pour un domaine qui avait passé des décennies à rechercher des astuces ingénieuses, c’était presque trop beau pour être vrai. On n’avait pas besoin d’une nouvelle idée chaque année. Il fallait simplement une version plus ambitieuse de la même idée. Le Transformer a transformé l’intelligence en quelque chose que l’on pouvait, dans une large mesure, acheter.

Tous les grands modèles linguistiques dont vous avez entendu parler — GPT, Claude, Gemini, Llama, DeepSeek, Qwen et tous les autres — sont des « Transformers » ou des descendants directs de ceux-ci. Cet article publié en 2017 est le pivot autour duquel s’articule le monde moderne.

L'ère du GPT et la naissance des grands modèles de langage modernes (2018-2022)

Une jeune start-up appelée OpenAI a pris le pari des lois d'échelle plus au sérieux que presque n'importe qui d'autre. Leur hypothèse était simple et, à l'époque, controversée : prendre un Transformer, l'entraîner sur une quantité impressionnante de textes issus d'Internet pour prédire le mot suivant, le rendre gigantesque, et voir ce qui se passe.

Les résultats sont arrivés par vagues successives :

• GPT-1 (2018) a validé le concept à une échelle modeste.
• GPT-2 (2019) était suffisamment performant pour générer des paragraphes cohérents pour qu’OpenAI hésite dans un premier temps à publier le modèle complet, invoquant des craintes d’utilisation abusive — une décision qui a fait la une des journaux et suscité pas mal de réactions sceptiques, mais qui a également marqué un tournant.
• GPT-3 (2020) C'est là que ça a vraiment fait sensation. Avec ses 175 milliards de paramètres, il était capable de rédiger des essais, de répondre à des questions, de produire du code fonctionnel et d’imiter différents styles — le tout sans avoir été spécifiquement entraîné à aucune de ces tâches. Il les a acquis comme un effet secondaire de son apprentissage de la prédiction de texte. Les développeurs qui y ont eu accès en avant-première en ont parlé comme on parle d’un tour de magie qu’on ne parvient pas à expliquer.

Il se passait ici quelque chose de profond. Personne programmé GPT-3 pour écrire de la poésie ou déboguer du code Python. Ces capacités est apparu au-delà de l'échelle. Le modèle cherchait simplement à deviner le mot suivant, et en devenant très performant dans cette tâche, il a intégré une approximation fonctionnelle de la grammaire, des connaissances factuelles, du raisonnement et du style. Cette propriété — à savoir l'apparition spontanée de capacités à mesure que les modèles évoluent — est appelée émergence, et c'est pourquoi même les chercheurs qui développent ces systèmes sont régulièrement surpris par ce dont ils sont capables.

En 2022, il existait déjà de puissants modèles linguistiques. Mais ceux-ci étaient cantonnés aux API destinées aux développeurs, s'exprimaient de manière brute et parfois déjantée, et n'étaient accessibles qu'à quelques milliers de passionnés. Le grand public n'en avait aucune idée. Cela allait changer du jour au lendemain.

ChatGPT : la semaine où l'IA s'est démocratisée

Le 30 novembre 2022, OpenAI a publié une version préliminaire gratuite, à des fins de recherche, d’un chatbot basé sur son modèle GPT-3.5. L’entreprise l’a baptisé ChatGPT. En interne, les attentes étaient modestes.

Elle est devenue l'application grand public ayant connu la croissance la plus rapide de l'histoire, atteignant les cent millions d'utilisateurs en à peu près deux mois.

La technologie sous-jacente n'était pas radicalement nouvelle. Ce qui était nouveau, c'était le emballage: une simple fenêtre de discussion, un modèle conçu pour suivre des instructions et mener une conversation, et — surtout — aucune barrière à l'accès. N’importe qui pouvait se rendre sur un site web et dialoguer avec lui. Vos parents pouvaient l’utiliser. Vos enfants pouvaient l’utiliser. Et pour des millions de personnes, cette première conversation a marqué le moment où l“” IA », jusqu’alors abstraite, est devenue une réalité concrète capable de rédiger leurs e-mails, de leur expliquer leurs devoirs, de planifier leurs voyages et de rédiger leur code.

L'explosion culturelle a été immédiate. Les établissements scolaires ont été pris de panique face aux dissertations. Les entreprises se sont empressées d'élaborer des “ stratégies d'IA ”. Les investisseurs ont sorti leurs chéquiers. Tous les dirigeants du secteur technologique de la planète se sont soudainement retrouvés avec une priorité absolue à l’ordre du jour. ChatGPT n’a pas simplement lancé un produit ; il a donné le coup d’envoi de la concurrence d’entreprise la plus intense que le secteur technologique ait connue depuis l’avènement du smartphone — voire depuis l’avènement d’Internet lui-même.

À partir de là, la chronologie cesse de défiler lentement et commence à s'estomper.

La course aux armements dans un modèle fermé (2023-2026)

Dès que ChatGPT a fait ses preuves sur le marché, les laboratoires les plus importants et les mieux financés au monde se sont lancés dans une course effrénée. Voici les modèles fermés — des systèmes propriétaires dont les paramètres sont tenus secrets et auxquels on accède via des applications et des API payantes. Ils se situent à la pointe des capacités techniques, et la concurrence entre eux est sans relâche.

2023 a donné le ton. OpenAI a publié GPT-4, un bond en avant spectaculaire capable de raisonner, de réussir des examens professionnels et de traiter aussi bien les images que le texte. Anthropic — fondée par d’anciens chercheurs d’OpenAI — a lancé Claude, en mettant l'accent sur la sécurité, les documents volumineux et un style conversationnel plus réfléchi. Google, pris au dépourvu par ChatGPT alors même qu'il avait inventé le Transformer, s'est réorganisé et a lancé Gémeaux. La course à trois était lancée.

Puis, tout cela n’a cessé de s’accélérer. Chaque laboratoire surpassait les autres tous les quelques mois. La taille des fenêtres de contexte — c’est-à-dire la quantité de texte qu’un modèle peut traiter à la fois — a explosé, passant de quelques milliers de mots à des livres entiers et des bases de code complètes. Les modèles ont acquis la capacité de voir des images, d’écouter des fichiers audio, de naviguer sur le Web et d’utiliser des outils. xAI, la société d’Elon Musk, a fait son entrée avec Grok, relié directement à la plateforme sociale X.

Deux évolutions définissent la frontière telle qu'elle se présente actuellement en 2026, et elles ont plus d'importance que n'importe quel nom de modèle :

Tout d'abord, l'essor du raisonnement. Une nouvelle catégorie de modèles “ réfléchis ” a appris à résoudre les problèmes étape par étape avant de donner une réponse — en prenant le temps de raisonner en interne plutôt que de donner la première réponse qui leur venait à l’esprit. Cela a permis de combler en grande partie l’écart qui existait auparavant en mathématiques, en logique et en programmation complexe, et a transformé les tests de référence qui avaient mis les modèles de 2023 en difficulté en victoires de routine.

Deuxièmement, le passage des chatbots aux collaborateurs. Le thème central de l'année 2026 est IA agentique. Les modèles de pointe ne se contentent plus de répondre à des questions : ils agissent. Ils font fonctionner des ordinateurs, écrivent et déploient du code dans de nombreux fichiers, exécutent des tâches en plusieurs étapes pouvant s'étendre sur plusieurs minutes ou plusieurs heures, et s'intègrent aux systèmes d'entreprise pour mener à bien des actions concrètes. La métaphore de l'interface est discrètement passée de “ l'assistant avec lequel on discute ” à “ le collègue à qui on délègue des tâches ”.”

À la mi-2026, la frontière fermée forme un groupe très serré en tête : Claude Opus 4.8 d’Anthropic, GPT-5.5 d’OpenAI, Gemini 3.1 Pro de Google et Grok 4.3 de xAI, les quatre laboratoires se disputant la première place toutes les quelques semaines. <span>Ce qui frappe le plus dans le haut du classement actuel, c'est à quel point la compétition est devenue serrée : l'écart entre le “ meilleur ” et le “ deuxième ” n'est souvent plus qu'une erreur d'arrondi, et la première place change constamment de mains.</span>

La course a également pris une dimension géopolitique. À la mi-2026, un modèle « Anthropic Frontier » est devenu — pour autant que l’on sache — le tout premier à avoir été désactivé puis réactivé par les autorités de régulation, brièvement suspendu en vertu d’un décret américain sur le contrôle des exportations avant que l’accès ne soit rétabli. L’IA « Frontier » n’est plus seulement une catégorie de produits. C’est un instrument de politique nationale.

La révolution des modèles ouverts : des poids pour tous

Alors que les géants s'affrontaient sur le terrain des API, une autre histoire, parallèle et tout aussi importante, se jouait : l'essor de modèles ouverts.

Le tournant s'est produit début 2023, lorsque Meta a lancé LLaMA, un modèle linguistique performant dont les paramètres ont fait l’objet d’une fuite avant d’être officiellement mis à la disposition des chercheurs. Pour la première fois, un modèle véritablement puissant pouvait être téléchargé, exécuté sur son propre matériel, examiné et modifié. Une communauté mondiale de développeurs et d’amateurs s’est rapidement constituée autour de ce modèle, générant une vague impressionnante de variantes affinées, d’optimisations et d’outils — souvent plus rapidement que les grands laboratoires ne parvenaient à proposer de nouvelles fonctionnalités.

Cet élan communautaire n'a jamais faibli, et en 2026, l'écosystème ouvert est devenu un concurrent de taille pour l'écosystème fermé. Voici quelques éléments qu'il est utile de comprendre :

Le concept de « poids ouverts » n'est pas synonyme d'« open source ». Cette distinction pose problème à beaucoup de gens. Open source signifie que le code d'entraînement, les données et les poids sont tous fournis sous une licence permissive. Poids libres Cela signifie que vous pouvez télécharger et exécuter les fichiers du modèle, mais que la licence peut restreindre leur utilisation, et que les données d’entraînement ainsi que la recette complète restent souvent confidentielles. La plupart des modèles que l’on qualifie couramment d“” open source » sont en réalité « open-weight ». Cette différence revêt une importance capitale pour les entreprises soucieuses de conformité — c’est pourquoi les licences sont devenues un véritable atout concurrentiel. Les licences permissives Apache 2.0 et MIT (utilisées par des familles de modèles telles que Qwen, DeepSeek et d’autres) sont très prisées précisément parce qu’elles permettent aux entreprises de développer librement leurs solutions.

Le centre de gravité s'est déplacé vers l'Est. Certains des modèles « open-weight » les plus performants de 2026 proviennent de laboratoires chinois : DeepSeek (réputé pour ses capacités de calcul de pointe à un coût incroyablement bas), Qwen d'Alibaba (une vaste gamme de produits sous licence permissive, allant des petits modèles d'ordinateurs portables aux systèmes de grande envergure), Kimi, de Moonshotet Le GLM de Zhipu/Z.ai série. Meta’s Lama 4 constitue le pilier de la gamme « Western Open », la solution légère de Google Gemma Ces modèles sont conçus pour fonctionner sur un seul GPU, voire sur un ordinateur portable, et en Europe, Mistral a adopté des licences permissives pour ses modèles phares. Le classement ouvert est désormais remanié presque tous les mois : selon des analyses récentes, des modèles tels que le GLM-5.2 et le dernier modèle de Kimi se situent en tête ou près du sommet des classements ouverts indépendants, tandis que plusieurs modèles ouverts s’immiscent désormais dans un domaine qui appartenait auparavant exclusivement au secteur fermé.

L'effondrement des prix. C'est peut-être sur le plan économique que le modèle ouvert a eu les répercussions les plus importantes. La concurrence — en grande partie alimentée par ces fournisseurs ouverts et à bas coût — a fait chuter le prix de l’intelligence artificielle de manière spectaculaire. Des fonctionnalités qui coûtaient une petite fortune en frais d’API il y a deux ans sont désormais disponibles pour quelques centimes par million de mots, voire gratuitement si vous les hébergez vous-même. Les analystes estiment désormais que les meilleurs modèles ouverts ne sont devancés par les meilleurs modèles fermés que de mois sur de nombreux critères, et non plus sur plusieurs années. Pour une grande partie des tâches concrètes, l'option open source est désormais suffisamment performante, suffisamment abordable et suffisamment respectueuse de la vie privée pour s'imposer.

C'est là la révolution silencieuse qui se cache derrière les gros titres. Si les avancées de pointe retiennent l'attention, la démocratisation d'une IA “ suffisamment performante ” — fonctionnant sur vos propres serveurs, sous votre propre contrôle, à un coût marginal quasi nul — pourrait bien finir par transformer davantage de secteurs qu'aucun modèle phare pris isolément.

Quand l'IA a appris à voir et à peindre : l'histoire de la génération d'images

La langue ne représentait que la moitié de la révolution. L'autre moitié était visuelle — et elle s'est imposée tout aussi rapidement.

Les premiers outils utilisés pour créer des images générées par l'IA étaient les GAN (Réseau antagoniste génératif), introduit en 2014. L’idée ingénieuse : opposer deux réseaux l’un à l’autre, l’un générant de fausses images et l’autre essayant de repérer les faux, jusqu’à ce que le générateur devienne si performant que les faux deviennent convaincants. Les GAN ont produit des visages d’un réalisme troublant — l’ère du “ ces personnes n’existent pas ” — mais ils étaient capricieux à entraîner et difficiles à contrôler par le langage.

La véritable percée auprès des consommateurs est venue d'une technique différente : modèles de diffusion, qui apprennent à créer des images en partant d’un bruit aléatoire pur et en l’affinant progressivement pour aboutir à une image cohérente, guidées par une consigne textuelle. Les résultats, ainsi que la chronologie du processus, étaient stupéfiants :

• DALL·E et DALL·E 2 (2021-2022) OpenAI a démontré au monde entier qu'il suffisait de taper une phrase fantaisiste — “ un astronaute à cheval dans un style photoréaliste ” — pour obtenir une image d'une qualité étonnante.
• Midjourney (2022) Il s'est imposé grâce à une esthétique unique et magnifique et a su rassembler une immense communauté, devenant ainsi synonyme d'art généré par l'IA de grande qualité.
• Stable Diffusion (2022) a fait pour les images ce que LLaMA a fait par la suite pour le texte : il a été mis à disposition librement. Tout le monde pouvait l'utiliser, l'affiner et s'en servir comme base. Tout un écosystème ouvert d'outils, de plugins et de modèles personnalisés a vu le jour du jour au lendemain.

À partir de là, le secteur a connu une avancée fulgurante. Les anciens problèmes — mains déformées, textes incohérents, visages étranges — ont été résolus les uns après les autres. En 2026, le marché de la génération d’images s’est scindé en deux camps distincts, et la qualité est désormais suffisamment élevée pour que les résultats trompent régulièrement l’œil humain non averti :

• Midjourney (désormais disponible dans sa gamme V8) reste le choix esthétique privilégié pour les œuvres d'art stylisées qui attirent immédiatement le regard.
• GPT Image d'OpenAI Ces modèles (les successeurs de DALL·E, désormais intégrés directement à ChatGPT) se distinguent par leur capacité à suivre des instructions complexes et à reproduire correctement du texte à l'intérieur d'images — un problème qui a longtemps posé des difficultés à tous les modèles.
• FLUX de Black Forest Labs est devenu le champion des modèles « open-weight », rivalisant avec les modèles « closed » haut de gamme en termes de photoréalisme pour un coût bien moindre, et incitant la plupart des utilisateurs sérieux de l'open source à délaisser les anciennes versions de Stable Diffusion.
• Imagen de Google et “ Nano Banana ” modèles et Firefly d'Adobe (entraînés sur des données sous licence, ce que les entreprises apprécient pour des raisons de sécurité juridique) viennent compléter ce domaine professionnel.
• Et, dans la lignée de l'histoire du LLM, Modèles chinois tout comme Seedream, de ByteDance, qui a grimpé en flèche dans le classement.

La frontière ne se résume plus à créer une jolie image. Il s'agit plutôt de édition — choisir une région de manière informelle et demander des modifications — et à propos de cohérence, en conservant le même personnage ou le même produit d'une image à l'autre. La génération d'images par IA est passée du statut de simple curiosité à celui d'outil de production professionnel en l'espace d'environ quatre ans.

Quand l'IA a appris à bouger : l'essor de la vidéo générée par l'IA

Si les images étaient le miracle d’il y a quatre ans, la vidéo est celui de notre époque. Et rien n’illustre mieux la vitesse fulgurante des progrès de l’IA que de voir la technologie « texte-vidéo » passer, en moins de trois ans, du statut de simple blague à celui de menace pour l’industrie cinématographique.

En 2023 encore, le terme “ vidéo IA ” désignait quelques secondes d’images floues et saccadées, avec des visages qui se déformaient et des objets qui se transformaient en formes incohérentes d’une image à l’autre. C’était une curiosité, pas un outil.

Puis, début 2024, OpenAI a présenté en avant-première Sora, et le débat a immédiatement basculé. Ses extraits étaient photoréalistes, cohérents sur le plan temporel et d’une qualité cinématographique telle qu’on avait l’impression d’avoir sauté plusieurs années de progrès attendus. Tous les concurrents se sont immédiatement mis à tenter d’atteindre ce niveau d’excellence.

Cette course a donné lieu à un plateau remarquable. D’ici 2026, parmi les prétendants sérieux, on compte notamment Veo de Google, La 4e génération de Runway une gamme (intégrée à un environnement d’édition créatif complet plutôt que commercialisée sous forme de modèle brut), ainsi qu’une vague de puissants modèles chinois — Kling (Kuaishou), Seedance (ByteDance), entre autres — qui occupent désormais les premières places des classements indépendants en matière de qualité vidéo. Les exigences techniques ont évolué rapidement : natif audio synchronisé — notamment la génération de dialogues avec une synchronisation labiale parfaite dans plusieurs langues — est passée du domaine de la science-fiction à celui des fonctionnalités courantes en l'espace d'environ un an.

Le rebondissement que personne n'avait vu venir : Sora, le modèle qui a donné le départ de la course, a été mis hors service. OpenAI a mis fin aux services Web et aux applications Sora en avril 2026, l’API ayant suivi plus tard dans l’année. L'outil qui avait donné le ton a été dépassé et mis hors service, tandis que le domaine qu'il avait inspiré progressait à grands pas — un symbole presque parfait de la rapidité fulgurante avec laquelle évolue ce secteur. Fixez la norme, et dix-huit mois plus tard, vous risquez de devenir une référence dépassée.

Aujourd’hui, un entrepreneur indépendant disposant d’un script et d’un budget modeste peut produire des séquences qui auraient autrefois nécessité un lieu de tournage, une équipe et un budget à cinq chiffres. La technologie présente encore de réelles limites — des anomalies physiques, un manque de cohérence dans les longues scènes, ainsi que de sérieuses questions juridiques et éthiques concernant l’image et la divulgation — mais la tendance est indéniable.

Au-delà du texte et des pixels : la voix, la multimodalité et l'ère des agents

Les catégories bien définies utilisées dans cet article — texte, image, vidéo — sont, pour être honnête, déjà en train de s'estomper. La tendance marquante de notre époque est que ces fonctionnalités fusionnent pour former des systèmes uniques et unifiés.

Multimodalité C'est son nom technique. Les modèles de pointe de 2026 ne sont pas de simples modèles textuels auxquels on aurait ajouté une fonctionnalité d'image ; ils voient, lisent, entendent et génèrent du contenu de manière native, tous formats confondus, dans un flux continu. Vous pouvez lui montrer une photo de votre réfrigérateur et lui demander une recette, partager une capture d’écran d’un bug et obtenir une solution, ou lui parler et l’entendre vous répondre d’une voix naturelle, que l’on peut interrompre, avec pratiquement aucun décalage. L'ancienne boucle maladroite “ taper, attendre, lire ” cède la place à quelque chose qui ressemble beaucoup plus à une conversation avec une personne compétente.

Et puis il y a agents — le fil conducteur qui relie l'ensemble de l'histoire de 2026. Un « agent » est un système d'IA qui ne se contente pas de répondre, mais actes: il planifie une tâche en plusieurs étapes, utilise des outils et des logiciels, vérifie son propre travail et mène la tâche à bien avec un minimum d’accompagnement. Réserver un voyage, recouper une feuille de calcul avec trois sources de données, refactoriser une base de code, mener un projet de recherche sur des dizaines de pages web : ces tâches passent du statut de “ démonstration ” à celui de “ flux de travail quotidien ”. L’interface évolue d’une fenêtre de chat vers une file d’attente de délégation.

C'est le fil conducteur de toute l'histoire de l'IA, qui aboutit ici à sa conclusion logique. Nous sommes passés de programmation des ordinateurs dotés de règles explicites, pour formation les baser sur des données, pour discuter en leur expliquant clairement, pour — maintenant — déléguer un véritable travail pour eux. Chaque étape a permis d'éliminer un obstacle entre l'intention humaine et le résultat final. Les agents constituent aujourd'hui la nouvelle frontière de cette élimination.

Pourquoi l'IA a-t-elle soudainement connu un essor aussi rapide ?

Si l'on fait abstraction des noms de modèles et des numéros de version, une question s'impose naturellement : après cinquante ans de progression à petits pas, pourquoi l'IA a-t-elle soudainement sprint? Plusieurs facteurs se sont conjugués, et c'est cette conjonction — et non pas un seul de ces facteurs — qui a mis le feu aux poudres.

La puissance de calcul est devenue incroyablement élevée et abondante. Les mêmes processeurs graphiques (GPU) utilisés pour le rendu des jeux vidéo se sont avérés parfaits pour l'entraînement des réseaux neuronaux. À mesure que les puces se perfectionnaient et que les centres de données gagnaient en capacité, la puissance brute disponible pour l'entraînement de l'IA a augmenté de manière exponentielle. Des idées qui semblaient théoriquement valables dans les années 1990 étaient tout simplement irréalisables jusqu'à ce que le matériel soit à la hauteur.

Les données se sont transformées en un véritable torrent. Pendant trente ans, Internet a accumulé un corpus quasi illimité de textes, d’images et de vidéos créés par l’homme. Cette immense base de données, aussi hétéroclite que riche, regroupant les connaissances et les expressions humaines, est devenue le matériel d’apprentissage. Sans Internet, pas d’IA moderne.

L'échelle débloquée de Transformer. Comme nous l'avons vu, l'architecture de 2017 a permis de transformer de manière fiable davantage de puissance de calcul et davantage de données en capacités accrues. Cette prévisibilité a rapproché la recherche de l'ingénierie — et les problèmes d'ingénierie se résolvent rapidement dès que les fonds sont débloqués.

L'argent est arrivé. ChatGPT a démontré l'existence d'un marché colossal, et les capitaux ont afflué. Des dizaines de milliards de dollars ont été investis dans les laboratoires, les puces électroniques et les talents. Ces financements ont permis de raccourcir des délais qui, sans cela, se seraient étalés sur plusieurs décennies.

C'est une concurrence acharnée qui a donné le ton. Avec OpenAI, Google, Anthropic, Meta, xAI et une douzaine de laboratoires chinois qui se livrent à une course effrénée, personne ne pouvait se permettre de lever le pied. Une avance acquise en six mois pouvait s'évaporer en six semaines. C'est précisément cette pression qui explique pourquoi on voit apparaître un nouveau produit phare presque chaque fois qu'on consulte l'actualité.

Les écosystèmes ouverts ont permis de multiplier les efforts. Chaque modèle mis à disposition librement a transformé des milliers de développeurs indépendants en personnel de R&D non rémunéré. L'intelligence collective de la communauté mondiale de l'open source a accéléré les progrès d'une manière qu'aucune entreprise ne pouvait égaler à elle seule, et a fait chuter le prix de l'IA à un niveau très bas.

Mettez tout cela ensemble et vous obtenez la courbe de capacité la plus raide que la technologie ait jamais produite. Il s'agit moins d'une invention isolée que d'une réaction en chaîne.

L'avenir de l'IA

Prédire l'avenir de l'IA, c'est le meilleur moyen de passer pour un idiot dans six mois — cet article a montré à quel point les experts ont été régulièrement pris au dépourvu. Mais la trajectoire actuelle permet d'envisager certaines perspectives avec un degré de certitude raisonnable.

Les agents, soyez réalistes. La prochaine étape ne portera pas tant sur les modèles qui… savoir de plus en plus sur des systèmes qui fonctionnent de manière fiable faire et plus encore : mener à bien des tâches longues, complexes et comportant plusieurs étapes, en toute autonomie. Il faut s’attendre à ce que le concept d“” employé IA » prenne de l’ampleur, tout comme les questions épineuses concernant la supervision, la fiabilité et l’avenir des emplois reposant sur des tâches que ces agents sont désormais capables d’assumer.

Les services de renseignement ne cessent de devenir moins chers. La chute des prix n'est pas terminée. À mesure que les modèles ouverts comblent leur retard et que leur efficacité s'améliore, les IA performantes tendent à devenir pratiquement gratuites et à fonctionner en local — sur votre téléphone, votre ordinateur portable ou vos propres serveurs. Cette banalisation pourrait transformer des secteurs entiers de manière plus discrète et plus profonde que n'importe quel modèle phare pris isolément.

Les lignes ne cessent de s'estomper. Le texte, l'image, l'audio et la vidéo convergent vers des systèmes unifiés, et “ utiliser l'IA ” ressemblera moins à l'utilisation d'un outil qu'à une fonctionnalité intégrée de manière invisible dans tout ce que vous faites déjà.

La gouvernance occupe désormais le devant de la scène. La brève suspension réglementaire d’un modèle de pointe en 2026 en était un avant-goût. À mesure que l’IA devient une infrastructure essentielle et un levier de puissance géopolitique, les questions de sécurité, de droits d’auteur, de contrôle et de stratégie nationale façonneront ce domaine tout autant que n’importe quelle avancée scientifique. La course technique et la course politique ne font désormais plus qu’une.

La seule chose dont on peut être sûr, c'est que le rythme ne ralentira pas. Chaque chapitre de cette histoire a été écrit par des gens qui sous-estimaient avec assurance la rapidité avec laquelle le chapitre suivant allait arriver.

Foire aux questions

Quand l'IA moderne a-t-elle réellement vu le jour ? Le concept remonte aux années 1950, mais on considère généralement que l'ère moderne de l'apprentissage profond a débuté en 2012, lorsque le réseau neuronal AlexNet a dominé un concours de reconnaissance d'images et démontré que l'association des réseaux profonds, du big data et de la puissance de calcul des GPU constituait une combinaison gagnante. L'essor auprès du grand public a commencé plus tard, avec le lancement de ChatGPT en novembre 2022.

Quelle est la différence entre les modèles d'IA ouverts et fermés ? Les modèles fermés (tels que GPT-5.5, Claude et Gemini) gardent leurs poids confidentiels et s’utilisent via des applications ou des API payantes. Les modèles ouverts (tels que Llama, DeepSeek, Qwen et GLM) partagent leurs poids, ce qui permet à tout un chacun de les télécharger, de les exécuter et de les modifier. Une nuance importante : “ poids ouverts ” signifie que vous disposez des fichiers du modèle, tandis que le véritable “ open source ” inclut également le code d’entraînement et les données — la plupart des modèles dits « open source » sont en réalité à poids ouverts.

Quelle a été la percée la plus importante dans l'histoire de l'IA ? De nombreux chercheurs citent l'architecture Transformer de 2017, présentée dans l'article Tout ce dont vous avez besoin, c'est d'attention. Cette technologie a permis de rendre les modèles évolutifs et efficaces à entraîner, et elle est à la base de pratiquement tous les grands systèmes d'IA utilisés aujourd'hui, des chatbots aux générateurs d'images.

Comment la génération d'images et de vidéos par IA a-t-elle pu atteindre un tel niveau de qualité en si peu de temps ? La génération d’images a fait un bond en avant avec les modèles de diffusion vers 2021-2022 (DALL·E, Midjourney, Stable Diffusion), puis a rapidement résolu d’anciens problèmes tels que les mains déformées et les textes illisibles. La vidéo a suivi une courbe similaire, passant de quelques secondes de mouvements flous en 2023 à des clips photoréalistes et synchronisés avec le son dès 2026, sous l’impulsion d’une concurrence intense entre des modèles tels que Veo, Runway, Kling et Seedance.

Les progrès de l'IA vont-ils ralentir ? On n'en voit pas encore les premiers signes. La combinaison de ressources informatiques abondantes, d'investissements massifs, d'une concurrence acharnée entre les laboratoires et d'une communauté open source en plein essor ne cesse d'accélérer le rythme. Si l'histoire ci-dessus nous enseigne quelque chose, c'est que la vague suivante est toujours arrivée plus vite que quiconque ne l'avait prévu.