Intelligence artificielle : promesses, risques et règles du jeu en 2024

À l’automne 2024, l’intelligence artificielle n’est plus seulement un sujet de recherche ou de science-fiction. Elle rédige des brouillons, résume des documents, répond à des clients, repère des tendances dans de grands volumes de données et peut assister certains professionnels. Cette diffusion rapide nourrit deux réactions parfaitement compatibles : l’espoir de services plus efficaces et plus personnalisés, et la crainte de confier trop vite des décisions sensibles à des systèmes imparfaits.

Le débat ne se réduit donc pas à une opposition entre enthousiastes et sceptiques. La question concrète est de savoir quelles tâches confier à l’IA, dans quelles conditions, avec quelles données et sous quel contrôle humain. Santé, éducation, emploi, administration, information ou création : les bénéfices potentiels sont considérables, mais ils n’effacent ni les erreurs possibles ni les droits fondamentaux.

Une expression qui recouvre plusieurs technologies

L’intelligence artificielle désigne un ensemble de méthodes capables de réaliser des tâches habituellement associées à certaines facultés humaines : reconnaître une image, traduire un texte, classer des informations, prévoir une demande ou produire un contenu. Il ne s’agit pas d’une technologie unique, ni d’une machine qui comprend le monde comme une personne.

L’apprentissage automatique consiste à entraîner un programme à repérer des régularités dans des données. Un système peut ainsi apprendre à détecter des anomalies dans des images médicales, anticiper des besoins de stocks ou filtrer des messages indésirables. L’IA générative, elle, crée de nouveaux contenus plausibles à partir de ce qu’elle a appris : texte, code, image, son ou vidéo.

Les grands modèles de langage, tels que GPT-4o, illustrent cette seconde famille. Ils sont capables de poursuivre une conversation, de reformuler un texte ou de proposer une synthèse. Leur fluidité peut toutefois donner une impression trompeuse de fiabilité : un modèle prédit des suites de mots probables, il ne garantit pas que chaque affirmation est exacte. Une réponse convaincante doit donc être contrôlée, surtout lorsqu’elle porte sur le droit, la santé, les finances ou des informations publiques.

Des gains de productivité, mais pas un pilote automatique

Dans les entreprises, l’IA séduit d’abord par sa capacité à traiter rapidement des tâches répétitives ou volumineuses. Les algorithmes prédictifs peuvent aider à optimiser une chaîne d’approvisionnement, à anticiper une demande ou à détecter une variation inhabituelle. Les assistants conversationnels, eux, peuvent proposer une première réponse à un client ou aider un salarié à retrouver une information dans une documentation interne.

La personnalisation des services constitue un autre levier. Un outil peut adapter une recommandation, organiser des informations selon le besoin formulé ou préparer un contenu à partir d’un modèle. La fonction GPT Builder d’OpenAI s’inscrit dans cette logique : elle permet de créer des assistants spécialisés, paramétrés pour un usage précis.

Mais automatiser une tâche ne revient pas toujours à automatiser un métier. Le travail réel comprend des arbitrages, une connaissance du contexte, la relation avec autrui et la responsabilité du résultat. Un outil qui accélère la rédaction d’un compte rendu peut libérer du temps. Un outil utilisé sans vérification peut au contraire propager une erreur à grande échelle.

Emploi : des tâches transformées plutôt que des métiers effacés d’un coup

L’effet de l’IA sur l’emploi suscite des inquiétudes légitimes. Les activités administratives répétitives, la production de contenus standardisés ou certaines étapes de traitement de données sont particulièrement susceptibles d’évoluer. Pour les salariés concernés, cette transformation peut se traduire par une recomposition des missions, une hausse des exigences de productivité ou une disparition de certaines tâches.

Il serait pourtant réducteur de présenter l’IA comme un simple outil de suppression d’emplois. Elle peut aussi créer des besoins de supervision, de vérification, de formation, de maintenance, de cybersécurité ou d’accompagnement des utilisateurs. Dans de nombreux métiers, la compétence décisive sera moins de savoir produire immédiatement une réponse que de savoir formuler une bonne demande, vérifier un résultat et décider de son usage.

La qualité du déploiement sera déterminante. Une organisation qui utilise un assistant pour décharger ses équipes des tâches les plus mécaniques n’obtient pas le même résultat qu’une organisation qui s’en sert uniquement pour réduire ses effectifs. La formation, le dialogue avec les salariés et une répartition claire des responsabilités comptent autant que le logiciel choisi.

Les risques : biais, vie privée, erreurs et désinformation

Les systèmes d’IA ne sont pas neutres par nature. Ils dépendent des données sur lesquelles ils ont été entraînés et des consignes qui leur sont données. Si des données reflètent des inégalités anciennes ou représentent mal certains groupes de population, un système peut reproduire, voire amplifier, ces biais. Le risque est particulièrement sérieux lorsqu’un algorithme aide à sélectionner des candidats, à attribuer un crédit, à évaluer une situation sociale ou à orienter une décision publique.

La protection des données personnelles est un autre enjeu majeur. Une entreprise ou une administration ne peut pas verser sans précaution dans un outil d’IA des informations sur ses clients, ses salariés ou ses usagers. Le RGPD impose notamment de disposer d’une base légale, de limiter les données au nécessaire et d’informer les personnes concernées. L’IA ne crée pas une zone de non-droit : les règles de confidentialité et de sécurité continuent de s’appliquer.

Il faut également compter avec les erreurs de génération. Un assistant peut inventer une référence, confondre deux faits ou présenter une hypothèse comme une certitude. Plus l’outil est intégré à une procédure importante, plus les mécanismes de contrôle doivent être rigoureux : vérification des réponses, traçabilité des décisions, possibilité de contester un résultat et intervention humaine effective.

Enfin, les contenus synthétiques facilitent la circulation d’images, de voix ou de vidéos truquées. Les deepfakes peuvent servir à l’humour ou à la création, mais aussi à l’usurpation, à la fraude et à la désinformation. Dans un contexte où une image ou un enregistrement semblait autrefois constituer une preuve spontanée, apprendre à vérifier l’origine d’un contenu devient une compétence civique essentielle.

Pourquoi l’Europe encadre-t-elle l’IA ?

Face à ces risques, l’Union européenne cherche à installer un cadre commun. Le règlement européen sur l’intelligence artificielle, souvent appelé AI Act, est entré en vigueur le 1er août 2024. Il repose sur une idée simple : les obligations doivent être proportionnées au niveau de risque d’un système.

Les usages jugés inacceptables font l’objet d’interdictions prévues pour s’appliquer progressivement. Les systèmes à haut risque, notamment dans certains domaines comme l’emploi, l’éducation ou l’accès à des services essentiels, devront respecter des exigences renforcées. Elles concernent notamment la gestion des risques, la qualité des données, la documentation, la transparence et la supervision humaine. D’autres systèmes devront au minimum informer les personnes qu’elles interagissent avec une IA ou qu’un contenu a été généré ou manipulé dans certains cas.

Le texte ne règle pas tout par lui-même. Il doit être complété par des contrôles, des normes, des autorités compétentes et une capacité réelle des organisations à évaluer leurs outils. Le pacte européen sur l’IA propose, de son côté, une démarche volontaire pour encourager entreprises et organisations à anticiper certaines bonnes pratiques avant l’application complète des règles.

La gouvernance ne concerne pas seulement les concepteurs de modèles. Une organisation qui déploie un système doit savoir à quoi il sert, quelles données il utilise, qui peut y accéder et comment les incidents seront traités. La confiance ne se décrète pas : elle se construit par des preuves, des procédures et la possibilité pour les citoyens de faire valoir leurs droits.

Santé, climat, éducation : là où l’utilité doit être démontrée

L’IA est souvent présentée comme une réponse générale à des problèmes complexes. Dans les faits, son intérêt doit être évalué usage par usage. En santé, les outils prédictifs peuvent contribuer à repérer plus tôt certains signaux ou à analyser des images. Leur valeur dépend toutefois des données disponibles, de leur évaluation clinique et de leur insertion dans le travail des soignants. Un logiciel d’aide ne remplace ni le diagnostic médical ni l’échange avec le patient.

Dans l’éducation, l’IA peut adapter des exercices, expliquer une notion de plusieurs façons ou aider un enseignant à préparer certains supports. Mais elle peut aussi faciliter le contournement d’un devoir et produire des explications inexactes. L’enjeu est donc de l’utiliser pour renforcer l’apprentissage et l’esprit critique, non pour déléguer l’évaluation ou la relation pédagogique à une machine.

Les applications liées au climat méritent aussi l’attention. GraphCast illustre la manière dont l’apprentissage automatique peut améliorer les prévisions météorologiques mondiales. Des prévisions plus rapides et plus précises peuvent aider à anticiper certains phénomènes et à mieux organiser les réponses. Cela ne dispense pas des politiques de réduction des émissions, mais offre un outil supplémentaire pour comprendre et gérer les risques climatiques.

La mode et la création montrent également que la technologie n’est pas réservée aux secteurs techniques. L’IA peut aider à imaginer des variations de design, à mieux ajuster une production ou à explorer des représentations plus diverses. Ces promesses ne deviennent toutefois éthiques que si les données, les conditions de production et les droits des créateurs sont examinés avec sérieux.

Ce qu’il faut surveiller dans les prochains mois

L’avenir de l’IA ne dépendra pas uniquement de la puissance des modèles. Il dépendra de la manière dont ils seront évalués dans des situations réelles, de la capacité des citoyens à comprendre leurs droits et de l’existence d’alternatives technologiques crédibles. En France, des projets comme Kyutai témoignent de l’ambition de participer à cette dynamique de recherche tout en plaçant les questions de responsabilité au centre des discussions.

Plusieurs points seront à suivre : l’application progressive de l’AI Act, les règles de transparence pour les contenus synthétiques, les pratiques des entreprises concernant les données professionnelles et personnelles, ainsi que les méthodes permettant d’évaluer la fiabilité des systèmes. La course technologique ne doit pas faire oublier une exigence de base : un outil utile est un outil dont on connaît les limites, les responsables et les moyens de recours.

L’IA peut devenir un levier puissant pour mieux prévoir, assister et créer. Elle ne doit pas devenir une excuse pour rendre opaques des décisions qui engagent des vies, des droits ou des ressources collectives. L’équilibre entre innovation et protection des personnes ne freinera pas nécessairement le progrès : il peut au contraire déterminer si ce progrès sera durablement accepté.