L'IA à la croisée des chemins : les deux hivers de l'IA, l'emploi des jeunes ingénieurs en 2026, et une méthode pour y travailler

Les deux hivers de l'IA, et le mécanisme qu'ils partagent

Deux fois déjà, on a promis à l'IA bien plus qu'elle ne savait faire, les financeurs ont coupé les crédits, et le domaine est revenu plus tard par une autre porte.

L'histoire commence avec le modèle du neurone de McCulloch et Pitts en 1943, le jeu de l'imitation de Turing en 1950 et l'atelier de Dartmouth en 1956, où John McCarthy baptise le domaine. En 1958, le perceptron de Frank Rosenblatt apprend à reconnaître des formes simples, et le New York Times rapporte que la Navy attend une machine qui marchera, parlera et se reproduira. En 1969, Minsky et Papert démontrent qu'un perceptron à une couche ne sait pas séparer la fonction XOR. Le résultat est juste et limité, mais le financement des réseaux de neurones s'arrête pour une dizaine d'années.

Le premier hiver de l'IA (AI winter), de 1974 à 1980 environ, est une crise de confiance des financeurs plus qu'un échec technique. En 1973, le mathématicien James Lighthill écrit au Science Research Council britannique que l'explosion combinatoire cantonne les programmes de l'époque aux problèmes jouets ; le Royaume-Uni cesse de financer l'IA dans presque toutes ses universités. Aux États-Unis, l'amendement Mansfield de 1969 avait déjà orienté la DARPA vers la recherche appliquée, et en 1974 elle annule le contrat de compréhension de la parole de Carnegie Mellon, environ trois millions de dollars par an.

Les systèmes experts (expert systems) apportent un deuxième printemps. XCON, écrit à Carnegie Mellon pour Digital Equipment, configure les commandes de VAX avec environ 2 500 règles écrites à la main ; DEC chiffre l'économie à 25 millions de dollars par an en 1986. Le Japon lance son projet de cinquième génération en 1982. Le deuxième hiver (1987 à 1993) vient du coût d'entretien : chaque changement du métier oblige à réécrire des règles, et en 1987 les stations Sun, Apple et IBM, moins chères, font disparaître en un an le marché des machines Lisp dédiées, tandis que la DARPA coupe son programme. La sortie est statistique : estimer les règles à partir des données au lieu de les écrire.

Retour au sommaire.

Les briques de l'apprentissage automatique, avant toute démonstration

Un neurone est une somme pondérée suivie d'un coude, apprendre consiste à descendre une pente d'erreur, et un modèle ne se juge que sur des données jamais vues.

Le neurone formel garde la structure du neurone biologique (le cerveau en compte environ 86 milliards, Herculano-Houzel 2009) : les entrées sont pondérées, sommées, décalées d'un biais, puis passées dans une fonction d'activation (activation function). Sans elle, empiler des couches ne sert à rien, car une composition d'applications linéaires reste linéaire. La sigmoïde et la tangente hyperbolique saturent dans les réseaux profonds ; la ReLU, proposée pour les réseaux par Nair et Hinton en 2010, ne sature pas pour les entrées positives et compte parmi les trois raisons, avec les cartes graphiques et les données, du succès des réseaux profonds depuis 2012.

Les couches cachées règlent le problème du XOR, et la rétropropagation (popularisée par Rumelhart, Hinton et Williams en 1986) calcule comment l'erreur varie avec chaque poids. L'apprentissage suit alors la recette de Cauchy (1847), la descente de gradient (gradient descent) : avancer d'un pas contre la pente de la perte. Un pas trop grand diverge, trop petit n'arrive jamais, et une vallée allongée fait zigzaguer la trajectoire. Le cours y consacre une demi-journée dans optimisation convexe et régularisation.

L'autre famille n'a ni neurone ni gradient : les arbres de décision (CART, 1984), les forêts aléatoires qui font voter de nombreux arbres décorrélés (Breiman, 2001), et le gradient boosting, où chaque nouvel arbre ajuste les résidus de la somme précédente (Friedman, 2001). XGBoost (Chen et Guestrin, 2016) revendiquait 17 des 29 solutions gagnantes de Kaggle en 2015. Sur des données en tableau, un boosting bien réglé bat très souvent un réseau de neurones.

Deux règles tiennent l'ensemble. D'abord, un modèle ne se mesure que sur des lignes qu'il n'a jamais vues : on découpe avant de commencer, on règle sur la validation, on n'ouvre le test qu'une fois. Stone formalise la validation croisée (cross-validation) en 1974. Ensuite, l'erreur attendue se décompose en biais au carré, variance et bruit (Geman, Bienenstock et Doursat, 1992) : c'est le compromis biais-variance (bias-variance trade-off). Un modèle trop simple rate la forme, un modèle trop souple apprend le bruit.

L'échelle des modèles, utilisée tout au long du cours

1. Naïf. Une moyenne, la classe majoritaire ou une petite régression logistique, livrés en quelques jours. Le pipeline existe, la référence est posée.
2. Meilleur. Les mêmes données mieux préparées, un modèle régularisé, une validation croisée. On mesure l'écart avec la référence.
3. Lourd. Boosting ou réseau, gardé seulement si le gain paie le surcoût d'explication, de calcul et de maintenance.

Le modèle n'est qu'une case sur six dans CRISP-DM (1999) : compréhension du métier, compréhension des données, préparation, modélisation, évaluation, déploiement. L'enquête Anaconda de 2020 estime la préparation des données à environ 45 % du temps d'un data scientist. La séance 1 part de là, avec les moindres carrés.

Retour au sommaire.

Jeunes développeurs et data scientists en 2026 : ce que disent les chiffres

La demande de compétences en données et en IA continue de monter, mais les entreprises n'embauchent presque plus de débutants : le cap le plus dur est désormais le premier emploi.

Le mécanisme est un gel des embauches, pas une vague de licenciements : dans les métiers les plus exposés à l'IA, les entreprises recrutent moins de jeunes, tandis que l'emploi des expérimentés reste stable. En France, la note de la Banque de France et du LIFT montre que les fins de contrat baissent aussi : peu d'entrées, peu de sorties. Indeed Hiring Lab parle de seniority-biased technological change (juillet 2026) : 71 % de la hausse des offres de développement logiciel aux États-Unis entre mai 2025 et mai 2026 vient de postes seniors.

Ce tableau se lit comme un paradoxe plutôt qu'un verdict. Les projections à dix ans restent favorables aux data scientists, mais le BLS a revu la croissance des développeurs à la baisse, depuis environ 15 % dans sa série précédente. La note française du 8 octobre 2026 avait deux jours quand le deck a été écrit, et les chiffres de la Fed de New York par discipline ont des intervalles de confiance larges ; le deck signale les deux. La conclusion pratique est celle sur laquelle le cours est construit : le junior interchangeable qui ne sait que produire du code est le profil le plus exposé, celui qui sait dériver, vérifier et défendre un modèle devant un client ne l'est pas.

Retour au sommaire.

L'ingénieur, le chef de projet et le manager d'agents

Écrire du code devient bon marché, donc le travail rare se déplace vers le cadrage du problème, la relecture de ce que la machine produit, et la décision.

Pour l'ingénieur, le goulot est passé de l'écriture à la relecture. Sundar Pichai a déclaré en avril 2026 que 75 % du nouveau code de Google est généré par l'IA. Dans l'enquête Stack Overflow d'octobre 2026, 48 % des développeurs ne font confiance à l'IA que lorsqu'ils peuvent vérifier sa sortie. L'essai randomisé de METR, en juillet 2025, a trouvé des développeurs open source expérimentés 19 % plus lents avec des outils d'IA, alors qu'ils pensaient avoir gagné 20 % ; sa reprise de février 2026 ne trouve pas d'effet significatif. Faros AI (2026) observe que les équipes à forte adoption ouvrent des pull requests plus grosses, qui attendent 441 % plus longtemps en relecture.

Les projets échouent toujours au même rythme, et c'est pourquoi le chef de projet ne s'automatise pas. L'étude PMI de 2024, sur 10 000 professionnels, juge 48 % des projets réussis ; les données Standish CHAOS 2024 donnent environ 31 % pour les projets informatiques, un taux plat depuis 2015 ; McKinsey et Oxford trouvent les grands projets informatiques 45 % au-dessus du budget en moyenne. La même étude PMI montre que les projets qui fixent leurs critères de succès dès le départ obtiennent un score deux fois plus élevé : c'est pourquoi la séance 1 commence par le cadrage.

Le troisième rôle est nouveau. Le Work Trend Index de Microsoft d'avril 2025 décrit l'agent boss, qui délègue à des agents IA ; l'édition de mai 2026 trouve que l'organisation explique environ les deux tiers de l'impact déclaré, l'individu un tiers. Encadrer des agents est donc un problème de management plus qu'un problème de prompt. Gartner prévoit que 15 % des décisions quotidiennes de travail seront prises de façon autonome en 2028, contre aucune en 2024.

Retour au sommaire.

Le pari : du pilote à la production, ou la bulle

La technologie avance plus vite que les entreprises ne l'adoptent, et si cet écart ne se referme pas, les investisseurs pourraient décrocher comme en 1973 et en 1987.

• Des pilotes sans retour. MIT NANDA (juillet 2025) trouve 95 % d'organisations sans impact mesurable sur le compte de résultat six mois après un pilote d'IA générative, sur un échantillon de 52 organisations dont le rapport lui-même dit qu'il peut ne pas représenter le marché.
• De l'usage sans profit. McKinsey, State of AI 2026 (publié le 25 août 2026) : près de neuf organisations sur dix utilisent l'IA, mais 37 % seulement déclarent un effet positif sur leurs résultats.
• Des projets d'agents menacés. Gartner (25 juin 2025) s'attend à l'abandon de plus de 40 % des projets d'IA agentique d'ici fin 2027, pour cause de coûts, de valeur floue ou de risques mal maîtrisés.
• Le procurement. Un cycle de vente en entreprise dure 90 à 180 jours (Optifai, 2025-2026), plus les revues de sécurité ; en finance, DORA impose depuis le 17 janvier 2025 un registre des contrats informatiques, et les obligations de l'AI Act arrivent par étapes de 2025 à 2028.
• La facture. Les quatre hyperscalers ont investi environ 410 milliards de dollars en 2025 et annoncé environ 730 milliards pour 2026 ; Bain (septembre 2025) estime qu'il faudra 2 000 milliards de dollars de revenus annuels en 2030 pour payer le calcul de l'IA, dont 800 manquent. En octobre 2025, la Banque d'Angleterre a averti que le risque d'une correction brutale des marchés avait augmenté.

Le deck clôt cette partie par deux scénarios. Dans le premier, les outils passent les revues, les données sont prêtes et la part des entreprises qui voient un impact augmente ; gagnent ceux qui savent faire passer un modèle de la démo à l'organisation et le garder sous contrôle. Dans le second, les pilotes restent des pilotes et un troisième hiver, plus coûteux, suit ; gagnent ceux qui ont appris ce qui a survécu aux deux premiers : les moindres carrés (Gauss et Legendre), la vraisemblance (Fisher), la descente de gradient (Cauchy). Dans les deux cas la compétence est la même, et c'est celle qu'entraîne la séance seuil de décision et ML reproductible.

Retour au sommaire.

La méthode d'abord : Descartes et Pascal

Deux savants français du XVIIe siècle ont déjà écrit les règles d'un bon projet de données : prouver avant d'admettre, diviser le travail, commencer simple, tout vérifier.

Les quatre préceptes de Descartes (Discours de la méthode, 1637), lus comme une règle de projet

1. Évidence. N'admettre rien qu'on ne puisse justifier, ni la cible ni les données : en projet, c'est le cadrage.
2. Division. Découper chaque difficulté en autant de parties qu'il faut : le projet devient une liste de tâches.
3. Ordre. Commencer par les objets les plus simples et monter : le modèle naïf avant le meilleur et le lourd.
4. Dénombrement. Relire si complètement que rien n'est oublié : tests, relecture croisée, journal des décisions.

Pascal apporte l'autre moitié. À dix-neuf ans, en 1642, il construit la Pascaline, une machine à calculer pour le travail fiscal de son père. En 1654, sa correspondance avec Fermat sur le partage des mises d'une partie interrompue fonde le calcul des probabilités. Dans les Pensées, il distingue l'esprit de géométrie, qui raisonne juste à partir de principes clairs, de l'esprit de finesse, qui saisit ce que les principes ne disent pas. Un ingénieur data a besoin des deux : calculer avec rigueur, et juger ce que les résultats signifient.

Retour au sommaire.

La corde de Ringelmann, le passager clandestin et le vote à la Condorcet

On tire moins fort sur une corde quand on tire ensemble, et un choix collectif est plus juste quand chaque option est comparée à chacune des autres.

Maximilien Ringelmann, ingénieur agronome qui dirigeait une station d'essai de machines à Paris, faisait tirer des élèves sur une corde reliée à un dynamomètre, seuls puis en groupe, et publia ses mesures en 1913. Le groupe tirait moins que la somme de ses membres, et l'écart grandissait avec la taille. Les pourcentages qui circulent ont été rapportés par Moede en 1927 ; Kravitz et Martin ont retrouvé l'article original en 1986 et notent que Ringelmann accusait d'abord la coordination, tout en voyant la part de motivation que la psychologie sociale appellera plus tard paresse sociale (social loafing).

L'économie aboutit au même résultat par les incitations. Olson (1965) montre que plus le groupe est grand, plus chacun gagne à laisser les autres travailler : c'est le passager clandestin (free rider). Holmström (1982) démontre que, lorsque seule la production commune d'une équipe est observable, aucune règle de partage de cette production ne donne à chacun la bonne incitation ; il faut un principal qui observe et ajuste. Kerr et Bruun (1983) trouvent que l'effort baisse quand les membres se sentent inutiles, et Brooks et Ammons (2003) que l'évaluation des équipes d'étudiants tôt, souvent et sur des critères précis réduit l'effet. D'où des équipes petites et des questions posées à chacun.

Pour classer des options, le deck utilise la méthode de Condorcet (1785) : comparer les options deux à deux, comme dans un championnat ; l'option qui gagne tous ses duels est le vainqueur de Condorcet (Condorcet winner). Il peut ne pas exister, car trois votants suffisent à créer un cycle où A bat B, B bat C et C bat A. Le recours est la somme des notes, la méthode de Borda (Borda count) (Borda, 1784). L'exemple illustratif du deck, avec cinq votants qui notent trois catégories de 1 à 5, montre que les deux règles peuvent diverger.

Lire l'exemple

1. Finance contre Data. Les votants 1, 4 et 5 notent Finance plus haut, les votants 2 et 3 préfèrent Data : 3 à 2 pour Finance.
2. Finance contre BTP. Les votants 1, 3 et 5 préfèrent Finance, les votants 2 et 4 le BTP : 3 à 2 pour Finance, qui gagne ses deux duels.
3. Data contre BTP. Les votants 2, 3 et 5 préfèrent Data : 3 à 2, donc le classement par duels est Finance, Data, BTP.
4. La somme n'est pas d'accord. Borda met Data en tête avec 15 points, parce que deux votants lui ont donné la note maximale. Gagner chaque duel est le critère le plus robuste.

Retour au sommaire.

À retenir

1. Les deux hivers de l'IA (vers 1974-1980 et 1987-1993) suivent le même schéma : une capacité réelle, une promesse sans rapport, un coût caché qui grossit et un financeur qui cesse d'y croire.
2. La sortie du deuxième hiver est statistique : estimer les règles à partir des données au lieu de les écrire à la main, ce que font les moindres carrés, la vraisemblance et la descente de gradient.
3. Un modèle ne compte que mesuré sur des données jamais vues, et un projet ne monte du modèle naïf au modèle lourd que si le test justifie chaque marche.
4. Les chiffres 2026 montrent une demande de compétences data en hausse et des débutants moins embauchés, aux États-Unis (Stanford, août 2026) comme en France (Banque de France et LIFT, octobre 2026).
5. Le code devenant bon marché à écrire, les compétences rares sont le cadrage, la vérification et la capacité à mener un modèle à travers les revues jusqu'à la production.
6. Les quatre préceptes de Descartes et l'alliance pascalienne de la rigueur et du jugement décrivent encore un bon projet de données ; Ringelmann et le passager clandestin expliquent pourquoi les équipes doivent rester petites.

Glossaire

hiver de l'IA (AI winter)

Période où le financement et l'intérêt pour l'IA s'effondrent après des promesses excessives ; les deux principales vont d'environ 1974 à 1980 et de 1987 à 1993.

perceptron

La machine apprenante de Rosenblatt (1958) : une somme pondérée et un seuil, capable de séparer seulement ce qu'un hyperplan sépare.

systèmes experts (expert systems)

Programmes faits de règles « si, alors » écrites à la main d'après des spécialistes, comme XCON chez DEC ; coûteux à maintenir quand le métier change.

fonction d'activation (activation function)

La fonction non linéaire appliquée après la somme pondérée d'un neurone (sigmoïde, tangente hyperbolique, ReLU) ; sans elle, un réseau profond est linéaire.

descente de gradient (gradient descent)

Déplacer les paramètres d'un petit pas contre le gradient de la perte, encore et encore, pour faire baisser l'erreur.

validation croisée (cross-validation)

Faire tourner la partie de validation des données pour que chaque ligne soit mise de côté une fois, puis moyenner les scores (Stone, 1974).

compromis biais-variance (bias-variance trade-off)

La décomposition de l'erreur attendue en biais au carré, variance et bruit ; les modèles simples ont un fort biais, les modèles souples une forte variance.

creux de la désillusion (trough of disillusionment)

La phase du cycle de Gartner qui suit le sommet, quand les résultats déçoivent les attentes ; l'IA générative y a été placée en août 2025.

paresse sociale (social loafing)

La baisse de l'effort individuel quand on travaille en groupe, mesurée d'abord par Ringelmann avec une corde et un dynamomètre.

passager clandestin (free rider)

Membre qui profite du travail collectif sans y contribuer (Olson, 1965 ; Holmström, 1982).

vainqueur de Condorcet (Condorcet winner)

Option qui bat chacune des autres en duel majoritaire ; elle n'existe pas toujours.

méthode de Borda (Borda count)

Classement par la somme des notes ou des rangs donnés par les votants ; elle peut contredire le vainqueur de Condorcet.

Les autres fiches du cours

Un résumé public par deck, dans l'ordre du cours.

Suivant : Kaggle, GitHub, Python : les outils

1. IntroductionHivers de l'IA, emploi et méthode
2. OutilsKaggle, GitHub, Python : les outils
3. Séance 1Cadrage de projet et moindres carrés
4. Séance 2Vraisemblance et régression logistique
5. Séance 3Descente de gradient, ridge et lasso
6. Séance 4Seuil de décision et ML reproductible
7. DevoirUn modèle de référence défendable
8. Séance 5Noyaux, SVM et arbres de décision
9. Séance 6Forêts, boosting, comparaison honnête
10. Séance 7SHAP, équité, ACP et partitionnement
11. DevoirUn modèle champion documenté
12. Séance 8Réseaux de neurones, dérive, prédiction conforme
13. DevoirUn projet de machine learning livré
14. Séance 9Soutenir un projet de machine learning
15. RéférenceProjet de score de défaut de crédit
16. RéférenceRendements boursiers : XGBoost et sentiment
17. RéférenceLe code Python de chaque modèle
18. RéférenceDeep learning, l'essentiel
19. RéférenceDonnées ouvertes et projets par secteur
20. RéférenceManuel de l'expert data et IA
21. RéférenceData engineering, SRE et cloud
22. RéférencePanorama des modèles de machine learning

Toutes les fiches, en liste de lecture

L'attention et le transformer, pas à pas

À propos de ces fiches

Écrites par l'enseignant à partir des slides du deck, comme un résumé public : les idées clés, les formules et un exemple calculé. Les exercices, leurs corrigés, les contrôles et la notation restent dans le deck, pour les élèves du cours.

Révision : 16 octobre 2026.