Les paradigmes dominants dans le champ de l’« intelligence artificielle » (IA) ont maintes fois varié, mais malgré cette histoire mouvementée et l’emballement médiatique ⁽¹⁾ contemporain, on peut dire que l’IA a toujours constitué une forme d’horizon pour l’informatique et ses applications. Son développement actuel, accéléré dans tous les pays majeurs par divers programmes d’investissement publics et privés de grande ampleur, traduit en cela une tendance de fond.

Dresser une typologie complète de ce qui relève de l’IA (citons pêle-mêle : ontologies et bases de connaissance, apprentissage supervisé et non-supervisé, méthodes bayésiennes, algorithmes génétiques, programmation logique ou par contrainte, etc.) n’est pas une tâche aisée, ne serait-ce que parce que ce terme a pris un caractère de plus en plus englobant et que l’IA est à l’interface de nombreuses disciplines (informatique, mathématiques, statistique, traitement du signal, linguistique, sciences cognitives, etc.).

La principale distinction est celle opposant l’IA dite « symbolique » (ou le cognitivisme) à l’IA « numérique » (ou le connexionnisme). C’est de cette dernière catégorie que relèvent les techniques d’apprentissage automatique ayant le vent en poupe, telles que l’apprentissage profond, au sens où celui-ci revient à optimiser la valeur numérique de (millions de) paramètres représentant la force des connexions dans un grand « réseau de neurones » ⁽²⁾.