Un hiver de l'IA est une période de réduction des financements, de l'intérêt et de l'activité de recherche dans le domaine de l'intelligence artificielle, succédant à une vague d'attentes exagérées que la technologie de l'époque n'a pas répondues. Le terme, inventé par analogie avec « l'hiver nucléaire », décrit des cycles d'expansion et de récession qui se sont reproduits depuis la fondation du domaine lors de l'atelier de Dartmouth en 1956. Les historiens identifient généralement deux grands hivers de l'IA, au milieu des années 1970 et de la fin des années 1980 au début des années 1990, bien que des ralentissements régionaux plus modestes aient également eu lieu.
Chaque hiver a suivi un schéma similaire : les premières démonstrations ont généré un battage médiatique et d'importants investissements gouvernementaux ou d'entreprises, puis l'approche sous-jacente a atteint des limites fondamentales que ses partisans avaient sous-estimées, les bailleurs de fonds ont perdu patience, et les budgets de recherche se sont effondrés, poussant de nombreux chercheurs à requalifier leurs travaux en dehors de l'étiquette « IA ».
Premier hiver de l'IA (milieu des années 1970)
Le premier hiver a été déclenché en partie par le rapport Lighthill de 1973 au Royaume-Uni, commandé par le gouvernement britannique, qui concluait que la recherche en IA n'avait pas tenu ses premières promesses et a conduit à des couures majeures dans le financement universitaire à travers le pays. Aux États-Unis, la DARPA a réduit le financement de la recherche ouverte en IA après que des projets de reconnaissance vocale et de traduction automatique n'aient pas été à la hauteur ; la traduction automatique en particulier avait déjà été affaiblie des années plus tôt par un rapport du gouvernement américain de 1966 concluant qu'elle ne pouvait pas égaler la qualité humaine. Un facteur aggravant a été le livre de Marvin Minsky et Seymour Papert en 1969 démontrant les limites mathématiques du Perceptron monocouche, ce qui a découragé la recherche sur les réseaux de neurones pendant plus d'une décennie.
Deuxième hiver de l'IA (fin des années 1980 au début des années 1990)
Le deuxième hiver a suivi l'effondrement du marché commercial des systèmes experts et des machines LISP spécialisées, après que les deux se sont révélés coûteux à maintenir et incapables de passer à l'échelle face aux connaissances réelles et désordonnées en dehors de leurs domaines étroits. Le projet japonais de l'ordinateur de cinquième génération, un important pari gouvernemental lancé en 1982 sur l'IA symbolique et la programmation logique, n'a pas réussi à produire de percée commerciale à sa conclusion en 1992, ce qui a encore refroidi l'enthousiasme des investisseurs dans le monde entier. L'étiquette « IA » elle-même est devenue commercialement démodée à cette époque, et de nombreux chercheurs ont décrit leurs travaux comme « apprentissage automatique », « informatique » ou « reconnaissance des formes ».
Héritage et débat moderne
La reprise après chaque hiver est venue de techniques plus étroites et prouvées utiles plutôt que de nouvelles promesses d'intelligence générale : l'apprentissage automatique statistique dans les années 1990 et le deep learning après 2012. Depuis le lancement de ChatGPT en 2022, les commentateurs se demandent périodiquement si le boom actuel de l'IA, avec ses énormes dépenses en capital et les rendements contestés des lois de mise à l'échelle, pourrait se terminer par un troisième hiver. D'autres soutiennent que l'IA d'aujourd'hui, contrairement aux époques précédentes, génère déjà des revenus commerciaux substantiels et une adoption de masse, ce qui rend un effondrement symétrique moins probable, même si une correction des valorisations finit par se produire.