Une minute avant minuit
Pour parler de technologie, il faut d'abord parler de temps. Non pas parce que toute invention a besoin d'une date, mais parce que la distance qui sépare les transformations fait partie de leur signification. Il y a des échelles que nous pouvons nous représenter parce qu'elles entrent dans notre expérience : une année, une décennie, la durée d'une vie. Au-delà de cette limite, le temps devient un chiffre que nous comprenons sans jamais l'imaginer. Nous savons qu'un million d'années est bien plus que cent mille, mais les deux finissent par occuper une place similaire dans notre intuition : un passé lointain où les différences deviennent presque indiscernables.
Cette difficulté déforme la façon dont nous pensons à la technique. La pierre, le feu, l'agriculture, l'écriture, la machine à vapeur et l'ordinateur apparaissent comme des étapes successives d'un même parcours, ordonnées avec une régularité qui n'a jamais existé. Entre les premières transformations, des centaines de milliers d'années se sont écoulées ; entre les plus récentes, à peine quelques années. Pour rendre visible cette accélération, nous parcourrons l'histoire technique de l'humanité en un seul calendrier annuel. Le 1er janvier commencera avec la technique Olduvayenne, l'une des premières traditions de taille de pierre largement répandues et reconnaissables. Minuit le 31 décembre marquera le présent. Il ne s'agit pas d'affirmer que chaque avancée a inévitablement mené à la suivante, mais de reconstruire la trajectoire qui a rendu notre monde possible : quelle capacité est apparue, combien de temps il a fallu pour la développer et quelles nouvelles conditions elle a rendues disponibles.
Pendant une grande partie de ce calendrier, une même forme technique pouvait durer plus longtemps que des espèces entières. Maintenant, au contraire, plusieurs transformations successives peuvent traverser la vie d'une seule personne. Nous pouvons les expérimenter en tant qu'individus, mais en tant qu'espèce, nous n'avons pas le même temps pour les comprendre. Nous avons appris à transformer le monde à une vitesse bien supérieure à celle avec laquelle nous parvenons à comprendre en quoi nous le transformons.
1er janvier — Le monde peut être modifié
L'année commence avec la technique Olduvayenne. Un hominidé frappe une pierre contre une autre ; de l'impact se détache un éclat coupant, tandis que le noyau reste marqué par des bords tranchants. Le geste semble élémentaire, mais il contient une différence décisive par rapport à l'utilisation occasionnelle d'un objet trouvé : la pierre n'est plus acceptée telle qu'elle apparaît, mais elle est travaillée pour produire une propriété qu'elle n'avait pas auparavant.
L'importance de l'Olduvayen ne réside pas seulement dans les outils conservés, mais dans le fait qu'il constitue une tradition reconnaissable, répandue sur une période immense à travers des territoires et des générations. Cette continuité indique que l'opération pouvait être transmise et enseignée. L'important n'était pas seulement de produire un tranchant, mais de savoir comment le refaire.
Une capacité que le corps ne possède pas par lui-même vient ainsi à résider dans un objet extérieur. Une griffe plus acérée aurait nécessité de nombreuses générations de changements biologiques ; une lame capable de couper pouvait être fabriquée pendant la vie de l'individu qui en avait besoin, transportée et reproduite. La technique commence lorsqu'une transformation cesse de dépendre d'une découverte isolée et peut devenir une tradition.
Pendant la majeure partie de notre calendrier, cette tradition évolue à une vitesse qui, du point de vue présent, semble presque immobile. Des générations innombrables naissent et disparaissent au sein d'une même forme technique qui, pour chacune d'elles, était aussi stable que les montagnes du paysage.
29 avril — L'objet existe avant d'être terminé
Il faudra attendre le 29 avril, soit environ 840 000 ans, pour trouver les premiers bifaces acheuléens. La différence ne consiste pas simplement à tailler davantage une pierre. Fabriquer un biface exige de travailler ses deux faces, d'enchaîner les extractions, de corriger les irrégularités et de maintenir une forme générale pendant une séquence prolongée. Celui qui le taille ne réagit pas seulement au résultat du dernier coup : il compare ce qui est produit avec un objet qui n'existe encore que dans son esprit. La forme finale est absente de la matière, mais elle dirige déjà le travail. L'outil apparaît d'abord comme un projet.
Cette distance établit la première grande période d'attente de notre histoire technique : environ 840 000 ans pour passer d'une forme de taille centrée sur l'obtention d'éclats et de tranchants utiles à une autre qui exige de planifier et de configurer l'ensemble de la pierre sur les deux faces.
5 novembre — Maintenir une transformation dans le temps
Il s'est écoulé 1,36 million d'années depuis l'apparition des premiers bifaces. Sur notre calendrier, il est déjà le 5 novembre lorsque l'on peut situer un contrôle délibéré du feu capable de le produire, de le conserver et de l'utiliser sans dépendre d'un incendie naturel. La pierre avait permis de modifier la matière à l'aide d'un objet ; le feu permet de diriger l'énergie et de maintenir une transformation tant que les conditions nécessaires sont maintenues.
La cuisson déplace en dehors du corps une partie du travail de digestion, élargit ce qui peut être mangé et élimine les substances nocives. Le feu protège, illumine et transforme également les matériaux. Sa nouveauté la plus profonde, cependant, ne réside pas seulement dans ses usages, mais dans le fait qu'il introduit un processus qui doit être maintenu dans le temps. Il faut l'alimenter, le protéger, le surveiller et le reproduire.
Cette continuité ne dépend pas uniquement d'un individu, mais du groupe. Le feu peut survivre parce que différentes personnes maintiennent successivement les conditions qui le maintiennent actif. La capacité technique ne réside plus seulement dans un objet et passe également à un processus collectif qui doit être conservé par une chaîne continue d'actions. Pendant plus de dix mois de notre année, chaque nuit avait ramené le monde à l'obscurité.
30 décembre, le matin — Agir sur un futur qui n'existe pas encore
La prochaine grande transformation arrive le matin du 30 décembre, environ 390 000 ans plus tard. L'agriculture n'apparaît pas en un seul endroit et ne remplace pas immédiatement la chasse et la cueillette, mais elle introduit une relation différente avec l'avenir. Cultiver exige de sélectionner des semences, de préparer le sol, de contrôler l'eau, de protéger la culture et d'attendre un résultat qui n'existe pas encore. Le biface avait exigé d'anticiper une forme ; l'agriculture oblige à anticiper un cycle et à modifier l'environnement pour qu'il puisse se répéter.
Cette intervention ne se limite pas aux plantes. En choisissant quels animaux se reproduisent, quels sont conservés et quels traits sont utiles, les communautés commencent également à transformer d'autres espèces au fil des générations. La technique ne se limite plus à agir sur des objets ou des processus localisés, elle commence à modifier le paysage, les cycles biologiques et les êtres vivants.
Dans certaines sociétés, l'excédent agricole permet à une partie de la population de se consacrer de manière plus stable à d'autres tâches. L'expérience se concentre, le savoir collectif augmente et se répartit entre des personnes spécialisées. Mais, à mesure que la communauté en sait plus, chaque individu rassemble moins les compétences nécessaires pour subvenir seul à ses besoins. La capacité de l'ensemble croît en même temps que la dépendance entre ses membres augmente.
Lorsque cette organisation atteint une échelle suffisante, apparaît également la nécessité d'enregistrer les réserves, les propriétés, les échanges et les obligations. L'agriculture ne produit pas seulement des aliments. Elle produit aussi des comptes.
31 décembre, le matin — La mémoire quitte le corps
L'écriture apparaît le matin du 31 décembre, environ sept mille ans plus tard. La mémoire quitte alors sa dépendance exclusive aux personnes qui se souviennent. Une quantité devient une marque ; un nom perdure quand celui qui l'a prononcé n'est plus là ; une obligation peut être consultée quand ses protagonistes ont oublié ses termes.
Cette permanence élargit également la capacité du pouvoir à organiser la société et à étendre son influence. Les lois peuvent être fixées comme référence, les tributs et les excédents enregistrés, les ressources administrées et les ordres transmis aux territoires lointains. L'écriture permet de coordonner les personnes, la production et les obligations sans dépendre de la présence directe des gouvernants ni de la mémoire de ceux qui participent à chaque échange.
Une idée écrite peut traverser les générations sans que personne n'ait à la conserver de manière continue dans sa mémoire. Elle peut aussi être relue, divisée, comparée et corrigée. La connaissance acquiert ainsi une nouvelle stabilité, bien que pendant des millénaires elle reste rare : chaque tablette doit être gravée et chaque rouleau ou codex copié à la main. L'écriture résout la permanence de la connaissance, mais pas encore sa diffusion.
31 décembre, 22h00 — La connaissance se multiplie
Il faudra attendre dix heures du soir du dernier jour pour que l'imprimerie européenne multiplie la reproduction des textes. Environ 4 600 ans se sont écoulés depuis les premières écritures. Le copiste répète le travail sur chaque exemplaire ; l'imprimerie déplace cet effort vers la préparation d'une matrice capable d'en produire beaucoup. Le changement ne consiste pas seulement à fabriquer des livres plus rapidement, mais à séparer la production du contenu de la reproduction de chaque copie.
La connaissance entre ainsi dans une logique qui sera par la suite propre à l'usine : l'effort se concentre sur la construction d'un système capable de répéter une unité, plutôt que de la reconstruire entièrement à chaque fois. Un même texte peut toucher des lecteurs éloignés les uns des autres, les versions peuvent être comparées et une édition corriger la précédente.
L'imprimerie ne fait pas que multiplier les livres : elle multiplie les lieux d'où peut être produite de nouvelles connaissances. Plus la connaissance circule, plus les gens peuvent en partir, la combiner et l'élargir. L'accélération commence alors à agir sur ses propres conditions. Après l'imprimerie, il ne faudra plus que deux heures de notre calendrier pour que l'industrie, l'informatique, internet, le smartphone et l'intelligence artificielle apparaissent.
31 décembre, 23h00 — La machine commence à fabriquer des machines
À vingt-trois heures, à peine une heure plus tard selon notre calendrier, la machine à vapeur convertit l'énergie en travail mécanique régulier. En 1712, la machine de Newcomen pompe l'eau des mines de charbon ; ce même charbon alimente ensuite de nouvelles machines qui permettent d'extraire encore plus. La technique commence à produire les conditions matérielles de sa propre croissance.
Les améliorations ultérieures réduisent la consommation et transforment le mouvement du piston en rotation. La vapeur ne se contente plus d'actionner uniquement des pompes et devient une source générale de puissance capable de mouvoir des métiers à tisser, des marteaux, des moulins et des véhicules. La production ne dépend plus entièrement de la force humaine, animale ou de l'endroit où souffle le vent ou circule l'eau. L'énergie peut être concentrée et utilisée de manière continue là où l'industrie en a besoin.
L'usine réunit cette énergie avec les matériaux, les travailleurs et les machines dans un même espace. Dans l'atelier, l'outil suivait le rythme de l'artisan ; à l'usine, le travail commence à suivre le rythme constant de la machine. La journée, la ponctualité et la synchronisation acquièrent une nouvelle valeur économique. L'horloge ne se contente plus de mesurer le passage du jour et commence aussi à organiser la production, à diviser le temps et à mesurer le rendement.
La transformation industrielle ne reste pas enfermée dans l'usine. La vapeur extrait le charbon ; le charbon alimente les moteurs et les fours ; le fer et l'acier permettent de construire de nouveaux outils, des rails, des bateaux, des ponts et des bâtiments. Le chemin de fer relie les mines, les usines, les ports et les villes, tandis que le télégraphe coordonne à distance les mouvements des marchandises, des personnes et des informations. Production, transport, énergie et communication commencent à former un même circuit interdépendant.
Les machines elles-mêmes exigent, en outre, des pièces de plus en plus précises. Les tours, les foreuses et les fraiseuses permettent de fabriquer des composants d'autres mécanismes avec une exactitude qui ne dépend plus entièrement de l'habileté individuelle. Une meilleure machine permet de construire la suivante avec une plus grande précision. L'industrie ne se limite plus ainsi à produire des objets : elle produit les outils, l'énergie et les infrastructures nécessaires pour accélérer son propre développement.
31 décembre, 23h45 — La machine programmable
À 23h45, environ 235 ans après la machine de Newcomen, l'ordinateur apparaît. Les premiers ordinateurs électroniques occupent des salles entières et utilisent des milliers de composants pour effectuer des calculs qui, auparavant, exigeaient de longs processus humains. En 1947, le transistor apparaît, plus petit, plus robuste et plus efficace que les valves utilisées jusqu'alors pour contrôler les signaux électriques. Son importance ne réside pas seulement dans ce que chaque unité peut faire, mais dans la quantité qui peut être assemblée au sein d'un circuit.
L'industrie applique ainsi sa capacité de production en série à des composants capables de représenter et de transformer l'information. Le circuit intégré réunit plusieurs transistors au sein d'une même pièce, et la miniaturisation commence à se renforcer : les ordinateurs aident à concevoir des circuits plus complexes, et ces circuits produisent des ordinateurs plus puissants avec lesquels concevoir et fabriquer la génération suivante.
Mais la transformation décisive n'est pas seulement l'augmentation de la capacité de calcul. Une machine industrielle est construite pour exécuter une opération concrète ; l'ordinateur peut réaliser différentes fonctions selon les instructions qu'il reçoit. La programmation permet de décrire ces instructions, de les stocker, de les copier, de les améliorer et de les exécuter à nouveau sans reconstruire physiquement la machine.
La procédure cesse donc d'être entièrement fixée par la forme du mécanisme. Pour changer la fonction de la machine, il n'est plus nécessaire d'en construire une autre : il suffit de changer le programme qui organise son comportement. La technique commence à opérer non seulement sur la matière et l'énergie, mais aussi sur ses propres procédures.
Il ne reste plus que quinze minutes avant minuit. Dans ce court laps de temps, l'ordinateur personnel, Internet, le smartphone et l'intelligence artificielle apparaîtront.
31 décembre, 23h50 — L'information numérique se multiplie
Cinq minutes plus tard, notre calendrier indique 23h50. En 1971 apparaît le microprocesseur, qui concentre les fonctions centrales d'un ordinateur sur une seule puce. La capacité de calcul commence à quitter les grandes installations et, avec l'avènement ultérieur de l'ordinateur personnel, entre progressivement dans les bureaux, les écoles et les foyers.
Jusque-là, la numérisation consistait principalement à convertir des informations déjà existantes sur d'autres supports — documents, enregistrements, images ou calculs — dans un format que la machine pouvait traiter. Avec l'ordinateur personnel, quelque chose de différent se produit : une partie croissante du travail intellectuel commence à naître directement au format numérique. Les textes, les calculs, les conceptions, les programmes et les images n'ont plus besoin d'être transformés en données par la suite, car ils sont produits dès le début au sein d'une machine.
L'imprimerie avait réduit le coût de reproduction d'un contenu ; l'ordinateur distribue également la capacité de le produire et de le transformer. Un fichier peut être recherché, copié, comparé, réorganisé et combiné avec d'autres sans quitter l'environnement numérique. L'information n'est plus seulement quelque chose qui doit être converti pour que la machine puisse la traiter : une partie croissante d'elle naît déjà dans un format sur lequel elle peut agir dès le début.
31 décembre, 23h53 — La numérisation devient mondiale
À 23h53, en 1991, l'ouverture publique du World Wide Web permet d'organiser et de consulter, au moyen de pages liées, l'information circulant sur Internet. Un fichier n'est plus limité à l'ordinateur ou au support physique sur lequel il a été créé : il peut être publié en un point et consulté par des millions de personnes depuis n'importe où dans le monde. L'information numérique ne peut plus seulement être reproduite facilement, mais circuler de manière continue via une infrastructure commune.
Cette capacité génère une nouvelle abondance. Lorsque les documents se comptent par millions, les publier ne suffit plus : il faut les trouver, les relier et décider lesquels doivent apparaître avant les autres. Pour résoudre ce problème, des moteurs de recherche apparaissent, qui parcourent le réseau, enregistrent les pages disponibles, analysent leurs liens et construisent des index capables de répondre à une requête.
Cependant, les relations entre les pages ne suffisent pas à déterminer quel résultat pourrait être le plus utile pour une personne. Les moteurs de recherche commencent alors à enregistrer également quels mots sont utilisés, quels résultats sont choisis, quels sont ignorés et ce qui se passe après chaque recherche. L'activité des utilisateurs fournit des signaux qui permettent de réorganiser l'information en fonction de sa pertinence probable et de corriger progressivement l'ordre dans lequel elle est présentée.
Les plateformes amplifient cette logique. Une partie croissante de l'activité ne se produit plus sur des pages ouvertes et se développe au sein de services contrôlés par des entreprises. Converser, acheter, s'orienter, écouter de la musique, regarder des vidéos, travailler ou se montrer produisent du contenu, mais laissent également des traces sur la façon dont ces contenus sont utilisés : qui y accède, d'où, pendant combien de temps, dans quelle séquence et avec quelle réaction ultérieure.
Le réseau commence ainsi à contenir deux couches d'informations différentes. La première est constituée des textes, images, vidéos, programmes et messages qui y circulent. La seconde enregistre les relations entre ces contenus et les personnes qui les utilisent : ce qu'elles cherchent, ce qu'elles choisissent, ce qu'elles abandonnent, ce qu'elles répètent et ce qu'elles associent à quoi. L'une décrit ce qui existe sur le réseau ; l'autre, la manière dont des millions de personnes le parcourent et lui attribuent de la valeur.
La différence décisive apparaît dans la manière dont ces deux couches sont distribuées. Les contenus peuvent être répartis entre des millions de pages, d'appareils et d'utilisateurs, tandis que les enregistrements de leur utilisation sont principalement concentrés dans les entreprises qui contrôlent les moteurs de recherche, les plateformes et les centres de données. Ces organisations ne possèdent pas toutes les informations d'Internet, mais elles accumulent quelque chose qu'aucun utilisateur ne peut reconstruire séparément : une vision agrégée de la manière dont des millions de personnes trouvent, relient, sélectionnent et valorisent les contenus. Elles ne contrôlent pas seulement une partie des fichiers, mais la carte qui relie l'information au comportement de ceux qui l'utilisent.
31 décembre, 23h56 — La vie quotidienne se transforme en données
Trente-six ans se sont écoulés depuis l'apparition du microprocesseur et environ seize depuis l'expansion du World Wide Web. Sur notre calendrier, il est 23h56. En 2007, le smartphone moderne est apparu : un ordinateur connecté qui réunit appareil photo, microphone, géolocalisation, navigation, contacts, paiements, divertissement, travail et accès aux services dans un objet qui accompagne en permanence son utilisateur. L'informatique cesse d'être un endroit où l'on se rend et commence à devenir un environnement au sein duquel une partie croissante de la vie quotidienne se déroule.
La numérisation avait déjà traversé plusieurs étapes. D'abord, ce fut une activité spécialisée : les institutions, les entreprises et les administrations convertissaient certains documents ou enregistrements en informations que les machines pouvaient traiter. Ensuite, avec l'ordinateur personnel, une partie croissante du travail intellectuel commença à naître directement au format numérique. Internet ajouta une autre dimension : les recherches, les clics et les choix effectués sur certaines plateformes commencèrent à laisser des informations sur le comportement des utilisateurs.
Le téléphone intelligent amplifie cette numérisation du comportement à une nouvelle échelle. L'enregistrement n'est plus limité aux moments où une personne s'assoit devant un ordinateur ou accède à un service spécifique. Une conversation, une photographie, une recherche, un achat, un déplacement ou un choix peuvent laisser une empreinte numérique faisant partie de l'action elle-même. En accompagnant l'utilisateur tout au long de la journée, l'appareil relie ces activités à leur heure, leur emplacement, leur séquence et le contexte dans lequel elles se produisent. La vie quotidienne commence ainsi à produire non seulement du contenu, mais aussi une représentation de plus en plus continue de ceux qui les génèrent et les utilisent.
La différence entre les deux formes de numérisation est décisive. La numérisation de la culture produit des textes, des images, de la musique, des programmes, des messages et des vidéos. La numérisation du comportement enregistre les relations qui s'établissent autour d'eux. Une photographie peut être associée à une date, un lieu, une personne et une description. Une recherche conserve la question, les résultats affichés et le choix effectué. Un itinéraire laisse des positions, des horaires et des destinations. Une chanson, une vidéo ou une nouvelle peuvent être liées au temps d'attention, à l'abandon, à la répétition et à la réaction ultérieure. Ce n'est plus seulement le contenu existant qui est enregistré, mais aussi la façon dont il circule, qui l'utilise et ce qu'il fait ensuite.
Pendant presque toute l'histoire de l'humanité, produire un enregistrement durable fut une activité minoritaire. Avec Internet et le smartphone, des milliards de personnes deviennent simultanément des producteurs de textes, d'images, de vidéos, de messages et de programmes, mais aussi d'informations sur leurs préférences, leurs trajets, leurs relations et leurs décisions. Ils n'entrent pas dans les plateformes pour construire des ensembles de données, mais pour communiquer, travailler, acheter, s'orienter, se divertir ou se montrer. Cependant, en agissant ainsi, ils génèrent en permanence une quantité de contenus, d'associations, de choix et de réponses qu'aucune institution antérieure n'avait pu rassembler à cette échelle.
Cette production est extraordinairement distribuée, mais son enregistrement ne l'est pas. Les contenus peuvent circuler entre des millions d'utilisateurs et de services, tandis que les informations sur le comportement sont principalement concentrées dans les entreprises qui contrôlent les plateformes, les systèmes d'exploitation, les moteurs de recherche et les centres de données. Des millions de personnes produisent les signaux ; un nombre très réduit d'organisations conserve la possibilité de les assembler, de les relier et de les analyser comme un tout.
31 décembre, 23h57 — La machine apprend des exemples
Seulement cinq ans se sont écoulés depuis l'apparition du smartphone moderne. Sur notre calendrier, il est déjà 23h57. Jusque-là, les programmes exécutaient des instructions formulées de manière explicite : pour résoudre une tâche, quelqu'un devait décrire quelles propriétés rechercher et quelle réponse produire. Cette méthode fonctionnait pour des problèmes réductibles à des règles précises, mais rencontrait une limite pour des capacités comme la reconnaissance faciale ou l'identification d'objets, que les personnes exercent sans pouvoir énumérer toutes les opérations nécessaires pour y parvenir.
L'apprentissage automatique propose une voie différente. Au lieu d'introduire une description complète de la capacité, on fournit au système un grand nombre d'exemples. La machine produit une réponse, la compare au résultat correct et modifie ses paramètres pour réduire l'erreur. En répétant le processus sur des millions de cas, elle trouve des régularités qu'elle peut appliquer à des images qu'elle n'avait jamais vues.
En 2012, AlexNet démontre l'étendue de cette procédure. Le réseau est entraîné avec environ 1,2 million d'images d'ImageNet, réparties en mille catégories et classées préalablement par des personnes. Pour chaque image, il calcule à quelle catégorie elle pourrait appartenir, compare sa réponse à l'étiquette correcte et ajuste ses connexions internes. Par cette répétition, il apprend à reconnaître des contours, des textures, des parties et des configurations de plus en plus complexes sans que personne n'ait à les décrire une par une.
L'idée d'entraîner des réseaux neuronaux n'était pas nouvelle. Ce qui change, c'est l'échelle disponible. Les appareils photo numériques et Internet avaient produit et rassemblé des millions d'images ; le travail humain de classification les avait transformées en exemples utilisables ; les processeurs graphiques permettaient d'effectuer en parallèle une quantité de calculs auparavant inatteignable. AlexNet apparaît lorsque l'archive numérique, son organisation et la capacité de la traiter atteignent conjointement un seuil suffisant pour produire des résultats bien supérieurs aux précédents.
La conséquence va au-delà de la reconnaissance d'images. Une collection suffisamment grande de fichiers classés peut être utilisée pour générer une capacité qui n'était explicitement écrite dans aucun d'entre eux. Aucune photographie n'explique à elle seule comment reconnaître toutes les images similaires ; cette capacité émerge des relations que le système construit en comparant des millions de cas.
L'information numérique cesse ainsi d'être uniquement ce qu'un programme stocke, ordonne ou transforme en suivant des instructions préalablement définies. Elle peut devenir un ensemble d'exemples qui modifie le système lui-même jusqu'à lui permettre de répondre à de nouveaux cas. La capacité n'a plus besoin d'être entièrement décrite à l'avance : elle peut être construite à partir des régularités trouvées dans les données.
31 décembre, 23h58 — Le langage devient entraînement
Cinq ans après AlexNet, en 2017, notre calendrier indique 23h58. L'apprentissage par exemples avait montré qu'une machine pouvait acquérir des capacités difficiles à exprimer par des règles, mais il restait dépendant d'une intervention humaine coûteuse : pour classer des images, chaque photographie devait être associée au préalable à une catégorie correcte. Appliquer la même procédure à une partie significative de la culture aurait exigé d'étiqueter manuellement une quantité incalculable de mots, de phrases et de textes.
Le langage posait en outre une difficulté distincte. Un mot ne possède pas un sens qui puisse être déterminé de manière isolée, mais dépend des relations qu'il entretient avec les autres. Sa fonction change selon la phrase dans laquelle il apparaît, le paragraphe qui le précède ou une référence introduite bien avant. Pour traiter le langage, une machine a besoin de représenter non seulement chaque unité, mais aussi comment elles modifient le sens des autres dans chaque contexte.
En 2017, une nouvelle architecture conçue pour résoudre ce problème est apparue : le Transformer. Au lieu de traiter le texte uniquement comme une succession de mots, il introduit un mécanisme d'attention qui calcule quelles relations sont pertinentes pour interpréter chacun d'eux. Le texte est divisé en unités représentées par des nombres, et chaque unité peut être liée au sujet de la phrase, à un pronom écrit plusieurs lignes plus tôt ou à un autre terme qui modifie son sens. En répétant cette opération sur différentes couches, le modèle construit des représentations de plus en plus complexes des dépendances grammaticales, conceptuelles et structurelles qui parcourent le texte.
Son importance ne réside pas uniquement dans une meilleure représentation du contexte. L'architecture permet de calculer de nombreuses relations simultanément et de répartir le travail entre de nombreux processeurs. Comparé aux systèmes qui devaient parcourir le texte pas à pas, il peut être étendu plus facilement à des modèles plus grands et à des quantités de langage beaucoup plus importantes. Mais il reste encore à résoudre la question de savoir d'où obtenir les réponses correctes nécessaires pour les entraîner.
Le langage numérique lui-même apporte la solution. Contrairement à une photographie, qui a besoin d'une étiquette ajoutée pour indiquer ce qu'elle contient, un texte conserve en lui la séquence qui doit être apprise. On peut montrer une partie du modèle et lui demander de prédire la suivante, ou cacher une unité et lui exiger de la reconstruire. La réponse se trouve déjà dans le document original. Chaque texte peut ainsi devenir une succession d'exercices sans qu'une personne n'ait à classer manuellement chaque phrase.
Pour réduire ses erreurs, le modèle doit découvrir quels mots apparaissent habituellement ensemble, comment les phrases sont construites, quels concepts entretiennent des relations stables, comment une explication se développe ou quelle structure adopte un argument. Personne n'introduit une liste complète de ces régularités. Le système modifie ses paramètres en comparant chaque prédiction avec la continuation réelle et, après avoir répété le processus sur d'immenses quantités de texte, il intègre des relations qu'il peut appliquer à des séquences qu'il n'avait jamais rencontrées.
L'entraînement n'introduit pas les documents dans la machine comme une bibliothèque qui pourrait ensuite être consultée exemplaire par exemplaire. Il ajuste une structure de paramètres pour reproduire les régularités présentes dans l'ensemble : associations entre concepts, formes syntaxiques, styles, dépendances entre fragments et procédures exprimées par des mots.
L'expansion de l'information numérique est donc indispensable. Pendant des décennies, des livres, des articles, des manuels, des pages web, des programmes, des dépôts de code, des conversations, des traductions et des explications avaient été produits à des fins très diverses. Ces matériaux n'avaient pas été créés pour entraîner une intelligence artificielle, mais pour rechercher, enseigner, informer, vendre, discuter, collaborer ou résoudre des problèmes. En étant disponibles au format numérique, ils purent être rassemblés et traités à une échelle qu'aucune collection élaborée expressément pour enseigner une tâche n'aurait pu atteindre.
L'archive numérique cesse alors d'être uniquement un dépôt qu'une machine peut stocker, ordonner ou consulter. Elle devient la matière avec laquelle peut être construite une capacité linguistique générale. L'écriture avait séparé la connaissance de la mémoire de ceux qui la possédaient ; l'imprimerie en avait multiplié les copies ; Internet les avait connectées au sein d'un réseau mondial. Le Transformer permet désormais de traiter une partie de cette archive et d'ajuster une structure capable de produire une nouvelle capacité à partir des régularités qui s'y sont accumulées.
31 décembre, 23h59 — Le langage devient instruction
Seulement trois ans plus tard, en 2020, notre calendrier marque 23h59 : il reste une minute avant minuit. L'architecture Transformer avait permis d'entraîner des modèles de plus en plus grands sur d'énormes quantités de texte. Cependant, disposer d'une capacité linguistique générale ne résolvait pas à elle seule comment l'appliquer à des tâches concrètes. Traduire, résumer, classer ou répondre à des questions exigeait habituellement d'ajuster le modèle, d'ajouter des composants spécifiques ou de le préparer à nouveau pour chaque fonction.
En 2020 apparaît GPT-3, un modèle linguistique à grande échelle construit sur cette architecture. Son apport décisif consiste à montrer qu'une même structure peut déduire quelle tâche elle doit accomplir à partir du texte qu'elle reçoit. Il n'a pas besoin que chaque fonction soit incorporée par un nouvel entraînement : l'instruction, les exemples et le résultat attendu peuvent être inclus dans le contexte même.
Si on lui présente plusieurs phrases avec leurs traductions, il peut continuer le modèle avec une nouvelle. S'il reçoit un texte accompagné d'un résumé, il peut essayer d'en résumer un autre. S'il est présenté des exemples associés à différentes catégories, il peut classer un cas ultérieur. Le modèle ne modifie pas ses paramètres pendant qu'il effectue ces tâches. Il interprète les relations présentes dans le contexte et y oriente temporairement une capacité acquise pendant l'entraînement.
GPT-3 ne transforme donc pas une machine en plusieurs machines différentes. Il convertit une même capacité linguistique en une base à partir de laquelle différentes fonctions peuvent être définies par le langage. La tâche ne dépend plus exclusivement d'une programmation ou d'un ajustement préalable et peut être formulée dans l'entrée même que le système reçoit.
Le langage acquiert ainsi une nouvelle fonction. Il avait d'abord été le matériau à partir duquel le modèle apprenait ; maintenant il devient aussi le moyen par lequel son comportement est dirigé. Pendant l'ère industrielle, changer la fonction d'une machine exigeait de modifier son mécanisme. Avec l'ordinateur programmable, il suffisait de remplacer le programme. Avec GPT-3, une partie de la fonction peut être configurée en décrivant en langage ordinaire quel résultat est recherché, quelles conditions doivent être respectées et quels exemples doivent être suivis.
Toutefois, prédire une suite probable n'équivaut pas encore à répondre adéquatement à une requête. L'archive numérique contient des explications rigoureuses et des erreurs, des instructions utiles et des fragments contradictoires, des conversations coopératives et des agressions. Avoir appris ses régularités permet de produire un langage cohérent, mais ne détermine pas à lui seul quel type de réponse doit être offert face à une intention concrète.
Pour transformer cette capacité générale en un outil, une nouvelle intervention humaine est nécessaire. On prépare des exemples d'instructions et de réponses, on compare différentes sorties et on indique celles qui sont les plus utiles, claires ou sûres. L'entraînement initial avait permis d'apprendre quelles continuations étaient probables dans le langage ; l'ajustement ultérieur intègre des critères sur celles qui sont préférables lorsqu'une requête est formulée.
À ce stade, la deuxième couche d'informations générée par la numérisation réapparaît. Les choix, corrections et appréciations humaines peuvent être transformés en exemples avec lesquels orienter le comportement du modèle. Une personne compare deux réponses, signale une erreur ou montre comment une tâche devrait être résolue, et cette intervention apporte des informations qui n'étaient pas contenues uniquement dans les textes originaux. Toutes les conversations ne sont pas utilisées pour entraîner les systèmes et toutes les actions de l'utilisateur n'ont pas cette fonction, mais les réactions humaines peuvent être employées pour décider comment une capacité construite précédemment à partir de l'archive culturelle doit être appliquée.
Le 30 novembre 2022, ChatGPT est rendu public. La conversation pousse un pas plus loin la possibilité ouverte par GPT-3. La tâche n'a plus besoin d'être entièrement définie en une seule instruction : elle peut être construite de manière progressive. L'utilisateur demande un résultat, l'observe, corrige ce qui ne fonctionne pas, ajoute des conditions et continue à partir de la réponse précédente. Chaque message modifie le contexte à partir duquel le suivant sera produit.
L'ouverture au public modifie également l'échelle d'exploration de cette capacité. Des millions de personnes commencent à utiliser le système pour rédiger, traduire, programmer, expliquer, classer, concevoir, résumer ou réorganiser des informations. Leurs requêtes révèlent des applications, des erreurs et des limites que les développeurs n'auraient pas pu entièrement énumérer à l'avance. Le modèle ne se teste plus uniquement sur des tâches préparées et entre en contact avec des problèmes réels, des intentions diverses et des façons imprévues de les formuler.
Au cours des années suivantes, cette logique s'étend aux images, au son et à la vidéo, et les modèles se connectent aux moteurs de recherche, aux bases de données, aux programmes et à d'autres outils. Le langage ne sert plus uniquement à demander une réponse textuelle. Il peut exprimer un objectif que le système divise en opérations, exécute à l'aide de différentes ressources et révise en fonction des résultats obtenus.
L'ouverture publique ajoute également une nouvelle source d'information. Le système n'est plus confronté uniquement à des matériaux produits antérieurement, mais à des millions de requêtes, de reformulations et d'évaluations générées lors de son utilisation. Toutes les conversations ne sont pas directement incorporées à l'entraînement, mais l'ensemble des interactions permet de découvrir quelles tâches intéressent, où le modèle échoue et quels résultats les gens attendent. La société avait fourni le fonds culturel à partir duquel il a appris ; elle commence maintenant à fournir également la carte de ses applications possibles.
L'arrivée de minuit
À minuit, le modèle peut déjà traduire, expliquer, classer, programmer ou produire des images à partir d'une même structure. Ces capacités ne sont pas nées d'une règle unique ni d'une procédure décrite à l'avance, mais du traitement conjoint d'immenses quantités de textes, de programmes, d'images, d'exemples et d'évaluations. Ce qui auparavant était réparti entre différentes activités, professions et personnes peut désormais être réuni dans un système capable de l'appliquer à des situations nouvelles.
Mais cette capacité ne prend pas naissance au sein de la machine et ne peut se maintenir en dehors du monde dont elle provient. L'intelligence artificielle dépend d'une société qui continue de produire du langage, des connaissances, des événements, des problèmes, des images et des critères avec lesquels interpréter ses résultats. Elle ne génère pas d'elle-même la réalité de laquelle elle apprend ni ne décide ce qui doit être considéré comme vrai, utile ou précieux. Elle a besoin de matériaux antérieurs et de nouvelles interventions qui signalent les erreurs, formulent des objectifs et définissent le type de réponse attendue. La société n'est pas seulement le contexte dans lequel le système fonctionne : elle est la source continue de ce qu'il peut apprendre.
Mais la nécessité de la société en tant qu'ensemble ne garantit pas la nécessité de chaque individu. Pour construire une capacité de traduction, il a fallu des générations de locuteurs, d'écrivains et de traducteurs ; pour l'appliquer à un document spécifique, une simple instruction peut suffire. Le modèle a eu besoin de programmes écrits par d'innombrables personnes, mais il n'a pas besoin de faire appel à chaque programmeur lorsqu'il produit une fonction. Il a eu besoin d'images, de descriptions et de critères créés par une multitude, bien qu'il puisse générer une nouvelle pièce sans convoquer ceux qui ont fourni les matériaux à partir desquels il a appris.
Le collectif et l'individuel commencent à se séparer de manière décisive. Le système peut dépendre de plus en plus de la production conjointe de la société et, en même temps, dépendre de moins en moins de chacun de ses membres individuellement. La société reste indispensable en tant qu'origine de la connaissance ; une personne concrète peut cesser de l'être pour appliquer une partie de cette connaissance.
La production qui alimente les modèles est extraordinairement distribuée. Universités, administrations, médias, maisons d'édition, entreprises, communautés techniques et millions d'utilisateurs écrivent, traduisent, programment, photographient, classifient, corrigent et évaluent sans faire partie d'un projet commun. Chacun publie un texte, répond à une question, partage un programme ou corrige un résultat pour résoudre son propre besoin. Il est rare qu'il connaisse la relation que cette activité aura finalement avec une capacité construite ultérieurement à grande échelle.
La possibilité de rassembler ces contributions n'est pas distribuée de la même manière. Entraîner et faire fonctionner les modèles les plus grands nécessite d'énormes ensembles d'informations, des processeurs spécialisés, des centres de données, de l'énergie, du personnel technique et des ressources financières. La production culturelle et comportementale provient d'une multitude, mais l'infrastructure capable de la transformer en une capacité générale est concentrée chez un nombre très réduit d'organisations.
Ceux qui contrôlent cette infrastructure peuvent transformer une production collective en un service dont ils décident les conditions : qui y accède, combien ça coûte, quelles fonctions il intègre, quelles limites il impose et vers quelles applications il se développe. Les personnes qui ont produit les matériaux n'acquièrent pas pour autant une participation équivalente dans le système construit à partir d'eux. La contribution est répartie ; la capacité de l'organiser, de la traiter et de décider de son utilisation se concentre de plus en plus.
L'ouverture publique des modèles prolonge cette asymétrie. Les utilisateurs présentent des problèmes, découvrent des applications, trouvent des erreurs et montrent quels résultats ils considèrent acceptables. Chacun essaie de résoudre sa propre tâche, mais la somme de millions d'interactions révèle une carte générale : quels usages se répètent, où le système échoue, quelles fonctions sont demandées et quelles capacités il convient d'étendre. Aucun utilisateur ne peut reconstruire seul cette carte ; les organisations qui gèrent le service peuvent l'observer de manière agrégée.
Toutes les conversations ne sont pas directement incorporées à l'entraînement, mais l'usage public produit des connaissances sur le système lui-même. La société n'avait pas seulement généré les textes, images et programmes dont il a appris. Elle génère maintenant aussi les situations qui permettent de découvrir comment il peut être appliqué, où il doit être corrigé et vers quelles fonctions il peut être développé.
La relation prend ainsi une forme circulaire. La société produit de la culture, des connaissances, des comportements et des évaluations. Un nombre réduit d'organisations rassemble une partie de cette activité et la transforme en une capacité du modèle. Ensuite, elle restitue cette capacité sous forme de service, dont l'utilisation produit de nouveaux signaux pour la corriger, l'étendre et trouver plus d'applications. Le système continue d'avoir besoin de la participation collective, mais chaque amélioration peut réduire la nécessité d'individus concrets dans les tâches qu'il apprend à réaliser.
L'intelligence artificielle n'élimine pas sa dépendance à la société. Elle la réorganise. Les gens contribuent en tant que multitude, souvent sans connaître la destination technique de leur activité ; les organisations qui rassemblent ces contributions peuvent les observer comme un ensemble, les traiter via une infrastructure propre et décider comment la capacité résultante sera utilisée. La société fournit l'échelle ; quelques organisations concentrent la possibilité de la convertir en pouvoir technique.
Minuit ne représente pas le moment où la machine n'a plus besoin de l'humanité. Elle représente le moment où le besoin collectif de l'humanité peut être séparé du besoin de chaque être humain concret. Pendant presque toute l'année, la technique a élargi ce que les gens pouvaient faire. Dans la dernière minute, elle a commencé à reconstruire, au sein d'une infrastructure concentrée, des capacités qui étaient auparavant distribuées parmi des millions d'entre eux.
La question posée à minuit n'est plus seulement de savoir ce que la machine pourra faire, mais quelle position conserveront ceux qui, collectivement, produisent ce qui peut ensuite être utilisé sans eux.