Le présent article présente le développement de l’intelligence artificielle (IA) en elle-même, en médecine en général et en médecine dentaire en particulier Nous voulons faire comprendre que ce développement est la conséquence d’une évolution continue qui dure depuis plusieurs décennies. Plus précisément, c’est la combinaison du big data et de l’apprentissage profond qui est le moteur des progrès dans différentes spécialités médicales. Les auteurs examineront, outre le développement de nouveaux outils d’IA, la réglementation et le bénéfice clinique pour le patient et le praticien, ainsi que les coûts. Le développement actuel s’appuie souvent sur la radiographie mais on voit aussi apparaître des systèmes basés sur le langage. Cet environnement est très dynamique et notre article a pour but de donner une première introduction à ce domaine fascinant.
L’intelligence artificielle (IA) est devenu l’un des sujets les plus discutés du moment, dans la communauté scientifique comme dans le grand public. Google Trends indique une forte augmentation du nombre de recherches du terme « intelligence artificielle » et de sujets connexes depuis la fin de 2022, coïncidant avec l’introduction de ChatGPT en novembre 2022. Ce grand modèle de langage (LLM large language model) a permis au public de découvrir par lui-même les capacités de l’IA conversationnelle, avec un système basé sur un dialogue interactif, entièrement fonctionnel, capable d’interactions linguistiques naturelles avec les utilisateurs. L’introduction de ce système a prouvé non seulement l’utilité pratique de l’IA mais aussi sa capacité d’accroître la productivité, la créativité et le partage de connaissances.
Pour les spécialistes de l’IA, le lancement de ChatGPT n’a pas été une surprise mais l’aboutissement de dizaines d’années de développement incessant. Les racines de l’IA remontent aux années 1980, quand les systèmes experts, bâtis sur la logique basée sur des règles prédéfinies, ont été ses premières utilisations pratiques. Ces systèmes étaient capables d’accomplir des tâches spécifiques dans des domaines circonscrits, mais manquaient d’adaptabilité et de flexibilité. Au sens très large, le terme d’intelligence artificielle sert à décrire des systèmes informatiques capables d’exécuter des tâches qui nécessiteraient normalement une intelligence humaine : raisonnement, apprentissage et compréhension du langage. Alors que les approches informatiques et statistiques traditionnelles se concentrent sur l’application de formules, règles et modèles fixes pour l’analyse des données, l’IA peut transcender ces méthodes.
Le changement de paradigme est advenu dans les années 1990, avec l’apparition de l’apprentissage automatique (machine learning), introduisant des algorithmes capables d’apprendre à partir des données. À la différence des systèmes basés sur les règles, ces algorithmes pouvaient s’adapter et améliorer leurs performances par l’expérience, ce qui a représenté une avancée considérable. L’apprentissage automatique a marqué le début d’une transition vers des systèmes plus autonomes, portés par les données. Fondamentalement, un algorithme est un système conçu pour exécuter des tâches efficacement, que l’apprentissage automatique a rendu encore plus dynamique et réactif (Cormen et al. 2022).
La vague suivante de transformation est arrivée dans les années 2010 avec l’apprentissage profond, sous-ensemble avancé de l’apprentissage automatique. L’apprentissage profond utilise des réseaux neuronaux artificiels, qui sont des structures informatiques inspirées des synapses du cerveau humain. Ces réseaux excellent dans le traitement et l’analyse de grands ensembles de donnés multidimensionnels. La croissance simultanée de l’analyse des mégadonnées (big data) organisées en ensembles de données structurés a nourri le développement rapide des méthodes d’apprentissage profond. Cette synergie entre apprentissage profond et big data a trouvé des usages déterminants dans divers domaines tels que la médecine, où les réseaux neuronaux ont donné des résultats remarquables pour l’analyse des images médicales, la prédiction de l’issue des maladies et la personnalisation des stratégies de traitement.
L’évolution des systèmes experts vers l’apprentissage profond est un voyage à travers la complexité et les capacités croissantes de l’IA. Autrefois fondée sur des règles immuables, l’IA s’est muée en systèmes capables non seulement d’apprendre à partir des données mais aussi de faire preuve de raisonnement nuancé, de capacités de résoudre les problèmes et de créativité. Le lancement de ChatGPT est un symbole de ce bond en avant, qui montre à quel point l’IA s’est rapprochée d’interaction anthropomorphiques significatives. Ce parcours met aussi en évidence le potentiel plus large de l’IA dans de nombreux domaines d’activité, de la santé à l’éducation, au divertissement et au-delà.