Intelligence artificielle

L’intelligence artificielle (IA) est un domaine de recherche interdisciplinaire regroupant l’Informatique, les Mathématiques, les Neurosciences, la Philosophie, la Linguistique et la Robotique, visant à concevoir des systèmes capables de simuler diverses formes d’intelligence humaine. L'IA connaît depuis les années 2010 un essor majeur, en particulier grâce à l’apprentissage profond, à la disponibilité de données massives et à la puissance de calcul croissante.

Histoire de l’intelligence artificielle

Le concept d’IA trouve ses racines dans les travaux d’Alan Turing durant les années 1940. En 1950, il formalise le célèbre test de Turing. La première conférence officielle a lieu en 1956 à Dartmouth, organisée par John McCarthy, qui forge le terme « intelligence artificielle ». Des pionniers comme Marvin Minsky, Allen Newell et Herbert Simon contribuent alors au développement des premiers programmes d’IA.

Dans les décennies suivantes, les phases d’optimisme (années 1960-1970, émergence des premiers systèmes experts comme MYCIN) alternent avec des « hivers de l’IA » consécutifs à la stagnation des progrès. Depuis les années 2010, l’émergence de l’apprentissage automatique (machine learning) et de l’apprentissage profond (deep learning), soutenue par des technologies comme les GPU et des frameworks type TensorFlow de Google ou PyTorch de Meta, a relancé les avancées majeures.

Domaines de l’intelligence artificielle

L’intelligence artificielle comprend plusieurs sous-domaines majeurs :

Techniques et approches

Apprentissage automatique

L’apprentissage automatique consiste à permettre à une machine de s’améliorer par l’expérience. On distingue notamment :

Les réseaux de neurones formels, tels que le Perceptron initial de Frank Rosenblatt, sont à la base des avancées récentes, dont les architectures profondes comme ResNet, BERT, GPT, Transformers et réseaux de neurones convolutifs.

Systèmes symboliques et logiques

L’approche historique de l’IA s’appuie sur des systèmes de règles et la logique formelle. Des systèmes tels que Prolog ou les moteurs d’inférences de type CLIPS illustrent cette approche symbolique.

Algorithmes évolutionnaires et optimisation

Des algorithmes comme les algorithmes génétiques, inspirés de la théorie de l’évolution, permettent de résoudre des problèmes complexes via la sélection, mutation et croisement de solutions.

Applications de l’intelligence artificielle

L’IA impacte de nombreux secteurs, y compris la fonction publique :

Secteur public: Automatisation des tâches administratives, optimisation des ressources, aide à la prise de décision, détection de la fraude (par exemple à la CPAM ou à la CAF), classification automatisée de documents, analyse prédictive pour l’emploi public.

Santé: Diagnostic médical assisté par IBM Watson, analyse d’imagerie médicale via DeepMind (filiale de Google), prédiction d’épidémies.

Éducation: Tuteurs intelligents, plateformes d’apprentissage adaptatif telles que Khan Academy ou Coursera, détection précoce du décrochage scolaire.

Justice et sécurité: Prédiction de la récidive avec des solutions d’Axon ou d’Palantir, analyse vidéo automatisée, cybersécurité.

Transports: Véhicules autonomes (développés par Waymo, Tesla, Baidu), gestion automatisée du trafic, optimisation des réseaux ferroviaires de la SNCF ou de la RATP.

Impact économique et sociétal

Emploi et métiers de la fonction publique

L’IA soulève des enjeux pour la fonction publique et les fonctionnaires. Elle permet d’automatiser des tâches répétitives, rendant les agents disponibles pour des missions à plus forte valeur ajoutée (analyse stratégique, accompagnement des usagers). Des métiers émergent, tels que data scientist, chef de projet IA, ou spécialiste en Gouvernance des données.

Vie privée et éthique

L’introduction de l’IA dans les services publics pose des questions éthiques : respect de la protection des données, biais algorithmiques, transparence des décisions, contrôle humain. Plusieurs comités, tels que le CNPEN, conseillent sur ces enjeux en France.

Recherche et formation

Les instituts tels que l’Inria, le CNRS, le LIP6, collaborent avec la Dinum pour piloter la stratégie nationale d’IA. Des formations émergent, comme les masters en IA proposés à Sorbonne Université, Université Paris-Saclay ou à Polytechnique.

Principaux acteurs et programmes

Acteur / Programme	Rôle	Pays
OpenAI	Développement d’IA génératives (ex: ChatGPT).	États-Unis	DeepMind	Recherche IA, jeux, santé (ex: AlphaGo).	Royaume-Uni	Meta	Recherche & déploiement IA sociale, LLaMA.	États-Unis	Google	Réseaux de neurones, NLP, Google Brain.	États-Unis	Microsoft	Solutions cloud IA, investissement dans OpenAI.	États-Unis	CNRS	R&D fondamentale et applications IA.	France	Inria	Recherche & transferts en ingénierie IA.	France	Dinum (France)	Politique numérique dans la fonction publique.	France	ANSSI	Encadrement éthique, régulation IA.	France

Défis et limites

Malgré leurs performances, les systèmes d’IA rencontrent des limites : manque de transparence (boîte noire), difficulté d’explicabilité, généralisation limitée hors du périmètre d'apprentissage, consommation énergétique élevée (cf. supercalculateurs, centres de données de AWS ou Azure), dépendance aux jeux de données biaisés.

Des débats majeurs portent sur :

Fiabilité et robustesse des systèmes
Explicabilité et audit des algorithmes
Impacts sur l’inclusion et la cohésion sociale
Souci environnemental lié à la puissance de calcul

Intelligence artificielle et avenir de la fonction publique

De nombreuses administrations françaises expérimentent ou déploient déjà l’IA : le Ministère de l'Intérieur, la DGFiP, les services de l’Assurance Maladie ou du Ministère de la Justice. Tous cherchent à associer les potentiels de l'IA à la nécessaire éthique de l’action publique, notamment via la Charte éthique de l’IA publique.

Voir aussi

Références

Template:Références

Le Template:Références est un modèle essentiel utilisé sur le wiki fonction publique situé à l’URL https://www.fonction-publique.com/wiki/page, afin de structurer, d’afficher et de normaliser la section des références dans les articles encyclopédiques. Il joue un rôle central dans la mise en forme et la gestion des sources, conformément aux standards éditoriaux de MediaWiki, et contribue ainsi à l’amélioration de la fiabilité et de la vérifiabilité du contenu publié.

Présentation générale

Le modèle Références, inspiré des pratiques de Wikipédia, permet d'automatiser l’affichage des notes et références générées par les balises <ref> ... </ref> au sein d’un article. Il est particulièrement adapté aux besoins de documentation sur les métiers de la fonction publique, les concours administratifs, la fonction publique d'État, la fonction publique territoriale et la fonction publique hospitalière.

Il est utilisé dans la plupart des articles nécessitant la citation de sources, tels que :

Les biographies d’agents publics, de fonctionnaires, ou de ministres de la fonction publique.
Les descriptions de statuts juridiques (ex : statut général).
Les guides sur la mobilité dans la fonction publique.
Les analyses des réformes administratives.

Fonctionnement technique

L’insertion du modèle se fait en positionnant la syntaxe suivante dans la section réservée aux références : <syntaxhighlight lang="wikitext">

Références

Template loop detected: Template:Références </syntaxhighlight>

Le modèle agit comme un habillage de la balise <references/>, permettant des fonctionnalités de mise en page supplémentaires propres au wiki de la fonction publique. Il prend en charge :

L’affichage des références groupées.
La structuration multi-colonnes sur les articles longs.
La compatibilité avec les modèles de notes existants (ex : Note, Renvoi).

Paramètres disponibles

Le tableau ci-dessous détaille les principaux paramètres utilisables avec le modèle :

Paramètre	Description	Valeur par défaut
colwidth	Largeur des colonnes de références (multicolonne)	30em
group	Affiche uniquement les références d’un groupe spécifique	(aucun)
responsive	Active l’adaptation automatique sur petits écrans (mobiles)	oui

Exemple d’utilisation avancée

<syntaxhighlight lang="wikitext"> Template loop detected: Template:Références </syntaxhighlight>

Cela permet d’organiser les notes distinctes des sources bibliographiques classiques, par exemple lors de l’analyse d’une réforme spécifique au Ministère de la Transformation et de la Fonction publiques.

Bonnes pratiques d’utilisation

Pour garantir la qualité de la rédaction encyclopédique, il est recommandé :

De placer Template loop detected: Template:Références dans une section distincte intitulée « Références ».
D’intégrer le plus possible de balises <ref> dans le corps du texte lors de la citation d’une loi, d’un arrêté ministériel, ou d’une page officielle (Portail de la fonction publique).
D’éviter la redondance avec d’autres modèles de notes si Template loop detected: Template:Références suffit.
D’utiliser la fonctionnalité de groupage pour séparer les notes explicatives des sources formelles lors de l’étude de statistiques ministérielles ou de rapports parlementaires.

Comparaisons avec d’autres modèles associés

Voici une liste, non exhaustive, des modèles complémentaires à Template loop detected: Template:Références sur le wiki :

Note : pour les courtes précisions en bas de page.
Bibliographie : pour présenter la liste des ouvrages utilisés.
Renvoi : pour les renvois internes à d’autres sections de l’article.
Sources : pour distinguer la synthèse générale de la bibliographie citée.

Tableau comparatif

Modèle	Fonction principale	Emplacement conseillé
Template loop detected: Template:Références	Affichage des citations <ref>	Section "Références"
Template:Note	Notes explicatives brèves	En bas de page, sous les références
Template:Bibliographie	Liste d’ouvrages consultés	Section dédiée "Bibliographie"

Historique et évolution sur la plateforme

Le modèle Références a été implémenté dès la création du wiki de la fonction publique en s’appuyant sur le logiciel MediaWiki (version 1.35 et supérieures). Son évolution a suivi celle de l’intégration de la fonctionnalité <references /> par la Wikimedia Foundation et l’adaptation aux particularités rédactionnelles des contenus liés à la Fonction publique française. Depuis la création du Ministère de la Transformation et de la Fonction publiques, l’utilisation de Template loop detected: Template:Références a été étendue pour intégrer les normes de publication des données ouvertes et des analyses liées à la Direction générale de l’administration et de la fonction publique (DGAFP).

Exemples pratiques dans des articles du wiki

Quelques exemples concrets où Template loop detected: Template:Références est employé :

Jean-Michel Blanquer – pour référencer les sources concernant ses fonctions à l'Éducation nationale.
Statut général des fonctionnaires – pour lister les textes de lois et décrets cités.
Réforme des retraites – pour encadrer les débats législatifs et rapports officiels.
Mobilité dans la fonction publique – pour les guides pratiques, fiches et textes réglementaires.

Voir aussi

Liens externes

Catégorie:

Liens externes

Catégorie: