Quand les mathématiques dévoilent les secrets de l'IA Retour sur la conférence du LMRSI à l’EPO.
Le 22 janvier 2026, une conférence s’est tenue à l’EPO de Ouagadougou, à l’initiative du Laboratoire Multidisciplinaire de Recherche en Science de l’Ingénieur (LMRSI). Animée par le Dr Sibiri Tiemounou et modérée par le Dr Zaïda Tegawendé Justin, elle avait pour thème « Comprendre l’intelligence artificielle par les mathématiques ».
L’objectif de cette rencontre était de démystifier l’intelligence artificielle et de montrer qu’elle repose sur des bases scientifiques solides, loin des représentations simplistes souvent véhiculées dans l’imaginaire collectif.
Démystifier l’intelligence artificielle
Dès l’ouverture, le conférencier a rappelé que beaucoup associent encore les mathématiques à des formules dans Excel, parfois assimilées à une forme rudimentaire d’intelligence artificielle. Il a insisté sur le fait que l’IA moderne va bien au-delà d’un simple tableur et s’appuie sur une généralisation mathématique puissante et concrète.
L’intelligence artificielle a ainsi été présentée comme un ensemble de méthodes mathématiques et informatiques permettant à une machine de construire un modèle à partir de données, par apprentissage, afin d’accomplir une tâche précise. Trois piliers fondamentaux soutiennent cette discipline : les données, l’infrastructure de calcul et le machine learning.
Une évolution marquée par plusieurs révolutions technologiques
Le Dr Tiemounou a retracé l’évolution historique de l’intelligence artificielle. Les années 1950 ont été marquées par l’IA symbolique et la logique formelle. Entre 1960 et 1990, la rareté des données et le coût élevé des calculs limitaient les applications concrètes.
L’ère statistique, de 1990 à 2017, a permis l’essor du machine learning puis du deep learning. Entre 2017 et 2020, l’apparition des modèles Transformers a révolutionné le traitement des données massives issues du Web. De 2020 à 2024, les modèles de fondation tels que GPT, Gemini, Llama ou Claude ont marqué une avancée décisive. Depuis 2024, l’IA générative connaît une expansion remarquable, notamment avec l’émergence d’agents intelligents capables de planifier, d’utiliser des outils externes et d’interagir sur plusieurs étapes.
Les fondements mathématiques de l’IA moderne
Pour expliquer les bases scientifiques de l’intelligence artificielle contemporaine, le conférencier a présenté cinq axes essentiels :
- La représentation mathématique, qui transforme toute donnée en valeurs numériques ;
- L’apprentissage comme problème inverse, consistant à reconstruire un modèle à partir d’observations ;
- L’optimisation mathématique, visant à minimiser ou maximiser une fonction objective ;
- La gestion de l’incertitude à travers les probabilités ;
- La haute dimensionnalité, qui permet l’émergence de nouvelles capacités tout en soulevant des limites physiques et conceptuelles.
Machine learning et deep learning : deux approches complémentaires
Deux grandes familles d’algorithmes ont été mises en lumière. Le machine learning classique repose sur une optimisation explicite utilisant des méthodes telles que les moindres carrés ou les machines à vecteurs de support (SVM). Le deep learning, quant à lui, s’inspire du fonctionnement du cerveau humain à travers des réseaux de neurones multicouches et des techniques d’optimisation comme la descente de gradient.
Le conférencier a également évoqué le finetuning, technique permettant d’adapter un modèle pré-entraîné à un domaine spécifique, illustrant ainsi la flexibilité et la puissance des approches modernes.
Une conférence enrichissante pour la communauté scientifique
En conclusion, le Dr Tiemounou a rappelé qu’« il n’y a pas de magie en intelligence artificielle ». Le succès dans ce domaine repose sur trois compétences complémentaires : la maîtrise de la manipulation des données, de solides connaissances en mathématiques et en physique, ainsi qu’une bonne pratique de la programmation.
La conférence s’est achevée par une session d’échanges particulièrement enrichissante, accompagnée de suggestions visant à intégrer davantage l’IA générative dans les prochaines activités scientifiques du LMRSI.
À travers cet exposé structuré et pédagogique, les participants ont pu comprendre que l’intelligence artificielle n’est pas une boîte noire mystérieuse, mais une discipline scientifique rigoureuse fondée sur des concepts mathématiques classiques appliqués à grande échelle.
