Les différents types d'IA : les classifications qui comptent, et celles qui servent une PME

« Les différentes IA » : derrière cette question simple se cachent des réponses qui semblent se contredire. Un article parle de 3 types, un autre de 4, un troisième de 7. Certains rangent ChatGPT dans l'« IA générative », d'autres dans l'« IA faible », d'autres encore dans le « deep learning ». Tous ont raison, parce qu'ils ne classent pas selon le même critère.

Ce guide passe en revue les grandes façons de classer l'intelligence artificielle, des plus théoriques aux plus opérationnelles, puis montre comment elles se traduisent dans une PME. Je l'écris avec l'œil de quelqu'un qui met ces technologies en production chez des organismes de formation, des e-commerçants et des cabinets : à la fin, vous devriez savoir quel type d'IA peut réellement vous faire gagner du temps, et lequel vous pouvez ignorer.

Pourquoi il existe plusieurs classifications des IA

L'intelligence artificielle n'est pas une technologie mais un champ de recherche qui regroupe des méthodes très différentes. Le règlement européen la définit comme un système automatisé qui, à partir des données qu'il reçoit, déduit comment produire des résultats (prédictions, contenus, recommandations ou décisions) capables d'influencer un environnement physique ou virtuel (article 3 du règlement (UE) 2024/1689). Cette définition, alignée sur celle de l'OCDE, est volontairement large.

Pour s'y retrouver, chercheurs, éditeurs et législateurs ont construit des grilles selon ce qui les intéresse :

• Les capacitésJusqu'où l'IA peut-elle aller ? Spécialisée, égale ou supérieure à l'humain.
• Le fonctionnementComment perçoit-elle et se souvient-elle ? De la machine réactive à la conscience.
• La techniqueComment est-elle construite ? Règles, machine learning, deep learning.
• L'usageÀ quoi sert-elle ? Prédire, générer, lire, voir, parler, agir.
• L'autonomieComment un agent décide-t-il ? Du simple réflexe à l'agent qui apprend.
• Le risqueQuelles obligations ? La grille de l'AI Act, la seule qui engage juridiquement.

Ces grilles se superposent : une même IA appartient à une catégorie dans chacune. Un assistant comme Claude ou ChatGPT est à la fois une IA faible (capacités), une IA à mémoire limitée (fonctionnement), un modèle de deep learning (technique), une IA générative (usage) et un modèle d'IA à usage général au sens de l'AI Act.

Les 3 types d'intelligence artificielle selon leurs capacités

C'est la classification la plus citée quand on parle des « 3 types d'IA ». Elle compare l'IA à l'intelligence humaine et la situe sur une échelle qui va de la spécialisation à la supériorité. IBM la présente comme l'une des deux grandes manières de classer l'IA, avec la classification par fonctionnement.

L'IA faible ou étroite (ANI, Artificial Narrow Intelligence)

L'IA faible est conçue pour une tâche ou un ensemble de tâches dans un domaine délimité. Elle peut y être excellente, souvent bien meilleure qu'un humain, mais elle ne transfère pas d'elle-même ses compétences ailleurs. Un modèle qui détecte la fraude bancaire ne sait pas planifier des tournées de livraison.

C'est la seule forme d'IA qui existe aujourd'hui. Elle couvre la reconnaissance faciale de votre téléphone, les recommandations de Netflix, les filtres anti-spam, les traducteurs automatiques, et aussi les grands modèles de langage (ChatGPT, Claude, Gemini, Mistral). Ces derniers sont étonnamment polyvalents dans tout ce qui passe par le langage, ce qui brouille la frontière dans l'esprit du public. Mais ils restent des systèmes entraînés pour une famille de tâches, et dépendants de leurs données.

L'IA générale ou forte (AGI, Artificial General Intelligence)

L'IA générale égalerait un humain sur l'ensemble des tâches intellectuelles : comprendre une situation inédite, apprendre une compétence nouvelle sans réentraînement, raisonner par analogie d'un domaine à l'autre, se fixer des sous-objectifs. C'est l'objectif affiché de plusieurs laboratoires, et un sujet de débat vif entre chercheurs, sur son horizon comme sur sa définition.

À ce jour, aucun système ne remplit ces critères de façon reconnue. Le rapport annuel AI Index de l'université Stanford documente des progrès rapides sur de nombreux tests, mais aussi des faiblesses persistantes en raisonnement complexe et en fiabilité.

La super-intelligence (ASI, Artificial Super Intelligence)

La super-intelligence désigne une IA hypothétique qui dépasserait l'intelligence humaine dans tous les domaines, y compris la créativité scientifique et la décision stratégique. Elle relève de la prospective et nourrit surtout les réflexions sur la sécurité et la gouvernance de l'IA.

Les 4 types d'intelligence artificielle selon leur fonctionnement

Quand on parle des « 4 types d'IA », on fait référence à la classification proposée en 2016 par le chercheur Arend Hintze, alors professeur à l'université d'État du Michigan, dans un article de The Conversation. Elle classe les IA selon la façon dont elles perçoivent leur environnement et utilisent, ou non, leur expérience passée.

1. Les machines réactives Existe

   Elles réagissent à la situation présente, sans mémoire ni apprentissage en cours d'usage. L'exemple canonique est Deep Blue, l'ordinateur d'IBM qui a battu Garry Kasparov aux échecs en 1997 : il évaluait les coups possibles à chaque position, sans « se souvenir » des parties précédentes. Un filtre anti-spam à règles fixes fonctionne de la même façon.

2. Les IA à mémoire limitée Existe

   Elles s'appuient sur des données passées, celles de leur entraînement et des observations récentes, pour décider. Une voiture autonome tient compte de la vitesse des véhicules voisins sur les dernières secondes ; un modèle de langage utilise le contexte de la conversation. La quasi-totalité des IA actuelles appartient à ce type, et leur « mémoire » reste limitée et pilotée par la conception du système.

3. Les IA à théorie de l'esprit Théorique

   Elles comprendraient que les autres, humains ou machines, ont des pensées, des émotions et des intentions propres, et adapteraient leur comportement en conséquence. Certains modèles actuels imitent cette compréhension dans le langage, sans modéliser réellement l'état mental d'autrui.

4. Les IA conscientes d'elles-mêmes Théorique

   Dernier stade, elles auraient une représentation de leurs propres états internes, une forme de conscience. Ce type reste purement hypothétique et soulève des questions philosophiques qui dépassent la technique.

Les deux classifications se recoupent : les machines réactives et à mémoire limitée sont des IA faibles. La théorie de l'esprit et la conscience de soi seraient des caractéristiques d'une IA générale ou d'une super-intelligence.

Les types d'IA selon la technique utilisée

Cette grille intéresse surtout ceux qui conçoivent ou choisissent une solution. Elle répond à la question : comment l'IA a-t-elle acquis son « savoir » ?

L'IA symbolique : systèmes experts et règles

C'est l'approche historique, dominante des années 1960 aux années 1990. Des experts traduisent leur savoir en règles explicites du type « si… alors… ». Le système est transparent et prévisible, mais rigide : il ne gère pas ce que ses concepteurs n'ont pas prévu. On la retrouve dans les moteurs de règles métier, les contrôles de conformité, les arbres de décision. Combinée à de l'automatisation, c'est souvent encore la solution la plus fiable pour un processus stable, comme je l'explique dans le guide sur la RPA et l'automatisation robotisée.

L'apprentissage automatique (machine learning)

Au lieu d'écrire les règles, on fournit des exemples à un algorithme qui en déduit lui-même des régularités. Trois familles coexistent :

• L'apprentissage supervisé : le modèle apprend à partir d'exemples étiquetés (des mails marqués « spam » ou non, des dossiers « complets » ou « incomplets »). C'est la base de la plupart des IA de classification et de prédiction.
• L'apprentissage non supervisé : le modèle cherche des structures dans des données sans étiquettes, par exemple pour regrouper des clients aux comportements proches ou repérer des anomalies.
• L'apprentissage par renforcement : le modèle apprend par essais et erreurs, avec des récompenses et des pénalités. C'est la méthode derrière AlphaGo, et l'une des étapes d'ajustement des assistants conversationnels, à partir de retours humains.

L'apprentissage profond (deep learning)

Le deep learning est une branche du machine learning qui utilise des réseaux de neurones à nombreuses couches. Il a permis les percées de la dernière décennie en vision, en reconnaissance vocale et en langage. Les grands modèles de langage reposent sur une architecture précise, le Transformer, introduite en 2017 dans l'article « Attention Is All You Need ».

Les différentes IA par usage : les familles utiles en entreprise

C'est la classification la plus opérationnelle, et celle qui vous servira à décider. Elle regroupe les IA selon ce qu'elles produisent. D'après Eurostat, environ une entreprise européenne de 10 salariés ou plus sur cinq utilisait au moins une technologie d'IA en 2025, et l'analyse du langage écrit était l'usage le plus répandu.

L'IA prédictive : anticiper plutôt que subir

C'est la plus ancienne des IA « métier ». Elle s'appuie sur vos données historiques pour estimer une probabilité ou une quantité : combien de commandes la semaine prochaine, quel client risque de ne pas payer, quel apprenant risque d'abandonner sa formation. Sa valeur dépend directement de la qualité et du volume de vos données. Avec quelques centaines de lignes mal renseignées, elle ne fera pas de miracle.

L'IA générative : produire du contenu à la demande

Elle s'est imposée auprès du grand public fin 2022. Elle repose sur des modèles entraînés sur d'immenses volumes de données, capables de générer du texte, des images, du son ou du code à partir d'une consigne. En entreprise, ses usages les plus rentables sont rarement les plus spectaculaires : premier jet de réponse client, synthèse d'un dossier, fiche produit reformulée, compte rendu de réunion. Sa limite est connue : elle peut affirmer avec aplomb des choses fausses. Elle doit donc s'appuyer sur vos sources et passer par une relecture proportionnée à l'enjeu. Si vous hésitez avec les offres gratuites, lisez d'abord jusqu'où va un agent IA gratuit.

L'IA documentaire : la plus rentable pour une PME

Elle combine lecture de caractères, traitement du langage et souvent IA générative pour transformer des documents en données exploitables. Dans mon expérience, c'est la famille qui rembourse le plus vite son coût dans une PME, parce qu'elle s'attaque à des tâches répétitives et chronophages : saisie de factures, contrôle de pièces, classement de courrier. Un exemple réel : la vérification automatique des pièces des dossiers d'apprentissage d'un organisme de formation. Pour la méthode complète, voir le guide arrêter de ressaisir des documents.

La vision par ordinateur

Elle permet à une machine d'interpréter des images : repérer un défaut sur une ligne de production, vérifier le port d'un équipement de sécurité, compter des articles en rayon. Elle demande souvent des images propres à votre contexte pour être fiable, ce qui en fait rarement le premier projet d'une PME de services.

L'IA vocale

Transcription, analyse d'appels, synthèse vocale réaliste : la voix devient une interface à part entière. Un agent vocal peut répondre au téléphone, qualifier une demande et poser un rendez-vous dans un agenda. Il absorbe bien les volumes d'appels simples, à condition de prévoir un transfert fluide vers un humain dès que la conversation sort du cadre.

L'IA agentique : quand l'IA passe à l'action

C'est la catégorie qui progresse le plus vite. Un agent IA ne se contente pas de répondre : il planifie des étapes et utilise des outils (API, base de données, messagerie, logiciel métier) pour atteindre un objectif. Il combine un modèle de langage pour interpréter, des connecteurs pour agir et des garde-fous pour rester dans son périmètre. Pour distinguer un agent d'un simple chatbot, lisez agent, assistant, chatbot : qui fait quoi, puis l'agent IA en entreprise, sans le vocabulaire.

Les types d'agents IA

Les agents ont leur propre classification. La plus utilisée vient du manuel de référence Artificial Intelligence: A Modern Approach de Stuart Russell et Peter Norvig. Elle distingue cinq types d'agents selon la sophistication de leur décision.

En pratique, les agents déployés en entreprise sont des agents fondés sur des buts : un modèle de langage interprète la demande, planifie, puis appelle des outils. Dans un déploiement sérieux, on y ajoute une validation humaine sur toute action irréversible et une surveillance en production, parce qu'un agent ne tombe pas en panne : il se trompe poliment. C'est l'objet de l'offre automatiser un processus avec un agent IA et du service de surveillance et garde.

Autre distinction utile : un agent peut tourner sur un modèle hébergé chez un fournisseur (OpenAI, Anthropic, Google, Mistral) ou sur un modèle installé sur vos propres serveurs. Le second choix répond à des enjeux de confidentialité, détaillés dans faire tourner son IA chez soi.

Les types d'IA selon l'AI Act : la classification qui engage

Toutes les grilles précédentes décrivent. Celle de l'Union européenne oblige. Le règlement européen sur l'intelligence artificielle ne classe pas les IA selon leur technologie mais selon le risque que leur usage fait peser sur la santé, la sécurité et les droits fondamentaux. La Commission européenne le résume en quatre niveaux.

Le règlement ajoute une catégorie transversale : les modèles d'IA à usage général, ceux qui font tourner ChatGPT, Claude ou Mistral, dont les fournisseurs ont des obligations de documentation et de transparence depuis le 2 août 2025.

Côté calendrier, les obligations de transparence s'appliquent depuis le 2 août 2026. L'omnibus numérique sur l'IA, publié au Journal officiel de l'UE en juillet 2026, a en revanche reporté les obligations des systèmes à haut risque : au 2 décembre 2027 pour ceux de l'annexe III (recrutement, éducation, crédit) et au 2 août 2028 pour ceux intégrés à des produits réglementés.

Tableau récapitulatif des types d'IA

Quel type d'IA choisir pour votre PME ?

La question « quel type d'IA ? » arrive trop tôt dans la plupart des projets. La bonne démarche part du processus : quelle tâche coûte du temps, produit des erreurs ou fait attendre vos clients ? Ensuite seulement, on choisit le type d'IA, ou l'absence d'IA. Voici ce que ça donne dans les trois métiers où je travaille le plus.

La grille de décision en quatre questions

1. La tâche suit-elle des règles stables ? Une automatisation classique suffit, sans IA. Le comparatif n8n, Make ou Zapier aide à choisir l'outil, et l'offre n8n à le faire tourner proprement.
2. La tâche consiste-t-elle à lire, résumer ou rédiger ? L'IA générative ou documentaire est la bonne candidate.
3. Faut-il anticiper un chiffre ou un risque ? L'IA prédictive, si vous avez un historique suffisant.
4. Faut-il enchaîner plusieurs étapes entre plusieurs logiciels ? Un agent IA, encadré par une automatisation et une validation humaine. Le guide automatiser un processus métier, dans l'ordre détaille la démarche.

Côté budget, les écarts sont importants selon le type d'IA et le niveau d'intégration. Les guides combien coûte un agent IA dans une PME et combien coûte une automatisation donnent les fourchettes réellement pratiquées, mes propres prix sont sur la page tarifs, et une partie du projet peut être prise en charge : voir financement.

Cinq idées reçues sur les types d'IA

« ChatGPT est une IA forte »

Non. Sa polyvalence dans le langage impressionne, mais il reste une IA faible à mémoire limitée, sans compréhension autonome du monde ni capacité à acquérir seul une compétence nouvelle.

« L'IA générative va remplacer toutes les autres »

Elle complète les autres familles plus qu'elle ne les remplace. Pour prévoir des ventes ou repérer une anomalie dans des chiffres, un modèle prédictif classique reste plus précis, plus explicable et beaucoup moins cher.

« Plus le modèle est gros, meilleur est le résultat »

Pour une tâche ciblée, un petit modèle bien configuré, alimenté par vos propres documents, fait souvent mieux qu'un modèle géant utilisé sans contexte. Le coût par requête et le temps de réponse comptent aussi en production.

« Un agent IA fonctionne tout seul une fois installé »

Un agent en production se surveille : coûts, taux d'erreur, dérive de comportement, changements des API qu'il utilise. Sans surveillance, il se dégrade en silence. C'est pour ça que je ne livre aucun agent sans supervision.

« L'AI Act ne concerne que les géants de la tech »

Le règlement s'applique aussi aux entreprises qui utilisent des systèmes d'IA, les « déployeurs ». Une PME qui trie des candidatures avec une IA ou informe ses clients par un chatbot a des obligations, même légères, dont la formation de ses équipes au titre de l'article 4.

Questions fréquentes sur les types d'IA

Sources

1. Règlement (UE) 2024/1689 sur l'intelligence artificielle, EUR-Lex.
2. Cadre réglementaire de l'IA, Commission européenne.
3. Omnibus numérique sur l'IA : nouvelles dates pour le haut risque, Pure Global.
4. Types of Artificial Intelligence, IBM.
5. Understanding the four types of AI, Arend Hintze, The Conversation, 2016.
6. Artificial Intelligence: A Modern Approach, Stuart Russell et Peter Norvig.
7. Attention Is All You Need, Vaswani et al., 2017.
8. Use of artificial intelligence in enterprises, Eurostat.
9. AI Index Report, Stanford HAI.
10. Définition d'un système d'IA, OCDE.
11. Intelligence artificielle, CNIL.
12. Deep Blue, IBM.