Qu'est-il arrivé à Google DeepMind AlphaGo ?

Google DeepMind AlphaGo est un programme d'intelligence artificielle révolutionnaire, développé par la société DeepMind Technologies (filiale de Google), basée à Londres, pour maîtriser le jeu de Go, un jeu chinois ancestral. Le jeu de Go, avec son grand nombre de configurations possibles (estimé à 10^170), a longtemps été considéré comme un grand défi pour l'IA, nécessitant une intuition et une anticipation stratégique qui semblaient uniquement humaines.

La percée d'AlphaGo est due à la combinaison de réseaux neuronaux profonds et d'algorithmes de recherche avancés, en particulier la recherche arborescente de Monte Carlo (MCTS). Dans un premier temps, il a été entraîné sur des millions de jeux d'experts humains (apprentissage supervisé), puis s'est considérablement amélioré grâce à l'auto-apprentissage (apprentissage par renforcement), où il a joué contre lui-même des millions de fois, en apprenant de ses erreurs et en découvrant de nouvelles stratégies. Cette approche innovante a permis à AlphaGo de dépasser les capacités humaines bien plus tôt que les experts ne l'avaient prévu. Sa première grande victoire publique a été un balayage 5-0 contre le champion européen Fan Hui en octobre 2015.

Le programme a acquis une notoriété mondiale en mars 2016 lorsqu'il a battu le légendaire Lee Sedol, 18 fois champion du monde, 4 à 1, lors d'un match en cinq parties très médiatisé qui s'est déroulé à Séoul, en Corée du Sud. Cet événement a marqué un tournant pour l'IA, en démontrant que les machines pouvaient maîtriser des domaines complexes, intuitifs et créatifs. Le "coup 37" d'AlphaGo dans la deuxième partie contre Lee Sedol, un jeu non conventionnel, a stupéfié les commentateurs et montré la capacité de l'IA à élaborer des stratégies qui vont au-delà de la sagesse conventionnelle de l'homme.

Après son triomphe sur Lee Sedol, une version encore plus puissante, AlphaGo Master, a battu le numéro un mondial, Ke Jie, 3-0 en mai 2017. Après cette victoire décisive, DeepMind a annoncé le retrait d'AlphaGo du jeu compétitif, déclarant que le projet avait atteint son objectif principal. L'accent a alors été mis sur la généralisation des techniques d'IA sous-jacentes. Cela a conduit au développement d'AlphaGo Zero en octobre 2017, une version qui a appris à jouer au Go entièrement à partir de zéro, sans aucune donnée de jeu humaine, et qui a rapidement surpassé toutes les versions précédentes d'AlphaGo. Les principes d'AlphaGo Zero ont été généralisés dans AlphaZero en décembre 2017, un algorithme capable de maîtriser les échecs, le shogi et le Go à un niveau surhumain en quelques heures, uniquement par le biais de l'auto-jeu.

Les conséquences du succès d'AlphaGo ont été profondes, inspirant une nouvelle ère de recherche en IA et démontrant le potentiel de l'apprentissage par renforcement et des réseaux neuronaux profonds dans divers domaines. Son héritage technique est évident dans les percées ultérieures de Google DeepMind, comme AlphaFold, qui a révolutionné la prédiction de la structure des protéines en 2020 et a valu à ses créateurs, dont Demis Hassabis, le prix Nobel de chimie en 2024. En mars 2026, Google DeepMind continue d'exploiter ces principes fondamentaux de l'IA dans sa quête de l'intelligence artificielle générale (AGI) et pour résoudre des problèmes complexes dans le monde réel. Parmi les développements récents, citons l'annonce en décembre 2025 d'un nouveau laboratoire de recherche automatisé au Royaume-Uni pour 2026, axé sur la découverte de nouveaux matériaux supraconducteurs à l'aide de l'IA et de la robotique. En outre, en février 2026, Demis Hassabis, PDG de Google DeepMind, s'est dit optimiste quant à l'émergence de l'AGI dans les cinq prochaines années, soulignant les partenariats et les recherches en cours de DeepMind dans des domaines tels que la découverte scientifique, l'innovation médicale et les solutions au changement climatique.