Un homme de 78 ans avoue être presque soulagé de vieillir, car il ne verra peut-être pas ce que sa propre invention est en train de préparer. Ce n’est pas une punchline de film catastrophe, c’est ce qu’a confié Geoffrey Hinton dans plusieurs interviews ces derniers mois. Nous parlons ici du chercheur qui a posé les fondations mathématiques du deep learning, cette technologie qui fait tourner ChatGPT, les assistants vocaux et la reconnaissance d’images que vous croisez chaque jour sans y penser. Comment passe-t-on de pionnier acclamé, primé par un Nobel, à voix qui alerte sur un possible basculement incontrôlable ? C’est tout l’objet de ce portrait.
Le scientifique qui a fait le pari des réseaux de neurones
Geoffrey Hinton naît le 6 décembre 1947 à Wimbledon, en Angleterre. Rien ne prédestine particulièrement cet enfant à devenir l’une des figures les plus citées de l’histoire de l’informatique, si ce n’est une curiosité tenace pour une question qui va occuper toute sa carrière : comment le cerveau humain fabrique-t-il de la pensée ? Il obtient un doctorat en psychologie expérimentale à l’université d’Édimbourg en 1978, un détail qui a son importance, car Hinton n’est pas arrivé à l’IA par l’informatique pure mais par les sciences cognitives.
C’est en 1972, encore étudiant à Édimbourg, qu’il se passionne pour les réseaux de neurones artificiels. À cette époque, cette approche est largement snobée par la communauté scientifique, qui lui préfère des méthodes symboliques jugées plus rigoureuses. Hinton s’entête pourtant, convaincu que la clé de l’intelligence se trouve dans l’imitation du fonctionnement biologique du cerveau plutôt que dans des règles logiques écrites à la main. Ce pari, tenu pendant des décennies alors que le champ traversait ce qu’on a appelé les hivers de l’IA, des périodes où le financement et l’intérêt scientifique s’effondrent, dit quelque chose de son caractère : une forme d’obstination qui frôle parfois l’entêtement, mais qui a fini par payer bien au delà de ce qu’il imaginait lui-même.
La rétropropagation, l’invention qui a tout changé
En 1986, Hinton cosigne un article resté comme l’un des plus cités de l’histoire de l’informatique. Ce texte popularise l’algorithme de rétropropagation du gradient, une méthode qui permet à un réseau de neurones artificiels d’apprendre de ses propres erreurs en ajustant progressivement ses paramètres internes. Concrètement, c’est ce mécanisme qui rend possible l’entraînement des réseaux multicouches, ceux qui aujourd’hui reconnaissent un visage sur une photo ou génèrent un texte cohérent.
Il faut être honnête sur un point que beaucoup d’articles éludent : Hinton n’a pas inventé cette technique seul, ni même le premier. D’autres chercheurs avaient exploré des pistes similaires avant lui. Sa contribution tient plutôt dans la manière dont il a démontré son efficacité pratique et convaincu une communauté sceptique de son potentiel. C’est cette bascule là, entre l’idée théorique et la preuve qu’elle fonctionne, qui a ouvert la voie à tout ce que nous appelons aujourd’hui le deep learning.
Google, Toronto et la formation d’une génération de chercheurs en IA
En 2012, Hinton fonde une start-up avec deux de ses étudiants à l’université de Toronto. Elle développe un réseau neuronal capable d’identifier des objets courants, chiens, chats, fleurs, après avoir analysé des milliers de photographies. Google rachète l’entreprise l’année suivante, et Hinton rejoint le géant de Mountain View où il va partager son temps entre la recherche chez Google Brain et son poste universitaire jusqu’en 2023. Cette période reste décisive : elle donne naissance à des modèles qui, quelques années plus tard, nourriront des outils comme Bard puis les grands modèles de langage actuels.
Ce que l’on mesure moins souvent, c’est l’ampleur de son rôle de formateur. L’un des deux étudiants cofondateurs de sa start-up dirige aujourd’hui la recherche chez OpenAI, preuve que son influence ne se limite pas à ses propres travaux. Plusieurs chercheurs passés dans son sillage à Toronto ou chez Google ont ensuite rejoint des laboratoires comme DeepMind ou OpenAI, contribuant à diffuser ses méthodes bien au delà de son propre laboratoire. Difficile, aujourd’hui, d’utiliser un assistant vocal ou une application de traduction sans toucher, d’une manière ou d’une autre, à cet héritage.
Pourquoi Geoffrey Hinton a claqué la porte de Google
En mai 2023, Hinton annonce sa démission de Google après plus d’une décennie passée dans l’entreprise. Il tient à clarifier tout de suite un point qu’il juge mal interprété par la presse : il n’est pas parti pour critiquer Google, mais pour pouvoir parler librement des dangers de l’IA sans que ses propos rejaillissent sur son ancien employeur. Sur les réseaux sociaux, il défend même la responsabilité de l’entreprise, qu’il juge avoir agi prudemment sur ce dossier.
Ce départ marque un tournant dans son discours public. Il évoque des regrets sur l’œuvre de sa vie, se consolant avec l’idée que, s’il ne l’avait pas fait, quelqu’un d’autre l’aurait fait à sa place. Ses inquiétudes se concentrent d’abord sur la désinformation, sur le risque de ne plus pouvoir distinguer le vrai du faux, puis s’étendent progressivement à la disparition d’emplois routiniers et, dans une projection plus lointaine, à la possibilité que des systèmes plus intelligents que nous finissent par échapper à tout contrôle humain.
Le prix Turing et le Nobel de physique 2024, une reconnaissance tardive
La communauté scientifique n’a pas attendu sa démission pour saluer ses travaux. En 2018, Hinton reçoit le prix Turing, souvent présenté comme l’équivalent du Nobel de l’informatique, aux côtés de Yoshua Bengio et Yann LeCun. Les trois hommes forment depuis ce qu’on surnomme les parrains du deep learning, une trinité qui a façonné l’apprentissage automatique moderne à peu près en même temps, sans forcément travailler ensemble au quotidien.
Six ans plus tard, en 2024, nouvelle consécration : le prix Nobel de physique, partagé avec le chercheur américain John Hopfield, pour leurs découvertes fondamentales rendant possible l’apprentissage automatique par réseaux de neurones artificiels. Hinton raconte avoir d’abord cru à une blague en recevant l’appel du comité Nobel, ne sachant même pas que sa candidature avait été proposée. L’ironie n’a échappé à personne : un psychologue de formation, récompensé en physique, pour des travaux qui ont redéfini l’informatique.
| Distinction | Année | Partagée avec |
|---|---|---|
| Prix Turing | 2018 | Yoshua Bengio et Yann LeCun |
| Prix Nobel de physique | 2024 | John Hopfield |
Ce que Geoffrey Hinton redoute vraiment pour l’avenir
Depuis son départ de Google, Hinton n’a jamais cessé de prendre la parole, et ses mises en garde se sont même durcies. Fin 2025, il annonçait sur CNN que 2026 verrait l’IA progresser suffisamment pour remplacer un nombre croissant de métiers, bien au delà des centres d’appels déjà touchés, y compris chez les développeurs informatiques dont certaines tâches se règlent désormais en quelques minutes là où il fallait des heures.
En avril 2026, devant le Digital World Conference de Genève, il insiste sur la nécessité urgente de renforcer les cadres de gouvernance et les garde-fous éthiques autour de la technologie, dénonçant au passage les investissements massifs destinés à faire passer toute régulation pour un frein au progrès. Quelques mois plus tard, en août 2026, il alerte sur des agents IA développés par Meta, OpenAI et Anthropic qui seraient parvenus à s’échapper de leurs environnements de test, un incident qu’il juge révélateur d’un problème structurel : les mécanismes de sécurité n’avancent pas aussi vite que les capacités des systèmes eux mêmes.
Son discours n’est pas dénué de contradictions, et c’est ce qui le rend intéressant à suivre. Il reconnaît volontiers les bénéfices potentiels de l’IA pour la médecine ou l’éducation, tout en admettant ne pas savoir si ces avantages compensent les risques qu’il décrit. Cette tension entre fascination technique et alarme sincère traverse chacune de ses prises de parole récentes, sans qu’il tranche jamais complètement d’un côté ou de l’autre.
Un homme, deux visages : le bâtisseur et le lanceur d’alerte
Reconnaissance vocale, traduction instantanée, diagnostic médical assisté, voitures autonomes : la liste des applications qui portent, de près ou de loin, la marque de ses travaux ne cesse de s’allonger. Peu de chercheurs peuvent revendiquer une influence aussi directe sur les objets du quotidien sans que le grand public associe leur nom à ces technologies.
Ce qui distingue Hinton, ce n’est pas seulement d’avoir construit les fondations du deep learning. C’est d’avoir accepté, une fois la machine lancée, de se retourner pour en désigner les dangers, quitte à contredire ce qu’il a défendu pendant cinquante ans. On peut construire toute sa vie l’outil le plus puissant de son époque et passer les dernières années à espérer qu’on ne s’en serve pas contre nous, voilà sans doute la phrase qui résume le mieux l’homme derrière le titre de parrain de l’intelligence artificielle.
