John McCarthy : père de l’Intelligence Artificielle et visionnaire de la technologie

Il est le premier à avoir prononcé l’expression « intelligence artificielle » dans une proposition rédigée le 31 août 1955. Et aussi le premier à avoir exposé une voie pour son développement. John McCarthy a été à l’initiative de nombreux projets dans le jeu d’échecs comme la robotique. Qui était ce pionnier de l’IA ?

John McCarthy en bref

Né le 4 septembre 1927 à Boston et décédé le 24 octobre 2011 à Stanford, John McCarthy est un mathématicien et informaticien américain, souvent présenté comme l’un des « pères de l’intelligence artificielle ». Ses travaux ont ouvert la voie à des approches modernes telles que le Deep Learning (vision par ordinateur et NLP). Diplômé de Caltech en 1948, docteur en mathématiques à Princeton en 1951, il enseigne ensuite au Dartmouth College et au MIT avant de rejoindre Stanford en 1962, où il fonde le Stanford AI Lab.

• Dates clés : 4 septembre 1927, Boston, 24 octobre 2011, Stanford.
• Formation : mathématiques à Caltech (licence, 1948), doctorat à Princeton (1951).
• Postes majeurs : Dartmouth College (à partir de 1955), MIT (fin des années 1950, début 1960), Stanford University (professeur titulaire dès 1962, fondateur du Stanford AI Lab en 1965).
• Contributions fondatrices : il propose le 31 août 1955 l’expression « intelligence artificielle » et co-organise à l’été 1956 le Dartmouth Summer Research Project on AI ; il crée le langage LISP en 1958 et est pionnier du « temps partagé » sur ordinateur.
• Distinctions : Prix Turing (1971), Kyoto Prize (1988), National Medal of Science (1990).

Quand et pourquoi a-t-il forgé le terme « intelligence artificielle » ?

Il est le premier à avoir prononcé l’expression « intelligence artificielle » dans une proposition rédigée le 31 août 1955. Ce texte, A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence, cosigné avec Marvin Minsky, Nathaniel Rochester et Claude Shannon, planifie une étude d’été au Dartmouth College en 1956. L’idée mûrit depuis la fin des années 1940 : à Caltech, McCarthy assiste au Symposium Hixon où l’on compare les mécanismes mentaux à ceux de l’ordinateur, et il se met à rêver de machines capables de simuler la pensée humaine. À Princeton, au contact de John von Neumann, il affine l’ambition d’utiliser la logique et l’informatique pour appréhender des concepts du monde réel.

Pourquoi forger ce terme ? McCarthy veut baptiser et cadrer un champ de recherche autonome fondé sur une hypothèse forte : chaque aspect de l’apprentissage ou de l’intelligence peut, en principe, être décrit avec une précision suffisante pour être simulé par une machine. Le nom « Artificial Intelligence » sert à fédérer des travaux disparates sur le langage, la formation d’abstractions et de concepts, les réseaux de neurones, la complexité du calcul, la résolution de problèmes et l’auto-amélioration, et à distinguer cette ambition scientifique de la simple automatisation. Ce positionnement explique l’organisation, dès l’été 1956, de la rencontre de Dartmouth pour stimuler une réflexion collective autour de cette nouvelle discipline.

Que proposait exactement la conférence de Dartmouth (1956) ?

L’atelier d’été tenu à Dartmouth en 1956 a posé l’ambition fondatrice de l’IA : étudier, de manière coordonnée, comment des machines pourraient reproduire des fonctions réputées « intelligentes ». John McCarthy, avec Marvin Minsky, Claude Shannon et Nathaniel Rochester, a formulé l’hypothèse centrale selon laquelle « tout aspect de l’apprentissage […] peut être décrit avec une telle précision qu’une machine puisse le simuler ». Financé en partie par la Fondation Rockefeller, l’atelier devait réunir, pendant deux mois, une dizaine de chercheurs triés sur le volet pour obtenir une « avancée significative » en un été. Cette proposition a contribué à distinguer l’intelligence artificielle de la simple automatisation, et à inscrire durablement l’intuition de McCarthy dans l’histoire des sciences du calcul et de la cognition.

La proposition de 1955 : définition et objectifs

Rédigée le 31 août 1955, la proposition « A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence » définit l’IA comme un programme de recherche visant à faire utiliser le langage aux machines, à former des abstractions et des concepts, à résoudre des problèmes « réservés aux humains », et à s’améliorer elles‑mêmes. Les auteurs y écrivent : « Nous proposons qu’une étude de deux mois […] soit réalisée durant l’été 1956 au Dartmouth College. »

1. Ordinateurs automatiques : toute tâche réalisable par une machine peut, en principe, être simulée par un calculateur programmé. L’obstacle majeur tient moins à la puissance qu’à notre capacité à écrire les bons programmes.
2. Langage : explorer comment programmer un ordinateur pour qu’il utilise une langue, en manipulant des mots selon des règles de raisonnement et de conjecture.
3. Réseaux de neurones : étudier l’organisation de neurones hypothétiques capables de former des concepts, en prolongeant des travaux déjà engagés.
4. Taille d’un calcul : développer des critères d’efficacité et une théorie de la complexité pour éviter l’exploration exhaustive des solutions.
5. Amélioration personnelle : concevoir des schémas par lesquels une machine véritablement intelligente pourrait s’auto‑améliorer.
6. Abstractions : classifier les types d’abstraction et décrire des méthodes de formation d’abstractions à partir de données sensorielles et autres.
7. Aléatoire et créativité : étudier l’injection contrôlée d’aléatoire, guidée par l’intuition, pour expliquer la pensée créative.

En cadrant un effort collectif et pluridisciplinaire, la proposition de 1955 a ouvert un champ scientifique autonome. Elle a fourni des hypothèses testables, des objectifs concrets et un plan d’action court mais intensif pour amorcer la construction de systèmes artificiels capables de langage, de généralisation, de résolution de problèmes et d’auto‑amélioration.

Simuler la pensée humaine : quelle approche McCarthy défendait-il ?

À partir de la fin des années 1940, inspiré par le Symposium Hixon, John McCarthy se met à rêver de machines capables de simuler la pensée humaine. Il défend une voie « symbolique » : représenter le monde par des symboles et des phrases de logique mathématique, puis faire déduire automatiquement des conséquences à partir de ces connaissances et de nouveaux énoncés. Cette option place la logique du premier ordre, la représentation des connaissances et l’inférence au cœur de l’IA. Elle vise un « programme avec bon sens » capable d’expliquer ses raisonnements, plutôt que d’ajuster des poids numériques opaques. ([www-formal.stanford.edu](https://www-formal.stanford.edu/jmc/narrative/node1.html?utm_source=openai))

Comparée aux approches connexionnistes fondées sur des réseaux de neurones, l’IA symbolique de McCarthy apporte transparence et contrôlabilité, mais elle bute sur l’ampleur des connaissances de sens commun à formaliser. Aujourd’hui, de nombreux travaux cherchent à concilier les deux mondes via des approches neuro-symboliques, où apprentissage statistique et raisonnement logique coopèrent. ([en.wikipedia.org](https://en.wikipedia.org/wiki/Symbolic_artificial_intelligence?utm_source=openai))

En quoi consistait l’Advice Taker ?

Formulé dans « Programs with Common Sense » (1959), l’Advice Taker est un programme conceptuel auquel on « dit » des faits et des règles en langage logique. Il doit en déduire, de lui‑même, un large éventail de conséquences immédiates à partir de ce qu’il sait déjà et de ce qu’on lui ajoute comme « conseils ». Cette esquisse inaugure l’idée d’une base de connaissances explicite couplée à un moteur d’inférence. ([en.wikipedia.org](https://en.wikipedia.org/wiki/Advice_taker?utm_source=openai))

Cas concret illustratif : si on lui déclare que « pour sortir, il faut ouvrir la porte », que « pour ouvrir, il faut la clé », et que « la clé est dans le tiroir », l’Advice Taker pourrait enchaîner les déductions utiles et proposer un plan simple (aller au tiroir, prendre la clé, ouvrir la porte, sortir). Ce type de raisonnement par chaînage logique est précisément ce que McCarthy voulait rendre automatique.

Sens commun et logique non monotone (circumscription)

Pour rapprocher l’IA du raisonnement ordinaire, McCarthy vise la modélisation du sens commun, où l’on raisonne par défaut et l’on révise ses conclusions quand survient une information contraire. Il introduit la circumscription comme logique non monotone qui formalise l’idée que « les choses se passent normalement sauf indication contraire » en minimisant ce qui est considéré comme anormal. La formulation fondatrice paraît en 1980 dans la revue Artificial Intelligence, puis McCarthy en détaille des applications à la représentation du sens commun. ([philpapers.org](https://philpapers.org/rec/MCCCA-2?utm_source=openai))

En parallèle, McCarthy, avec Patrick J. Hayes, propose le situation calculus pour raisonner sur l’action et le changement, en décrivant les états du monde (situations), les actions et les propriétés qui varient avec le temps (fluents). La version la plus diffusée date de 1969. ([en.wikipedia.org](https://en.wikipedia.org/wiki/Situation_calculus?utm_source=openai))

Cadre	Objectif	Idée clé	Exemple rapide
Circumscription	Raisonner par défaut et réviser si nécessaire	Minimiser les prédicats d’« anormalité » pour privilégier les modèles les plus « normaux »	« Les oiseaux volent » par défaut, mais si l’on apprend qu’un oiseau est un pingouin, on retire l’inférence « il vole »
Situation calculus	Représenter actions, effets et persistance des faits	Monde décrit par situations, actions et fluents, avec axiomes d’effets et de non‑changement	Après l’action « ouvrir_porte », le fluent « porte_ouverte » devient vrai, à condition que les prérequis (clé, absence d’obstacle) soient satisfaits

LISP, un langage qui a révolutionné l’IA

À l’automne 1958, John McCarthy conçoit au MIT un langage taillé pour la manipulation d’expressions symboliques. Il juge en effet que le FORTRAN convient mal aux problèmes d’intelligence artificielle et propose une alternative : LISP. Fondé sur des listes et une évaluation d’expressions formelles, LISP permet d’écrire rapidement des programmes qui raisonnent sur des symboles, explorent des arbres d’états et transforment du code comme des données. Il devient ainsi le langage de référence des laboratoires d’IA pendant plusieurs décennies.

Au-delà d’un simple outil, LISP installe une manière de programmer l’IA : itérative, interactive et orientée connaissances. Du premier interpréteur au standard Common Lisp, en passant par des systèmes experts et les « machines Lisp », il a façonné l’écosystème de recherche, les environnements interactifs (REPL) et la métaprogrammation qui inspirent encore des langages modernes.

Quelles innovations techniques a apporté LISP ?

• Listes et S-expressions, homoiconicité : le programme et les données partagent la même représentation en listes. Utile en IA pour générer, transformer et raisonner sur des règles, des arbres syntaxiques ou des graphes d’états.
• Récursivité et fonctions d’ordre supérieur : l’exploration d’arbres, la recherche et l’unification de structures symboliques s’expriment naturellement, ce qui accélère le prototypage d’algorithmes d’inférence.
• Évaluation d’expressions et REPL : la fonction eval et l’environnement interactif permettent de tester des heuristiques, d’ajuster des règles et d’itérer rapidement sur des modèles de résolution.
• Garbage collection : la gestion automatique de la mémoire libère le chercheur de la manipulation manuelle de pointeurs, essentielle quand on crée et détruit de vastes structures symboliques pendant une recherche.
• Macros : possibilité d’étendre la syntaxe pour créer des mini-langages adaptés aux problèmes d’IA : systèmes de règles, moteurs d’inférence, planificateurs, tout en restant dans l’écosystème Lisp.
• Typage dynamique et fermetures : la flexibilité des représentations et la capture de contexte aident à modéliser connaissances, exceptions et méta-stratégies de recherche.

En combinant représentation symbolique, métaprogrammation et interactivité, LISP a offert un terrain d’expérimentation idéal pour la recherche en planification, compréhension du langage, raisonnement et systèmes experts.

Démos et usages emblématiques

1. Premier interpréteur Lisp au MIT (1959, 1960) : l’évaluation de S-expressions tourne sur un IBM 704, inaugurant le cycle écrire‑évaluer‑imprimer. Très vite, Lisp 1.5 et son manuel diffusent méthodes et bibliothèques dans les labos.
2. SHRDLU de Terry Winograd (vers 1970) : dialogue en langage naturel dans un « monde de blocs », avec analyse syntaxique, raisonnement et planification, écrit en Lisp et devenu une démonstration marquante du potentiel de l’IA symbolique.
3. DENDRAL puis MYCIN à Stanford (années 1965, 1976) : systèmes experts pionniers en chimie analytique et en diagnostic médical, développés en Lisp, qui popularisent règles de production, explication des décisions et séparation connaissances/moteur d’inférence.

Ces réalisations, suivies par l’essor des machines Lisp et la normalisation Common Lisp, ont établi un socle technique et méthodologique durable pour l’IA, autant dans la recherche que dans l’ingénierie de systèmes fondés sur la connaissance.

Qu’a accompli le laboratoire d’IA de Stanford (SAIL) ?

Créé au milieu des années 1960 sous l’impulsion de John McCarthy (avec l’appui de Les Earnest) et équipé en 1965 d’un ordinateur PDP-6 financé par la DARPA, le Stanford Artificial Intelligence Laboratory a donné à l’IA un lieu, une équipe et une identité scientifique. Installé dans les collines au‑dessus du campus, le SAIL a servi de point de ralliement interdisciplinaire pour l’informatique, la robotique et la vision par ordinateur, avec des avancées marquantes en systèmes interactifs de conception, en vision, en impression laser et en assemblage automatique, ainsi que les premiers écrans d’ordinateur de bureau dès 1971.

Sur le plan institutionnel, le SAIL est devenu la plaque tournante de l’IA à Stanford : il forme des générations d’ingénieurs et de chercheurs, anime des groupes de recherche couvrant l’ensemble du champ (vision, langage, robotique, apprentissage automatique, renforcement, santé, etc.), et agit comme passerelle entre l’université, les agences publiques et l’écosystème industriel de la Silicon Valley.

Quels projets majeurs ont marqué le SAIL ?

• 1969 : le Stanford Arm de Victor Scheinman, un bras robotisé à 6 degrés de liberté conçu pour un contrôle entièrement informatique, devenu une référence pour la robotique industrielle.
• Années 1960, 1980 : le Stanford Cart, robot mobile progressivement autonomisé, qui démontre en 1979 une navigation avec évitement d’obstacles et influence durablement la robotique mobile.
• 2005 : Stanley, le véhicule autonome de l’équipe Stanford Racing, remporte le DARPA Grand Challenge et contribue à lancer la vague moderne des voitures autonomes.
• Travaux structurants : systèmes interactifs de conception, percées en vision par ordinateur, impression laser et assemblage automatique, ainsi que les premiers affichages de bureau en 1971.

Au‑delà des prototypes, l’effet démultiplicateur du SAIL se lit dans ses talents : Hans Moravec (robotique mobile), Sebastian Thrun (Stanley puis véhicules autonomes) ou encore Fei‑Fei Li (direction du SAIL et lancement d’ImageNet) illustrent comment le laboratoire irrigue la recherche mondiale et l’industrie.

Une vision éthique et prospective de l’IA

Le travail de McCarthy a permis de tracer les contours de la recherche en IA. Visionnaire, il a aussi posé des repères éthiques et prospectifs clairs, toujours datés et argumentés. En 1955 (proposition du 31 août), il avance l’hypothèse fondatrice selon laquelle tout aspect de l’intelligence peut être décrit avec une précision telle qu’une machine puisse le simuler. En 1959 (« Programs with Common Sense »), il met l’accent sur la formalisation du bon sens, c’est‑à‑dire la capacité d’agir de façon sûre dans le monde ordinaire. En 1979 (« Ascribing Mental Qualities to Machines »), il défend l’idée que l’on peut, avec prudence, attribuer des états mentaux à des artefacts quand cela éclaire leur comportement. En 1983 (« The Little Thoughts of Thinking Machines »), il insiste sur la responsabilité des concepteurs et sur la maîtrise par l’utilisateur. Enfin, en 2000 (« Free Will, even for Robots »), il montre que des machines utiles devront modéliser des choix et leurs conséquences, sans pour autant soustraire le contrôle ultime à l’humain. Dans cette trajectoire, McCarthy reste convaincu que l’IA doit être développée dans le sens d’un bénéfice pour l’humanité.

Côté risques, McCarthy récuse les peurs diffuses et plaide pour des exigences concrètes : spécifier les objectifs, représenter les croyances de la machine quand cela aide à prévoir son comportement, et concevoir des systèmes gouvernables. Sa ligne directrice, dès 1983, est explicite : un programme doit être pensé comme un serviteur que son utilisateur peut contrôler. Côté prévisions, il vise l’intelligence de niveau humain à long terme, tout en soulignant qu’elle nécessite des idées nouvelles et des garanties de sûreté alignées sur des usages réels, non sur la fiction.

Quelles positions McCarthy défendait-il sur l’éthique et la sécurité ?

Autonomie des machines : pour McCarthy, l’autonomie utile relève de la capacité à considérer des options et leurs effets (« je peux, mais je ne veux pas »), modélisée formellement dès 2000. Contrôle humain : la machine doit rester paramétrable et interrompable, car sa « psychologie » reflète les choix de ses concepteurs (1983). Conscience et droits : il participe au débat en montrant qu’on peut attribuer, par économie d’expression, des croyances simples à un système technique quand cela éclaire son état, sans conclure pour autant à une conscience ni à des droits assimilables à ceux des humains (1979). L’éthique, chez lui, est donc pragmatique : rendre les systèmes prévisibles, vérifiables et sous responsabilité humaine, avant d’ouvrir la question de nouveaux statuts moraux.

Données / preuves : en 1979, il illustre l’attribution minimale d’états mentaux par l’exemple du thermostat, qui peut être dit « croire » que la pièce est trop chaude, trop froide ou correcte, si cela aide à décrire son fonctionnement. En 1983, il écrit qu’un programme doit être conçu comme un serviteur, l’utilisateur devant pouvoir le contrôler, ce qui ancre la responsabilité côté concepteurs et opérateurs. En 2000, il formalise une « volonté » compatible avec le déterminisme pour des robots capables d’examiner leurs choix, tout en restant soumis à des objectifs donnés par l’humain. Ces jalons, associés à l’hypothèse de 1955 et à l’ambition d’un niveau humain posée dans ses textes de synthèse, définissent une éthique de l’IA orientée vers l’utilité, la sûreté et la redevabilité.

Quelles distinctions et publications majeures retenir ?

Pour mesurer l’empreinte de John McCarthy sur l’IA, on retient des distinctions internationales de premier plan et un corpus de textes fondateurs. De la proposition de Dartmouth (1955) à LISP puis à la « circumscription », ses contributions ont posé les bases d’une IA symbolique et rationnelle toujours citée aujourd’hui.

Quels prix et distinctions a-t-il reçus ?

• 1971 : ACM A. M. Turing Award.
• 1988 : Kyoto Prize (Advanced Technology).
• 1990 : National Medal of Science des États‑Unis.

Œuvres et articles incontournables

• 1955 : A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence (texte fondateur définissant l’objet et l’ambition de l’IA, réf. jmc.stanford.edu).
• 1959 : Programs with Common Sense (idée de l’« Advice Taker », raisonnement symbolique et bon sens, réf. jmc.stanford.edu).
• 1960 : Recursive Functions of Symbolic Expressions and Their Computation by Machine, Part I (formalisation du langage LISP, réf. jmc.stanford.edu).
• 1962 : LISP 1.5 Programmer’s Manual (manuel de référence pour la programmation en LISP, réf. jmc.stanford.edu).
• 1963 : Situations, Actions, and Causal Laws (représentation des actions et du changement, réf. jmc.stanford.edu).
• 1980 : Circumscription: A Form of Non‑Monotonic Reasoning (raisonnement non monotone et par défaut, réf. jmc.stanford.edu).

Influence et postérité de John McCarthy

John McCarthy (1927, 2011) a souvent été désigné comme l’un des « pères de l’intelligence artificielle », non seulement parce qu’il a inventé le terme, mais aussi parce qu’il a ouvert de nombreuses pistes de recherche qui influencent encore les technologies contemporaines et l’enseignement de l’IA.

• Représentation des connaissances et « bon sens » : avec son article « Programs with Common Sense », il promeut l’usage de la logique mathématique pour modéliser des faits, des croyances et des actions. Cette idée irrigue toujours les travaux en représentation des connaissances et en raisonnement symbolique enseignés dans les cursus d’IA.
• Planification et résolution de problèmes : la proposition de Dartmouth posait l’ambition de décrire l’apprentissage et l’intelligence avec assez de précision pour être simulés par une machine. Ce cadre continue d’inspirer la planification, la modélisation d’objectifs et la recherche de plans dans les systèmes intelligents.
• Langages et outils : créateur de LISP, devenu le langage de prédilection des programmes d’IA pendant des décennies, McCarthy a façonné des habitudes de programmation symbolique qui perdurent. L’héritage se prolonge avec Common Lisp normalisé en 1994 et avec des paradigmes toujours étudiés en cours d’IA.
• Infrastructures de calcul et pratiques pédagogiques : ses travaux sur le time-sharing ont favorisé l’accès partagé aux ordinateurs, pratique qui a soutenu la recherche collaborative et les environnements d’apprentissage interactifs dans les laboratoires.
• Laboratoires et formation de générations entières : du MIT à Stanford, où naît le Stanford AI Lab, ses équipes explorent reconnaissance vocale et faciale, manipulation mécanique et robotique (avec, entre autres, les bras conçus par Victor Scheinman). Ces lieux ont formé des cohortes d’ingénieurs et chercheurs qui diffusent encore ses approches logiques et symboliques.
• Récompenses et reconnaissance : Prix Turing (1971), Prix de Kyoto (1988) et National Medal of Science (1990) ont consacré une œuvre fondatrice qui demeure une référence dans les programmes académiques et les recherches actuelles.
• Vision éthique et collaborative : convaincu que l’IA devait bénéficier à l’humanité, McCarthy a promu une culture de coopération qui marque encore la recherche ouverte et l’enseignement par projets.

Repères chronologiques

Frise synthétique des jalons majeurs de la vie et de l’œuvre de John McCarthy, pour une lecture rapide.

Date	Repère
4 sept. 1927	Naissance à Boston (Massachusetts, USA).
1948	Diplôme de mathématiques à Caltech.
1951	Doctorat de mathématiques à Princeton.
31 août 1955	Proposition qui introduit l’expression « intelligence artificielle » (A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence).
Été 1956	Conférence de Dartmouth, projet de recherche d’été sur l’IA (avec M. Minsky, N. Rochester, C. Shannon).
1958	Invention du langage LISP; rédaction de « Programs with Common Sense ».
1960	Publication de « Recursive Functions of Symbolic Expressions and Their Computation by Machine » (CACM), texte fondateur sur LISP.
1962	Rejoint l’université de Stanford comme professeur titulaire.
1965	Financement d’un PDP‑6 par la DARPA, aboutissant à la création du laboratoire d’IA de Stanford (SAIL).
Années 1960, 1970	Travaux au SAIL, robotique (collaboration avec Victor Scheinman), reconnaissance vocale et visuelle.
1971	Prix Turing.
1988	Kyoto Prize.
1990	National Medal of Science (États‑Unis).
24 oct. 2011	Décès à Stanford (Californie, USA).

Où trouver les sources primaires et en savoir plus ?

• Site personnel de John McCarthy (Stanford) : ses textes, notes et dossiers en accès libre
  • jmc.stanford.edu (Project JMC)
  • www-formal.stanford.edu/jmc (miroir historique avec index complet des articles)
  • Version hébergée par Stanford
  • Texte intégral sur le site Stanford
  • Page “About” du SAIL (historique et missions)
  • Archive SAILDART (documents et fichiers historiques liés au SAIL)
  • DBLP, liste de publications en informatique
  • IdRef (autorité universitaire française)
  • Cairn.info, page auteur et références en français
  • Notice officielle ACM A.M. Turing Award
  • Biographical Memoir, National Academy of Sciences (PDF)
  • Stanford News, nécrologie et repères et page In Memoriam du département d’informatique
  • Computer History Museum, Oral History of John McCarthy (transcription)
  • Clio-Texte, retranscription et contextualisation
  Se former à la Data et à l'IA