Je codais des backprops à la main en 2018 — voici ce que ça m'a appris sur l'IA en 2026

2018 : quand personne ne parlait de GPT

En 2018, j'étais data scientist depuis 4 ans, spécialisé en traitement du signal en neurosciences. Cette année-là, j'ai décidé de plonger dans le deep learning avec la spécialisation d'Andrew Ng sur Coursera.

Neural Networks. CNNs. Sequence Models. Hyperparameter tuning. 5 cours, 5 certificats. Des soirées entières à débugger des vanishing gradients et à entraîner des modèles sur mon GPU.

Pourquoi ? Parce que je sentais que ces outils allaient transformer ma façon d'analyser les signaux neuronaux.

Le state of the art de l'époque

Pour mesurer le chemin parcouru, voici ce qui définissait le paysage en 2018 :

• ResNet pour la vision par ordinateur
• Les LSTMs pour les données séquentielles
• Le transfer learning commençait à peine à se démocratiser
• GPT-1 venait de sortir... dans l'indifférence générale

Pas d'agents, pas de prompt engineering, pas de ChatGPT. Le deep learning était encore un domaine de spécialistes qui codaient leurs architectures from scratch.

8 ans plus tard : un paysage méconnaissable

En 2026, les Transformers ont tout balayé. On ne code plus des architectures from scratch, on orchestre des agents qui raisonnent et utilisent des outils. Le prompt engineering a remplacé le feature engineering. L'IA générative est passée du labo à la salle de réunion du CEO.

La vitesse de transformation est vertigineuse. Mais les fondamentaux, eux, n'ont pas changé.

Ce que 2018 m'a appris et qui reste vrai en 2026

Comprendre les fondamentaux fait toute la différence

Ceux qui savent ce qu'il y a "sous le capot" prennent de meilleures décisions, même quand ils utilisent des API. Savoir comment fonctionne un réseau de neurones, comprendre le gradient descent, maîtriser les biais d'un modèle : ces connaissances sont un avantage durable.

La curiosité bat l'expertise figée

Pharmacie, neurosciences, data science, deep learning, IA générative. Ce n'est pas un accident. C'est une stratégie d'empilement : chaque compétence acquise enrichit la suivante. Dans un domaine qui évolue aussi vite que l'IA, la capacité à apprendre est plus précieuse que n'importe quelle expertise ponctuelle.

Le meilleur moment pour se former, c'était hier

Le deuxième meilleur moment, c'est maintenant. Les entreprises qui attendent que l'IA soit "mature" pour s'y intéresser prennent du retard chaque jour.

12 ans de data science, et ce n'est que le début

Aujourd'hui, après 12 ans de data science, j'accompagne des PME et des startups biotech/pharma dans leur adoption de l'IA. Et chaque jour, je remercie ce data scientist de 2018 qui a décidé de plonger.

Vous vous demandez comment l'IA peut transformer vos processus ? Réservez un appel découverte de 30 minutes pour en discuter. C'est gratuit et sans engagement.