Le tsunami actuel de l’apprentissage profond (le retour hypervitaminé des réseaux de neurones artificiels) a récemment montré qu’il s’applique non plus seulement aux tâches et applications plus traditionnelles de l’apprentissage machine statistique, c’est-à-dire, la prédiction et la classification, mais qu’il a d’ores et déjà conquis d’autres domaines, tels que la traduction, la synthèse de la voix, et la génération de contenu (images, musique, texte). Dans cet exposé, nous tâcherons d’analyser les raisons objectives derrière le succès actuel, ainsi que certains fantasmes liés au terme intelligence artificielle. Nous introduirons les bases de l’apprentissage profond, hérité à la fois de techniques statistiques (régression linéaire et logistique) et neurophysiologiques (système de vision), et analyserons son développement historique, en compétition régulière avec l’intelligence artificielle symbolique. Nous présenterons des exemples de réalisations actuelles, notamment en matière de génération de contenu. Nous aborderons également certains enjeux et limites (manque de contexte, hyper-spécialisation des modèles, interprétabilité, corrélation n’est pas causation).