Quand on déploie un système d’information dans une PME ou qu’on met à jour un parc de postes, on manipule des couches logicielles et matérielles empilées sur plus d’un siècle d’évolutions. Comprendre l’informatique, ce n’est pas seulement connaître le dernier framework à la mode : c’est savoir pourquoi un ordinateur fonctionne comme il fonctionne, et ce qui change dans la manière dont on a le droit de l’utiliser.
Quatre concepts qui font tourner n’importe quel système informatique
Avant de parler d’histoire ou de tendances, on gagne du temps en posant les briques de base. Toute machine informatique, du serveur de datacenter au smartphone, repose sur quatre notions opérationnelles qui n’ont pas changé depuis leur formalisation.
- L’algorithme est une suite finie d’instructions qui transforme une entrée en sortie. C’est le plan de montage que suit le processeur, quel que soit le langage de programmation utilisé.
- L’information, au sens informatique, est un ensemble de données codées en binaire. Un fichier texte, une image, un flux vidéo : tout se réduit à des suites de 0 et de 1 que la machine stocke et traite.
- Le langage de programmation traduit la logique humaine en instructions compréhensibles par la machine. Du C au Python, chaque langage impose ses contraintes de syntaxe et ses usages privilégiés.
- Le système d’exploitation orchestre l’accès au matériel (mémoire, processeur, entrées-sorties) et permet aux programmes de coexister sans conflit.
Sur le terrain, quand un programme plante ou qu’un calcul prend trop de temps, on remonte presque toujours à l’un de ces quatre niveaux. Comprendre l’informatique sur Wiki Dark permet d’ailleurs de creuser chacune de ces couches avec des ressources structurées.
Du calcul mécanique au transistor : les ruptures matérielles en informatique
Les concurrents déroulent volontiers une chronologie année par année. On va plutôt isoler les deux basculements matériels qui changent concrètement la donne quand on travaille avec des machines.
Le passage du mécanique à l’électronique
Les premières machines à calculer (la Pascaline de Blaise Pascal, la machine analytique imaginée par Charles Babbage) fonctionnaient avec des engrenages et des cartes perforées. La limite était physique : plus le calcul était complexe, plus le mécanisme était volumineux et lent.
L’arrivée des tubes à vide pendant la Seconde Guerre mondiale a permis de traiter des données à une vitesse sans commune mesure. Le calcul électronique a rendu possible le programme enregistré, c’est-à-dire la capacité de stocker les instructions dans la mémoire de la machine elle-même, au lieu de recâbler physiquement les circuits pour chaque opération.
Le transistor puis le circuit intégré
Le transistor a remplacé le tube à vide : plus petit, plus fiable, moins énergivore. Quelques années plus tard, le circuit intégré a regroupé des milliers puis des millions de transistors sur une puce. C’est cette miniaturisation qui a ouvert la voie au micro-ordinateur personnel dans les années 1970-1980, puis aux appareils portables que nous utilisons au quotidien.
En pratique, chaque bond de miniaturisation a divisé le coût du calcul et élargi le public. Un ordinateur qui occupait une pièce entière dans les années 1950 tient aujourd’hui dans une poche.
Réseau, web et cloud : quand l’ordinateur cesse d’être isolé
Le deuxième grand virage n’est pas matériel mais architectural. Tant qu’un ordinateur travaillait seul, sa puissance restait locale. La mise en réseau a tout changé.
Le protocole TCP/IP, socle technique d’Internet, a standardisé la communication entre machines hétérogènes. Le web, couche applicative apparue au début des années 1990, a rendu cette interconnexion accessible à des non-spécialistes grâce au navigateur et au lien hypertexte.
Le cloud computing a déplacé la puissance de calcul hors de l’entreprise. Au lieu d’acheter et de maintenir des serveurs, on loue de la capacité à la demande. Pour une équipe terrain, cela signifie qu’un technicien peut accéder à une application métier depuis n’importe quel site, à condition d’avoir une connexion réseau correcte.
Les retours varient sur ce point selon la couverture locale, mais le principe reste le même : le poste de travail devient un terminal, la puissance est ailleurs.
AI Act et régulation par niveau de risque : ce qui change pour les systèmes informatiques
On parle beaucoup d’intelligence artificielle, moins du cadre légal qui s’applique désormais aux systèmes qui l’utilisent. Le règlement européen 2024/1689, appelé AI Act, est entré en vigueur le 1er août 2024. Il introduit une grille de lecture inédite : un système informatique est classé selon le risque qu’il fait peser sur la sécurité, la santé et les droits fondamentaux, et non selon la technologie qu’il embarque.
Quatre niveaux de risque à connaître
- Risque inacceptable : le système est interdit (notation sociale généralisée, manipulation subliminale).
- Haut risque : le système est autorisé sous conditions strictes de documentation, de supervision humaine et de conformité (recrutement automatisé, dispositifs médicaux).
- Risque limité : des obligations de transparence s’appliquent (chatbots, deepfakes).
- Risque minimal ou nul : pas de contrainte spécifique (filtres anti-spam, jeux vidéo).
Concrètement, une même infrastructure cloud ou un même outil analytique peut basculer d’une catégorie à l’autre selon l’usage qui en est fait. Pour une équipe qui déploie un logiciel de gestion RH intégrant de l’IA, la question n’est plus « quel algorithme utilise-t-on ? » mais « quel impact ce système a-t-il sur les personnes concernées ? ».
La régulation par le risque d’usage transforme la gouvernance informatique en imposant une évaluation en amont, avant même la mise en production. C’est un tournant par rapport aux décennies précédentes où la réglementation visait surtout la protection des données personnelles (RGPD) sans qualifier la dangerosité du traitement lui-même.
L’informatique, du boulier au cloud régulé, reste une discipline où chaque couche technique hérite de la précédente. Ce qui change radicalement depuis 2024, c’est que le droit ne regarde plus seulement ce que la machine fait, mais ce que son utilisation peut provoquer. Pour toute organisation qui exploite des systèmes numériques, intégrer cette logique de risque dès la conception n’est plus une option.