Au cours de la dernière décennie, les techniques fondées sur l'apprentissage profond ont connu une utilisation croissante dans l'analyse d'images, de vidéos et de sons, s'attaquant ainsi à des tâches qui, pendant de nombreuses années, étaient exclusivement réservées à la perception humaine. Cette présentation met en lumière certains aspects visant à expliquer les performances exceptionnelles de ces méthodes dans les tâches supervisées, et plus récemment, dans les tâches génératives. De plus, elle illustre certaines limites inhérentes à ces méthodes, tout en examinant certaines des pistes de recherche actuellement explorées au sein de la communauté de l'intelligence artificielle.