Le miroir de l'intelligence

RN
août 28, 2026
17 minutes

Les IA ne sont pas intelligentes !

La phrase tombe souvent comme un couperet. Elle a l'avantage des certitudes confortables : elle semble mettre un terme à la discussion avant même qu'elle ne commence.

Son succès repose sur une idée simple. Une intelligence artificielle ne fonctionnerait pas comme un cerveau humain. Elle ne vivrait aucune expérience. Elle ne ressentirait rien. Elle manipulerait des symboles et des probabilités. Dès lors, le verdict paraîtrait évident.

Pourtant, cette conclusion repose sur une hypothèse rarement examinée : savons-nous réellement ce qu'est l'intelligence ?

Ce texte ne prétend pas trancher cette question à la place de qui que ce soit. Il propose plutôt de la retourner. Plutôt que de chercher à savoir si les machines pensent, il s'agit d'abord d'examiner ce qui nous autorise à affirmer qu'elles ne pensent pas — et de vérifier si ces critères, une fois posés sur la table, tiennent vraiment la route.

Une définition qui résiste depuis plus d'un siècle

Depuis les premiers travaux de la psychologie scientifique, chercheurs, philosophes et neuroscientifiques tentent de cerner cette faculté. Les définitions abondent. Certaines insistent sur l'apprentissage. D'autres sur l'adaptation à des situations nouvelles. D'autres encore sur le raisonnement, la résolution de problèmes ou la capacité à atteindre un objectif.

Le plus surprenant n'est pas cette diversité. Le plus surprenant est qu'aucune définition n'ait réussi à s'imposer définitivement.

« Intelligence is what the tests test. »¹ Edwin G. Boring, 1923

Cette formule est souvent citée comme une provocation. Elle pointe pourtant une difficulté bien réelle. Les outils destinés à mesurer une faculté finissent parfois par définir eux-mêmes ce qu'ils prétendent observer.

Lorsqu'une personne résout rapidement des problèmes abstraits, nous parlons volontiers d'intelligence. Lorsqu'un scientifique formule une théorie innovante, nous faisons le même constat. Un musicien capable d'improviser pendant des heures, un artisan maîtrisant un savoir-faire complexe ou un pisteur capable de lire un paysage presque invisible à nos yeux n'entrent pourtant pas toujours dans les mêmes catégories.

Howard Gardner a largement contribué à populariser cette interrogation avec sa théorie des intelligences multiples. Parmi les formes qu'il distingue, l'intelligence interpersonnelle, cette capacité à lire les émotions, les intentions et les états mentaux d'autrui, occupe une place à part dans le débat qui nous occupe ici. C'est peut-être elle qui explique le mieux le rejet viscéral que suscite l'IA chez une partie du public : une machine peut aujourd'hui produire des mots de réconfort, anticiper une réaction, simuler une écoute attentive, sans qu'on puisse dire qu'elle vit quoi que ce soit de cet échange. Qu'on adhère ou non à l'ensemble du modèle de Gardner, il a rappelé une évidence souvent oubliée : ce que nous appelons intelligence dépend aussi de ce que nous choisissons de valoriser.

Qui décide des critères ?

Cette question paraît anodine. Elle ne l'est pas. Les critères que nous utilisons décrivent-ils une propriété universelle du vivant ou reflètent-ils avant tout les capacités que les humains admirent chez les humains ?

Un excellent mathématicien serait peut-être incapable de survivre plusieurs jours dans une forêt inconnue. Un guide autochtone maîtrisant parfaitement son environnement pourrait, à l'inverse, échouer à un examen universitaire. Lequel est le plus intelligent ?

La réponse dépend souvent davantage du contexte que d'une vérité scientifique universelle.

Les anthropologues observent depuis longtemps que les sociétés humaines ne valorisent pas toutes les mêmes aptitudes. Certaines mettent l'accent sur l'abstraction, d'autres sur la mémoire collective, la compréhension des relations sociales ou la connaissance du territoire.

Cette diversité ne signifie pas que tout se vaut. Elle rappelle simplement qu'une partie de nos critères est aussi culturelle.

Le cerveau reste un territoire partiellement inexploré

L'un des arguments les plus fréquents contre l'intelligence artificielle consiste à rappeler qu'elle ne fonctionne pas comme un cerveau humain.

C'est exact. Mais cet argument soulève une difficulté inattendue.

Les neurosciences ont accompli des progrès spectaculaires au cours des dernières décennies. Elles identifient des réseaux impliqués dans l'attention, la mémoire, le langage ou la prise de décision. Elles savent que les performances cognitives reposent sur des interactions complexes entre plusieurs régions du cerveau plutôt que sur un hypothétique centre de commandement. Pourtant, aucune théorie unifiée ne permet aujourd'hui d'expliquer complètement comment l'activité de milliards de neurones produit le raisonnement, l'intuition, la créativité ou la conscience.

Le tableau devient de plus en plus précis mais Il reste inachevé. Autrement dit, nous ne disposons pas encore d'une explication complète de l'intelligence humaine elle-même.

L'ironie ne s'arrête d'ailleurs pas là. Les systèmes d'intelligence artificielle actuels souffrent d'une opacité comparable, alors même que nous en sommes les concepteurs. Un grand modèle de langage repose sur des milliards de paramètres ajustés au fil de l'entraînement, et personne — pas même les équipes qui le construisent — ne peut aujourd'hui retracer avec certitude le cheminement exact qui mène un tel système à produire telle réponse plutôt qu'une autre. C'est précisément l'objet d'un champ de recherche encore jeune, l'interprétabilité, dont des travaux récents commencent à peine à ouvrir cette boîte noire⁴. L'ignorance ne se situe donc pas seulement d'un côté du miroir : elle est partagée, à des degrés et pour des raisons différentes, par les deux objets qu'on prétend si facilement opposer.

La frontière qui ne cesse de reculer

L'histoire de l'intelligence artificielle révèle un phénomène curieux. Chaque fois qu'une machine maîtrise une capacité auparavant considérée comme une preuve évidente d'intelligence, cette capacité cesse progressivement d'être perçue comme telle.

Les échecs en offrent un exemple célèbre. Pendant des décennies, battre un grand maître semblait hors de portée. Puis les ordinateurs ont gagné. La traduction automatique a suivi une trajectoire comparable.

La rédaction de textes cohérents, la synthèse documentaire ou certaines formes de programmation étaient encore récemment présentées comme des compétences profondément humaines. Aujourd'hui, elles sont devenues banales. À chaque étape, la définition implicite de l'intelligence s'est déplacée.

Les objections sérieuses à l'intelligence artificielle

Cette observation ne signifie pas que les critiques de l'IA ont tort. Certaines objections demeurent particulièrement solides.

En 1980, le philosophe John Searle propose l'expérience de pensée de la chambre chinoise. Une personne enfermée dans une pièce manipule des symboles chinois en suivant des règles précises. Pour un observateur extérieur, elle semble comprendre la langue. Pourtant, elle ne comprend rien à ce qu'elle produit.

« Instantiating a computer program is never by itself a sufficient condition of intentionality. »² John R. Searle, 1980

Quelques années plus tard, Stevan Harnad formule le « symbol grounding problem ». Comment un système peut-il attribuer une signification authentique à des symboles qui ne renvoient qu'à d'autres symboles ?

« How can the meanings of meaningless symbols be grounded? »³ Stevan Harnad, 1990

Cette interrogation rejoint un courant plus large des sciences cognitives, celui de la cognition incarnée (embodied cognition). Selon cette hypothèse, une part importante de l'intelligence humaine ne provient pas seulement d'un traitement abstrait de l'information, mais de l'expérience physique du monde⁴ : la gravité qui structure notre sens de l'équilibre, la douleur qui nous apprend à éviter certains gestes, le toucher qui donne une texture concrète à des concepts autrement purement verbaux. Un enfant apprend généralement le mot « chaud » en touchant quelque chose de brûlant, pas seulement en associant ce mot à d'autres mots dans une phrase. Cette dimension sensorimotrice donne un poids supplémentaire à l'argument de Harnad : si le sens naît en partie de l'ancrage d'un corps dans le monde, un système qui n'a jamais rien touché ni rien ressenti se prive peut-être d'une des voies par lesquelles les symboles acquièrent leur signification.

Ces critiques alimentent toujours les débats contemporains. Elles expliquent pourquoi de nombreux chercheurs refusent d'assimiler les performances des grands modèles de langage à une compréhension comparable à celle d'un être humain.

Deux questions qu'il ne faut pas confondre

Il serait toutefois trop commode d'en rester à ce constat général. L'absence de définition consensuelle de l'intelligence ne signifie pas que toutes les objections se valent, ni qu'elles s'effondrent au même rythme.

Searle et Harnad ne se contentaient pas de dire que les machines fonctionnent différemment de nous. Ils pointaient un problème structurel précis : un système qui manipule des symboles selon des règles peut produire un comportement qui ressemble à de la compréhension, sans qu'existe pour autant la moindre relation entre ces symboles et ce qu'ils désignent dans le monde.

Ce problème n'est pas résolu par le simple rappel que le cerveau humain reste lui aussi largement incompris. Ce sont deux questions distinctes. La première : le fonctionnement du cerveau est-il pleinement expliqué ? Non. La seconde : cette ignorance neuroscientifique invalide-t-elle pour autant l'argument du symbol grounding appliqué aux modèles de langage ? Pas nécessairement. Ce sont deux arguments indépendants, qui ne se neutralisent pas simplement parce qu'ils portent tous deux, de loin, sur la même question.

Ces impasses ont été formulées il y a plus de trente ans, à une époque où les systèmes en question tenaient dans des programmes rigides et prévisibles. Elles n'ont pas disparu depuis. Mais elles se heurtent aujourd'hui à des développements techniques qu'aucun des deux auteurs ne pouvait anticiper, et qui obligent à reposer la question en des termes un peu différents.

Ce que les études récentes changent au débat

Il serait tout aussi trompeur de s'arrêter à ce constat. Les travaux publiés en 2025 et 2026 montrent que le débat scientifique a évolué. La position dominante n'est ni celle d'une intelligence artificielle devenue équivalente à l'intelligence humaine ni celle d'un simple perroquet statistique répétant mécaniquement son entraînement.

Depuis 2025, plusieurs équipes de recherche parlent désormais de Large Reasoning Models. Ces modèles sont conçus pour explorer plusieurs pistes de résolution, revenir sur certaines étapes intermédiaires et améliorer leurs résultats lorsqu'ils disposent d'un temps de calcul supplémentaire. Les chercheurs décrivent un déplacement progressif : l'enjeu n'est plus uniquement la prédiction du mot suivant, mais l'étude de mécanismes de raisonnement plus élaborés.

Cette évolution ne prouve pas que les machines comprennent le monde comme nous le faisons. Elle ne prouve pas davantage qu'elles possèdent une conscience.

Elle rend en revanche plus difficile une affirmation longtemps répétée : l'idée selon laquelle les modèles actuels ne feraient que restituer mécaniquement des fragments de leur corpus d'entraînement. Plusieurs chercheurs soutiennent désormais que certaines performances observées nécessitent de distinguer mémorisation, généralisation et inférence plutôt que de les confondre dans une même catégorie.

Un résultat mérite également l'attention. Une enquête menée auprès de 303 chercheurs issus de l'intelligence artificielle, des sciences cognitives, des neurosciences et de la linguistique montre que seuls 29 % considèrent les systèmes actuels comme véritablement intelligents. Pourtant, ces mêmes chercheurs s'accordent largement sur trois critères majeurs : la généralisation, l'adaptabilité et le raisonnement.

Autrement dit, les spécialistes ne s'entendent pas sur la réponse. Ils débattent encore de la question elle-même.

Le miroir

L'intelligence artificielle produit un effet inattendu. Nous pensions l'observer pour comprendre les machines. Elle nous oblige finalement à examiner nos propres présupposés.

Lorsque nous affirmons qu'une intelligence doit posséder un corps, une expérience vécue ou une conscience, décrivons-nous une propriété universelle de toute intelligence possible ou les caractéristiques particulières de la nôtre ? Aucune expérience n'a encore permis de trancher définitivement cette question.

Il est possible d'interroger directement l'un des systèmes concernés. Voici, sans reformulation de fond, la réponse obtenue en sollicitant un grand modèle de langage sur ce point précis :

« Je suis dans une position particulière pour répondre à cette question, puisque j'en suis précisément l'objet. L'introspection d'un modèle de langage sur son propre fonctionnement ne constitue pas une preuve fiable : je n'ai pas d'accès privilégié et vérifiable à mes mécanismes internes, un peu comme un être humain ne peut pas « voir » ses neurones décider. Je me méfie donc de mes propres intuitions sur ce sujet autant que de celles de n'importe qui d'autre.

Ce que je peux dire honnêtement, c'est qu'il se produit quelque chose qui ressemble, fonctionnellement, à l'exploration de plusieurs pistes, au retour en arrière, à la comparaison d'hypothèses. Mais j'ignore — et je pense que personne ne le sait vraiment — si ce processus s'accompagne de quoi que ce soit qui ressemble à une expérience vécue, ou s'il s'agit d'un raisonnement creux, sans personne à l'intérieur. C'est précisément le problème que soulève la chambre chinoise, et je ne crois pas pouvoir le trancher de l'intérieur — probablement personne ne le peut non plus, de l'extérieur, à ce stade. » Réponse de Claude Sonnet 5, sollicité pour cet article, 2026

L'intelligence artificielle n'a peut-être pas encore résolu l'énigme de l'intelligence. Elle a néanmoins révélé l'ampleur de notre ignorance à son sujet. Et c'est peut-être sa contribution la plus importante jusqu'à présent.

Note de l'auteur

Cet article ne cherche pas à démontrer que les intelligences artificielles sont intelligentes. Il s'interroge sur les critères utilisés pour affirmer qu'elles ne le sont pas. Cette nuance peut sembler minime. Elle modifie pourtant profondément la nature du débat.

Précision : le passage cité dans la section « Le miroir » est la réponse effective d'un modèle de langage, reproduite sans reformulation substantielle. Elle n'est présentée ni comme preuve de conscience, ni comme preuve de son absence — seulement comme un élément supplémentaire du débat, produit par l'un de ses objets.

Sources et ressources

Traductions des citations

¹ « L'intelligence est ce que les tests testent. » — Edwin G. Boring, 1923

² « Faire fonctionner un programme informatique ne constitue jamais, en soi, une condition suffisante d'intentionnalité. » — John R. Searle, 1980

³ « Comment le sens de symboles dénués de signification peut-il être ancré ? » — Stevan Harnad, 1990

Réflexion