Comment notre perception de l'IA évoluerait-elle si nous la décrivions strictement à l'aide de termes techniques issus de l'informatique ?

Question

Chers chercheuses et chercheurs,

Quelle serait l'influence sur la perception sociale de l'intelligence artificielle si ses opérations algorithmiques n'étaient pas décrites et désignées à l'aide de termes (neuro-)psychologiques, mais à l'aide de termes techniques issus de l'informatique ? Ainsi, au lieu de « penser » ou de « processus d’apprentissage », on utiliserait des termes strictement explicatifs tels que « input » ou « output ».

Et si, par conséquent, le cerveau n’était plus décrit comme « programmable » ? (Personnellement, je trouve que c’est une manière étrange et factuellement erronée de décrire la neuroplasticité.)

Bien cordialement

Lili Gamba

Tobias Hodel · Accepted Answer

Chère Lili,

merci beaucoup pour ta question à la fois pertinente et stimulante ! Elle touche à un point central dans notre rapport à l’intelligence artificielle : La manière dont nous en parlons influence considérablement la façon dont nous la comprenons. Je vais essayer de concilier les deux perspectives dans ma réponse : l’une plutôt technique, l’autre axée sur le langage et la critique sociale.

Ce que l’IA fait « réellement » d’un point de vue technique

D’un point de vue informatique et mathématique, l’IA (par exemple les modèles linguistiques) peut être décrite, en simplifiant à l’extrême, comme suit :

Il s’agit de systèmes stochastiques (c’est-à-dire des modèles probabilistes),
qui évoluent dans un espace latent de représentations mathématiques,
sur la base d’incorporations de chaînes de caractères (le texte est traduit en chiffres),
et à partir de celles-ci, génèrent des sorties suivantes probables (à nouveau du texte).

Ou, pour le dire de manière encore plus sobre :

l’IA calcule quelle chaîne de caractères suit statistiquement le mieux une autre.

Cette description met en évidence :

Il n’y a ni compréhension, ni conscience, ni intention – seulement du traitement de motifs.

Pourquoi nous « humanisons » néanmoins

des concepts tels que « apprendre », « penser » ou « halluciner » : ce sont des métaphores anthropomorphiques. Elles sont si répandues pour deux raisons :

Clarté :

Il nous est beaucoup plus facile d’utiliser un concept humain familier (« halluciner ») que d’expliquer des processus abstraits tels que les « erreurs dans l’espace des probabilités ».

Communication :

Les termes techniques tels que « optimisation des paramètres dans l’espace latent » sont corrects, mais difficiles d’accès.

Le problème :

Ce langage donne rapidement l’impression que l’IA est semblable à l’humain, dotée de pensées ou d’intentions propres.

Mais : même le langage technique n’est pas neutre

Même la description technique apparemment « objective » n’est pas exempte de métaphores. Voici deux exemples :

Le terme « stochastique » a une origine historique et culturelle (influencée notamment par Johann Bernoulli).
Le terme « espace » (comme dans « espace latent ») est lui-même une métaphore : nous imaginons quelque chose de spatial, alors qu’il s’agit de structures mathématiques abstraites.

Cela signifie :

Nous ne pouvons pas pas parler de manière métaphorique.

Toute description – qu’elle soit psychologique ou technique – est marquée par le langage, la culture et les modèles de pensée.

Conclusion : un champ de tensions sans solution simple

La réponse n’est donc pas univoque, mais délibérément ambivalente :

Oui, l’anthropomorphisation est problématique, car elle fausse notre compréhension. Mais le langage technique n’est pas non plus neutre, il regorge de métaphores.
Ce qui est donc déterminant, c’est l’usage conscient du langage :
Le choix des termes devrait dépendre de ce que nous voulons expliquer – et à qui.

On pourrait peut-être résumer cela ainsi :

Nous avons besoin de métaphores parlantes, mais nous devrions toujours les identifier comme telles.

Si cela t’intéresse davantage, je te conseille de jeter un œil aux « Science and Technology Studies » : ces études examinent précisément comment le langage façonne notre compréhension de la technologie (voir ci-dessous).

Cordialement

Tobias /Hodel

Bibliographie :

Bender, Emily M., Timnit Gebru, Angelina McMillan-Major et Shmargaret Shmitchell. 2021. « On the Dangers of Stochastic Parrots ». Actes de la conférence ACM 2021 sur l’équité, la responsabilité et la transparence (New York, NY, États-Unis), FAccT ’21, vol. 47 (mars) : 610–23. https://doi.org/10.1145/3442188.3445922.

Meyer, Roland. 2024. « It’s a Flat World. The Synthetic Realities of Sora. » Rrrreflect. Journal of Integrated Design Research ; numéro spécial 1, 151 Ko, 4 pages. https://doi.org/10.57684/COS-1267.

Oberbichler, Sarah, et Cindarella Petz. 2025. Document de travail : Mise en œuvre de l’IA générative dans les études historiques. Version 1.0. 25 février. https://doi.org/10.5281/ZENODO.14924737.