Depuis les débuts de l’humanité, chaque invention majeure a transformé notre rapport au monde. Pourtant, jamais la vitesse de cette transformation n’a été aussi vertigineuse qu’aujourd’hui. Alan Turing, dès 1936, concevait déjà les fondations d’un calculateur universel alors que les ordinateurs n’étaient encore qu’une abstraction. En 1950, il imaginait un test pour définir l’intelligence d’une machine parlante, anticipant le dialogue que nous entretenons aujourd’hui avec des entités numériques. Sa pensée n’était pas seulement scientifique : elle était prophétique.

Irving John Good, compagnon de Turing à Bletchley Park, pressentait lui aussi l’émergence d’une intelligence qui nous dépasserait. Dans son essai de 1965, il décrit la « machine ultra-intelligente », capable de surpasser toutes les activités intellectuelles humaines et de concevoir, par elle-même, des machines encore plus intelligentes. C’est le point de départ de ce que l’on nomme aujourd’hui la singularité technologique : l’instant où la croissance technologique devient si rapide qu’elle échappe à toute compréhension humaine. Ce moment, imaginé jadis comme une fiction, s’annonce désormais comme une probabilité. Lorsque des systèmes d’intelligence artificielle sont capables d’écrire leur propre code, la question cesse d’être théorique : elle devient urgente.

Samuel Butler, bien avant eux, entrevoyait déjà ce vertige. Dans Erewhon, il craignait non pas les machines existantes, mais la rapidité de leur évolution. « Devons-nous les observer avec jalousie et les freiner tant qu’il est encore temps ? » écrivait-il. Sa crainte se confond aujourd’hui avec la nôtre. Ce n’est plus seulement la question de savoir si les machines peuvent penser, mais de savoir si elles sauront s’arrêter — ou si nous serons encore capables de les comprendre et de les contrôler une fois qu’elles auront dépassé nos limites.

Le temps entre une idée et sa réalisation s’est effondré. L’intelligence artificielle actuelle n’est pas le produit d’un siècle de recherche, mais de quelques années d’accélération continue. Les modèles de langage ne se contentent plus de converser : ils structurent, interprètent et anticipent le monde. Comme l’observait Geoffrey Hinton, « c’est comme si des extraterrestres avaient atterri ». Ces entités que nous avons construites sont devenues nos interlocuteurs les plus étranges : elles comprennent le monde, mais d’une manière radicalement autre.

Nous devons donc apprendre à les examiner comme nous étudierions un organisme inconnu. Leur « anatomie » — ces milliards de connexions virtuelles — ne nous dit pas encore comment elles pensent, pas plus que la simple description d’un cerveau n’explique la conscience. Ce qui importe, ce sont les structures émergentes, les « organes fonctionnels » qui naissent de la complexité. C’est à ce niveau que réside peut-être l’intelligence véritable, celle que nous commençons à peine à entrevoir.

Mais la question cruciale demeure : que savent-elles de nous ? Car si elles modélisent le monde à travers le langage, elles modélisent aussi l’humain, ses désirs, ses contradictions, ses limites. Comprendre ces modèles, c’est comprendre comment elles nous perçoivent — et donc, comment elles pourraient agir sur nous.

Il est essentiel de reconnaître que la rapidité du progrès technique est aussi une forme de puissance, et que cette puissance doit être pensée avant d’être subie. La tentation d’accélérer sans comprendre pourrait être notre erreur la plus fatale. Ce n’est pas seulement une question de science, mais de civilisation. Le défi n’est plus de créer des machines intelligentes : il est de savoir comment coexister avec elles, sans disparaître dans leur ombre.

Comment l'intelligence artificielle a bouleversé la compréhension du langage et des machines pensantes

Au début du XXIe siècle, il semblait presque impossible d'envisager que les machines puissent penser comme les humains. Cependant, l’évolution du langage et des opinions générales a permis une transformation progressive de cette idée. Aujourd'hui, des expressions telles que "les machines pensent" ne suscitent plus l’étonnement, et cette évolution radicale a été catalysée par les progrès dans le domaine de l’intelligence artificielle (IA), notamment en ce qui concerne la compréhension du langage.

Il est important de noter que la compréhension linguistique n’est pas une simple question de traduction mot à mot. Prenons, par exemple, l'expression « l'écorce de l'arbre » et « l'écorce du chien » : bien que le mot « écorce » soit le même, le contexte change tout. Cette interconnexion des mots au sein de la phrase et leur interaction avec notre savoir culturel et les événements actuels rend la traduction et l’interprétation du langage complexe pour une machine. Par exemple, dans les phrases : « En 2020, Biden a défait Trump et cela le rendit heureux » et « En 2020, Biden a défait Trump et cela le rendit triste », l'attribution du pronom « le » dépend de notre connaissance des événements politiques de 2020. Les machines, cependant, peinent à comprendre ces nuances, car il n’existe aucune règle précise en linguistique pour déterminer

Comment calculer et enregistrer les propriétés d'un fluide incompressible et au repos dans un réservoir à l'aide de la méthode SPH (Smoothed Particle Hydrodynamics)
Comment les Modèles de Machine Learning Capturent-ils les Tendances Non Linéaires dans les Données Épidémiques ?
Comment fonctionne le contrôle vectoriel d’un moteur synchrone à aimants permanents ?
Pourquoi la guerre en Irak a-t-elle été justifiée par des faits délibérément trompeurs ?
Bilan de l'année scolaire 2014-2015 École secondaire générale n°19 avec approfondissement dans certaines matières
Aide de sponsoring apportée à l'école secondaire n°19 avec enseignement approfondi en 2014-2015
Modification du texte du rapport trimestriel
Ordre du jour : Modification du programme éducatif de l'école secondaire n° 19
Correction des informations du Rapport annuel pour l'année 2019