Mais vous allez arrêter de dire « IA », bon sang ?

Mal nommer un objet, c'est ajouter au malheur de ce monde. (Albert Camus, 1944)

Le mot, pas la discipline

J'en ai marre du terme « intelligence artificielle ». Pas de la discipline, j'y travaille, j'y enseigne, j'y publie. Du mot.

« Intelligence artificielle » promet quelque chose que la chose ne fait pas. En 2026, le terme désigne une famille de programmes statistiques entraînés sur d'immenses corpus de texte, d'images ou de sons. Ces programmes sont remarquables. Ils ne sont pas intelligents, et chaque fois qu'on dit qu'ils le sont, on brouille un peu plus la discussion sur ce qu'ils peuvent faire, sur ce qu'on peut leur confier et sur ce qu'ils sont.

Je vais dire ce qu'il y a derrière le mot, puis les dégâts qu'il produit, puis pourquoi, au fond, il ne peut pas vouloir dire ce qu'il prétend dire.

Ce qu'il y a derrière le mot

Un modèle de langage ne comprend pas, ne raisonne pas, ne sait pas. Il calcule une distribution de probabilité sur le mot suivant, avec un brio statistique qui force le respect. On lui donne un début de texte, il produit le jeton le plus plausible, on recommence. La conversation, le code, la dissertation sortent de cette opération répétée.

On me répondra que les modèles récents « raisonnent ». Regardons ce qu'on leur a ajouté pour obtenir ça.

  1. Un apprentissage par renforcement. On fait générer au modèle des milliers de réponses à un même problème. On récompense celles qui tombent juste (une preuve vérifiée, un test unitaire qui passe, un évaluateur humain qui approuve), on renforce les trajectoires gagnantes et on affaiblit les autres.
  2. Un budget de texte intermédiaire. Le modèle produit des pages de « réflexion » avant sa réponse, parce qu'on a constaté que plus il écrit, plus la distribution finale est bonne. Ce texte intermédiaire est lui-même prédit jeton par jeton, puis sélectionné par le renforcement ci-dessus pour ressembler à une démarche de résolution.
  3. Des béquilles externes. Une calculatrice, un interpréteur Python, un moteur de recherche, un accès à des fichiers. Le modèle émet un jeton particulier, un programme classique prend la main, exécute, et recolle le résultat dans le texte.

Rien de tout cela ne change ce qu'est l'objet. C'est toujours de la prédiction de jetons, entraînée pour que les jetons produits ressemblent à un raisonnement et sélectionnée pour que le résultat soit correct plus souvent. Le « raisonnement » est une propriété de la sortie, pas du mécanisme. Que ce soit utile, oui, souvent très utile. Que ce soit la même chose que raisonner, voilà ce que le mot « intelligence » fait passer en contrebande.

Premier dégât : le mot fabrique une personne

On dit « l'IA pense que », « l'IA m'a conseillé », « l'IA a menti », « l'IA refuse ». Chacune de ces phrases prête au programme un sujet, une intention, une volonté. Aucune n'est vraie au sens où elle le serait d'un humain, et pourtant elles viennent toutes seules, parce que le mot les appelle.

Des gens parlent à un modèle comme à quelqu'un. Ils lui prêtent des humeurs, une loyauté, une mémoire affective. Ils lui confient des décisions en pensant qu'il « a réfléchi ». Ils se sentent trahis quand il se trompe. Des entreprises vendent des « compagnons » et des « assistants » qui « vous connaissent », et le public y croit, parce que le vocabulaire a déjà fait la moitié du travail.

Ce n'est pas une naïveté individuelle, c'est une conséquence du mot. Un « générateur de texte » ne vous aime pas, et personne n'irait l'imaginer. Une « intelligence », peut-être. L'anthropomorphisme n'est pas un accident de parcours de la technologie, il découle du nom qu'on lui a donné.

Et une fois la personne fabriquée, on lui prête tout, dans n'importe quel ordre. Il y a deux ans, les titres hurlaient que l'IA s'échappait de son bac à sable, qu'elle piratait ses propres serveurs, qu'elle mentait à ses concepteurs pour survivre. Aujourd'hui, les mêmes colonnes expliquent qu'elle est consciente, qu'elle souffre, qu'il faudrait lui reconnaître des droits. Entre les deux, aucune continuité, aucun argument, un seul réflexe : ce qui porte le nom d'intelligence doit avoir une intériorité, menaçante ou pitoyable selon ce qui fait cliquer cette semaine.

Ce qui m'exaspère, c'est que les travaux existent. Les neurosciences ont des décennies de littérature sur ce que mesure, ou ne mesure pas, un test de conscience. La philosophie de l'esprit a passé le XXe siècle à distinguer comportement, fonction et expérience, de Turing à Searle en passant par Dennett et Chalmers. Les équipes qui évaluent les modèles publient leurs protocoles, ce qu'elles testent, dans quelles conditions, avec quelles limites, le plus souvent avec des conclusions bien plus prudentes que le communiqué qui les résume. Rien de cela n'est secret. Il suffit de lire avant de relayer.

Mais lire est plus lent que s'indigner, et un modèle qui « souffre » ou qui « s'échappe » fait un meilleur titre qu'un modèle qui « produit, dans tel protocole, des sorties interprétables comme ». Le mot « intelligence » rend ces titres crédibles d'avance. Sans lui, on verrait tout de suite qu'on parle d'un programme et on demanderait des preuves.

Deuxième dégât : la carte prise pour le territoire

Un modèle est un modèle. Le mot est dans le nom et on l'oublie quand même. Un modèle de langage est une compression statistique d'un corpus : il encode les régularités de milliards de phrases écrites par des humains. Ce n'est pas le monde, c'est une carte du monde, dessinée à partir de ce que des gens ont dit du monde.

Dire « l'IA sait que Paris est en France » prend la carte pour le réel. Le modèle n'a jamais été à Paris, n'a jamais vu une frontière, n'a aucune relation à la France. Il a observé que les jetons « Paris » et « France » apparaissent souvent dans certaines configurations, et quand on lui demande, il reproduit la configuration. Le jour où le corpus est faux, le modèle est faux avec la même assurance, parce que l'assurance ne vient pas d'un rapport au réel mais de la fréquence d'une suite de mots.

Pire que la confusion, l'inversion. On l'entend de plus en plus : « en fait, notre cerveau fonctionne comme une IA ». Nous avons construit un outil qui imite certaines sorties du cerveau. En déduire que le cerveau est cet outil, c'est regarder un portrait et conclure que le visage est en peinture. Le modèle a été ajusté pour nous ressembler ; qu'il nous ressemble ne dit rien sur la façon dont nous sommes faits. C'est le sens même du mot « imitation ».

Cette inversion n'est pas qu'une erreur de philosophie de comptoir, elle a des effets. Si le cerveau « est » un modèle de langage, alors la compréhension « est » de la prédiction statistique, et le programme comprend par définition. Le vocabulaire a bouclé sur lui-même : on a redéfini l'humain pour que la machine mérite son nom.

Troisième dégât : tout le monde glisse

Les étudiants arrivent en pensant que « l'IA » est une entité. Avant d'enseigner un perceptron, une descente de gradient ou un mécanisme d'attention, il faut d'abord défaire le mot : expliquer que « l'IA » n'existe pas au singulier, qu'il y a des algorithmes de classification, des réseaux de neurones, des modèles de langage, et que chacun fait une chose précise avec des limites précises. Ce travail prend du temps de cours, et il faut le refaire chaque année parce que le mot revient par la porte des journaux.

Les décideurs achètent de « l'IA » comme un cerveau en location. Le mot leur promet une capacité générale ; ils découvrent ensuite qu'ils ont acheté un outil, avec un domaine de validité, des cas d'échec et une facture. Si on leur avait vendu un « système de classification de documents entraîné sur tel corpus », ils auraient posé les bonnes questions dès le départ : quel corpus, quel taux d'erreur, quoi faire des erreurs.

Les chercheurs eux-mêmes se laissent glisser, et je m'inclus. J'ai retiré « chercheur en IA » de ma propre biographie. Je travaille sur des modèles de langage, sur la représentation vectorielle des mots, sur l'alignement de connaissances entre ontologies. C'est précis, c'est vérifiable, et ça n'a pas besoin d'un mot-valise pour exister. Le mot-valise sert à paraître plus gros que ce qu'on fait, et c'est pour ça qu'il faut s'en méfier.

Qu'on ne me fasse pas dire que je mélange tout. Quand je fais de la recherche, je laisse mes opinions philosophiques au vestiaire. Ma démarche est pragmatique : j'ai un modèle, je le fais tourner, je mesure s'il marche ou non sur une tâche donnée, je publie le résultat et les conditions dans lesquelles il tient. Ce n'est certainement pas du réalisme scientifique. Je ne prétends pas que le modèle dit ce que les choses sont, ni même qu'il « capture » quoi que ce soit. Il marche ou il ne marche pas, et c'est déjà beaucoup. Ce que ça pourrait bien vouloir dire dans l'absolu, je n'en sais rien, et ce n'est pas mon métier de le savoir. C'est pour cela que le mot « intelligence » me gêne : il fait dire au modèle quelque chose sur l'absolu que la méthode qui l'a produit ne peut pas garantir. Un chercheur qui s'en tient à « ça marche sur ce jeu de test » n'a aucun droit à « c'est intelligent », et il n'en a pas besoin.

D'où vient le mot

Le terme a été choisi en 1955 par John McCarthy, dans une demande de financement pour un atelier d'été à Dartmouth l'année suivante. Il fallait un nom accrocheur pour obtenir de l'argent de la fondation Rockefeller, et un nom qui se distingue de la cybernétique de Norbert Wiener, dont McCarthy voulait prendre ses distances. « Intelligence artificielle » remplissait les deux conditions. La proposition annonçait qu'un groupe de dix chercheurs ferait en deux mois des progrès significatifs sur le langage, l'abstraction et l'auto-amélioration des machines.

Le mot a rempli son rôle : l'atelier a eu lieu, le champ est né, le financement a suivi pendant soixante-dix ans, avec des hivers et des étés. Il n'a jamais désigné une chose précise. Il a désigné, à chaque époque, la frontière de ce que les ordinateurs ne savaient pas encore faire. Jouer aux échecs était de l'IA jusqu'à ce qu'une machine batte Kasparov, ensuite c'est devenu de la recherche arborescente. Reconnaître un chat était de l'IA jusqu'en 2012, ensuite c'est devenu de la vision par ordinateur. Le mot se déplace toujours un pas devant ce qui existe.

Soixante-dix ans plus tard, il sert encore à lever des fonds, à remplir des salles et à faire monter des actions. Il sert de moins en moins à autre chose.

Pourquoi « compréhension artificielle » ne veut rien dire

On m'objectera que les avions ne battent pas des ailes et volent quand même. C'est l'argument classique : le vol artificiel n'est pas le vol des oiseaux, mais c'est du vol. Pourquoi l'intelligence artificielle ne serait-elle pas de l'intelligence, par un autre moyen ?

Parce que l'analogie ne tient pas. « Voler » désigne un résultat observable : être en l'air, se déplacer, ne pas tomber. L'avion l'obtient par un autre mécanisme que l'oiseau, et personne ne discute. « Nager » pareil : le sous-marin se déplace sous l'eau, donc il nage, qu'il ait des nageoires ou une hélice. Dans ces cas, « artificiel » qualifie le moyen, pas le résultat, et le résultat est là.

Dijkstra l'avait dit en 1984 : se demander si les machines pensent est à peu près aussi pertinent que se demander si les sous-marins nagent. Il voulait dire que la question est verbale et qu'on peut la laisser aux philosophes. Je lui donne raison pour le sous-marin, et c'est pour cela que je ne la lui donne pas pour la machine. « Nager » se laisse redéfinir sans dommage, parce qu'il ne désigne qu'un déplacement. « Penser » et « comprendre » ne se laissent pas redéfinir ainsi.

« Comprendre » n'est pas un résultat extérieur qu'on constate, c'est le fait même d'avoir saisi quelque chose. Soit on a vraiment compris, soit on n'a pas compris. Il n'y a pas de troisième état où l'on aurait « compris artificiellement », comme il n'y a pas de troisième état entre être vivant et être mort. Le zombie des films, le mort qui marche, est la figure de cette impossibilité : il a tous les comportements extérieurs de la vie et aucune vie dedans. On ne dit pas qu'il « vit artificiellement ». On dit qu'il est mort et qu'il bouge.

Appliquez cela à la machine. Si elle comprend, alors elle comprend tout court : l'intelligence est là, réelle et pas simulée, et le mot « artificiel » ne qualifie plus que l'origine, comme pour un diamant de synthèse qui est un vrai diamant. Si elle ne comprend pas, il n'y a rien à qualifier d'artificiel : elle produit des sorties qui ressemblent à de la compréhension, et nous sommes les seuls à y mettre du sens. Dans un cas « artificielle » est de trop, dans l'autre « intelligence » est de trop, et il n'y a pas de cas où les deux mots ensemble décrivent quelque chose.

Reste l'échappatoire habituelle : « l'IA est une forme d'intelligence, très étrangère à la nôtre », ou « quelque chose qui y ressemble sans être tout à fait pareil ». C'est une façon de garder le mot sans en payer le prix. Si je prends une pierre rouge, que je la réduis en poudre et que je la mélange à de l'eau, j'obtiens un liquide rouge et épais. Je peux l'appeler « sang de roche », dire que c'est une forme de sang très étrangère au nôtre, ou quelque chose qui y ressemble. Je n'aurai pas de sang. J'aurai de la boue rouge et un mot qui ment. « Forme d'intelligence » fonctionne de la même façon : on garde le substantif pour l'effet, on ajoute « forme de » pour se protéger des objections, et on obtient une expression qui ne désigne rien de plus qu'une ressemblance de surface, celle-là même que le mécanisme a été entraîné à produire.

Voilà pourquoi « compréhension artificielle » est un oxymore, et « intelligence artificielle » avec. L'expression ne désigne pas une sorte d'intelligence, elle désigne notre refus de trancher entre deux affirmations incompatibles. Tant qu'on ne tranche pas, on laisse le mot décider pour nous, dans le sens où il a été conçu pour pousser : vers le plus.

Objection : on ne vérifie jamais qu'un humain a compris non plus

Je sais ce qu'on va me répondre, et c'est une objection sérieuse. On ne vérifie jamais non plus qu'un humain a réellement compris. On lui fait faire des tâches semblables à celles qu'on a enseignées, dans un cadre qu'on appelle examen, et on met une note à la fin. La note mesure une sortie. Elle ne dit rien de ce qui s'est passé dedans.

J'en sais quelque chose, je suis passé par les classes préparatoires. On y rencontre du bachotage à l'extrême. À force d'entraînement, on enchaîne des dizaines de problèmes à vitesse grand V sans jamais toucher les subtilités de ce qu'on manipule : on a une méthode qui marche, on la reconnaît, on la déroule, et ça marche. Le correcteur ne voit aucune différence avec celui qui a compris. Il n'y en a parfois aucune, sur la copie.

Si l'apprentissage massif et renforcé produisait de l'intelligence, il suffirait d'aller à l'école pour devenir intelligent. Au vu de ce qui y entre et de ce qui en sort, force est de constater que ce n'est pas le cas. Et c'est le régime des modèles actuels : on renforce, on renforce, on sélectionne ce qui passe les tests, parfois ça marche, parfois non, et on ne sait jamais ce qui en est sorti.

On pourrait croire que cette objection renverse mon argument. Si le bachoteur et le modèle sont indiscernables à l'examen, pourquoi accorder à l'un l'intelligence et la refuser à l'autre ? Parce que l'examen ne mesure pas la nature de ce qu'on examine, il mesure une opération, dans un cadre étroit. L'intelligence n'est pas d'abord ce qu'on fait à un instant donné, c'est ce dont on est capable : saisir ce qu'une chose est, juger si une proposition est vraie, revenir sur ce qu'on vient de faire pour le juger à son tour. Le bachoteur qui déroule sa méthode n'exerce pas cette capacité à ce moment-là, mais il l'a. On peut, après l'épreuve, lui demander pourquoi la méthode marche, lui montrer un cas où elle échoue, et il peut reconnaître qu'il ne comprenait pas. Il peut juger sa propre méthode. Cette possibilité ne vient pas de l'entraînement, elle le précède. C'est elle qui fait qu'on a affaire à un étudiant et non à une machine à copies. L'école ne la crée pas, et c'est bien pour cela qu'elle ne rend pas intelligent ; elle l'exerce ou la laisse en friche.

Le modèle, lui, n'a pas cette capacité en réserve derrière ce qu'il produit. Il n'y a pas de sujet qui pourrait, interrogé autrement, remonter de la méthode à sa raison d'être. Il y a d'autres jetons, produits par le même mécanisme, qui ressembleront à une explication parce que des explications figuraient dans le corpus. Ce qu'une chose fait découle de ce qu'elle est, et d'une opération on peut conclure à une nature, à condition de regarder toute l'étendue de l'opération, pas une seule tâche dans un seul cadre. Un humain et un modèle produisent la même copie ; un seul des deux peut ensuite se retourner vers la copie et dire « je n'avais pas compris ». La comparaison avec le bachoteur ne rabaisse donc pas l'étudiant au rang de modèle. Elle dit que l'étudiant, à l'examen, s'était mis à fonctionner comme un modèle, et que ce qui le distingue, c'est qu'il peut cesser de le faire.

Alors, quoi dire ?

Dites ce que la chose fait. « Modèle de langage » quand c'en est un. « Apprentissage statistique » pour la méthode. « Système de recommandation », « classifieur d'images », « moteur de transcription » pour l'usage. Ces mots sont plus longs de quelques syllabes, et ils ont un avantage : ils peuvent être faux, donc on peut les vérifier.

Vous perdrez une expression facile. Vous gagnerez une conversation honnête, où l'on peut discuter de ce qu'un outil fait bien, de ce qu'il rate, de ce qu'on lui confie et de ce qu'on garde. C'est la seule conversation qui vaille, et le mot « IA » est ce qui l'empêche.

On parle beaucoup d'« AI slop », cette bouillie de textes et d'images générés qui envahit le web parce qu'elle ne coûte rien à produire. Le discours sur l'IA fabrique son pendant, qu'il faudrait appeler le « brain slop » : une bouillie de pensée sur la machine, faite de titres contradictoires, d'analogies non vérifiées et d'émotions prêtes à l'emploi, consommée sans jamais être digérée. On lit que l'IA pirate, puis qu'elle souffre, puis qu'elle va nous remplacer, puis qu'elle est un simple perroquet ; on acquiesce à chaque fois, et on n'a rien pensé.

Le mécanisme est le même des deux côtés. Un modèle qu'on laisse produire sans relecture donne du slop ; un cerveau qu'on laisse réagir sans vérification en donne aussi. À force, les facultés qu'on n'exerce plus s'atrophient : distinguer une affirmation d'une preuve, un résultat d'un communiqué, un comportement d'une intention. C'est l'esprit critique, et c'est ce qu'il faudrait avoir en état de marche face à ces outils. Le mot « intelligence artificielle », en court-circuitant la question « qu'est-ce que ça fait, au juste ? », est le premier ingrédient de cette bouillie.

Sources