Andler, D. (2023). Intelligence artificielle, intelligence humaine : la double énigme. Gallimard

Cet ouvrage se lance l’ambitieux défi de définir, mais aussi de résoudre la double énigme posée par les intelligences artificielle et humaine. Il le fait en les entrecroisant, puisqu’il démontre qu’elles sont étroitement liées. D’abord parce que « certains [chercheurs] témoignent que c’est leur intérêt pour l’intelligence humaine qui les a conduits à s’investir dans l’IA » (p. 37) – l’auteur utilisant « IA » pour parler du domaine et du champ, alors que le terme « intelligence artificielle » désigne le produit. L’auteur en tire cette audacieuse conclusion : « l’IA est la science des modèles de l’intelligence humaine […] » (p. 37). Ensuite, la psychologie s’étant peu à peu scindée en sciences qui étudient séparément la perception, la cognition, l’affect, la motricité, etc., l’IA pourrait bien être devenue l’ultime bastion du projet de définition d’une intelligence intégrée. Le propos est d’une densité conceptuelle, référentielle et technique qui risque de perdre une certaine partie du lectorat habituel des sciences éducationnelles. Le risque en vaut cependant la chandelle. Pour peu que ce lectorat s’arme de patience et d’un moteur de recherche pour soutenir sa lecture, il sera confronté à une question, et surtout – ce qui n’est pas rien vu la complexité de la question – à une réponse susceptible de transformer jusqu’à sa conception de ce qu’est l’éducation. L’argumentation est structurée en deux parties. Dans la première, « Le projet, l’entreprise, le parcours », l’auteur offre un survol historique de l’IA. Une première IA, dite symbolique, rendue possible par la formalisation de la logique et de la machine informatique, s’est d’abord concentrée sur les produits des systèmes cognitifs que sont les processus inférentiels conscients. Une deuxième IA, dite connexionniste, s’est quant à elle intéressée à la production cognitive inconsciente. Ce deuxième paradigme est celui qui emprunte le plus extensivement à la neurologie et à la psychologie : notamment, ses opérations se déroulent dans des « réseaux neuronaux » et ses algorithmes procèdent à un « apprentissage » machine au cours d’un « entrainement » supervisé. Son dernier représentant en date, le deep learning (rarement dit « apprentissage profond »), en est le type le plus populaire dans l’IA contemporaine. C’est d’une hybridation du deep learning et du traitement automatique du langage que sont nés les modèles massifs de langage, dont le plus connu est sans doute le Generative Pre-trained Transformer. Ainsi, pendant que le monde scolaire cherche les manières dont il adaptera ses procédures évaluationnelles à ChatGPT, l’IA progresse au point qu’on pourrait plutôt se demander si l’éducation sera utile très longtemps au 21^e siècle – considérant que les machines compétitionnent contre les cerveaux comme supports de la cognition. On est heureux que l’auteur considère que l’éducation restera pertinente. Ainsi, pour lui, si ce n’était de son usage répandu, on aurait avantage à se débarrasser du terme d’« intelligence artificielle », la cognition d’une machine remplissant une autre fonction que la cognition humaine. Donc, les ingénieurs « devraient se consacrer à construire des attelages robustes d’humains et de systèmes artificiels, conçus en sorte que le rôle principal soit confié aux premiers [pour] empêcher qu’ils l’abandonnent sous la pression conjuguée de l’habitude [et] de la paresse » (p. 18). Ces conclusions se basent sur les 100 pages des trois premiers chapitres de la deuxième partie, « La question de l’intelligence et l’avenir de l’IA », dont toute synthèse trahirait la complexité – pour preuve, elles passent par la conscience, la notion d’Umwelt, la distinction situation/problème et l’autonomie. La réflexion atteint un point d’orgue dans la section finale du huitième chapitre, titrée « Le double visage du concept d’intelligence, …