Depuis son ouverture au grand public en 2022, les capacités des intelligences artificielles génératives n’ont cessé de croître. Tandis que des illuminés prédisaient sans cesse un mur de performance toujours plus proche, celui-ci se faisait de plus en plus incertain.
Quelles qu’aient été nos opinions passées, nous devons l’admettre aujourd’hui, et moi le premier ; nous sommes dépassés. Et ce sont précisément ceux qui se croyaient protégés par leurs diplômes que cette obsolescence va atteindre en premier.
Cet été, le modèle Fable 5 a mis fin à un débat mathématique vieux de plus d’un demi-siècle autour de la conjecture jacobienne. En 5 lignes de démonstration. Efficace.¹
De grands mathématiciens qui travaillent des années sur des problèmes insolubles voient des chatbots trouver la réponse en quelques minutes. Jared Lichtman a travaillé 7 ans sur le Problème d’Erdős n°1196, puis, un lundi matin, un jeune de 23 ans a copié-collé l’énoncé du problème dans ChatGPT 5.4 Pro. 80 minutes plus tard, le modèle avait trouvé la solution.³
The model spent approximately 80 minutes reasoning through the problem… I call it possibly the first AI “Book proof” for an Erdős problem.
(« Le modèle a passé environ 80 minutes à raisonner sur le problème… Je qualifie cela de première “preuve issue du Livre” générée par une IA pour un problème d’Erdős.² »)
Les IA sont intelligentes. C’est un fait. Il faut pour cela comprendre que l’intelligence est la faculté d’abstraction, qui permet notamment la découverte de nouveaux patterns logiques (ce que mesurent les tests de QI avec des suites de formes ou chiffres). Chez l’humain se place par-dessus une couche de conscience. Ce que l’humain nomme intuition, c’est l’apparition brutale d’une conclusion formidable dont le processus de recherche a échappé à la conscience. L’IA, elle, reste perpétuellement dans ce niveau d’intuition, dans ce niveau de réflexe inconscient.
L’IA n’est qu’un tas de probabilités, oui. Mais nos synapses aussi fonctionnent sur ce principe. Les LLM sont directement inspirés du cerveau humain sur la base de la computation, bien que de nombreuses choses divergent.
Mais passons, si l’IA est techniquement à même de remplacer toutes les tâches cognitives, que va-t-il en être réellement dans les entreprises ?
Il faut nous plonger dans la théorie des jeux. Formalisée en 1944 par John von Neumann et Oskar Morgenstern, cette discipline modélise les interactions entre agents rationnels. Son postulat est froid : dans un système concurrentiel, chaque acteur est contraint d’optimiser sa position pour assurer sa survie sociale ou économique. Ce n’est pas une question de cupidité, mais de mécanique : celui qui ne s’adapte pas à la vitesse du groupe est marginalisé, voire exclu.
On l’observe très bien avec l’évolution de la guerre en Ukraine. Les rapports techniques montrent une compression brutale du temps de décision.⁴ En 2022, la boucle « capteur-tireur » — le temps entre la détection d’une cible et la frappe — prenait encore 15 à 20 minutes, le temps de valider l’information humainement.
Aujourd’hui, grâce à l’intégration de l’IA dans des systèmes comme Delta, cette même boucle s’exécute en moins de 60 secondes. L’IA ne se contente pas d’aider : elle impose son rythme. Un commandant qui tenterait de garder un processus de validation purement humain serait mathématiquement éliminé avant même d’avoir fini sa phrase. C’est une accélération subie, une course aux armements où la lenteur est synonyme de mort. Ce qui se joue sur un champ de bataille se rejoue, à une autre échelle, dans chaque entreprise. Et ceux qui en paieront le prix ne sont pas ceux qu’on croit.
Or, l’économie capitaliste repose sur l’équilibre de Nash, du fait du système basé sur la concurrence. Si dans un ensemble Ω d’entreprises travaillant dans un même secteur, une entreprise B décide d’utiliser une innovation que les autres se refusaient d’utiliser jusqu’ici, celle-ci va se démarquer trop nettement des autres, et va absorber leurs parts du marché, les réduisant à néant s’ils n’avaient aucune réaction de leur part. Il n’y a alors pas d’autre choix pour les entreprises, si elles veulent assurer leur survie, que d’adopter ladite innovation amorale.
« Now, here, you see, it takes all the running you can do, to keep in the same place. If you want to get somewhere else, you must run at least twice as fast as that! »
(Ici, voyez-vous, il faut courir aussi vite que possible pour rester à la même place. Si vous voulez aller ailleurs, il vous faut courir au moins deux fois plus vite !)
Lewis Carroll, extrait de De l’autre côté du miroir (chapitre 2)
Or, aujourd’hui, la question ce n’est pas « va-t-on utiliser l’IA dans l’entreprise », mais « va-t-on remettre l’entreprise dans les mains de l’IA sans supervision humaine bloquante ? »
Ce n’est pas de la fiction, le 9 juin 2026, Stripe a confié à Claude Fable 5 (modèle d’Anthropic) une base de code Ruby⁵ de 50 millions de lignes, et lui a fait exécuter une migration à l’échelle de tout le codebase. Laissé 24 h sur le serveur, Claude a effectué le travail de 10 semaines pour une équipe d’ingénieurs. Sans fautes, sans supervision.⁶
Car la plus grande force des entreprises a toujours été l’organisation et la division du travail, la plus grande force de l’IA, ce sont les systèmes multi-agents (agentic-workflow). Oui, une IA conversationnelle classique ne pourrait pas gérer une entreprise. Mais un système d’agents coordonnés ?
Le principe est simple : vous envoyez votre requête à un agent général — le « PDG » du système — qui la décompose en sous-tâches. Celui-ci lance des sous-agents spécialisés (juridique, technique, client, finance) qui analysent la demande, identifient les besoins implicites, et coordonnent leurs actions. Chaque agent peut lui-même déléguer à d’autres agents, créant une hiérarchie fluide et auto-organisante.
Là où un agent conversationnel seul demanderait un humain pour guider tout le long de la réalisation, on se contente d’une demande classique. Ce n’est plus de l’automatisation de tâches : c’est l’automatisation de l’organisation elle-même.
Anthropic a révélé que ses ingénieurs livrent désormais 8 fois plus de code par trimestre qu’au cours de leur période de référence (2021-2025).⁷ Pourtant, les études indépendantes, telles que le rapport DX (Developer Experience, 2026), démontrent un gain n’excédant pas les 10 %.⁸
Coup de marketing ? Pas seulement. Ce qu’ont également relevé ces études, c’est que les développeurs ayant peu de gain de temps — voire des pertes pour certains — arrêtent l’IA trop tôt et reprennent le code pour corriger eux-mêmes les erreurs. Ils traitent l’IA comme un générateur de premier jet, là où les ingénieurs d’Anthropic la laissent itérer en boucle autonome, affiner, tester, et corriger ses propres sorties avant toute intervention humaine.
Ainsi, dès lors qu’une entreprise décidera de dire « chiche » à la sécurité, aux problèmes de responsabilité, et à la supervision humaine, les lois immuables de l’économie sociale ne laisseront qu’un seul choix aux autres : franchir le pas à leur tour, ou couler.
Ce n’est plus une question d’éthique, mais de physique économique : nous bâtissons une machine capable de fonctionner en vase clos, où l’humain n’est plus le moteur, mais une friction.
La machine est lancée. Qu’il le veuille ou non, l’humain perd mécaniquement sa place centrale dans ce système, par la seule force de ses règles internes. L’économie capitaliste n’est pas conçue pour l’humain, mais pour la performance.
Tout cela converge donc vers le futur vers un revenu universel de base ou équivalent, de manière mécanique, et non pas décisionnelle. Mais revenons aux étudiants.
Le système d’étude actuel mesure et valorise une chose principale : la capacité à mémoriser et à appliquer des règles. Le système est peu centré sur la capacité d’apprentissage. En sortie d’étude, le diplôme est la certification « ce bonhomme a su apprendre et maîtriser x quantité et complexité de connaissances dans x domaine ». Ensuite, à l’entreprise de le former sur sa spécificité.
Ce modèle est mort. Les chiffres de 2026 ne laissent place à aucune ambiguïté :
Droit : au Royaume-Uni, les offres d’emploi de paralegal ont chuté de plus de 60 % depuis 2023 (-21 % sur la seule dernière année), et celles de legal secretary de 41 % sur la même période — une contraction environ trois fois plus rapide que l’ensemble du marché de l’emploi britannique.⁹
Marketing : un responsable marketing sur trois déclare que son organisation réduit actuellement ses embauches de niveau débutant.¹⁰
Audit & Finance : chez les Big Four britanniques, les offres d’emploi liées à l’IA dépassent désormais celles liées à l’audit (7 % contre 3 % des annonces en 2025, contre moins de 2 % pour l’IA en 2022) ; le ratio candidatures/offres a par ailleurs doublé en deux ans pour les diplômés visant la finance, le conseil et la tech.¹¹
Développement informatique : au Royaume-Uni, les offres d’emploi tech pour jeunes diplômés ont chuté de 46 % en 2024, avec un nouveau recul de 53 % anticipé pour 2026 ; aux États-Unis, l’emploi des développeurs de 22 à 25 ans se situe désormais 19 % en dessous de la trajectoire qu’il aurait dû suivre s’il avait progressé au même rythme que celui des travailleurs plus expérimentés — un écart concentré presque entièrement sur les embauches, pas sur les licenciements.¹²
L’échelon d’entrée a disparu. Pas progressivement. Pas doucement. Il a été rasé.
Pourquoi une entreprise paierait-elle un jeune diplômé 2 000 € par mois pour rédiger des rapports, nettoyer du code ou analyser des contrats, quand un système multi-agents le fait pour 50 € avec une qualité supérieure, sans congés payés, sans formation, et sans jamais se plaindre ?
La réponse est simple : elle ne le fera plus. Posez devant vous le CV d’un jeune ingénieur diplômé, et à côté le benchmark d’un modèle d’IA frontier. L’un réclame 3000 € par mois, pas plus de 40 h par semaine, 2 jours de congés, et en plus il écrit et pense à moins de 50 tokens par seconde. L’autre abat en 24 h le travail qui aurait demandé un trimestre à une équipe entière d’ingénieurs, soit moins de 10 000 € de tokens, non imposables… Si on ajoute à cela la vitesse de progression exponentielle des performances de l’IA, le choix est vite fait.
Faut-il pour autant abandonner les études ? Non. Mais il faut cesser de les voir comme un investissement de carrière. Dans le monde qui vient, la majorité des diplômés subiront une précarisation de leur condition. Ce n’est pas une hypothèse, c’est une conséquence mécanique de ce que nous venons de démontrer. Tous ne deviendront pas entrepreneurs, tous ne trouveront pas refuge dans l’artisanat. Le marché du travail intellectuel va se contracter, et la compétition pour les rares postes restants sera féroce.
Cependant, il reste un intérêt rationnel — et même vital — à continuer à se former. Mais cet intérêt n’a plus rien à voir avec l’employabilité. Il s’agit de ne pas devenir dépendant de l’outil au point de ne plus savoir juger sans lui.
Continuer à étudier les mathématiques, le droit, la philosophie ou les sciences, ce n’est plus accumuler des savoirs que l’IA possède déjà. C’est muscler sa capacité de jugement. C’est s’entraîner à résoudre des problèmes complexes sans aide extérieure, pour développer cette souveraineté cognitive qui vous permettra de dire : « Je comprends ce que l’IA me propose, et je décide si c’est pertinent. »
Mais pour cela, il faut adapter le système éducatif. Certes, le système actuel ne forme pas des idiots. Il forme des exécutants cognitifs de haut niveau, capables d’appliquer des protocoles complexes avec une rigueur exemplaire dans des environnements stables. C’était l’excellence d’hier.
Le problème, c’est que cette excellence est désormais automatisable. L’éducation traditionnelle forme pour un métier, c’est-à-dire pour l’application répétée de savoirs validés. Elle ne forme pas des hommes réfléchis capables de penser par eux-mêmes face à l’inédit.
J’entends bien « penser par soi-même » non pas comme une vague aspiration humaniste, mais comme une nécessité de survie cognitive : la capacité à ne pas se choisir un maître à suivre peinardement. Car dans un monde saturé de réponses générées par l’IA, le plus grand risque n’est pas l’ignorance, mais la soumission intellectuelle. Si vous n’avez pas développé votre propre boussole intérieure, votre propre capacité à juger sans filet, vous ne ferez que déléguer vos choix — professionnels, éthiques, existentiels — à l’algorithme qui vous semblera le plus convaincant. D’ailleurs, le problème n’est pas tant l’algorithme que la filiation aveugle à n’importe quelle source de conseils et d’information, IA ou non.
L’école doit cesser de former des bibliothèques vivantes pour former des architectes du jugement. Il ne s’agit plus de savoir quoi penser, mais de savoir comment rester libre de sa pensée quand tout autour de vous est optimisé pour vous dicter la réponse.
Si c’était déjà vrai hier, cela l’est encore plus aujourd’hui pour ne pas sombrer dans une pensée unique qui résulterait d’une confiance aveugle en la génération de l’IA. Trop de gens tombent actuellement dans le mirage peut-être égoïste de vouloir conserver leur savoir-faire professionnel manuel face à l’IA. Quelle liberté gagne-t-on à s’échiner à faire une tâche automatisable plutôt que de concentrer nos capacités cognitives dans la compréhension et l’anticipation du monde dans la globalité, avec les enjeux moraux qui y sont liés ? Lorsqu’on est pressé par une concurrence automatisée, il n’est plus possible de faire les deux.
Ils subiront la vague de reconversion massive des métiers intellectuels. L’artisanat n’a, en réalité, ni la taille ni la vitesse pour jouer ce rôle de refuge qu’on lui prête complaisamment.
Faisons les comptes, puisque c’est la seule chose qui compte ici. Le travail manuel véritablement qualifié en France — celui qui exige un jugement technique et non un geste répété, du BTP à l’usinage en passant par l’artisanat indépendant — représente entre 4,4 et 6,5 millions de personnes, soit 15 à 23 % des actifs occupés. En face, la population à dominante cognitive, cadres et professions intermédiaires confondus, pèse environ 14 millions de personnes. Le rapport de force est déjà défavorable, de un pour deux à un pour trois. Mais peu importe la taille du stock : personne ne va libérer plusieurs millions de postes manuels d’un coup. La vraie contrainte, c’est le flux — le nombre de postes qui se vident réellement chaque année, par les départs en retraite et les créations nettes. Et ce flux, malgré une pénurie déjà chronique, ne dépasse pas 150 000 à 250 000 postes non pourvus par an dans l’ensemble du secteur manuel qualifié, BTP et industrie confondus. Rapporté aux 14 millions de travailleurs intellectuels, ce chiffre représente à peine 1 à 2 % de cette population, chaque année.
On ne forme pas un maçon, un chaudronnier ou un plombier-chauffagiste qualifié en un trimestre de reconversion : il faut, selon les métiers, entre trois et sept ans d’apprentissage pour atteindre le niveau qui distingue précisément le travail manuel complexe du geste automatisable. Un cadre licencié à trente-cinq ans qui se tourne vers l’artisanat n’entre pas dans un poste vacant, il entre dans une file d’attente de plusieurs années, pour un nombre de places qui ne croît pas avec la demande. L’artisanat ne sera donc pas la soupape de sécurité qu’on imagine : au mieux une sortie de secours pour quelques dizaines de milliers d’entre eux chaque année, pendant que les autres devront se rendre à l’évidence — dans ce monde qui vient, la seule ressource qui reste vraiment rare, ce n’est plus le savoir-faire, manuel ou intellectuel. C’est le jugement lui-même.
Le fait que cet engrenage existe à cause du capitalisme ne vous a sans doute pas échappé. Cependant, ne sautons pas à la conclusion hâtive que le communisme (façon URSS) nous préserverait de tous ces maux. Car rappelons-le, l’équilibre de Nash s’applique dès que plusieurs organisations agissant de manière rationnelle entrent en concurrence. Pour nous préserver de cette mécanique économique avec le communisme, il faudrait soit une hégémonie communiste mondiale, ayant autant de pouvoir de régulation que l’URSS, soit qu’un pays communiste accepte de vivre en parfaite autarcie, tout en observant le monde avancer technologiquement sans lui. Si sur le plan mécanique le communisme résout ce problème, il faudrait encore avoir la capacité de mettre en place un tel régime — et n’oublions pas que régler le problème de cette manière apporterait d’autres problèmes intrinsèques au communisme. D’ailleurs, supprimer la concurrence supprime la pression mécanique à adopter l’IA par nécessité économique, mais pas l’intérêt d’un tel régime à l’adopter pour d’autres raisons — contrôle social, surveillance, projection de puissance militaire. Un pouvoir disposant d’une capacité de régulation aussi totale que l’URSS aurait au contraire tout intérêt à déployer cette technologie à ces fins, sans avoir besoin de concurrence pour cela.
Notes
-
En juillet 2026, le chercheur Anthropic Levent Alpöge a utilisé Fable 5 pour produire un contre-exemple à la conjecture jacobienne, un problème vieux de 87 ans, vérifié indépendamment par des mathématiciens du monde entier en quelques heures. Source : Finance BigGo — Scholze confirme la percée sur la conjecture jacobienne.
-
Paul Erdős, mathématicien hongrois légendaire, avait pour coutume de dire que Dieu possédait un « Livre » contenant les preuves mathématiques les plus élégantes et parfaites. Une « preuve issue du Livre » désigne une démonstration d’une simplicité et d’une beauté telles qu’elle semble évidente et inévitable, sans artifice inutile. Qualifier la solution de l’IA de « Book proof » signifie qu’elle a atteint ce niveau d’élégance mathématique.
-
Liam Price, 23 ans, sans formation mathématique avancée, a soumis le problème à ChatGPT et obtenu une solution en environ 80 minutes, sur un problème que le mathématicien d’Oxford Jared Lichtman avait tenté sans succès pendant sept ans. Source : BuildFastWithAI — GPT-5.4 solved a 60-year math problem.
-
Le RAND Corporation rapporte que le cycle moyen capteur-tireur pour les frappes d’artillerie est passé de 30 minutes en 2022 à moins d’une minute en 2024, et jusqu’à 30 secondes pour les frappes assistées par drones FPV. Source : Ashley Ruiz, « The Future of War: Kill-Chain Supremacy and Ukraine’s Lessons », Journal of Strategic Security, vol. 18, n° 4 (2025), p. 53-63, University of South Florida — Digital Commons ; voir aussi Weekly Report AI — The AI Arsenal.
-
Le code Ruby de Stripe cumule deux difficultés pour un système d’IA. D’une part, c’est un langage à typage dynamique fortement porté sur la métaprogrammation —
method_missing,define_method, monkey-patching, DSL internes — ce qui complique considérablement l’analyse statique et le suivi des dépendances par rapport à un langage typé comme Java ou TypeScript. D’autre part, Ruby reste nettement sous-représenté dans les corpus d’entraînement des grands modèles par rapport à Python ou JavaScript, ce qui limite d’ordinaire l’exposition du modèle à ses idiomes. C’est la combinaison de ces deux facteurs qui rend la performance de Fable 5 sur cette migration particulièrement significative. -
Stripe a utilisé Fable 5 pour migrer une base de code Ruby de 50 millions de lignes en une journée, un travail estimé à plus de deux mois pour une équipe d’ingénieurs. Source : ClaudeAINews — Stripe Ran a Two-Month Migration in a Single Day.
-
Citation directe d’Anthropic : « Anthropic engineers on average ship 8x as much code per quarter as they did compared to 2021-2025. » Source : VentureBeat — Anthropic says 80% of its new production code is now authored by Claude.
-
Le rapport DX mesure une hausse de l’usage de l’IA de 65 % pour seulement 7,76 % de gain de débit de livraison (pull requests), la plupart des organisations se situant entre 5 et 15 % de gain réel. Source : DX — AI productivity gains are 10%, not 10x.
-
Analyse des offres d’emploi Adzuna, Reed et LinkedIn par la lawtech GenieAI. Source : The Global Recruiter — AI Reduces Entry-Level Legal Hiring.
-
Enquête Content Marketing Institute, perspectives de carrière 2026. Source : Content Marketing Institute — The Missing Generation: How AI Is Reshaping Content and Marketing Roles.
-
Analyse du Financial Times portant sur plus de 50 000 offres d’emploi chez Deloitte, EY, KPMG et PwC dans les pays anglophones (2020-2026) ; le doublement du ratio candidatures/offres pour la finance, le conseil et la tech provient du rapport Handshake Campus to Career 2026. Sources : The Irish Times / Financial Times — Big Four firms post more job ads for AI specialists than auditors ; Handshake — 2026 Campus to Career Report.
-
La baisse de 46 % des offres tech pour diplômés britanniques (avec 53 % de recul supplémentaire anticipé pour 2026) provient d’un rapport de l’Institute of Student Employers relayé par la presse. L’écart de 19 % sur l’emploi des développeurs américains de 22-25 ans provient de l’étude Brynjolfsson, Chandar & Chen, Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence, Stanford Digital Economy Lab. Sources : TechRadar — Tech industry stalling as AI takes over ; Stanford Digital Economy Lab.
Cet article est une tribune libre, non rédigée par la rédaction du Salon beige. Si vous souhaitez, vous aussi, publier une tribune libre, vous pouvez le faire en cliquant sur « Proposer un article » en haut de la page.
zongadar
Article super intéressant…qui, accessoirement, donne du sens aux commandements des Geogia Guidestones !
collinrem
La question éthique n’est jamais posé dans cet article.
Remarquons que le terme « intelligence » est impropre pour parler de ce qu’on appelle IA.
L’IA n’a pas la faculté de penser, propre de l’intelligence.
Elle ne possède aucun des trois modes opératoires que la philosophie classique attribue à l’intelligence : l’intellect, la réflexion, puis la raison. A fortiori la conscience !
Quid de l’éthique ? Le principe même de l’IA est-il moral ?
Par exemple concernant l’équilibre de Nash :
« Si dans un ensemble Ω d’entreprises travaillant dans un même secteur, une entreprise B décide d’utiliser une innovation que les autres se refusaient d’utiliser jusqu’ici, etc … ». Et si cette innovation n’est pas éthique ? Implique le meurtre, le vol l’esclavage, l’avortement provoqué, l’euthanasie, …
Autres questions éthiques :
A terme, elle prive l’homme de la connaissance :
En court-circuitant le processus cognitif, l’IA détourne l’utilisateur de la vraie connaissance. Et de sa tension vers le Bien. L’homme se sert de moins en moins des aptitudes de son intelligence, des liens à faire lui même entre les différentes données, de ses intuitions, pour faire confiance au traitement statistique des données de la machine. Ses facultés intellectuelles s’atrophient …
Elle détourne l’homme de la vérité, en présentant le probable, comme la vérité …
Les réponses données ne sont qu’une probabilité résultant de l’analyse des données mises dans les machines par les concepteurs. Et l’accroissement du volume des données n’est pas une garantie d’une réponse de plus en plus vraie.
Le Vrai n’est pas le vraisemblable de la réponse de l’IA !
La Vérité, au contraire, est une qualité, qui procède de l’être, et non de l’avoir ou du nombre.
« La réduction de la qualité à la quantité dans l’analyse des données, conduit irrémédiablement à ne plus percevoir la vérité de la solution et à confondre l’égal et l’être »
L’IA est un moyen, pas une fin, … Mais quelle est la fin… ?
On sait qu’une fin bonne n’autorise pas des moyens immoraux …
Cela renvoie aussi, à la suite de Jacques Ellul, Hanna Arendt, Raymond Aron, …, à la question de la (soi-disant) neutralité des techniques, de la nature des moyens et des fins…
Si le moyen (la technologie de l’IA) est immoral par essence, peut-on l’utiliser même pour une fin bonne ? L’éthique chrétienne a toujours répondu non.
A terme, l’IA favorise l’éloignement de l’homme de la recherche naturelle de la vérité, et en conséquence de la Vérité révélée …
D’accord avec l’idée de na pas abandonner les études qui gardent un « intérêt rationnel — et même vital — à continuer à se former. Mais cet intérêt n’a plus rien à voir avec l’employabilité. Il s’agit de ne pas devenir dépendant de l’outil au point de ne plus savoir juger sans lui. »
Je signale un livre récent intéressant concernant les rapports entre éthique et IA : « Servir l’éthique face à l’IA » de P-L Boyer
VaclavHavel
Bonjour @collinrem,
Votre commentaire soulève le point de friction central de ce débat, mais il repose sur un amalgame sémantique qu’il est dangereux d’accepter : la confusion entre l’intelligence et la conscience.
Vous définissez l’intelligence par la conscience réflexive (le Cogito), la tension vers le Bien et l’expérience subjective. Mais c’est là un déplacement arbitraire des frontières. L’intelligence, dans son sens cognitif, est la faculté d’abstraction, de reconnaissance de motifs et de résolution de problèmes. Sur ce plan, le cerveau humain fonctionne lui-même sur une architecture probabiliste et computationnelle. L’IA fait exactement cela : elle déduit, elle abstrait, elle crée des stratégies inédites. Elle est donc indiscutablement intelligente.
Ce qui lui manque, ce n’est pas l’intelligence, c’est la conscience (cette « couche » supplémentaire, propre à l’humain, qui permet d’éprouver le ressenti de l’existence et la tension morale). En philosophie de l’esprit, on parle de « zombie philosophique » non pas pour nier ses capacités cognitives, mais pour souligner son absence d’expérience subjective (qualia). L’IA est une intelligence fonctionnelle dépourvue de vie intérieure.
Refuser de qualifier ses capacités d’« intelligence » simplement parce qu’elles sont inconscientes revient à nier la réalité de ce qui se passe sous le capot. C’est un biais anthropocentrique : on redéfinit le mot « intelligence » pour y inclure la conscience, dans le seul but de garder ce terme comme l’apanage exclusif de l’homme.
Or, ce déni sémantique est une erreur stratégique majeure. En minimisant cette intelligence fonctionnelle sous prétexte qu’elle n’a pas d’âme, on ferme les yeux sur une réalité qui est déjà là et qui bouleverse notre monde. Le danger éthique n’est pas que la machine devienne consciente, mais que l’homme, par paresse cognitive, abdique son propre jugement (qui, lui, exige une conscience morale) pour s’en remettre à une machine qui ne possède qu’une intelligence probabiliste.
Sur la nécessité de former des « architectes du jugement » capables de discerner le Vrai, nous nous rejoignons donc totalement. Mais pour défendre cette souveraineté humaine, il faut d’abord avoir le courage de regarder la machine telle qu’elle est : une intelligence redoutable, mais aveugle.
RdeClorets
« Les IA sont intelligentes. C’est un fait. »
Non, les IA ne sont pas intelligentes. A strictement parler, elles n’ont ABSOLUMENT RIEN à voir avec l’intelligence, puisqu’elles n’ont aucun critère de discernement du vrai et du faux. Elles génèrent du plausible, c’est tout. Mais s’il n’y avait que des choses fausses sur internet, si on les entraînait avec du faux, elles ne génèreraient que du faux sans même s’en rendre compte. Elles le font d’ailleurs déjà dans le cas des choses objectivement fausses mais répétées par tout le monde sur internet.
Elles donnent l’illusion d’être intelligentes par la masse faramineuse de données qu’elles ingurgitent, leur extraordinaire puissance de calcul et l’idée fausse que l’on se fait de l’intelligence avec nos tests de QI.
En mathématiques, ce sont essentiellement des contre-exemples qui ont été trouvés par l’IA pour invalider des conjectures célèbres. Effectivement, les résultats sont bien là, il n’est pas question de nier la performance, mais il n’est pas si surprenant que cela qu’une machine puisse le faire, et même mieux que nous. L’IA couplée avec les logiciels de démonstration automatique sont un outil absolument redoutable, mais ça reste de l’assistance à l’intelligence humaine, qui, seule, est capable de « voir » les concepts. A chaque fois qu’une IA trouve un nouveau résultat mathématique important, Terence Tao en propose une « digestion » sur son blog. Pour l’instant, c’est bien toujours l’humain qui reste maître du jeu.
Une IA n’aurait été d’absolument aucune utilité pour un mathématicien comme Grothendieck, par exemple. Et elle n’aurait jamais pu faire ce qu’il a fait. Sa capacité à voir les notions qui manquent, à dégager les bonnes théories, à unifier les branches des mathématiques entre elles, à distinguer là où les choses sont confuses, à éclairer l’univers des mathématiques par de nouveaux concepts qui n’avaient jamais été vus auparavant, tout cela est (en tout cas à l’heure actuelle) totalement hors de portée de l’IA.
Si l’IA était apparue pendant la préhistoire, à l’époque où les langages humains ne connaissaient que trois nombres : « un », « deux » et « beaucoup », jamais elle n’aurait pu découvrir le nombre quatre. Ce n’est pas dans sa nature. Rien en elle ne permet cela. Seule l’intelligence humaine est capable de saisir un nouveau concept à partir du réel.
Ce qui est intéressant avec l’IA, c’est qu’elle nous oblige à prendre conscience plus profondément de ce qui fait notre spécificité humaine.
VaclavHavel
Vous affirmez beaucoup de choses dans votre commentaire, mais vous les étayez peu. Votre raisonnement repose sur une confusion constante entre les limites actuelles de notre matériel informatique et ce qui serait une limite naturelle ou intrinsèque de l’intelligence artificielle.
Voici quelques éléments qui me semblent contredire votre raisonnement :
Sur « l’extraordinaire puissance de calcul »
Vous semblez considérer que l’IA exige par nature des datacenters entiers. Or, cela peut surtout être lié à l’état actuel de notre matériel informatique. Aujourd’hui, une grande partie de l’énergie consommée par les serveurs est liée à l’architecture de von Neumann (séparation mémoire/processeur) et à l’inefficience des architectures généralistes. L’IA elle-même, en tant que réseau de neurones, peut être extrêmement efficiente. Des entreprises comme Taalas.ai, ainsi que les recherches sur les puces neuromorphiques et analogiques, l’ont déjà montré avec des architectures spécialisées. L’argument de la « puissance colossale » semble donc davantage refléter les limites de notre hardware actuel qu’une limite intrinsèque de l’IA.
Sur la « masse faramineuse de données qu’elles ingurgitent »
N’oubliez pas le few-shot learning (la capacité d’apprendre à partir de quelques exemples), qui est déjà une réalité. De plus, il faut être prudent lorsque l’on compare l’apprentissage humain et celui des IA. Un cerveau humain reçoit lui aussi en permanence une quantité considérable d’informations sensorielles : chaque seconde d’éveil, nos yeux et nos oreilles traitent une quantité considérable de données. L’humain fait également de l’apprentissage par renforcement continu.
La méthode de base (l’ajustement de connexions synaptiques/poids neuronaux) présente d’ailleurs des similitudes fondamentales. L’apprentissage de l’IA n’est pas encore aussi rapide que celui d’un enfant, c’est vrai, mais pouvez-vous citer une limitation technique ou physique infranchissable qui l’empêcherait de le devenir ?
Sur les mathématiques : « essentiellement des contre-exemples »
Cette affirmation me paraît difficile à concilier avec certaines avancées récentes.
Quand une IA a résolu le problème d’Erdős n°1196 (qui bloquait les mathématiciens depuis des années), elle n’a pas simplement produit un contre-exemple, mais ce que les experts ont qualifié de « Book proof » : une démonstration particulièrement élégante.
Quand DeepMind a travaillé sur la théorie des nœuds et l’algèbre, l’IA a découvert de nouvelles structures conceptuelles reliant ces deux domaines, générant de vrais résultats mathématiques nouveaux. L’IA ne fait donc pas uniquement du calcul par force brute : elle peut également élaborer des représentations abstraites dans son espace latent.
Sur la préhistoire et le nombre « quatre »
Vous dites : « Si l’IA était apparue pendant la préhistoire… jamais elle n’aurait pu découvrir le nombre quatre. Ce n’est pas dans sa nature. »
Mais sur quoi repose cette conclusion ?
Votre argument semble supposer que l’IA est condamnée à n’être qu’un modèle de langage enfermé dans du texte. Mais l’intelligence n’est pas nécessairement liée au texte : elle peut aussi être liée à l’interaction avec un environnement.
Un agent IA doté de capteurs (vision, robotique) et interagissant avec le réel par renforcement pourrait tout à fait observer des quantités discrètes d’objets et conceptualiser le « quatre » à partir du réel, exactement comme l’humain de la préhistoire. L’ancrage dans le réel n’est pas le monopole du carbone ; c’est une question de capteurs et d’architecture d’interaction.
En conclusion : dire que l’IA « n’a absolument rien à voir avec l’intelligence » parce qu’elle ne possède pas (encore) nos capteurs biologiques ou notre conscience phénoménale, c’est confondre le support avec la fonction. Refuser de voir la capacité fonctionnelle de la machine parce qu’elle n’a pas d’âme, c’est s’interdire de comprendre le monde qui vient.
RdeClorets
Merci pour votre réponse.
Je me plaçais en effet dans le cadre des LLM qui font désormais partie de notre quotidien, et qui brassent des milliards de signifiants en quelques microsecondes sans jamais avoir rencontré un seul signifié. J’aurais dû le préciser.
Mais peu importe : ce qui compte est la question de la nature de l’intelligence. De ce point de vue-là aussi, peut-être est-il nécessaire que je précise mon cadre de pensée : c’est celui de la philosophie réaliste (aristotélo-thomiste).
Je n’ai encore jamais entendu dire qu’une IA ait pu créer le moindre concept réellement nouveau, qui corresponde à une réalité et ait du sens. Des idées nouvelles issues de combinaisons de choses déjà connues, oui, des mises en parallèle qui peuvent éventuellement avoir un intérêt, oui, mais une réalité intelligible radicalement nouvelle que l’intelligence humaine n’avait jamais vue, qui nécessite un nouveau mot pour la désigner et une définition dans le dictionnaire pour en cerner l’essence, ça, pour l’instant, que je sache, on n’y est pas.
Et je ne vois pas comment cela pourrait se faire. C’est cela qui n’est pas dans sa nature.
Vous pouvez rajouter autant de capteurs physiques que vous voulez, cela ne changera rien au problème. L’intelligence est un capteur d’une autre nature (immatériel), capable de saisir l’intelligible à l’intérieur du sensible. L’intelligence est la faculté de connaître la nature des choses, l’essence des choses. Cela ne relève pas du sensible, il faut la lumière de l’intelligence pour voir l’intelligible dans le sensible. Comment une IA pourra-t-elle faire le lien entre l’image d’un trèfle à quatre feuilles, celle d’une pile de quatre assiettes, celle d’une voiture à quatre places, le son d’une valse à quatre temps et la vidéo d’un film des quatre fantastiques si on ne lui a pas déjà d’une manière ou d’une autre enseigné le nombre quatre que notre propre intelligence a elle-même saisi ?
VaclavHavel
Merci pour votre réponse, je vois que j’ai été maladroit. L’IA (LLM) apprend de la même manière qu’un humain, dans le sens où c’est à partir de son expérience, ou de son jeu de données, qu’elle va tirer des règles, des rapports de causalité, etc. La manière dont cet apprentissage par renforcement s’opère est également similaire à celle de l’humain : l’humain utilise la plasticité synaptique pour favoriser certains chemins neuronaux, l’IA, elle, ajuste ses poids internes pour favoriser une branche. Le procédé de génération est également similaire pour les deux : l’information prend un chemin plutôt qu’un autre.
Quand vous dites alors que ce n’est pas dans la nature de l’IA de créer un concept nouveau, je vous demande donc : pourquoi ce serait dans la nature de l’homme ?
Vous dites : « Comment une IA pourra-t-elle faire le lien entre l’image d’un trèfle à quatre feuilles, celle d’une pile de quatre assiettes, celle d’une voiture à quatre places, le son d’une valse à quatre temps et la vidéo d’un film des quatre fantastiques si on ne lui a pas déjà, d’une manière ou d’une autre, enseigné le nombre quatre que notre propre intelligence a elle-même saisi ? » Cependant, prétendre qu’on a enseigné à l’IA le nombre 4 tandis que notre intelligence, elle, l’aurait saisi par elle-même, me semble abusif. IA et humain ont acquis ce concept de la même manière : par transmission de ce que d’autres avaient déjà établi.
Mais soit, penchons-nous alors sur un cas que je pense être un contre-exemple sérieux à ce que vous avancez. Prenons AlphaEvolve (Google DeepMind, mai 2025), un système qui utilise directement des LLM généralistes (Gemini) — pas un modèle étroit dédié à une seule tâche — dans une boucle d’évolution de code. On lui a bien assigné un problème connu (trouver une méthode plus économe pour multiplier des matrices), avec un évaluateur capable de juger un résultat. Mais on ne lui a soufflé ni la méthode, ni la piste à suivre. Or le système a trouvé une manière de multiplier deux matrices complexes 4×4 en 48 multiplications, en utilisant les nombres complexes d’une façon contre-intuitive pour créer des annulations que les chercheurs pensaient plutôt de nature à compliquer le problème — battant ainsi l’algorithme de Strassen, resté la référence pendant 56 ans malgré des efforts humains soutenus.
Ce n’est certes pas l’équivalent de l’invention du concept de « quatre » — il s’agit d’une construction mathématique ponctuelle, pas d’une catégorie universelle. Mais le principe est le même que celui que vous contestiez : un objet qui n’existait dans aucun corpus, qu’on ne pouvait donc pas avoir « enseigné », et qui a émergé d’une exploration que l’intelligence humaine, malgré un demi-siècle de tentatives, n’avait pas empruntée.
RdeClorets
Votre exemple illustre (de façon effectivement spectaculaire) ce que l’intelligence artificielle sait faire de mieux : explorer un (très) vaste univers de possibles et chercher à atteindre un objectif donné à l’intérieur de cet univers. Sur ce terrain-là, il est évident qu’elle nous bat déjà à plate couture et que ce n’est que le début. C’est intéressant d’ailleurs de voir les mathématiciens se repositionner, prendre conscience de leurs propres préjugés, comme vous le mentionnez dans votre exemple.
Seulement voilà : tout cela se passe à l’intérieur du cadre que nous avons nous-mêmes fixé. De même qu’une calculatrice est un outil extraordinaire capable de faire instantanément des calculs que nous mettrions des heures à faire nous-mêmes, mais reste totalement incapable de calculer avec des nombres complexes si elle n’est pas programmée pour. De même qu’un logiciel de géométrie dynamique est un outil fabuleux permettant de visualiser instantanément toutes sortes de configurations géométriques en les faisant varier à l’infini sous nos yeux, mais est totalement incapable de faire de la géométrie non euclidienne s’il n’est pas programmé pour.
De même l’IA fait des choses extraordinaires à l’intérieur du cadre que nous lui avons donné, mais est incapable de sortir du cadre.
C’est nous, et nous seuls, qui pouvons sortir du cadre. C’est l’intelligence humaine qui, en concevant de nouvelles réalités intelligibles, élargit le cadre.
Vous posez la question cruciale : pourquoi est-ce que nous, nous sommes capables de créer de nouveaux concepts et pas elle ? Pourquoi notre intelligence saisit-elle la réalité du nombre 4 et pas l’IA ? Cette question, de nature philosophique, est LA question que l’IA nous oblige à nous poser.
Les similitudes que vous soulignez entre l’apprentissage humain et l’apprentissage d’une IA sont certes pertinentes au niveau du fonctionnement du cerveau, mais ce sont des ressemblances superficielles, et même accidentelles. Elles ne touchent pas au cœur du sujet. Dans l’acte d’intellection, l’essentiel ne se joue pas là, car l’être ne se résout pas dans la multiplicité de ses paraître. Multiplier les exemples ne suffit pas pour apprendre. Il faut qu’à un moment donné, à l’occasion d’un exemple, l’intelligence (la vraie) fasse son œuvre. Qu’en saisissant enfin son objet propre, elle passe une fois pour toutes du concret à l’abstrait, du singulier à l’universel, de l’expérience à la science.
Pour comprendre intellectuellement le nombre quatre, il a fallu qu’un homme préhistorique, un jour, se promène seul dans un champ de trèfles, et qu’il découvre un trèfle à quatre feuilles. Il a fallu qu’il s’émerveille de sa trouvaille, qu’il la contemple, et qu’il se demande : « Pourquoi celui-ci n’est-il pas comme les autres ? ». Et à partir de cet unique exemple, il a fallu que son intellect transperce la surface matérielle des choses, et saisisse derrière l’apparence sensible la forme (au sens aristotélicien) du nombre quatre. Une fois cette forme appréhendée, l’homme préhistorique a été capable ensuite de la reconnaître dans toutes sortes d’autres situations d’apparences sensibles très différentes : quatre moutons, quatre couleurs, quatre saisons… Il put lui donner un nom (comme le fait le Bon Dieu dans la Genèse) et une définition.
Je vous recommande la lecture de Récoltes et semailles, d’Alexander Grothendieck, pour une description de première main de ce processus par un maître en ce domaine. Je vous mets au défi de rendre ce processus automatisable d’une quelconque manière.
julaurdine
Cela fait plusieurs fois qu’on me dérange au téléphone pour le même sujet.
La semaine dernière c’était une femme, aujourd’hui c’est un homme et je lui dit poliment «Attendez monsieur, si vous voulez bien m’écouter, je vais vous passer la personne que cela intéresse », rien à faire ! Il continue à parler comme une bécasse !
Bref, je raccroche.
… C’était l’intelligence artificielle …
Je vais donc être condamné à continuer d’être enquiquinée …
Et ça ne fait que commencer !