Avant toute intelligence artificielle, il y a d’abord l’intelligence humaine.
Tout commence par l’observation. L’être humain observe son environnement, les comportements, les phénomènes, les interactions et les problèmes qu’il cherche à comprendre.
Mais observer ne suffit pas. Il contextualise. Il replace ce qu’il perçoit dans une histoire, une culture, un environnement, des contraintes, des intentions et des objectifs. Sans contexte, les faits restent muets.
À partir de cette contextualisation, il pense. Il établit des liens, formule des hypothèses, mobilise son expérience, son intuition et ses connaissances. Puis il conçoit. Il imagine une solution, une méthode, une organisation ou une stratégie.
Cette première partie appartient entièrement à l’intelligence humaine. Ce que l’être humain a conçu est ensuite transformé en méthode. Cette méthode est décrite sous la forme d’un algorithme, c’est-à-dire une suite logique et ordonnée d’opérations destinée à produire un résultat.
L’algorithme n’est pas une intelligence : il est la formalisation méthodique d’une conception humaine.
Mais observer ne suffit pas. Il contextualise. Il replace ce qu’il perçoit dans une histoire, une culture, un environnement, des contraintes, des intentions et des objectifs. Sans contexte, les faits restent muets.
À partir de cette contextualisation, il pense. Il établit des liens, formule des hypothèses, mobilise son expérience, son intuition et ses connaissances. Puis il conçoit. Il imagine une solution, une méthode, une organisation ou une stratégie.
Cette première partie appartient entièrement à l’intelligence humaine. Ce que l’être humain a conçu est ensuite transformé en méthode. Cette méthode est décrite sous la forme d’un algorithme, c’est-à-dire une suite logique et ordonnée d’opérations destinée à produire un résultat.
L’algorithme n’est pas une intelligence : il est la formalisation méthodique d’une conception humaine.
L’algorithme est ensuite traduit dans un langage informatique afin de produire un programme.
Ce programme est écrit dans un langage compréhensible par les développeurs, mais il ne peut pas encore être exécuté directement par la machine. Une nouvelle traduction devient alors nécessaire.
Le programme est compilé, interprété ou transformé en langage machine. Les instructions y sont représentées sous forme numérique et binaire, par des suites de 0 et de 1.
Cette représentation correspond aux états électroniques que les composants de ce que nous appelons aujourd’hui l’ordinateur — ou le calculateur, comme le désignaient les scientifiques — peuvent traiter.
Ce n’est qu’à ce stade que le calculateur intervient. Son processeur lit, décode et exécute les instructions en mobilisant la mémoire, les unités de calcul, les dispositifs de stockage ainsi que les interfaces d’entrée et de sortie.
La chaîne complète peut ainsi être résumée : observer, contextualiser, penser, concevoir, formaliser une méthode, écrire un algorithme, le traduire en programme informatique, le convertir en langage machine sous forme de 0 et de 1, puis l’exécuter sur un calculateur.
Cette succession révèle une réalité souvent oubliée : l’intelligence artificielle repose sur une chaîne de traductions.
Le réel devient observation ; l’observation prend sens grâce au contexte ; le contexte nourrit la pensée ; la pensée conduit à la conception ; la conception devient méthode ; la méthode devient algorithme ; l’algorithme devient programme informatique ; le programme devient langage machine ; le langage machine devient enfin activité électronique au sein du calculateur.
Le programme est compilé, interprété ou transformé en langage machine. Les instructions y sont représentées sous forme numérique et binaire, par des suites de 0 et de 1.
Cette représentation correspond aux états électroniques que les composants de ce que nous appelons aujourd’hui l’ordinateur — ou le calculateur, comme le désignaient les scientifiques — peuvent traiter.
Ce n’est qu’à ce stade que le calculateur intervient. Son processeur lit, décode et exécute les instructions en mobilisant la mémoire, les unités de calcul, les dispositifs de stockage ainsi que les interfaces d’entrée et de sortie.
La chaîne complète peut ainsi être résumée : observer, contextualiser, penser, concevoir, formaliser une méthode, écrire un algorithme, le traduire en programme informatique, le convertir en langage machine sous forme de 0 et de 1, puis l’exécuter sur un calculateur.
Cette succession révèle une réalité souvent oubliée : l’intelligence artificielle repose sur une chaîne de traductions.
Le réel devient observation ; l’observation prend sens grâce au contexte ; le contexte nourrit la pensée ; la pensée conduit à la conception ; la conception devient méthode ; la méthode devient algorithme ; l’algorithme devient programme informatique ; le programme devient langage machine ; le langage machine devient enfin activité électronique au sein du calculateur.
À chaque étape, quelque chose est gagné : la formalisation, la reproductibilité, la vitesse d’exécution et l’automatisation.
Mais à chaque traduction, quelque chose peut également être perdu. L’histoire de l’écriture nous en fournit une illustration.
Lorsque la parole devient texte, elle se détache de la voix, du regard, des gestes, des silences, de l’intonation et de la situation dans laquelle elle a été prononcée.
L’écriture conserve et transmet le contenu, mais elle modifie profondément son contexte. Il en va de même pour l’algorithme. Pour rendre une situation calculable, il faut la transformer en données, en catégories, en variables, en relations et en règles. Cette transformation est indispensable au calcul, mais elle réduit nécessairement une partie de la richesse du contexte.
L’algorithme ne détruit pas volontairement le contexte. Il le réduit à ce qui peut être représenté, codé, mesuré et calculé.
Or le contexte n’est pas un supplément d’information que l’on pourrait simplement ajouter à la fin du traitement. Il participe à la construction même du sens. Une même donnée peut avoir des significations différentes selon l’histoire, la culture, l’environnement, les intentions des acteurs ou les circonstances dans lesquelles elle a été produite.
La donnée isolée ne dit donc pas tout de la situation dont elle provient. L’enjeu de l’intelligence artificielle ne réside donc pas uniquement dans la puissance des processeurs, le volume des données ou la performance des modèles. Il réside aussi dans notre capacité à préserver, restituer et interroger le contexte tout au long de cette chaîne de traductions.
Nous ne devons pas seulement nous demander ce que l’intelligence artificielle est capable de calculer. Nous devons également nous demander ce qu’elle ne peut plus voir une fois que le réel a été transformé en données.
Lorsque la parole devient texte, elle se détache de la voix, du regard, des gestes, des silences, de l’intonation et de la situation dans laquelle elle a été prononcée.
L’écriture conserve et transmet le contenu, mais elle modifie profondément son contexte. Il en va de même pour l’algorithme. Pour rendre une situation calculable, il faut la transformer en données, en catégories, en variables, en relations et en règles. Cette transformation est indispensable au calcul, mais elle réduit nécessairement une partie de la richesse du contexte.
L’algorithme ne détruit pas volontairement le contexte. Il le réduit à ce qui peut être représenté, codé, mesuré et calculé.
Or le contexte n’est pas un supplément d’information que l’on pourrait simplement ajouter à la fin du traitement. Il participe à la construction même du sens. Une même donnée peut avoir des significations différentes selon l’histoire, la culture, l’environnement, les intentions des acteurs ou les circonstances dans lesquelles elle a été produite.
La donnée isolée ne dit donc pas tout de la situation dont elle provient. L’enjeu de l’intelligence artificielle ne réside donc pas uniquement dans la puissance des processeurs, le volume des données ou la performance des modèles. Il réside aussi dans notre capacité à préserver, restituer et interroger le contexte tout au long de cette chaîne de traductions.
Nous ne devons pas seulement nous demander ce que l’intelligence artificielle est capable de calculer. Nous devons également nous demander ce qu’elle ne peut plus voir une fois que le réel a été transformé en données.
L’expérience vécue, le jugement, l’intuition, la responsabilité, l’émotion, la culture et l’intention ne disparaissent pas parce qu’ils sont absents d’un modèle.
Ils rappellent qu’une partie essentielle de l’intelligence humaine précède toute formalisation et ne se laisse jamais entièrement réduire à un programme ou à une suite de 0 et de 1.
Le véritable défi de l’intelligence artificielle n’est donc pas de reproduire l’intelligence humaine, mais de reconnaître ce qui, dans cette intelligence, ne se laisse pas complètement traduire en algorithmes, en programmes ou en langage machine. L’humain observe, contextualise, pense et conçoit.
L’algorithme formalise. Le programme traduit. Le langage machine numérise. Le calculateur exécute.
C’est en gardant cette chaîne complète à l’esprit que nous pourrons développer une intelligence artificielle au service de l’intelligence humaine, plutôt qu’une machine à laquelle nous attribuerions abusivement les facultés de l’être humain.
Le véritable défi de l’intelligence artificielle n’est donc pas de reproduire l’intelligence humaine, mais de reconnaître ce qui, dans cette intelligence, ne se laisse pas complètement traduire en algorithmes, en programmes ou en langage machine. L’humain observe, contextualise, pense et conçoit.
L’algorithme formalise. Le programme traduit. Le langage machine numérise. Le calculateur exécute.
C’est en gardant cette chaîne complète à l’esprit que nous pourrons développer une intelligence artificielle au service de l’intelligence humaine, plutôt qu’une machine à laquelle nous attribuerions abusivement les facultés de l’être humain.