Or, il suffit de regarder concrètement ce qui constitue l’infrastructure réelle de ces systèmes pour comprendre que l’IA actuelle n’a strictement aucune réalité biologique.
Derrière les interfaces séduisantes des grands modèles de langage se trouvent des centres de données gigantesques, des milliers de processeurs spécialisés, des systèmes de refroidissement industriels, des réseaux électriques colossaux, des câbles sous-marins, des architectures logicielles complexes, des bases de données massives et des lignes de code informatique.
Nous sommes donc très loin du neurone biologique, du métabolisme du vivant, de la conscience, de l’intention, de l’émotion ou encore de l’autonomie cognitive humaine.
L’IA actuelle est avant tout une infrastructure computationnelle mondiale reposant sur des capacités de calcul, de stockage et de prédiction statistique.
Le problème n’est pas l’existence de métaphores scientifiques. Les sciences utilisent souvent des analogies pour avancer. Le problème apparaît lorsque ces métaphores deviennent des vérités médiatiques.
Nous sommes donc très loin du neurone biologique, du métabolisme du vivant, de la conscience, de l’intention, de l’émotion ou encore de l’autonomie cognitive humaine.
L’IA actuelle est avant tout une infrastructure computationnelle mondiale reposant sur des capacités de calcul, de stockage et de prédiction statistique.
Le problème n’est pas l’existence de métaphores scientifiques. Les sciences utilisent souvent des analogies pour avancer. Le problème apparaît lorsque ces métaphores deviennent des vérités médiatiques.
Un « réseau neuronal artificiel » n’est pas un cerveau miniature.
Un modèle génératif ne « comprend » pas le monde comme un être humain. Il calcule des probabilités sur des séquences de symboles.
La confusion est devenue telle que certains discours présentent désormais les modèles génératifs comme des entités quasi humaines, capables de penser, de créer ou de raisonner.
Pourtant, lorsqu’un modèle produit une réponse, il ne fait qu’activer des matrices mathématiques, des poids statistiques, des opérations numériques et des mécanismes d’optimisation informatique.
Cette distinction est essentielle. Car plus l’IA est présentée comme une forme de cerveau artificiel autonome, plus on invisibilise la dépendance énergétique des systèmes, les infrastructures industrielles nécessaires, les ressources minières mobilisées, les dépendances géopolitiques et le travail humain caché derrière les données, l’annotation et la maintenance des modèles.
paradoxe est frappant : le cerveau humain consomme environ 20 watts, alors que certains centres de calcul dédiés à l’IA consomment l’équivalent énergétique de petites villes. Et pourtant, c’est la machine que l’on présente parfois comme plus « intelligente » que l’humain.
La confusion est devenue telle que certains discours présentent désormais les modèles génératifs comme des entités quasi humaines, capables de penser, de créer ou de raisonner.
Pourtant, lorsqu’un modèle produit une réponse, il ne fait qu’activer des matrices mathématiques, des poids statistiques, des opérations numériques et des mécanismes d’optimisation informatique.
Cette distinction est essentielle. Car plus l’IA est présentée comme une forme de cerveau artificiel autonome, plus on invisibilise la dépendance énergétique des systèmes, les infrastructures industrielles nécessaires, les ressources minières mobilisées, les dépendances géopolitiques et le travail humain caché derrière les données, l’annotation et la maintenance des modèles.
paradoxe est frappant : le cerveau humain consomme environ 20 watts, alors que certains centres de calcul dédiés à l’IA consomment l’équivalent énergétique de petites villes. Et pourtant, c’est la machine que l’on présente parfois comme plus « intelligente » que l’humain.
Pour Wald Maâlam, l’enjeu n’est donc pas de nier l’importance des avancées actuelles.
Les modèles génératifs constituent une évolution majeure de l’informatique et des systèmes statistiques appliqués au langage. Mais il devient urgent de remettre les mots à leur place.
L’algorithme n’est pas la pensée. Le calcul n’est pas la conscience. La prédiction n’est pas la compréhension. Et l’infrastructure informatique mondiale n’est pas un organisme vivant.
Le véritable risque aujourd’hui n’est peut-être pas l’intelligence artificielle elle-même, mais l’anthropomorphisation excessive de systèmes qui demeurent, fondamentalement, des constructions informatiques conçues par des humains.
À force de vouloir humaniser la machine, nous risquons surtout de mécaniser notre propre manière de penser le monde.
Par Dr Az-Eddine Bennani.
L’algorithme n’est pas la pensée. Le calcul n’est pas la conscience. La prédiction n’est pas la compréhension. Et l’infrastructure informatique mondiale n’est pas un organisme vivant.
Le véritable risque aujourd’hui n’est peut-être pas l’intelligence artificielle elle-même, mais l’anthropomorphisation excessive de systèmes qui demeurent, fondamentalement, des constructions informatiques conçues par des humains.
À force de vouloir humaniser la machine, nous risquons surtout de mécaniser notre propre manière de penser le monde.
Par Dr Az-Eddine Bennani.