Thèse
Le terme « intelligence artificielle » est historiquement très bien choisi, mais scientifiquement ambigu. Il est bien choisi parce qu’il capte exactement le projet fondateur : mécaniser certaines opérations de la pensée humaine — raisonner, calculer, apprendre, reconnaître, décider, produire du langage. Mais il est ambigu parce qu’il laisse croire que la machine possède une intelligence comparable à celle d’un sujet humain, alors qu’elle produit surtout des comportements intelligents simulés, par calcul symbolique, statistique ou connexionniste.
Autrement dit : l’IA n’est pas d’abord une intelligence. C’est une mécanisation partielle de fonctions que nous associons à l’intelligence.
1. L’IA comme vieux rêve de mécanisation de la pensée
L’histoire de l’IA ne commence pas avec ChatGPT, ni même avec les ordinateurs. Elle s’inscrit dans une longue histoire : automates, êtres artificiels, raisonnement formel, logique, calcul, algorithmes. La page Wikipédia rappelle que l’IA trouve ses origines intellectuelles dans des mythes anciens, dans l’idée de créer des entités artificielles capables de comportements humains, mais surtout dans la formalisation du raisonnement, par exemple avec le syllogisme d’Aristote. (Wikipédia)
Le passage essentiel est celui-ci : l’IA repose sur l’hypothèse que le processus de pensée humaine peut être mécanisé. Cette idée traverse l’histoire du raisonnement formel : Aristote formalise le syllogisme, Euclide propose un modèle de raisonnement démonstratif, Al-Khawarizmi donne son nom à l’algorithme, Raymond Lulle tente de combiner mécaniquement des concepts, Leibniz imagine un langage universel du raisonnement, Boole formalise les “lois de la pensée” par l’algèbre logique. (Wikipédia)
Ce fil historique est fondamental : avant d’être une technologie, l’IA est une ambition intellectuelle. Elle repose sur une question vertigineuse : si certaines opérations mentales peuvent être formalisées, alors peuvent-elles être exécutées par une machine ?
2. Le terme « intelligence artificielle » : une formule efficace mais piégeuse
Le terme est officiellement installé à la conférence de Dartmouth en 1956. John McCarthy et ses collègues proposent de travailler sur l’hypothèse selon laquelle tout aspect de l’apprentissage ou toute autre caractéristique de l’intelligence peut, en principe, être décrit assez précisément pour qu’une machine puisse le simuler. (Dartmouth)
De ce point de vue, « intelligence artificielle » est un excellent terme fondateur. Il nomme le programme de recherche avec une force remarquable : fabriquer des dispositifs artificiels capables de produire des effets que nous attribuons normalement à l’intelligence humaine.
Mais c’est aussi un terme qui crée une confusion durable. Il mélange trois niveaux :
- L’intelligence comme faculté humaine : comprendre, juger, vouloir, contextualiser, donner du sens.
- L’intelligence comme performance observable : résoudre un problème, répondre correctement, reconnaître une forme, produire un texte.
- L’intelligence comme mécanisme calculatoire : manipuler des symboles, des probabilités, des vecteurs, des règles ou des données.
L’IA réussit très bien au niveau 2 et parfois au niveau 3. Elle est beaucoup plus incertaine au niveau 1.
C’est exactement ce que Turing avait compris. Dans son article de 1950, il ne cherche pas à définir métaphysiquement la pensée. Il propose plutôt de remplacer la question “les machines peuvent-elles penser ?” par une question plus opératoire : peuvent-elles se comporter, dans certaines conditions, de manière indistinguable d’un humain ? (informatique-fds.edu.umontpellier.fr)
3. Le vrai cœur du problème : simulation ou compréhension ?
Le terme « intelligence » est donc acceptable si on le comprend comme production de comportements intelligents. Il devient trompeur si on le comprend comme possession d’une compréhension intérieure.
C’est le cœur de la critique de John Searle avec l’argument de la chambre chinoise : un système peut manipuler correctement des signes sans comprendre leur signification. L’argument ne vise pas l’IA faible — l’idée que les machines peuvent simuler ou aider à étudier certaines capacités mentales — mais conteste l’idée qu’un programme, par simple manipulation syntaxique, comprenne réellement ce qu’il traite. (Stanford Philosophie)
Cette distinction est capitale aujourd’hui avec les IA génératives. Un modèle de langage peut produire une réponse très cohérente sans avoir d’expérience vécue, d’intention propre, de compréhension située ou de responsabilité. Il ne pense pas comme un humain ; il calcule des régularités, infère des relations, génère des sorties plausibles.
C’est pourquoi le terme « intelligence artificielle » est à la fois puissant et dangereux :
puissant, car il désigne une extension technique de nos capacités cognitives ;
dangereux, car il favorise l’anthropomorphisme.
4. Alors, le terme est-il bien choisi ?
Oui, si on accepte qu’il s’agit d’un terme stratégique et historique, pas d’une description parfaitement exacte.
Il est bien choisi parce qu’il dit quelque chose de très profond : l’humain a cherché à externaliser non seulement sa force physique, mais aussi certaines fonctions de sa pensée. La machine à vapeur mécanise l’effort musculaire. L’ordinateur mécanise le calcul. L’IA mécanise certaines opérations cognitives : reconnaître, classer, prédire, raisonner, traduire, produire, recommander.
Mais il est mal choisi si on entend par intelligence : conscience, compréhension, intentionnalité, jugement moral, expérience sensible ou sagesse. Dans ce cas, les expressions suivantes seraient plus exactes :
- mécanisation du raisonnement pour l’IA symbolique ;
- automatisation de l’inférence pour les systèmes actuels ;
- simulation computationnelle de fonctions cognitives pour une formulation plus scientifique ;
- systèmes d’aide à la décision et à la production symbolique pour les usages éducatifs ;
- machines à produire des comportements intelligibles pour les modèles génératifs.
Le droit européen contemporain va d’ailleurs dans ce sens : l’AI Act définit un système d’IA comme un système fondé sur une machine, pouvant fonctionner avec différents niveaux d’autonomie, éventuellement adaptatif, et capable d’inférer des sorties — prédictions, contenus, recommandations ou décisions — à partir d’entrées. Cette définition parle moins de “pensée” que d’inférence, d’autonomie relative et d’effets sur un environnement. (Acte IA UE)
GAP analysis : ce que le terme promet / ce que la technologie fait réellement
| Dimension | Promesse implicite du terme « IA » | Réalité technique dominante | Gap principal | Conséquence |
|---|---|---|---|---|
| Intelligence | Une machine “intelligente” au sens humain | Des systèmes capables de performances ciblées | Confusion entre performance et compréhension | Anthropomorphisme |
| Pensée | Une pensée artificielle | Des calculs, règles, statistiques, vecteurs, inférences | La pensée humaine est située, incarnée, intentionnelle | Surestimation des capacités |
| Compréhension | Une machine qui comprend le sens | Une machine qui manipule des formes et régularités | Syntaxe ≠ sémantique | Risque d’illusion de dialogue |
| Autonomie | Un agent autonome | Une autonomie encadrée par objectifs, données, architecture et interface | L’autonomie n’est pas l’intentionnalité | Responsabilité floue |
| Éducation | Un outil qui “sait” enseigner | Un outil qui assiste, reformule, génère, compare, simule | Enseigner suppose jugement, relation, contexte | Nécessité d’un cadrage pédagogique |
Formulation synthétique pour ton axe critique
Le terme « intelligence artificielle » est historiquement pertinent parce qu’il nomme le rêve ancien de la mécanisation de la pensée humaine. De la logique d’Aristote à l’algèbre de Boole, de Leibniz à Turing, puis de Dartmouth aux modèles génératifs, le même projet revient : transformer certaines opérations mentales en procédures manipulables par une machine.
Mais ce terme est aussi conceptuellement trompeur. Il suggère une intelligence pleine, alors que les systèmes actuels produisent surtout des effets d’intelligence. Ils raisonnent parfois, mais sans vécu ; ils dialoguent, mais sans intention propre ; ils produisent du sens pour nous, mais pas nécessairement pour eux.
La bonne question n’est donc pas :
“L’IA est-elle vraiment intelligente ?”
La question plus féconde est :
“Quelles parties de nos activités cognitives avons-nous réussi à mécaniser, avec quels gains, quelles pertes et quelles illusions ?”
Et c’est là que le terme reste utile : il oblige à penser ce que nous appelons “intelligence”. Non pas comme une propriété magique, mais comme un ensemble de fonctions : percevoir, classer, inférer, anticiper, décider, expliquer, créer. L’IA ne remplace pas la pensée humaine ; elle en mécanise certains fragments. Le danger commence quand on prend le fragment pour le tout.