Qu’est-ce qu’Henri Bergson pourrait nous dire sur l’IA ?

Il y a une citation d’Henri Bergson que j’aime bien, tirée de L’Évolution créatrice (1907) : « Instinct et intelligence représentent deux solutions divergentes, également élégantes, d’un seul et même problème » (celui de l’adaptation). Effectivement, les deux types de facultés permettent à une espèce de survivre et de prospérer dans son environnement, bien qu’elles soient de natures totalement différentes. J’avais d’ailleurs déjà évoqué le philosophe dans mon billet « Quand des chercheurs en neurosciences arrivent à la même conclusion que Bergson ».

On aurait sans doute intérêt à s’inspirer de cette formule pour éclairer notre réflexion sur la bien mal nommée « intelligence artificielle ». Actuellement, la forme la plus visible et qui se développe le plus de l’IA est l’IA générative. C’est celle des grands modèles de langage, comme ChatGPT, Claude ou DeepSeek. Fondamentalement, ces LLM (Large Language Models) ne font que prédire des suites de texte les plus probables en fonction de ce qui a précédé dans une conversation. Une forme d’auto-complétion de texte comme celle que l’on connaît depuis des années sur les claviers de nos téléphones, mais avec une puissance en jeu pour le calcul infiniment supérieure.

Bien sûr, je simplifie à outrance. Mais le principe structurant des LLM a toujours été et reste celui-ci. C’est ce qui a poussé certains chercheurs à dire que les LLM n’étaient que des perroquets stochastiques, des machines à calculer des probabilités très sophistiquées mais rien de plus. C’est un débat que j’ai creusé dans « L’IA intelligente ou pas, ce n’est pas le problème ».

Pourtant, force est de constater que ces outils fondamentalement rudimentaires produisent aujourd’hui des résultats remarquables. En développement informatique, par exemple, les modèles d’OpenAI et de Google DeepMind ont, en septembre 2025, obtenu un niveau de médaille d’or à la finale mondiale du concours de programmation ICPC, résolvant même des problèmes qu’aucune équipe humaine n’avait su craquer. En recherche mathématique, un modèle de raisonnement d’OpenAI a, en mai 2026, réfuté une conjecture de géométrie posée par Paul Erdős en 1946, restée ouverte pendant quatre-vingts ans ; et en juillet 2026, un chercheur d’Anthropic a utilisé Claude pour réfuter la conjecture jacobienne, un problème vieux de plusieurs décennies. Dans les deux cas, des mathématiciens sont ensuite intervenus pour vérifier et mettre en forme la preuve, mais la percée initiale est venue de la machine. Et dans le droit, ces outils s’installent désormais au cœur du travail quotidien des juristes, comme le montre par exemple cette analyse de Thomson Reuters sur la transformation de la profession. Les LLM sont en train de bouleverser des pans entiers de l’activité humaine.

Il n’en reste pas moins vrai que ces modèles de langage fonctionnent bien différemment de l’intelligence humaine. Nous n’avons pas besoin de transformer des mots en matrices de nombres comme le font les LLM et à calculer des probabilités pour donner du sens au monde qui nous entoure. Nous en avons une expérience directe par nos sens, et une découverte récente du MIT a même prouvé que nous n’avions pas besoin des mots pour résoudre des problèmes de logique : chez des personnes ayant perdu l’usage du langage, les régions du cerveau dédiées au langage ne sont pas sollicitées pour le raisonnement logique.

Autrement dit, l’IA générative arrive à résoudre des problèmes parfois très complexes, en s’y prenant autrement que l’intelligence humaine.

Nous pourrions donc dire, en paraphrasant Bergson, qu’« IA et intelligence humaine sont deux solutions divergentes, également élégantes, d’un seul et même problème. »

_{Claude Opus 4.8 a été utilisé pour les recherches de références concernant les usages de l’IA en programmation, en mathématiques et en droit}