1L’IA apparaît approximativement au deuxième quart du xxe siècle, avec les notions d’ordinateur et de perceptron, qui impliquent celles de computation, de calcul, de statistique et d’association avec des moyens électroniques. De ce fait, la relation entre IA et intelligence repose et prolonge une question très ancienne : celle de savoir si « penser, c’est calculer » ou associer (uniquement). C’est pourquoi l’histoire de l’intelligence artificielle (voir Cardon, Cointet et Mazières, 2018 ; Crevier, 1999 ; Olazaran, 1996 ; Rose, 1986 ; Vayre, 2019 ; 2021 ; Andler, 2023) montre que les chercheurs de cette discipline se sont souvent nourris de cette multiplicité, tels Norbert Wiener et sa conception cybernéticienne de l’intelligence. Au cours de son développement, l’intelligence artificielle s’est en effet structurée autour de deux grands paradigmes : ceux dits symboliques et connexionnistes (devenu néo-connexionniste) qui se subdivisent en une grande diversité d’approches.
2Ces approches ont une histoire ancienne, comme le montre par exemple la perspective symbolique, aussi dite computo-représentationnelle, qui a prédominé jusqu’aux années 1980. La philosophie au fondement de l’IA (entendue comme discipline, science) semble ainsi reformuler la thèse qui soutient que l’intelligence humaine, en tant que faculté de raisonnement, est de nature « calculatoire ». Elle prolonge une longue tradition philosophique regroupant des auteurs d’« écoles » très différentes (voir Pratt, 1995). Dans un cadre matérialiste, Thomas Hobbes déclarait par exemple dans le De corpore : « By ratiocination, I mean computation. » Gottfried W. Leibniz, dans sa perspective rationaliste, va plus loin encore en introduisant le symbolisme et l’algorithmie : l’intelligence est alors combinatoire et s’exprime idéalement dans une « caractéristique universelle ». George Boole poursuivit ce travail en créant une algèbre binaire, Turing fournira le modèle de la machine « pensante » qu’est la machine de Turing. L’IA et ses productions seraient-ils la confirmation de ces thèses ?
3Ce numéro propose d’aborder cette question sous un angle pluridisciplinaire. Il porte une attention particulière aux implications sociologiques, anthropologiques, mais aussi, épistémologiques des algorithmes des IA (comme technologies) (voir Lowrie, 2017 ; Chevalier, 2026). Les auteurs des articles qui suivent ont en effet cherché, chacun à leur façon, à mieux identifier, comprendre et expliquer les fondements techniques qui sont à la base des modèles d’IA, en mettant en lumière la variété des modes d’intelligences auxquels ils se rattachent.
4Au milieu des années 1970, Seymour Papert (cité par Folgoas dans son documentaire de 1976) un des pionniers de l’IA, remarquait plusieurs choses. Premièrement, que l’intelligence artificielle est une science d’un type particulier dans la mesure où elle vise moins à produire des programmes informatiques destinés à intégrer le marché des innovations numériques qu’à développer une nouvelle théorie de la connaissance. Deuxièmement, il mettait en avant le fait que la notion d’intelligence artificielle, aussi mal choisie qu’elle puisse paraître aux yeux de certains fondateurs de cette discipline (Newell, Simon, 1972), a le mérite de souligner le caractère « construit » de l’intelligence et, par voie de conséquence, de questionner la conception que nous avons de l’intelligence.
5Depuis longtemps, la notion d’intelligence suscite de nombreux débats. À notre connaissance, il n’existe toujours pas de définition consensuelle, unique et fixée de ce qu’est l’intelligence, même dans le cas particulier de l’intelligence humaine. Il n’en reste pas moins que la grande majorité des travaux (Proust, 2000 ; Vauclair, 2017) qui étudient l’intelligence du point de vue de l’ensemble de la variété du vivant montrent que l’intelligence est multiple et qu’il est difficile de hiérarchiser cette multiplicité (Dubey, 2026). Concernant l’IA, Daniel Andler (2023) offre la synthèse la plus récente de comparaison entre intelligences humaine et artificielle tout en insistant sur le fait que l’intelligence est une notion normative et que c’est ce caractère normatif qui la rend particulièrement difficile à définir à partir d’un ensemble de propriétés communes. Cette difficulté explique d’ailleurs, au moins en partie, pourquoi les chercheurs parlent aujourd’hui plus volontiers de « cognition ». L’entretien que Daniel Andler nous a accordé pour ce numéro sera l’occasion d’analyser ces difficultés.
6L’objet de ce numéro est ainsi d’apporter différents points de vue et réflexions sur les formes d’intelligence que les IA mobilisent, produisent, font disparaître, en insistant sur ce que cela révèle en retour de nos représentations de l’intelligence. Comment les chercheurs et des professionnels de l’IA contribuent-ils à faire exister la frontière entre ce qui est ou non intelligent ? Comment l’intelligence artificielle participe-t-elle à définir ce qu’est l’intelligence ? Quelles sont les formes d’intelligence qu’encapsulent les modèles d’intelligence artificielle ? Comment ces types d’intelligences algorithmiques s’intègrent-ils et interagissent-ils avec les intelligences plus ou moins collectives que nous développons durant nos activités de formation, de travail (Cohen, 2022 ; Chevalier et al., 2024) ou encore de loisir. Comment impactent-ils notre « intelligence » individuelle ? Quelles sont les formes d’intelligence individuelle et collective que mettent en œuvre les chercheurs et les professionnels qui conçoivent les IA ?
7Pour répondre à ces questions, ce numéro est structuré en trois grandes parties.
8La première partie rassemble les contributions qui ont cherché à mieux comprendre quels sont les « modèles » d’intelligence visés et produits par l’IA. Dans son article sur la paix des intelligences, Axel Cypel soutient en ce sens que les fournisseurs d’IA sont animés par des enjeux économiques qui les conduisent souvent à introduire une confusion en comparant intelligence artificielle et intelligence humaine. L’auteur propose de se départir de cette logique de comparaison afin d’ouvrir des pistes de réflexion sur la manière dont il est possible de comprendre ces deux formes d’intelligence selon une logique d’altérité. Christophe Denis prolonge cette perspective en proposant une nouvelle approche épistémologique dont l’objectif est de permettre une caractérisation fine des interactions entre humains et IA. D’après lui, les modèles de langage probabilistes qui sont au cœur des IA actuelles ne produisent pas de (non-)sens. Ils ouvrent en revanche des espaces interprétatifs entre humains, artefacts et symboles. Partant, l’auteur défend l’avènement d’une nouvelle forme d’éthique qui prend pour objet les interactions au moyen desquelles les utilisateurs et les IA construisent du sens. La première partie de ce numéro se conclut avec la contribution de Florian Jaton et de Marc Lenglet. Dans leur apologie critique de l’agentivité algorithmique, ces auteurs s’appuient sur les travaux de Bergson pour caractériser les formes d’intelligences propres à l’agentivité algorithmique. À partir de résultats d’ethnographies portant sur la construction d’algorithmes, les auteurs montrent que les IA actuelles disposent de capacités de concentration et de mise en relation. Elles n’en restent pas moins incapables de saisir ce qui est indéterminé.
9La deuxième partie de ce numéro regroupe les travaux des auteurs qui ont cherché à mieux comprendre comment les IA se répercutent sur la manière dont, en tant qu’utilisateurs, nous mobilisons notre intelligence au cours de nos activités ordinaires. Corinne Delmas commence cette partie en étudiant le cas du travail juridique au sein des organisations. Elle soutient que, malgré les promesses de leurs promoteurs, les usages des IA conversationnelles et génératives peuvent être source de risques et de souffrances. Si ces usages sont souvent présentés comme une source de gain de productivité, notamment en termes de temps, ils sont également producteurs d’effets ambivalents sur la qualité de vie au travail et sur l’apprentissage du métier. Dans la continuité des travaux de Corinne Delmas, Sonia Laugier s’intéresse au cas du design. Elle étudie plus particulièrement la manière dont l’utilisation de l’IA dans ce secteur d’activité transforme les processus de formalisation dans les projets de design. Elle défend plus exactement l’idée que les usages des IA génératives par les designers les conduisent à rechercher et à ouvrir de nouvelles voies entre image et monde tangible, modélisation et fabrication. Clément Fouquet étudie quant à lui l’intégration des IA actuelles dans l’activité de diagnostic des voiries. Il souligne alors comment, dans son étude de cas, les IA produisent des résultats qui sont peu exploitables et interprétables. D’après l’auteur, l’activité de diagnostic d’une voirie n’est pas une simple activité de repérage des dégradations de la route : elle implique un grand nombre de connaissances et de compétences sociales qui restent encore peu accessibles aux machines.
10La troisième partie de ce numéro regroupe les contributions visant à mieux identifier, comprendre et expliquer comment les modèles d’IA influent sur la manière dont nous définissons, concevons et imaginons ce qu’est l’intelligence. Lucie Conjard propose en ce sens de revenir sur la controverse la plus connue de l’histoire de l’intelligence artificielle : celle qui a opposé les partisans de l’IA symbolique et du connexionnisme. Ce retour lui permet de défendre une thèse originale selon laquelle l’antagonisme que met en scène cette controverse masque en réalité une certaine continuité. Pour l’auteure, l’IA symbolique et l’IA connexionniste renvoient à un même style de pensée, un même objectif visant à définir l’humain comme un être à la fois libre et déterminé. Nicolas Santolaria s’intéresse plus particulièrement au cas de l’IA connexionniste, qui est au fondement des systèmes de dialogue contemporains. Pour l’auteur, les agents conversationnels sont conçus à partir d’une perception simplifiée de l’humain : celui-ci serait défini comme un agent rationnel ayant pour objectif la poursuite de buts clairement définis et formulés. Partant, l’auteur soutient que les systèmes de dialogue contemporains sont basés sur une conception de la communication qui radicalise le caractère intentionnaliste des actes de langage. Dans la continuité de ces deux auteurs, François Levin pose une question fondamentale : est-il possible de penser l’intelligence au-delà de l’anthropocentrisme ? D’après cet auteur, les débats contemporains sur l’IA se concentrent sur une comparaison constante entre intelligence artificielle et intelligence humaine. Il soutient qu’une bonne façon de dépasser cette comparaison est de considérer l’intelligence comme multiple. Cela le conduit à poser trois questions fondamentales : 1. peut-on dégager des critères d’intelligence si celle-ci est appréhendée comme multiple ? ; 2. une telle définition conduit-elle nécessairement à une acception behavioriste de l’intelligence ? ; et 3. une telle définition conduit-elle à la mort de l’IA ? Marceau Nahon, Mehdi Khamassi, Ismael Tito Freire, Cédric Paternotte et Raja Chatila traitent également de l’anthropocentrisme, mais selon un autre point de vue. Pour ces auteurs, nous avons tous une propension naturelle à attribuer des capacités humaines aux êtres vivants non humains, aux objets et aux systèmes artificiels. Cette anthropomorphisation, autant que son refus, a des implications fortes sur le développement des croyances religieuses, mais aussi sur les attitudes que nous développons à l’égard des autres espèces vivantes et des systèmes artificiels. Les auteurs présentent alors quels sont, selon eux, les effets concrets de cette anthropomorphisation sur la conception et l’usage des IA.
11La rubrique « Écho » contient la traduction de larges extraits du texte de Marvin Minsky – pionnier de l’IA – « Why people think computers can’t? », dans lequel l’auteur tente de montrer que l’intelligence humaine n’étant nullement miraculeuse, les ordinateurs pourront accomplir les tâches cognitives que nous sommes tentés de réserver aux humains, comme penser, créer, etc.
12Enfin, la rubrique image comprend un commentaire d’une œuvre originale de la plasticienne Sandra Valabregue-Perry – AI-Golem Next Generation – par l’artiste elle-même, où la puissance créatrice de l’IA générative est pensée à la lumière d’une lecture moderne du Golem de Prague.