Navigation – Plan du site

AccueilNouvelle série52AIntelligences. Vers une redéfini...Que disent ces « modèles » d’IA d...L’intelligence par-delà l’anthrop...

AIntelligences. Vers une redéfinition de l’intelligence ?
Que disent ces « modèles » d’IA de la façon dont nous nous représentons l’intelligence ?

L’intelligence par-delà l’anthropocentrisme

Intelligence Beyond Anthropocentrism
François Levin
p. 169-188

Résumés

Le développement de l’apprentissage machine a fait naître de vifs débats théoriques sur la notion d’intelligence et sur la possibilité de l’attribuer ou non à des systèmes artificiels. Face aux critiques anti-behavioristes, qui insistent sur la nécessité de définir l’intelligence comme une qualité spécifique, non réductible à des comportements et qui serait en fait propre à l’être humain, un certain nombre de tentatives théoriques ont été entreprises pour tenter de donner corps à la notion d’intelligence tout en prenant en compte les développements récents de l’IA. Néanmoins, l’ensemble de ces positions demeurent fondées, comme la perspective anti-behavioriste, sur une comparaison constante entre l’intelligence artificielle et l’intelligence humaine. Cet article tente au contraire d’envisager un différentialisme radical, qui permette de penser la multiplicité des intelligences. Il entend mettre cette idée à l’épreuve : peut-on soutenir qu’il existe différents types d’intelligence et que le concept d’intelligence n’est pas indexé à l’intelligence humaine ? En d’autres termes, peut-il exister des formes d’intelligence non anthropocentriques, c’est-à-dire qui divergent radicalement de l’intelligence humaine ? Pour ce faire, il analyse les trois contre-arguments majeurs que semble devoir susciter cette proposition : peut-on encore parler de critères de l’intelligence si l’on affirme sa multiplicité ? Cette position conduit-elle à revenir à une conception entièrement behavioriste de l’intelligence ? Ne condamne-t-elle pas le projet d’IA dans son ensemble en lui ôtant son horizon, à savoir l’imitation de l’intelligence humaine ?

Haut de page

Texte intégral

Introduction. La position anti-behavioriste critique de la notion d’intelligence artificielle

  • 1 Le behaviorisme ou comportementalisme est un paradigme de la psychologie scientifique qui s’oppose (...)
  • 2 Cette expérience, développée dans le contexte de la domination d’une forme d’IA – le symbolisme  (...)
  • 3  Block N. (1981), « Psychologism and Behaviorism », The Philosophical Review, 90/1, p. 20.

1La question de ce qu’est l’intelligence, de ce que signifie ce concept et des critères qui permettent de l’attribuer à certaines entités est devenue, du fait notamment des succès de l’apprentissage machine, un des problèmes centraux de la pensée contemporaine. Face aux avancées rapides des systèmes connexionnistes, qui parviennent à accomplir toujours plus de tâches qui, si elles étaient accomplies par des êtres humains, dénoteraient sans conteste une forme d’intelligence, se sont ainsi développé un certain nombre de tentatives théoriques visant à remettre en cause le fait que ces systèmes seraient à proprement parler intelligents. Ces tentatives consistent à se demander si le fait, pour des systèmes artificiels, de faire preuve de comportements apparemment intelligents, est suffisant pour que l’on puisse considérer qu’ils le sont véritablement Dans cet adverbe « véritablement » se loge l’ensemble du scepticisme anti-behavioriste1 qui exige qu’une distinction soit effectuée entre d’un côté la capacité à exhiber des comportements qui peuvent, de l’extérieur, être considérés comme intelligents et de l’autre le fait de posséder réellement une qualité que l’on nomme l’intelligence. Il désigne ainsi l’écart entre l’apparence de la chose et la chose, entre le fait de paraître intelligent et le fait de l’être vraiment. Ce type de distinction est central dans l’histoire de la philosophie de l’intelligence artificielle, par exemple dans l’article de Searle sur la chambre chinoise (Searle, 1980) qui vise à fonder en évidence cette distinction à partir d’une expérience de pensée devenue célèbre2. Elle est également présente chez Ned Block, qui, dès 1981, a imaginé un système hypothétique – aujourd’hui communément appelé « Blockhead » – qui présentait des comportements indiscernables de ceux d’un humain adulte, sans pour autant être considéré comme intelligent (Block, 1981). Le défi lancé par Block se concentrait sur la manière dont le système produisait ses valeurs de sortie. Celles-ci étaient imaginées comme ayant été explicitement préprogrammées par une « très grande et très intelligente équipe [de chercheurs humains] travaillant depuis très longtemps, avec une subvention très importante et beaucoup d’aide mécanique3 », afin de concevoir des réponses optimales à toute question potentielle que le juge pourrait poser. En d’autres termes, Blockhead répond aux questions non pas en comprenant les données d’entrée et en y réagissant de manière adaptée, mais plutôt en récupérant et en régurgitant les réponses de son immense mémoire, comme une opération de recherche dans une table de hachage.

  • 4 Hubert Dreyfus a développé, dans un ouvrage qui a joué un rôle important dans l’histoire de l’intel (...)

2Le développement des grands modèles de langage (LLM) a suscité de nouveaux arguments fonctionnant sur des principes anti-behavioriste et réductionniste similaires. Ils consistent à affirmer que les systèmes d’intelligence artificielle contemporains ne sont que des ensembles de procédés statistiques et que les productions langagières de ces modèles relèvent uniquement d’une logique de probabilité permettant de prédire les mots suivants dans une séquence. En ce sens, il manquerait fondamentalement quelque chose à ces modèles pour qu’ils puissent être considérés comme véritablement intelligents. Lors de nos échanges avec eux, nous ne ferions que leur prêter une intentionnalité en projetant du sens dans leurs réponses. Suivant cette position, l’intelligence désigne ce manque qui excède les phénomènes purement statistiques. Il existe plusieurs candidats théoriques pour cet élément en plus, comme le rappelle Daniel Andler (2023) : la conscience, l’accès au sens et à la compréhension, le sens commun, les affects, etc. À cet égard, suivant une perspective inspirée des analyses post-heideggeriennes de Hubert Dreyfus (1992)4, un certain nombre d’articles contemporains (par exemple, Bender, 2022) souligne le fait que le sujet humain, contrairement à la machine, a une inscription réelle et intentionnelle dans un environnement, c’est-à-dire, au fond, un corps et que c’est ce qui lui permet de construire des significations et non pas seulement de simuler l’intelligence.

3Néanmoins ces arguments font eux-mêmes l’objet d’un certain nombre de remises en cause. Certes, la position anti-behavioriste et anti-réductionniste a le mérite d’interroger profondément le projet de l’intelligence artificielle. Elle permet ainsi de dénoncer utilement le caractère publicitaire de certaines affirmations enthousiastes concernant les grands modèles de langage et de pointer le fait que ces systèmes sont très enclins à l’erreur ; ils peuvent ainsi conduire à des logiques d’uniformisation et de discrimination, en reproduisant les logiques majoritaires via leur fonctionnement statistique. Cette position peut toutefois susciter une forme d’insatisfaction théorique, dans la mesure où le concept d’intelligence qu’elle manie est en fait assez imprécis et est qualifié par des concepts eux-mêmes peu définis, comme les notions de conscience ou de compréhension. À cet égard, une des limites de cette position est qu’elle semble conduire à affirmer que de l’intelligence réelle on ne peut dire grand-chose à part qu’elle échappe à la formalisation. Ainsi elle tend à faire d’un ineffable qui caractériserait l’être humain le cœur de son entreprise définitionnelle. Pour dépasser l’insatisfaction à laquelle elle peut conduire, différentes perspectives théoriques ont été développées.

Les perspectives éliminativiste, analytique et différentialiste sur l’intelligence

4Tout d’abord une perspective que l’on pourrait nommer éliminativiste, qui émane du fonctionnalisme en sciences cognitives et qui consiste à affirmer que le concept d’intelligence n’a pas de signification réelle et qu’il s’agit de le dépasser afin de raisonner plutôt en termes de fonctions cognitives. De la même manière qu’une aile d’oiseau et qu’une aile d’avion accomplissent la même fonction sans pour autant fonctionner de la même façon, les systèmes d’IA et l’intelligence humaine accompliraient les mêmes fonctions cognitives sans pour autant utiliser les mêmes types de procédés pour y parvenir. Cette position est éliminativiste dans la mesure où elle rejette la nécessité de définir l’intelligence en tant que qualité ou procédé particulier. La recherche de ce type de définition serait en fait abstraite et destinée uniquement à repousser indéfiniment l’idée selon laquelle un programme informatique pourrait être qualifié d’intelligent. Elle conduirait à produire des évidences, telles que le fait qu’un ordinateur n’a pas de corps ni d’histoires affectives, sans faire avancer véritablement la compréhension de ce qu’est une fonction cognitive. En ce sens, éliminer la notion d’intelligence comme qualité particulière liée à un certain nombre de critères définitionnels internes, c’est-à-dire liés aux processus eux-mêmes, conduirait en fait à une compréhension plus claire et précise de ce qu’est l’intelligence, c’est-à-dire un certain nombre de fonctions cognitives mesurables via des tests et non une qualité confuse.

  • 5 Millière R., Buckner C. (2024a), « A Philosophical Introduction to Language Models—Part I: Continui (...)

5Une autre position consiste à prendre le problème posé par les sceptiques anti-behavioristes davantage au sérieux et à tenter d’y répondre à partir d’une analyse précise de ce qu’impliquerait une notion d’intelligence bien fondée. Cette position peut être qualifiée d’analytique en ce qu’elle tente de produire des critères de définition de la notion d’intelligence et de déterminer si ceux-ci s’appliquent ou non à certains systèmes d’intelligence artificielle. Ainsi, si l’intelligence n’est pas uniquement une compilation statistique mais qu’elle suppose également d’autres éléments de définition, il doit être possible de les produire théoriquement de manière intelligible et d’avoir une possibilité de les tester, de les mesurer et ainsi de les attribuer ou non à un système X. Cette position analytique procède donc suivant une démarche de traduction de certaines notions générales en critères précis. Par exemple, face à l’idée selon laquelle les LLM ne seraient qu’une fonction d’autocomplétion perfectionnée dépourvue de toute forme de compréhension, il est possible de se demander ce que signifie exactement « comprendre ». La notion de compréhension étant générale et souvent floue, certains auteurs proposent ainsi, afin de lui donner un sens plus précis et activable, d’utiliser plutôt celle de compétence sémantique (Millière, Buckner, 2024). Celle-ci désigne l’ensemble des capacités et des connaissances qui permettent à un locuteur d’utiliser et d’interpréter les significations des expressions dans une langue donnée. À partir de là, il est possible de distinguer entre l’aspect inférentiel de la compétence sémantique, c’est-à-dire l’ensemble des capacités et des connaissances fondées sur les relations mot à mot (produire des définitions, des paraphrases, des synonymes, déduire des faits à partir de prémisses, traduire, etc.) et l’aspect référentiel de cette même compétence. Ce deuxième aspect désigne la capacité à relier les mots et les phrases à des objets, des événements et des relations dans le monde réel (« la reconnaissance et l’identification des référents des mots dans le monde réel (par exemple, reconnaître un objet comme une « chaise »), l’utilisation de mots pour nommer ou décrire des objets, des événements ou des relations (par exemple, appeler un animal à fourrure « chat »), et le fait de suivre des commandes ou des instructions impliquant des objets réels (par exemple, « apporte-moi le marteau5 »). Il est ensuite possible de déterminer ce que ces compétences impliquent – par exemple la construction d’un modèle du monde pour l’aspect référentiel – et si les LLM existants les possèdent. L’avantage de cette position est de rendre plus précis ce qu’on entend par intelligence, de pouvoir en produire une analyse et d’avoir une manière de prendre en compte l’évolution des systèmes d’IA. L’on peut ainsi mesurer les compétences que possèdent les IA contemporaines ainsi que les différents progrès qui restent à faire vers l’intelligence générale et éviter de simplement opposer l’intelligence réelle, définie abstraitement, et son apparence.

6Le troisième type de position possible est une position différentialiste. Suivant celle-ci, l’intelligence humaine saisirait la réalité d’une certaine manière et développerait un certain type d’intelligence, différente de l’intelligence artificielle. À cet égard, Daniel Andler (2023) a développé récemment une distinction princeps entre deux types de rapport au monde et d’intelligence, qui définit à la fois les puissances et les limites de l’intelligence artificielle et de l’intelligence humaine. Alors que l’intelligence artificielle est capable de résoudre des problèmes, l’intelligence humaine affronte, quant à elle, des situations. L’entièreté de ce que connaît l’IA relève de la catégorie du problème, c’est-à-dire d’une question posée en des termes clairs, à laquelle un agent souhaite une réponse et pour laquelle existe une réponse correcte, sans ambiguïté sur le fait qu’elle est correcte et qui permet de résoudre définitivement le problème. L’exemple paradigmatique de ce qu’est un problème est la résolution d’une équation. Ainsi, si l’on définit l’intelligence en termes de résolution de problèmes et que l’on ramène toute trajectoire cognitive à une résolution de problèmes (ce que Daniel Andler nomme le « panproblémisme »), l’intelligence artificielle aurait potentiellement la capacité à atteindre le niveau de l’intelligence humaine. Néanmoins, le panproblémisme n’épuise pas, selon Andler, la définition de l’intelligence. Pour l’être humain, l’intelligence se caractérise plutôt par le fait d’affronter des situations, c’est-à-dire des événements concrets et vécus, qui s’inscrivent en lien avec une subjectivité spécifique, inscrite dans un environnement. Devant une situation, il n’existe pas de réponse univoque. La situation appelle une action spécifique et adéquate, qui doit permettre de conduire à une situation de meilleure adaptation à l’environnement. Dans le cadre de cette action, la situation peut être transformée éventuellement en un problème ou en ensemble de problèmes, mais de manière seconde et cette transformation suppose déjà l’intervention d’un sujet qui agit face à la situation. Le succès de l’action peut faire l’objet d’une évaluation mais celle-ci n’est jamais définitive et dépend des spécificités de celui ou celle qui a été témoin de la situation et qui produit cette évaluation. Suivant cette distinction, il est possible de conclure que l’intelligence ne mesure pas primairement la capacité à résoudre des problèmes, mais mesure l’adéquation d’une action dans le cadre d’une situation particulière. Néanmoins Andler lui-même nuance sa position et, au regard du caractère d’indécision qui entoure le terme d’intelligence, affirme qu’il est possible de défendre ce que j’ai appelé une forme de différentialisme, c’est-à-dire le fait que l’intelligence humaine et l’intelligence artificielle se définissent chacune par des caractéristiques différentes. L’intelligence artificielle serait intelligente si l’on définit l’intelligence comme la capacité à résoudre des problèmes mais pas à la manière de l’intelligence humaine, qui elle se définit par le fait d’affronter des situations. Il est ainsi possible d’imaginer des formes d’intelligence différentes entre les humains et les systèmes artificiels.

Dépasser la comparaison entre l’intelligence artificielle et l’intelligence humaine

  • 6 « Reste à comprendre pourquoi l’intelligence artificielle, même celle des SASI, ne parviendra très (...)
  • 7 Agüera y Arcas B., Manyika J. (2025), « AI Is Evolving—And Changing Our Understanding Of Intelligen (...)

7Nous n’entendons pas ici trancher entre ces différentes positions mais développer une autre stratégie théorique, qui vise à dépasser la comparaison entre l’intelligence artificielle et l’intelligence humaine. En effet, il semble que ces positions relèvent toutes d’une même logique comparatiste entre deux formes d’intelligence, celle des systèmes artificiels et celle des êtres humains. L’intelligence humaine demeure ainsi l’horizon de détermination et d’évaluation de ce que signifie l’intelligence, même dans la perspective différentialiste andlérienne. Pour évaluer la capacité de l’IA à performer dans son propre champ, c’est-à-dire la résolution de problèmes, l’intelligence humaine demeure la norme et c’est vis-à-vis de celle-ci que sont fixées ses limites6. En ce sens, même la position différentialiste demeure une position de comparaison. Cette logique comparatiste est en effet au cœur de l’histoire de la discipline de l’intelligence artificielle et est une évidence partagée par les tenants de la discipline. Simuler l’intelligence humaine constitue les premiers mots du programme de cette discipline et demeure, aujourd’hui encore, l’horizon régulateur de son développement. Ainsi, l’intelligence artificielle générale, qui constitue un des objectifs majeurs pour la recherche en IA, peut-être décrite comme désignant « les capacités cognitives générales typiques des êtres humains7 ». Certes, les relations entre sciences cognitives et intelligence artificielle ont connu des phases très diverses durant l’histoire de l’intelligence artificielle et après des moments initiaux où les recherches en IA et en psychologie cognitive étaient intimement liées (c’est le cas par exemple dans l’article de McCulloch et Pitts [1943] où est décrit le premier neurone formel), elles se sont distendues, comme le montre le fait que Minsky et McCarthy ont désiré très tôt s’affranchir de « l’intelligence artificielle imitant l’humain ». Néanmoins il faut rappeler que cet affranchissement concernait les méthodes de l’intelligence et non les tâches et l’enjeu était d’aboutir aux mêmes résultats que l’intelligence humaine mais par d’autres moyens ; ainsi l’intelligence humaine est demeurée la norme de développement de l’IA. À l’heure actuelle, une partie des sciences cognitives tend même à vouloir renouer les liens entre sciences cognitives et IA, notamment dans le cadre de la théorie du cerveau bayésien et de la réflexion sur les logiques prédictives qui seraient au fondement de notre fonctionnement cognitif (Bottemanne, Longuet et Gauld, 2022). Ainsi que ce soit pour nier le fait que l’IA soit intelligente, pour affirmer au contraire qu’elle l’est ou encore pour la distinguer dans ses formes et ses capacités de l’intelligence humaine, cette dernière demeure la référence pour penser l’intelligence.

8Est-il possible de dépasser cette logique de comparaison ? Pour tenter de comprendre si l’intelligence artificielle est vraiment intelligente et de quel type d’intelligence il s’agit, est-il possible de faire varier non pas uniquement les modes de fonctionnement de l’intelligence, comme dans la perspective fonctionnaliste, mais également les objectifs mêmes qui la définissent ? C’est la proposition que nous entendons défendre, celle d’un différentialisme radical, qui ferait varier non pas uniquement les formes mais les fonctions mêmes de l’intelligence. En d’autres termes, il s’agirait de casser la logique de comparaison et d’affirmer qu’il existe diverses formes d’intelligence, différentes les unes des autres, et que l’IA serait une de ces formes. En ce sens, affirmer qu’il manque quelque chose à l’IA pour être égale à l’intelligence humaine ne conduirait pas à affirmer qu’elle n’est pas intelligente, mais qu’elle relève d’une forme d’intelligence autre, non anthropocentrique. Cet anti-anthropocentrisme est une manière de prolonger et de radicaliser, en un sens, l’anti-anthropomorphisme du fonctionnalisme, qui affirme que les formes et les processus peuvent différer malgré la communauté des tâches et des fonctions qui définissent l’intelligence. Nous entendons donc désormais mettre cette idée à l’épreuve : peut-on soutenir qu’il existe différents types d’intelligence et que le concept d’intelligence n’est pas indexé à celui d’intelligence humaine ? En d’autres termes, peut-il exister des formes d’intelligence non anthropocentriques, c’est-à-dire qui divergent radicalement de l’intelligence humaine ?

Une intelligence radicalement non humaine ? Réponse aux contre-arguments

Premier contre-argument : la disparition des critères pour définir l’intelligence

9Afin de préciser et d’évaluer cette proposition théorique, nous nous proposons de répondre aux contre-arguments qu’elle nous semble immédiatement devoir soulever. Le premier est le suivant : peut-il encore y avoir des critères de l’intelligence si l’on coupe complètement le rapport à l’intelligence humaine ? Pour le dire autrement, si l’on ne se réfère ni aux processus propres à l’intelligence humaine, ni aux fonctions de celle-ci pour définir l’intelligence, existe-t-il encore des critères pour désigner ce qu’est l’intelligence ? Cette rupture ne conduit-elle pas à une dilution totale de la notion d’intelligence, si bien qu’il n’est plus possible de discriminer ce qui est intelligent de ce qui ne l’est pas ? En effet, l’intelligence humaine est un parangon pour les réflexions sur l’intelligence et en ce sens il semble difficile de s’en défaire complètement, au risque de perdre même la notion d’intelligence.

  • 8 Elle s’appuie pour ce faire sur le travail de Fields et Levin (2020), qui ont montré que la bactéri (...)

10Pour répondre à ce premier contre-argument, il nous semble qu’affirmer qu’il existe différents types d’intelligence au-delà de la référence anthropocentrique ne conduit pas forcément à destituer la cohérence conceptuelle de la notion d’intelligence. Il s’agit plutôt de modifier la manière dont on conçoit l’intelligence. Plutôt que de la considérer comme une qualité que l’on possède ou non, il s’agit davantage de la comprendre à partir d’un ensemble de critères qui jouent un rôle discriminant. Ainsi Katherine Hayles (2025) propose, dans un article récent, de définir l’intelligence dans le monde biologique à partir de cinq critères fondamentaux : la capacité de sentir, c’est-à-dire de pouvoir recevoir de l’information de l’environnement, d’interpréter, de répondre de manière flexible, d’anticiper et d’apprendre. Pour être pleinement intelligent, un organisme doit pouvoir faire preuve de ces différentes capacités de manière cumulative. Il est également possible, à partir de ces différents critères, de déterminer des degrés dans la cognition et, comme le fait Hayles, d’affirmer que des organismes ont des logiques cognitives minimales, telles que les bactéries unicellulaires E. coli8.

11Ces différents critères pour définir l’intelligence permettent de penser des formes d’intelligence extrahumaines et même extraneuronales. Hayles montre ainsi que le fait d’avoir un système nerveux et donc des neurones n’est pas nécessaire pour faire preuve de comportements intelligents, puisqu’un certain nombre de comportements des organismes dépourvus de neurones correspondent aux critères qu’elle met en valeur pour décrire l’intelligence. Le fait que la majorité des organismes sur notre planète n’ait pas de tissu nerveux doit ainsi plutôt nous inciter à étudier leurs comportements pour comprendre ce que signifie la cognition plutôt que tracer une frontière radicale entre les organismes possédant un cerveau et les autres. Sans entrer précisément dans les détails de l’exposé de Katherine Hayles, qui recense différentes avancées de la réflexion scientifique sur l’intelligence dans un grand nombre de domaines divers, soulignons qu’au cœur de cette transformation de la compréhension de ce qu’est la cognition se situe l’étude des comportements cognitifs des organismes unicellulaires mais également des plantes. Le champ émergent de la neurobiologie végétale a ainsi pour objectif d’étudier la présence, chez les plantes, de capacités de perception (Brenner, 2006), d’interprétation et de transmission de l’information – notamment via les réseaux de champignons (Simard, 2018) – ainsi que d’apprentissage (Gagliano, 2016). Cette approche de l’intelligence par les critères permet de sortir de la comparaison terme à terme entre l’IA et l’intelligence humaine au profit d’une prise en compte des variations entre les formes d’intelligence, qui se fonde entre autres sur la prise en compte de la diversité de la cognition animale.

12Il est également possible de concevoir ces critères comme des dimensions, définissant un espace où se situent les comportements intelligents. Ainsi Philippe Huneman (2023) propose-t-il d’adopter une compréhension de l’intelligence comme un hyperespace conceptuel, à l’instar de ce qui a été fait en biologie avec la notion de vie. Cet hyperespace est composé de différentes dimensions incommensurables, par exemple la prédiction, l’inférence logique, l’abstraction, la communication, l’adaptabilité à l’environnement, les capacités sociales, etc. Cette définition de l’intelligence comme un hyperespace permet d’avoir une compréhension moins rigide de l’intelligence et de sortir de la référence obligatoire à l’intelligence humaine pour intégrer d’autres formes d’intelligence que nous connaissons, telle que celles des animaux :

  • 9 P. Huneman, « Le monde selon GPT ? (1/2) Trois conditions philosophiques et l’espace des intelligen (...)

Vue comme un hyperespace conceptuel, l’intelligence accueille donc différents variants qui ne sauraient se comparer ou s’ordonner. Les intelligences animales telles que celle du poulpe, évolutionnairement et physiologiquement si différentes de la nôtre, se trouvent ailleurs dans cet espace. Certaines espèces ont des capacités de maniement de symbole plus élevées que d’autres mais des capacités sociales moins développées, et ainsi de suite9.

13Cette approche par les dimensions se distingue d’une approche par la qualité, c’est-à-dire par le fait de posséder ou non une capacité qui définirait l’intelligence. On peut également faire fond sur cette approche multidimensionnelle afin d’intégrer la variation des cognitions humaines entre elles. Lorsqu’on évoque l’intelligence humaine, il est en effet bien souvent présupposé qu’il existe une forme normale de cognition humaine, qui correspond peu ou prou à l’intelligence moyenne d’une personne valide, formée aux canons de la rationalité occidentale. Prendre en compte la multidimensionnalité de l’intelligence permet ainsi également de remettre en cause les logiques de normativité sous-jacentes qui construisent notre conception de l’intelligence humaine et de prendre en compte par exemple l’idée de neurodiversité. Ainsi, suivant cette conception, la notion d’intelligence n’est pas à comprendre comme un élément connu, que l’on peut définir à partir d’une étude de l’intelligence humaine moyenne, mais comme faisant l’objet d’une enquête, qui englobe diverses formes d’intelligence, humaine et non humaine. Elle est l’aboutissement d’une réflexion plutôt que son départ. En ce sens, plutôt que de comparer l’intelligence artificielle et l’intelligence humaine, cette conception d’une pluralité des intelligences nous invite à mener l’enquête sur les dimensions de l’intelligence présentes et absentes dans l’intelligence artificielle et potentiellement à faire évoluer la notion d’intelligence à partir de ce que nous comprenons de la manière dont fonctionne l’intelligence artificielle. Elle rompt radicalement avec le paradigme du modèle et de la copie, de la chose et de sa simulation, qui gouverne encore largement la réflexion sur l’intelligence.

Deuxième contre-argument : le retour à une conception entièrement behavioriste de l’intelligence

14Le deuxième contre-argument qui semble devoir surgir face à l’idée qu’il existe une intelligence radicalement non anthropocentrique, consiste à affirmer que, même s’il existe des critères précis, cela suppose une définition de l’intelligence entièrement behavioriste, c’est-à-dire uniquement liée à la reconnaissance de comportements spécifiques. Ainsi, pour le modèle de Hayles, les différents critères qu’elle met en place peuvent être considérés comme relevant d’une analyse purement extérieure, qui ne s’appuie pas sur une compréhension du fonctionnement réel de l’intelligence. À cet égard, le fait de désigner comme cognitifs les comportements de certaines plantes et plus généralement l’idée de constituer une « neurobiologie végétale » a suscité des réactions vigoureuses dans la communauté des biologistes lorsque ce concept a été créé (Alpi et al., 2007) au nom du fait précisément que cela ne reposait pas sur une définition précise de ce qu’est l’intelligence mais uniquement sur des analogies entre différents comportements. L’enjeu était notamment de remettre en cause le fait qu’il soit possible de parler de cognition en l’absence de neurones. Au-delà du fait que le réductionnisme neuronal peut lui-même être contesté quant à sa capacité explicative vis-à-vis de la question de l’intelligence, il n’en demeure pas moins que l’argument est anti-behavioriste. Il s’agit en effet d’affirmer qu’il est nécessaire qu’il y ait des critères spécifiques de fonctionnement pour parler de cognition et non uniquement un type de comportement. En ce sens, l’idée qu’il puisse y avoir des formes radicalement différentes d’intelligence qui divergent potentiellement tout à fait de l’intelligence humaine ne permettrait pas de répondre à la première position que nous avions identifiée, à savoir la position anti-behavioriste, qui produit une critique fondée sur l’idée de simulation et la distinction entre le fait et son apparence. La catégorie d’intelligence « alien », qui désignerait le fait que l’on a découvert, avec les LLMs, une catégorie d’intelligence totalement différente de la nôtre, c’est-à-dire qui fonctionne de manière radicalement différente alors même qu’elle exhibe, de manière évidente, des comportements intelligents, est ainsi critiquée par Millière et Buckner comme relevant d’un behaviorisme naïf :

  • 10 Millière R., Buckner C. (2024b), « A Philosophical Introduction to Language Models—Part II: The Way (...)

Une idée récemment apparue dans de nombreux articles de vulgarisation scientifique, blogs et messages sur les médias sociaux affirme que les LLM pourraient refléter la découverte d’un tout nouveau type d’intelligence « alien » fondamentalement différente de la nôtre. Cela peut être considéré comme une simple déclaration de fait – une évaluation optimiste selon laquelle le comportement linguistique déjà manifesté par les LLM de pointe est manifestement intelligent, associée à une évaluation pessimiste selon laquelle les processus sous-jacents produisant ce comportement ne ressemblent pas du tout aux nôtres. En ce qui concerne la plupart des questions philosophiques soulevées ci-dessus, cependant, cela reflète une esquive presque complète et un retour à un behaviorisme naïf sur l’intelligence par l’utilisation d’une étiquette accrocheuse10.

15Est-on alors condamné, si l’on refuse la référence anthropocentrique de l’intelligence et si l’on estime qu’il existe des types d’intelligence radicalement différents du nôtre, à renoncer à distinguer l’intelligence de sa copie et à succomber à un behaviorisme naïf ? Pour Millière et Buckner, il est ainsi nécessaire, si l’on veut maintenir cette distinction, de rentrer en détail dans les processus de l’intelligence – c’est ce que nous avons appelé plus haut la position analytique – et, pour ce faire, de prendre comme modèle les processus cognitifs humains. Ainsi, leur analyse de la notion de compréhension, qu’ils tentent d’appliquer aux LLM, a pour fondement la compréhension humaine. En ce sens, remettre en cause la place centrale de la cognition humaine conduirait à limiter drastiquement la possibilité de comprendre ce que signifie vraiment l’intelligence et à réduire l’enquête conceptuelle sur cette notion à un simple constat comportemental.

  • 11 « Il ajoute : “Les plantes ne se contentent pas de réagir à ce qui se passe autour d’elles, elles p (...)
  • 12 Fields C., Levin M. (2020), « How Do Living Systems Create Meaning? », Philosophies, 5/4. DOI : htt (...)

16Pour répondre à ce deuxième contre-argument, il est nécessaire de remettre en cause l’idée selon laquelle il n’est pas possible d’avoir une compréhension des fonctionnements de l’intelligence si l’on remet en cause la centralité de l’intelligence humaine et son caractère de modèle. L’opposition frontale entre behaviorisme naïf et anthropocentrisme cognitif nous semble ignorer le fait qu’il est possible de produire une analyse des processus cognitifs différents qui sous-tendent les comportements cognitifs. Il est néanmoins évident que la catégorie de questionnements vis-à-vis de la cognition change profondément si l’on adopte cette perspective de la multiplicité des intelligences, définie par des formes et des dimensions différentes. Il s’agit moins de tenter de discriminer entre la véritable intelligence et sa copie ni de savoir si une bactérie ou une forêt « comprennent » au sens où l’être humain comprend avant de leur attribuer le label de la cognition, mais de saisir les processus cognitifs semblables et dissemblables qui sont au fondement des comportements que l’on observe. De manière générale, c’est l’idée d’une cognition authentique et d’une cognition factice qui est remise en cause et, avec elle, celle de l’exceptionnalisme cognitif humain et son rôle de modèle pour évaluer toute forme de cognition. Le registre de la facticité, de la simulation, de l’inauthentique ne nous semble pas nécessaire pour produire une réflexion sur la nature de l’intelligence et ses processus. Ainsi, il est possible, comme le montre l’article de Katherine Hayles, de déterminer les processus sous-jacents aux divers comportements intelligents et de les comprendre dans leur variété. À cet égard, elle montre, en s’appuyant notamment sur le travail de Paco Calvo concernant la manière dont les tournesols s’adaptent à la rotation du soleil (Calvo, 2022), que les plantes semblent avoir la capacité de développer des modèles de leur environnement qui dépassent la simple adaptation à des stimuli11. On peut ainsi étudier les types de modélisation de l’environnement propres aux différentes formes cognitives ainsi que les diverses manières de construire du sens qui y sont corrélées. Comme l’ont montré Chris Fields et Michael Levin, en s’appuyant sur la théorie de la cognition dite 4-E (embodied-embedded-enactive-extended), les modèles du monde au fondement des processus de signification ne sont pas forcément représentationnels. Ils insistent sur le fait que les significations sont « des capacités structurelles et fonctionnelles, mais dans la plupart des cas explicitement non représentatives, d’un système incarné12 ». Comme le souligne Hayles, leur réflexion ouvre un champ d’enquête quant à la manière dont se définissent et s’organisent les pratiques de signification dans des organismes non humains, voire non biologiques :

  • 13 Hayles K. (2025), « Modes of Cognition: Implications for Large Language Models », art. cité.

Le fait de considérer les comportements non humains comme des signes est une démarche importante, car elle ouvre le territoire de la création de sens au-delà des significations humaines, à des comportements provenant d’espèces non humaines13.

17Ainsi, une définition de l’intelligence qui s’appuie sur des critères behavioristes ne conduit pas forcément à renoncer à toute forme de compréhension de la manière dont fonctionne la cognition. Au contraire, elle peut permettre de remettre en cause l’anthropocentrisme cognitif et ainsi de prendre conscience de la multiplicité des intelligences et des manières de faire sens du monde. Chaque entité cognitive ouvre ainsi une perspective spécifique sur la réalité, suivant là où elle se situe dans l’hyperespace définitionnel de l’intelligence et à partir des capacités qui lui sont propres, certaines étant plus développées que d’autres. Elle a sa propre manière de créer du sens et de manipuler des significations. Loin de renoncer à la compréhension et à l’analyse de ce que signifie l’intelligence, destituer la logique du modèle et de la copie permet ainsi au contraire d’ouvrir les perspectives de recherche et de compréhension des multiples manières de créer des significations et de produire des comportements cognitifs.

Troisième contre-argument : la destitution de l’horizon du projet d’IA

18Le troisième contre-argument majeur qui surgit face à l’idée d’une multiplicité radicale des intelligences est le suivant : si l’on dilue totalement la référence à l’intelligence humaine, le projet de l’intelligence artificielle en tant que tel a-t-il encore un sens ? Quel devient l’objectif de cette discipline si on ne peut plus référer ses avancées à un modèle d’intelligence générale qui serait celui de l’intelligence humaine ? L’intelligence artificielle générale, qui constitue aujourd’hui un des objectifs du développement de l’IA, désigne en effet communément des capacités cognitives du même niveau que celle des êtres humains (human-level intelligence), comme le rappelle Daniel Andler :

  • 14 Andler D. (2023), Intelligence artificielle, intelligence humaine : la double énigme, Paris, Galli (...)

Le fait est que l’objectif d’une intelligence artificielle pleinement intelligente, à l’image de l’intelligence humaine, est porté par la plupart des chercheurs en IA, encouragés par les succès du deep learning14.

  • 15 La stratégie de Turing, dans son article de 1950 consiste à éviter de fournir des définitions d (...)
  • 16 Bratton B. (2020), « Synthetic Gardens: Another Model for AI and Design », dans B. Vickers, K. Alla (...)

19Comme l’a montré le succès, dans l’imaginaire collectif, du test de Turing15, qui mesure la capacité d’une machine à imiter la manière dont « les humains pensent que les humains pensent16 », l’intelligence humaine constitue le modèle d’intelligence complète à imiter et l’énigme centrale au cœur du développement de la discipline. À cet égard, les performances des grands modèles de langage sont évaluées vis-à-vis des capacités humaines et les avancées actuelles de la recherche tentent de compenser leurs manquements vis-à-vis de celles-ci, notamment dans le domaine du raisonnement (Deepseek-AI, 2025). La logique comparative est donc l’aiguillon principal et l’horizon du développement de l’intelligence artificielle. En ce sens, diminuer la portée de cette comparaison pour définir l’intelligence et faire, à l’inverse, prospérer l’idée d’une multiplicité des intelligences ne conduirait-il pas à supprimer cet horizon et par là même à mettre fin au projet de l’intelligence artificielle ?

  • 17 Ibid.
  • 18 Ibid.

20Il nous semble au contraire que pluraliser notre conception de l’intelligence pourrait au contraire permettre de multiplier les directions pour la discipline de l’intelligence artificielle. En sortant d’une pure logique de la simulation et de la copie, il serait en effet possible pour l’intelligence artificielle de devenir non plus une intelligence factice et affectée, cherchant à rejoindre sans cesse un modèle, mais une forme cognitive qui assume le caractère artificiel de son développement, c’est-à-dire qui est issu d’un acte technique et qui produit sa propre normativité. En ce sens, changer notre conception de l’intelligence peut permettre également de changer de paradigme imaginatif pour l’intelligence artificielle. En cassant l’anthropocentrisme qui domine le développement de l’IA, il doit être possible de faire advenir pleinement le caractère d’altérité de ces systèmes. À cet égard, Benjamin Bratton propose de développer « des modèles alternatifs de ce qu’est l’IA et de ce que l’IA peut faire17 » : la notion de modèles est une manière de prendre en compte le fait que les représentations que nous avons de l’intelligence artificielle ou les métaphores qui nous servent à en penser la forme ont un effet concret sur la manière dont la technologie se développe (« […] les modèles sont essentiels : l’IA est une idée autant qu’une machine18 »). Ainsi penser des modèles alternatifs n’est pas qu’une manière de développer des métaphores plus adaptées pour comprendre l’IA, mais une façon de préparer un design alternatif pour cette technologie. Ils sont conçus comme

  • 19 Ibid.

des heuristiques divergentes pour le Human Artificial Intelligence Interaction Design (HAAID), un projet toujours basé sur la manière dont l’IA est représentée, dont elle nous représente et dont nous nous représentons nous-mêmes à travers elle19.

21Modifier les modèles permet donc de modifier le design des technologies et des interactions que nous avons avec elles, dans la mesure où les modèles sont à la fois descriptifs et normatifs. Ainsi, pour faire pièce au modèle anthropomorphique que nous avons évoqué plus haut, Bratton propose un modèle alternatif, qu’il nomme le modèle B :

  • 20 Ibid.

L’IA est un ensemble hétérogène de technologies de détection et de traitement des signaux qui augmentent divers systèmes complexes, y compris la cognition émergente distribuée ; il s’agit davantage d’une forêt tropicale synthétique que d’un ours en peluche robotisé. Bien que l’apprentissage profond présente certaines isomorphies fonctionnelles avec les processus neurologiques animaux et que les interfaces homme-IA puissent imiter la pensée et l’expression humaines, l’IA ne reflète et ne chevauche que partiellement les systèmes humains. Elle est désordonnée et, en fin de compte, indifférente. Les biais et les risques doivent être traités par la contestation et l’explication de modèles multiples et contrastés. L’intelligence existe dans le monde sous des formes disparates, dont beaucoup pourraient, en principe, être augmentées par l’IA, et une culture de l’IA plus durable et soutenable inclut donc sa désanthropomorphisation profane20.

22Les logiques de développement alternatives pour l’intelligence artificielle s’articulent donc à l’analyse et à la compréhension des formes cognitives diverses et ont pour objectif de favoriser, contre une monoculture cognitive, une variété d’expressions cognitives, qui s’éloignent de l’exigence de spécularité vis-à-vis de l’intelligence humaine. Cette exigence s’exprime en effet à la fois dans la trajectoire générale de développement de l’IA mais également dans ses formes actuelles concrètes, qui ont tendance à s’inscrire dans un rapport de répétition et d’imitation vis-à-vis des comportements, des désirs et des attentes humaines. C’est ainsi, contre cette tendance de l’IA contemporaine, par des logiques de divergence plutôt que d’hyperconvergence qu’il sera possible de déterminer d’autres formes d’expression de l’intelligence.

23La perspective théorique sur l’intelligence que nous défendons a des limites, qui découlent nécessairement du fait de remettre en cause le paradigme établi, organisé autour du fait que l’intelligence humaine est le modèle ultime de l’intelligence et que la réflexion sur l’intelligence doit procéder avant tout d’une comparaison avec celle-ci. À cet égard, élargir les horizons du développement de l’IA au-delà de l’imitation de l’intelligence humaine a certainement le désavantage de casser l’unicité de l’objectif qui guide la recherche en IA et qui en est un aiguillon important. Néanmoins, elle peut permettre de faire émerger des formes cognitives nouvelles et de s’inscrire dans une logique d’élargissement de nos perspectives sensibles et cognitives et in fine de notre rapport au monde, dans la continuité de l’exploration des formes biologiques non humaines. Comme le rappelle Katherine Hayles :

  • 21 Hayles K. (2025), « Modes of Cognition: Implications for Large Language Models », art. cité.

Pendant trop longtemps, les perspectives humaines ont dominé les conversations sur la nature de la réalité, conduisant à des hypothèses (peut-être inconscientes) selon lesquelles l’Umwelt humain est plus précis, plus vrai, plus « réel » que celui des autres espèces. Or, nous savons que de nombreuses espèces ont des sens supérieurs aux nôtres et que de nombreux organismes peuvent accomplir des exploits en matière de force, d’endurance et de perception qui dépassent de loin les capacités humaines. Insister sur l’omniprésence des modèles et des modélisations (Umwelten) dans l’ensemble du spectre biologique (et au-delà) permet de contester l’hypothèse de la supériorité humaine et de rétablir une vision plus précise, plus saine et plus humble de la manière dont les humains s’intègrent dans les écologies complexes de la vie sur Terre21.

24En ce sens, notre proposition s’inscrit dans une tentative plus générale de remettre en cause la supériorité de l’être humain sur toutes les autres formes non humaines et non vivantes qui a largement défini la modernité, et dont on connaît désormais les effets sur les écosystèmes et les êtres vivants. ll s’agit ainsi de mieux comprendre d’autres points de vue sur le monde et d’ouvrir d’autres perspectives, qui puissent nous éloigner de nous-mêmes et faire évoluer notre compréhension des intelligences naturelles et artificielles.

  • 22 Ibid.

Il s’agit là de ressources puissantes pour lutter contre l’anthropocentrisme, qui a catalysé l’orgueil humain et constitue un facteur majeur dans les pratiques humaines qui détruisent les écosystèmes planétaires et mettent en péril l’avenir de toutes les espèces vivantes, y compris l’homme22.

Haut de page

Bibliographie

Agüera y Arcas B., Manyika J. (2025), « AI Is Evolving—And Changing Our Understanding Of Intelligence », Noema. En ligne : https://www.noemamag.com/ai-is-evolving-and-changing-our-understanding-of-intelligence/.

Alpi A. et al. (2007), « Plant Neurobiology: No Brain, no Gain? », Trends in Plant Science, 12/4. DOI : https://dx.doi.org/10.1016/j.tplants.2007.03.002.

Andler D. (2023), Intelligence artificielle, intelligence humaine : la double énigme, Paris, Gallimard.

Bender E. M., Gebru T., Mcmillan-Major A. et Mitchell M. (2021), « On the Dangers of Stochastic Parrots: Can Language Models Be Too Big? », dans Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency, New York, Association for Computing Machinery, p. 610-623.

Block N. (1981), « Psychologism and Behaviorism », The Philosophical Review, 90/1, p. 5-43.

Bottemanne H., Longuet Y. et Gauld C. (2022), « L’esprit prédictif : introduction à la théorie du cerveau bayésien », L’Encéphale, 48/4, p. 436-444.

Bratton B. (2015), « Outing Artificial Intelligence. Reckoning with Turing Tests », dans M.  Pasquinelli (dir.), Alleys of Your Mind. Augmented Intelligence and Its Traumas, Lunebourg, Mmeson press, p. 69-80.

Bratton B. (2020), « Synthetic Gardens: Another Model for AI and Design », dans B. Vickers, K. Allado-McDowell (dir.), Atlas of Anomalous AI, Londres, Ignota Books.

Brenner E. D., Stahlberg R., Mancuso S., Vivanco J., Baluaška F. et Van Volkenburgh E. (2006), « Plant Neurobiology: An Integrated View of Plant Signaling », Trends in Plant Science, 11/8, p. 413-419.

Calvo P., Planta Sapiens: Unmasking Plant Intelligence, Londres, The Bridge Street Press, 2022.

DeepSeek-AI et al. (2024), « DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning », arXiv:2501.12948. DOI : https://doi.org/10.48550/arXiv.2501.12948.

Dreyfus H. (1992), Intelligence artificielle : mythes et limites, Paris, Flammarion.

Fields C., Levin M. (2020), « How Do Living Systems Create Meaning? », Philosophies, 5/4. DOI : https://doi.org/10.3390/philosophies5040036.

Gagliano M., Vyazovskiy V. V., Borbély A. A., Grimonprez M. et Depczynski M. (2016), « Learning by Association in Plants », Scientific Reports, vol. 6, article 38427.

Ganascia J.-G. (2006), Les sciences cognitives, Paris, Le Pommier.

Hayles K. (2025), « Modes of Cognition: Implications for Large Language Models », Antikythera Journal. DOI : https://doi.org/10.1162/ANTI.5CZF.

Huneman P. (2023), « Le monde selon GPT ? (1/2) Trois conditions philosophiques et l’espace des intelligences », AOC. En ligne : https://aoc.media/analyse/2023/06/25/le-monde-selon-gpt-1-2-trois-conditions-philosophiques-et-lespace-des-intelligences/.

McCulloch W. S., Pitts W. (1943), « A Logical Calculus of the Ideas Immanent in Nervous Activity », The Bulletin of Mathematical Biophysics, 5, p. 115‐133. DOI : https://doi.org/10.1007/BF02478259.

Millière R., Buckner C. (2024a), « A Philosophical Introduction to Language Models—Part I: Continuity With Classic Debates », arXiv:2401.03910v1. DOI : https://doi.org/10.48550/arXiv.2401.03910.

Millière R., Buckner C. (2024b), « A Philosophical Introduction to Language Models—Part II: The Way Forward », arXiv:2405.03207. DOI : https://doi.org/10.48550/arXiv.2405.03207.

Simard S. W. (2018), « Mycorrhizal Networks Facilitate Tree Communication, Learning, and Memory », dans F. Baluska, M. Gagliano et G. Witzan (dir.), Memory and Learning in Plants, Cham, Springer, p. 191-213.

Searle J. R. (1980), « Minds, Brains, and Programs », Behavioral and Brain Sciences, 3/3, p. 417‐424. DOI : https://doi.org/10.1017/S0140525X00005756.

Turing A. M. (1950), « Computing Machinery and Intelligence », Mind, 236, p. 433‐460. DOI : https://doi.org/10.1093/mind/LIX.236.433.

Haut de page

Notes

1 Le behaviorisme ou comportementalisme est un paradigme de la psychologie scientifique qui s’oppose aux explications mentalistes et subjectivistes des comportements humains. Afin d’établir une méthode garante de scientificité, la behaviorisme s’en tient à l’observation des comportements observables et mesurables en s’affranchissant de toute référence à l’expérience individuelle du psychologue. Ainsi « le sujet pensant et réfléchissant est évacué au profit d’un substitut abstrait et opaque, capable seulement de répondre, par des réactions quantifiables, à des injonctions quantifiables, les stimulus, sans que les images, les motivations, la volonté, bref, aucune des choses qui ressortissent naturellement au sujet, ne soient jamais présentes. Tout le travail du psychologue consistait alors à engendrer les lois d’expérience pour relier entre elles entrées et sorties », Ganascia J.-G. (2006), Les sciences cognitives, Paris, Éditions Le Pommier, p. 36. Le sujet est conçu comme une boîte noire et il n’existe donc pas de qualité propre qui s’ajoutent aux comportements, par exemple pour comprendre ce qu’est l’intelligence.

2 Cette expérience, développée dans le contexte de la domination d’une forme d’IA – le symbolisme –, a pour objectif de révéler la différence entre la manipulation d’un système formel et la compréhension. Searle compare le fonctionnement de l’intelligence artificielle à l’activité d’une personne enfermée dans une pièce et qui a pour objectif de converser en chinois sans connaître le moindre mot de cette langue. Des phrases écrites en chinois sont communiquées au système et il lui est demandé de formuler des réponses. Lui est également transmis un ensemble de règles sophistiquées dans sa langue natale permettant de faire correspondre une suite de signes chinois avec une autre suite de signes chinois. En utilisant ces règles de mise en équivalence, il lui est alors possible de fournir des « réponses » aux phrases chinoises qu’il reçoit et cela sans que sa connaissance de la langue chinoise n’ait progressé d’aucune manière. Suivant une configuration proche de celle du test de Turing, le locuteur chinois à l’extérieur de la pièce a alors l’impression que la personne dans la pièce parle parfaitement chinois. Or cette dernière ne fait que manipuler des signes suivant une logique syntaxique formelle sans pour autant avoir le moindre rapport sémantique à ceux-ci. Pour Searle, les systèmes d’intelligence artificielle, à l’instar du locuteur enfermé dans la chambre chinoise, sont donc dépourvus de toute compréhension dans la mesure où ils se contentent de manipuler des signes syntaxiques.

3  Block N. (1981), « Psychologism and Behaviorism », The Philosophical Review, 90/1, p. 20.

4 Hubert Dreyfus a développé, dans un ouvrage qui a joué un rôle important dans l’histoire de l’intelligence artificielle, un certain nombre d’arguments critiques vis-à-vis de l’intelligence artificielle et de son ambition de reproduire la cognition à partir de traitements de données et de raisonnements logiques. Selon Dreyfus, il n’est pas possible de décomposer les comportements intelligents ni le réel en termes d’éléments plus simples formalisables. Les comportements humains sont en rapport avec des situations d’un monde construit par les êtres humains. La conscience entretient un rapport au monde qui est fondamentalement lié à un contexte déterminé par les désirs et les besoins des individus, qui sont en constante évolution. L’être-au-monde, pour reprendre un concept heideggerien dont Dreyfus s’inspire, est donc constitutif de la signification : le souci, la préoccupation, est le rapport premier au monde du Dasein, c’est-à-dire l’être humain. Celui-ci n’entretient pas d’abord un rapport de contemplation théorique du monde, mais est capté par celui-ci. L’inscription corporelle et existentielle des individus dans un milieu est donc essentielle pour comprendre ce que signifie la cognition.

5 Millière R., Buckner C. (2024a), « A Philosophical Introduction to Language Models—Part I: Continuity With Classic Debates », arXiv:2401.03910v1, p. 16. DOI : https://doi.org/10.48550/arXiv.2401.03910.

6 « Reste à comprendre pourquoi l’intelligence artificielle, même celle des SASI, ne parviendra très probablement pas à égaler l’intelligence humaine en matière de résolution de problèmes. Non pas pour tous les problèmes – il est clair au contraire que l’intelligence artificielle surpasse dès à présent l’intelligence humaine pour un certain nombre de problèmes, nombre qui ne fera que croître. Il y aura pourtant certains problèmes qui lui échapperont alors que l’intelligence humaine en viendra à bout », Andler D. (2023), Intelligence artificielle, intelligence humaine : la double énigme, Paris, Gallimard, p. 303.

7 Agüera y Arcas B., Manyika J. (2025), « AI Is Evolving—And Changing Our Understanding Of Intelligence », Noema. En ligne : https://www.noemamag.com/ai-is-evolving-and-changing-our-understanding-of-intelligence/.

8 Elle s’appuie pour ce faire sur le travail de Fields et Levin (2020), qui ont montré que la bactérie E. coli avait des comportements cognitifs en analysant la chimiotaxie : « Pour illustrer cette idée d’un système cognitif minimal, ils considèrent une bactérie E. coli en train de faire de la chimiotaxie, c’est-à-dire de s’éloigner d’une toxine ou de se rapprocher d’une source de nourriture en suivant un gradient chimique », Hayles K. (2025), « Modes of Cognition: Implications for Large Language Models », Antikythera Journal. DOI : https://doi.org/10.1162/ANTI.5CZF.

9 P. Huneman, « Le monde selon GPT ? (1/2) Trois conditions philosophiques et l’espace des intelligences ». AOC, 26 juin 2023.

10 Millière R., Buckner C. (2024b), « A Philosophical Introduction to Language Models—Part II: The Way Forward », p. 30, arXiv:2405.03207. DOI : https://doi.org/10.48550/arXiv.2405.03207.

11 « Il ajoute : “Les plantes ne se contentent pas de réagir à ce qui se passe autour d’elles, elles pourraient avoir un modèle interne de ce que le soleil va faire qui guide leurs mouvements.” Comme le souligne Calvo, les comportements nocturnes des plantes peuvent constituer une preuve supplémentaire. La mauve de Cornouailles ou Lavatera anticipe l’endroit où le soleil se lèvera et tourne ses feuilles face à lui pour s’y préparer, “parvenant à le faire pendant quelques jours même si elle est privée de soleil”. Le tournesol rotatif mentionné ci-dessus tourne ses feuilles et sa tête deux fois plus vite qu’il ne le fait pendant la journée pour anticiper le rétablissement de son orientation optimale face au soleil », Hayles K. (2025), « Modes of Cognition: Implications for Large Language Models », art. cité.

12 Fields C., Levin M. (2020), « How Do Living Systems Create Meaning? », Philosophies, 5/4. DOI : https://doi.org/10.3390/philosophies5040036.

13 Hayles K. (2025), « Modes of Cognition: Implications for Large Language Models », art. cité.

14 Andler D. (2023), Intelligence artificielle, intelligence humaine : la double énigme, Paris, Gallimard.

15 La stratégie de Turing, dans son article de 1950 consiste à éviter de fournir des définitions de la machine et de la pensée pour répondre à la question de savoir si une machine peut penser et de la remplacer par une forme de test, le « jeu de l’imitation ». Il y a plusieurs versions du test, mais la plus célèbre consiste à mettre une machine en position de devoir se faire passer pour un être humain vis-à-vis d’un interlocuteur extérieur, avec lequel elle communique via des messages écrits. Les modèles génératifs contemporains ont réussi le test de Turing.

16 Bratton B. (2020), « Synthetic Gardens: Another Model for AI and Design », dans B. Vickers, K. Allado-McDowell (dir.), Atlas of Anomalous AI, Londres, Ignota Books.

17 Ibid.

18 Ibid.

19 Ibid.

20 Ibid.

21 Hayles K. (2025), « Modes of Cognition: Implications for Large Language Models », art. cité.

22 Ibid.

Haut de page

Pour citer cet article

Référence papier

François Levin, « L’intelligence par-delà l’anthropocentrisme »Socio-anthropologie, 52 | -0001, 169-188.

Référence électronique

François Levin, « L’intelligence par-delà l’anthropocentrisme »Socio-anthropologie [En ligne], 52 | 2025, mis en ligne le 18 février 2026, consulté le 15 juin 2026. URL : http://journals.openedition.org/socio-anthropologie/21302 ; DOI : https://doi.org/10.4000/15qdh

Haut de page

Auteur

François Levin

François Levin est docteur en philosophie et travaille sur l’intelligence artificielle. Il a été rapporteur au Conseil national du numérique et a participé à rédiger le rapport Villani sur l’intelligence artificielle.

Haut de page

Droits d’auteur

CC-BY-NC-ND-4.0

Le texte seul est utilisable sous licence CC BY-NC-ND 4.0. Les autres éléments (illustrations, fichiers annexes importés) sont susceptibles d’être soumis à des autorisations d’usage spécifiques.

Haut de page
Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search