Les chatbots butent sur l'analogie : une limite fondamentale de l'intelligence artificielle
Par Alex Knapp .Publié le
2025/04/05 04:33
L'être humain se distingue par une aptitude singulière : le raisonnement par analogie. Cette capacité à établir des parallèles entre des situations ou des faits distincts pour en extraire des principes généraux est un pilier de notre intelligence. Elle s'avère cruciale dans des domaines aussi variés que les sciences, le droit ou encore la médecine, où elle permet d'appréhender la complexité et de concevoir des solutions novatrices.
Pourtant, une étude récente met en lumière une fragilité notable de l'intelligence artificielle face à cette faculté pourtant naturelle pour nous.
Publiée dans la revue spécialisée Transactions on Machine Learning Research, cette recherche révèle que les modèles d'IA de pointe, tels que GPT-3 et GPT-4, peinent considérablement à appréhender les analogies. Lors de tests rigoureux évaluant leur capacité de raisonnement analogique, ces systèmes ont été largement surpassés par les humains, en particulier face à des problèmes sortant de leurs schémas habituels.
La distinction cruciale entre "entraînement" et "compréhension véritable"
L'étude souligne un point fondamental : la performance de l'intelligence artificielle est étroitement tributaire de la similarité entre les problèmes posés et les données sur lesquelles elle a été entraînée. Contrairement à l'humain, capable de généraliser ses connaissances même dans des domaines inconnus, l'IA demeure largement confinée à la qualité et à la pertinence de ses données d'apprentissage. Cette dépendance met en exergue une différence essentielle entre un "entraînement" efficace et une "compréhension véritable" des concepts sous-jacents.
Ces conclusions font écho à une étude antérieure, datant de janvier 2024, qui avait déjà mis en évidence les limites des modèles linguistiques de grande taille. Si ces derniers se montrent étonnamment précis pour diagnostiquer des maladies à partir de questions médicales standardisées, leur efficacité s'effondre lorsqu'il s'agit d'analyser des conversations naturelles avec des patients pour établir un diagnostic pertinent. Cette incapacité à transposer leurs connaissances dans un contexte moins structuré illustre leur difficulté à saisir les nuances et les analogies implicites du langage humain.
L'intelligence artificielle parviendra-t-elle à s'affranchir de ses limites abstraites ?
Face à ces constats, une question cruciale se pose à l'heure où les entreprises spécialisées dans l'intelligence artificielle délaissent progressivement la simple exploitation des modèles linguistiques massifs pour explorer des architectures plus hybrides, intégrant des réseaux neuronaux spécialisés et des bases de connaissances logiques. Ces nouvelles approches permettront-elles à l'IA de développer une capacité d'abstraction comparable à celle de l'être humain ? Ou ses limitations persisteront-elles, intrinsèquement liées à sa dépendance aux données d'entrée et à son incapacité à simuler l'intuition humaine, cette forme de raisonnement analogique rapide et souvent inconsciente ?
L'analogie, bien plus qu'une simple figure de style, constitue un outil cognitif fondamental. Dans le domaine juridique, les magistrats recourent à l'analogie pour établir des liens entre des précédents jurisprudentiels et de nouvelles affaires, tandis qu'en médecine, les praticiens s'appuient sur des cas similaires pour affiner leurs diagnostics.
Or, la réalité actuelle confirme que l'intelligence artificielle peine à effectuer de telles transpositions si elle n'a pas été spécifiquement entraînée sur des cas rigoureusement identiques. Un robot pourrait ainsi commettre des erreurs de diagnostic face à une maladie rare, faute d'avoir été exposé à une description analogue dans ses vastes bases de données.
Source : Forbes
Notez ce sujet