Résumé : L’intelligence artificielle générative (IAg) n’est pas considérée comme une révolution numérique. Pourtant, nous ne pouvons faire fi de la place grandissante que cette technique occupe dans l’environnement info-communicationnel de nos sociétés contemporaines. Le concept — polysémique et protéiforme — revêt des valeurs et des sens multiples selon les discours, les usages et les contextes. Et si l’intelligence artificielle générative ne révolutionne pas le numérique, elle semble néanmoins bouleverser les usages, les pratiques et l’acte de percevoir ; et ce faisant, elle révolutionne notre expérience du monde. Partant de ce postulat, cet article propose une exploration ontologique du concept d’IAg — comprendre son essence, pour tenter de saisir ce qui est en jeu. À cet égard, nous reviendrons sur les différentes acceptions du concept d’IAg, puis nous questionnerons la notion d'intelligence, la question des possibles et du processus « idéation-corporisation », la question de l’agentivité, de l’altérité et du glissement anthropomorphique, pour terminer avec la question des interactions Homme-Machine et l’utilisation du langage naturel. Sans tomber dans les sophismes approximatifs d’une fascination béate ou d’un alarmisme irraisonné, nous tenterons de répondre à la question centrale : « De quelles phénoménologies l’intelligence artificielle générative est-elle le déclencheur ? »
Mots-clés : intelligence artificielle générative, idéation-corporisation, hypergenèse et hypogenèse idéatives, médium algorithmique, artefact numérique, altérité, anthropomorphisme, interactions Homme-Machine.
Title: The Ontology of Generative AI in Question(s): Essence and Meaning
Abstract: Artificial generative intelligence (AIg) is not considered a digital revolution. Yet we can't ignore the growing place this technique occupies in the info-communication environment of our contemporary societies. The concept - polysemous and protean - takes on multiple values and meanings, depending on the discourse, usage and context. And while generative artificial intelligence may not be revolutionizing the digital world, it does seem to be overturning uses, practices and the act of perceiving; in so doing, it is revolutionizing our experience of the world. Starting from this premise, this article proposes an ontological exploration of the concept of Gen AI - understanding its essence, in an attempt to grasp what is at stake. In this respect, we will review the different meanings of the concept of Gen AI, then question the notion of intelligence, the question of possibilities and the “ideation-corporization” process, the question of agentivity, otherness and the anthropomorphic shift, to end with the question of Human-Machine interactions using natural language. Without falling into the approximate sophisms of blissful fascination or unreasoning alarmism, we will attempt to answer the central question: “What is generative artificial intelligence a phenomenon of?”
Keywords: generative artificial intelligence, ideation-corporization, hypergenesis and hypogenesis of ideation, algorithmic medium, digital artifact, alterity, anthropomorphism, human-machine interactions.
L’intelligence artificielle est non seulement en phase de devenir « la technologie clé de l’avenir », mais aussi un « élément central de la transition numérique de la société et une priorité pour l’UE », tant ses « applications devraient mener à d’énormes changements dans notre quotidien », annonce le Parlement européen[1]. Un postulat qui tend à se confirmer, puisque deux ans après le lancement sensationnel de ChatGPT, l’usage de l’intelligence artificielle générative (IAg) se démocratise et s’étend à toutes les strates de nos sociétés numériques[2]. Des très petites entreprises aux grandes industries, de l’enseignement à agriculture, aucun secteur ne semble échapper à la déferlante IAg et à la profusion de contenus pluriels qu’elle génère.
L’intelligence artificielle générative nous propulserait-elle vers une nouvelle révolution ? Pas nécessairement, puisque l’humanité vit déjà sa 4e révolution industrielle désignée par le passage à des systèmes de production intelligents utilisant des équipements connectés, des réseaux numériques et de l’intelligence artificielle. (Commission de la science et de la technique au service du développement, 2022). L’avènement de l’intelligence artificielle générative, aussi spectaculaire soit-il, n’est qu’une évolution sans rupture majeure, qui s’inscrit dans la continuité de la révolution numérique. On l’assimile davantage à l’ajout « d’une brique technologique transversale qui interconnecte et synchronise les différents systèmes de production les uns avec les autres » (D. Kohler & Weisz, 2016). Une brique qui « invente un nouveau langage entre les machines, entre les hommes et les machines, entre les produits, entre les services et les machines », notent les auteurs.
De quoi parle-t-on ? Quel est ce nouveau langage qui s’invente entre les hommes et les machines ? Si l’IA générative est « un couplage particulier du matériel et du logiciel qui nous forme à penser différemment, à transformer nos manières de raisonner », comme le précise Dominique Boullier (Boivin et al., 2024), on comprend aisément la nécessité à examiner la nature de cette nouvelle technique qu’est l’IAg pour comprendre ce qui est en jeu.
Au-delà des aspects éthiques et réglementaires, nous proposons ici une exploration ontologique autour du concept d’Intelligence artificielle générative (IAg) : questionner sa nature, ses propriétés intrinsèques d’être numérique, telles que l’existence, la possibilité, le devenir ; examiner son essence pour donner un sens intelligible à ce qu’elle transmute dans notre rapport au monde et dans les interactions Homme-Machine qui en découlent.
En premier lieu, nous tenterons d’apporter un éclairage sur la question de la notion de l’IAg : comment distinguer l’IA générative dans la multitude de modèles d’intelligence artificielle ? Comment comprendre son niveau d’artificialité et son « intelligence » par rapport à l’homme ? Une telle comparaison, est-elle sensée ?
En deuxième lieu, nous proposons d’explorer la question des possibles offerts par l’IAg en sa qualité de technique. Comment s’exprime l’idéation humaine à l’heure de l’intelligence artificielle générative ? Comment le caractère « génératif » de l’IA vient-il moduler la manière dont les humains produisent des idées et des contenus ? Quelle est l’« aura phénoménologique » dégagée par l’IAg et comment envisager son « autruiphanie numérique » ? Nous mobiliserons à cet effet les travaux de Bruno Bachimont et de Stéphane Vial.
En troisième lieu, nous questionnerons les (re)configurations des rapports entre acteurs sociaux et agents artificiels face aux perspectives offertes par l’IA générative : le possible glissement vers une assimilation anthropomorphique, mais aussi l’hétérogénéité et l’asymétrie des rapports Homme-Machine observés.
Le périmètre d’exploration proposé est certes vaste, mais essentiel pour cerner le caractère que l’intelligence artificielle générative revêt dans nos sociétés contemporaines. À travers les différents questionnements sur son essence, nous visons à identifier des clés de compréhension des possibles effets de sens dans notre capacité idéative, dans notre rapport aux êtres numériques, dans les configurations Homme-Machine et les hypothétiques « liaisons dangereuses »[3], pour in fine appréhender la place que l’IAg tend à occuper dans notre expérience perceptive du monde.
Qu’est-ce que l’intelligence artificielle (IA) en 2024 ? Le nom « intelligence artificielle » n’est pas déposé à l’INPI (Institut National de la Propriété Intellectuelle) pas plus qu’il ne fait l’objet d’un quelconque copyright©. Le concept, longtemps demeuré l’apanage d’experts et chercheurs scientifiques, est désormais vulgarisé auprès du grand public. Pour autant, la notion d’intelligence artificielle est-elle réellement comprise ? Que se cache derrière ce terme « valise » ?
Des définitions plus ou moins complexes circulent en abondance sur les ondes et sur le net, et saturent l’espace médiatique. L’intelligence artificielle pose un vrai problème de terminologie, prévient Daniel Andler, puisque que le terme désigne à la fois « un objet qu’on cherche à créer, un système doté d’une certaine propreté, la discipline, et plus largement l’institution qui se donne pour but de concevoir, c’est-à-dire de caractériser et de construire cet objet. » (Andler, 2023, p. 22)
L’expression « intelligence artificielle » est évoquée pour la première fois en 1956, lors d’une conférence au Dartmouth College, aux États-Unis. Elle a été proposée par deux Américains considérés comme les principaux pionniers de l’IA : John McCarthy (1927-2011), mathématicien et informaticien, et Marvin Minsky (1927-2016), spécialiste de la discipline IA et des sciences cognitives. Ce terme est alors employé pour désigner « les sciences et technologies qui permettent d’imiter, d’étendre et/ou d’augmenter l’intelligence humaine avec des machines ». (Pallanca & Read, 2021)
Peut-être l’une des définitions les plus aisées à appréhender serait celle proposée par le Parlement européen qui désigne l’IA comme « la possibilité pour une machine de reproduire des comportements liés aux humains, tels que le raisonnement, la planification et la créativité [4]». Yan LeCun (prix Turing 2018), précise quant à lui que l’IA c’est « la capacité des machines à prendre des décisions et à adopter des comportements attribués généralement à des humains ou à des animaux, mais avec un moindre niveau de performance ». (LeCun, 2017)
Le fantasme de la création d’une machine qui imiterait ou serait semblable à l’homme remonte aux temps anciens. Cette idée serait présente déjà dans les textes de Homère, notamment à travers les fabrications du dieu Héphaïstos censées offrir aux hommes un monde sans travail. Ainsi les Olympiens pouvaient vivre une vie sans effort ni contrainte, où des « créatures artificielles remplacent en quelque sorte les esclaves des sociétés humaines en se chargeant des travaux les plus répétitifs et les plus pénibles, des tâches les plus rébarbatives. » (Leveau-Vallier, 2023). N’est-ce pas ce que nous promet l’IA aujourd’hui ?
La tentative d’établir une seule et unique définition de l’intelligence artificielle se heurte à la pluralité de ses propriétés intrinsèques, d’autant que les multiples qualificatifs associés à l’IA rendent compte de la complexité du concept et ne favorisent pas toujours sa compréhension. L’intelligence artificielle est dite tantôt symbolique, connexionniste, forte, faible, globale, générative… À moins d’être un expert du domaine, il est fort probable que nombre d’utilisateurs des IA présentes dans les ordinateurs, smartphones et autres dispositifs numériques confondent ou ignorent la différence entre ces notions.
Une IA forte ou IA générale serait dotée d’esprit, de sensibilité et de conscience, notamment la conscience de soi. Cette IA aurait la capacité non seulement de comprendre et d’apprendre, mais serait en mesure d’utiliser ses compétences à bon escient et selon les situations, à l’instar de l’Homme dont elle serait en quelque sorte l’égale. « Si le calculateur projette son propre monde, c’est aussi parce qu’il a pour ambition de contenir lui-même son propre horizon. C’est en ce sens que cette IA a pu se revendiquer comme forte », explique Dominique Cardon. (Cardon et al., 2018)
Adaptabilité, planification, contextualisation, raisonnement, voici un panel de compétences que l’IA forte est supposée posséder et manier avec justesse. Une telle IA est-elle souhaitable ? À ce jour, l’IA forte relève encore de la science-fiction. Les meilleurs exemples pour l’illustrer nous parviennent des grandes productions cinématographiques, à l’instar de R2-D2, le robot de Star Wars, ou encore JARVIS, l’IA d’Ironman. Si l’IA forte n’est pas encore atteinte, elle reste un objectif à long terme de la recherche en IA.
Depuis son entrée en scène remarquable, l’intelligence artificielle générative ne cesse de gagner du terrain dans de nombreux secteurs d’activité et on ne peut ignorer ni les défis qu’elle impose ni les enjeux qu’elle soulève : « l’IA et surtout l’IA générative (IAg) se sont installées quotidiennement dans les débats sur la transformation de nombreuses activités humaines… » (Chartron, 2023)
L’exploration ontologique de l’intelligence artificielle générative souligne avec force l’impermanence du concept. Elle fait apparaître non seulement une nature plurielle et protéiforme, mais aussi un caractère l’ambivalent, propre à toutes les techniques.
Alombert, A. (2023). Panser la bêtise artificielle : Organologie et pharmacologie des automates computationnels. Appareil, 26. https://doi.org/10.4000/appareil.6979
Andler, D. (2023). Intelligence artificielle, intelligence humaine : La double énigme. GALLIMARD.
Bachimont, B. (2010). Le sens de la technique—Bruno Bachimont—Librairie Eyrolles. Encre marine. https://www.eyrolles.com/Loisirs/Livre/le-sens-de-la-technique-9782350880358/
Bergson, H. (2023). Intelligence et intuition. Payot & Rivages. https://www.payot-rivages.fr/payot/livre/intelligence-et-intuition-9782228934589
Boivin, B., Chane-Sane, M., Fritz-Corallini, L., Gonod, B., Mis, M., & Richardot, E. (2024, mars 21). Journées d’étude « Intelligence artificielle : Écosystèmes, enjeux, usages. Une approche interprofessionnelle » • Jour 1 : « Écosystème et enjeux », 13 novembre 2023 [Text]. https://bbf.enssib.fr/tour-d-horizon/journees-d-etude-intelligence-artificielle-ecosystemes-enjeux-usages-une-approche-interprofessionnelle-jour-1-ecosysteme-et-enjeux-13-novembre-2023_71899
[1] Source : Parlement Européen
[2] L’expression « société numérique » fait référence à la société de l’information ou société en réseaux, avec la technique pour élément constitutif. (Compiègne, 2010)
[3] Référence à l’œuvre littéraire « Les liaisons dangereuses » de Pierre Choderlos de Laclos décortiquant le processus de duperie dans la mise en place d’un simulacre relationnel.
[4] Intelligence artificielle : définition et utilisation, source : Parlement Européen
[5] Le Deep learning ou l’apprentissage profond est une architecture qui relie plusieurs couches de neurones interconnectés pour résoudre des tâches complexes Source : Wikipédia
[6] Machine learning ou apprentissage automatique est un champ d'étude de l'intelligence artificielle qui se fonde sur des approches mathématiques et statistiques pour donner aux ordinateurs la capacité d'« apprendre » à partir de données, c'est-à-dire d'améliorer leurs performances à résoudre des tâches sans être explicitement programmés pour chacune. Source : Wikipédia