Très bien, entrons directement dans le vif du sujet. Un immense débat fait rage au cœur même de l'intelligence artificielle, et il a été déclenché par, vous l'avez deviné, l'un de ses propres pères fondateurs.

Et nous parlons d'un véritable poids lourd ici, Richard Sutton. C'est un homme qui a remporté le prix Turing, qui est essentiellement le prix Nobel de l'informatique. Il n'est pas qu'un simple critique sur la touche, il est l'un des véritables architectes du domaine.

Et ce qu'il dit est assez choquant. Il pense que les grands modèles de langage, les LLM, le moteur derrière tout, de ChatGPT à Gemini, toute la révolution de l'IA dans laquelle nous nous trouvons actuellement, il pense que toute cette approche est une impasse, fondamentalement erronée, obsolète.

Pourquoi un pionnier absolu de l'IA ferait-il une affirmation aussi audacieuse ? Cela semble un peu fou. Creusons le sujet. Pour vraiment comprendre d'où il vient, nous devons décortiquer sa logique. Et ce que vous découvrirez, c'est cet incroyable affrontement d'idées sur ce qu'est même l'intelligence.

La première grande pièce du puzzle est la suivante : que font réellement les LLM lorsqu'ils produisent tout ce texte ? Pensent-ils vraiment, ou ne sont-ils que d'incroyables imitateurs ?

C'est ici que les deux camps se séparent vraiment. D'un côté, il y a le point de vue commun. L'idée que pour qu'une IA prédise le langage aussi incroyablement bien, elle doit avoir construit une sorte de modèle robuste du monde. Comment pourrait-elle faire autrement ?

Mais Sutton dit que non, c'est une illusion habile. Il soutient que les LLM ne modélisent pas du tout le monde. Ils modélisent simplement ce que nous disons du monde. Ils imitent les imitateurs, nous.

Et cela nous amène à un point vraiment critique pour lui : la vérité de terrain. Puisqu'elles n'apprennent qu'à partir de texte, il affirme qu'elles n'ont aucun lien réel avec la réalité. Pensez-y de cette façon : si une IA prédit que lâcher une balle la fera tomber, elle ne peut pas réellement lâcher une balle pour voir si elle a raison. Elle ne peut que vérifier sa prédiction par rapport à une mer de textes où des humains ont écrit : "quand on lâche une balle, elle tombe". Pour Sutton, ce n'est pas du tout la même chose. Cette distinction, c'est tout.

Pour Sutton, tout se résume à ceci : la véritable intelligence doit être liée au fait d'avoir et d'atteindre des objectifs dans le monde. Prédire le mot suivant dans une phrase ? C'est juste un jeu de langage. Cela ne fait rien concrètement. Il croit qu'un agent véritablement intelligent doit être capable d'agir puis de voir les conséquences de ces actions dans le monde réel.

Et cette idée d'agir et de voir les conséquences nous mène directement au prochain grand point de désaccord : comment nous, comment les êtres intelligents, apprenons-nous réellement à connaître le monde pour commencer ?

Beaucoup de gens pensent que les enfants apprennent principalement par imitation. Cela correspond un peu au modèle des LLM. Ils nous copient simplement. Mais Sutton dit : pas question. Il pense que c'est totalement faux. Il voit l'apprentissage précoce comme ce processus désordonné, chaotique et magnifique de pur essai et erreur. Les bébés agitent simplement leurs mains, font des bruits bizarres, essaient des trucs et voient ce qui se passe. Tout est question de découverte, pas seulement de copie.

Et c'est vraiment le cœur de tout son argument. Il croit que le véritable apprentissage profond ne consiste pas à recevoir les bonnes réponses toutes faites. C'est ce qu'on appelle l'apprentissage supervisé en IA, et c'est ainsi que les LLM sont entraînés. Mais Sutton soutient que ce n'est pas ainsi que fonctionne la nature. Les animaux, même les plus petits, apprennent en interagissant avec leur environnement, en faisant des erreurs et en comprenant les choses par eux-mêmes.