EPISODES

New

La question qui a tout déclenché

Fondamentaux

Formation

Comment Turing a transformé une question philosophique floue – « une machine peut-elle penser ? » – en une épreuve concrète fondée sur ce que l’on voit, mesure et met à l’épreuve.
Comprendre l'IA d'aujourd'hui commence par savoir d'où elle vient. Un voyage de 1936 à ChatGPT.
épisode #1

Voir tous les épisodes de

Imaginez quelqu’un que vous trouvez très intelligent. Vous ne voyez pas son intelligence directement, n’est-ce pas ? Vous la devinez à partir de ce qu’il dit, de ce qu’il semble comprendre, de la façon dont il répond, dont il agit. On fait ça tout le temps, sans même y penser.

On se base sur des signes visibles. Sur des comportements. Sur des réponses.

Gardez bien ça en tête, parce que c’est exactement là qu’arrive Alan Turing.

En 1950, il écrit un texte qui s’appelle « Computing Machinery and Intelligence ». Et au lieu de foncer tête baissée dans une immense question, « une machine peut-elle penser ? », il fait autre chose. Il déplace la question.

Pour lui, cette question, posée comme ça, est mal formulée. Pourquoi ? Parce qu’on se retrouve coincé très vite : qu’est-ce que ça veut dire « penser » ? Où est-ce que ça se passe ? Comment on le voit ? Et là, on est bloqué.

Turing, lui, propose un détour. Il dit, en substance : arrêtons de nous demander d’abord ce qu’est penser. Demandons-nous plutôt : une machine peut-elle se comporter comme si elle pensait ?

Vous sentez la nuance ? Elle a l’air légère. Et pourtant. C’est là que tout change.

Avec ce déplacement, il ne fait pas disparaître la grande question philosophique de départ. Il la rend observable. Il la rend testable. Au lieu d’aller fouiller à l’intérieur de la machine, Turing propose de regarder ce qu’on peut constater de l’extérieur.

Et c’est là qu’entre en scène le fameux test qui porte son nom.

Le principe, en lui-même, est assez simple. On ne demande pas à la machine d’expliquer ce qu’elle est. On ne lui demande pas de dévoiler une sorte d’âme cachée. On observe autre chose : dans un échange écrit, est-ce que cette machine est capable de produire des réponses qui la font passer pour humaine ?

Autrement dit, le point central n’est plus une intelligence intérieure qu’on essaierait de deviner. Le point central, c’est un comportement observable. Ce que la machine est capable de faire dans une situation précise.

Prenons un instant. Parce que cette distinction est vraiment décisive.

Le test de Turing ne dit pas : « voilà la preuve qu’il y a une pensée au fond de la machine ». Il dit plutôt : « regardons ce qu’elle peut produire comme résultats, et jugeons à partir de là ». Ce n’est pas du tout la même manière de poser le problème.

Et c’est justement pour ça que cette proposition a eu un tel impact.

Turing ne commence pas par une définition complète de l’intelligence. Il contourne cette difficulté. Il remplace une question très générale, presque insaisissable, par une épreuve concrète, qu’on peut décrire, répéter, discuter.

Ce choix va devenir un point de départ pour une nouvelle manière de penser les machines.

Et ce geste de 1950 ne sort pas de nulle part. Déjà en 1936, Turing avait posé les bases théoriques d’une « machine universelle », capable d’exécuter n’importe quel calcul. En clair, il avait montré qu’un dispositif mécanique pouvait, en principe, réaliser tout calcul qu’on arrive à formaliser.

Le test de 1950 prolonge exactement cette idée. Si une seule et même machine peut, théoriquement, effectuer n’importe quel calcul, on peut alors se demander : jusqu’où peuvent aller les résultats qu’elle produit ? À partir de quand ces résultats nous donnent l’impression d’avoir affaire à quelque chose qui pense ?

La question devient alors moins « qu’est cette machine ? » que « que peut-elle faire ? ».

Et c’est cette continuité qui compte. Le test de Turing n’est pas une petite idée isolée. Il s’inscrit dans une logique déjà présente dans tout son travail.

À partir de là, on comprend mieux un trait durable de l’intelligence artificielle. Très souvent, on va l’évaluer à partir de ce qu’elle produit : ses réponses, ses performances, ses résultats dans une tâche donnée. On ne part pas d’un accès direct à une compréhension intérieure. On regarde ce qui se voit.

Ce glissement vient en grande partie de la proposition de Turing. Il prend une intuition très familière — juger à partir de ce qui est dit et fait — et il l’applique aux machines.

Et c’est précisément ce glissement, discret en apparence, qui a servi de point de départ à une révolution technologique… dont on continue, encore aujourd’hui, à discuter le sens.

Frais et marquants

Visuel pédagogique sur l’intelligence artificielle et les armes autonomes illustrant une décision critique partagée entre un humain et une machine pour interroger le contrôle humain réel
Illustration pédagogique montrant une intelligence artificielle reliée à de multiples figures humaines et à des flux de données pour expliquer que chaque réponse dépend d’un travail humain et de ressources matérielles
Illustration d’un travailleur et d’une interface d’intelligence artificielle face à face, symbolisant l’évaluation des effets de l’IA sur l’autonomie, le jugement et la créativité au travail.
New
Une
Le travail a-t-il encore un sens ?

Éthique

Formation

Illustration pédagogique montrant un cerveau humain face à des flux de données rapides symbolisant l’intelligence artificielle pour questionner la vitesse numérique et la réflexion lente.
New
Une
Ce que la vitesse nous vole

Éthique

Formation

Illustration d’un podcast pédagogique sur l’IA et la désinformation, montrant des échanges d’informations numériques et la question de la confiance dans le débat public.
Visuel pédagogique sur le transhumanisme montrant une silhouette humaine partiellement augmentée par des éléments technologiques, pour expliquer la distinction avec le posthumanisme et les enjeux d’humain jugé plus ou moins utile
New
Une
Le rêve de l’humain augmenté

Éthique

Formation

Tous les podcasts en illimité

pour 19,90€ 9,90 € le premier mois

Déja abonné ?