Bienvenue dans cette édition #05 de la newsletter du Cercle IA.
Pour Noam Chomsky, linguiste et philosophe, l’IA est un « moteur statistique pesant » (lumbering statistical engine for pattern matching), une technologie triviale dont la superficialité menace de dégrader la science et d’avilir l’éthique.
Henry Kissinger, stratège et homme d’État, y voyait tout le contraire : il présentait l’IA une révolution comparable à l’imprimerie, une technologie qui modifie la manière dont les sociétés produisent du savoir, transforme la politique et la société dans son ensemble.
Deux figures intellectuelles parmi les plus influentes du 20ème siècle.
Une même technologie sous les yeux.
Deux perceptions radicalement opposées.
Comment deux esprits aussi brillants peuvent-ils parvenir à des conclusions si radicalement opposées en observant le même phénomène ?
Pour répondre à cette question, je partage avec vous les idées développées par Richard Susskind dans son livre, “How To Think About AI”. Professeur à Oxford, Susskind est un expert britannique de renommée mondiale sur l’avenir des services juridiques et l’impact des technologies, comme l’IA.
Dans cette édition :
- Process-Thinkers vs. Outcome-Thinkers : la fracture intellectuelle qui explique pourquoi les experts ne s’entendent pas sur l’IA ;
- Le sophisme de l’IA : pourquoi attendre que l’IA “pense comme nous” vous fait passer à côté de son potentiel ;
- La matrice décisionnelle : quand privilégier la compréhension du processus, quand se concentrer sur le résultat ;
- Ressource : le Guide Perplexity at Work et comment restructurer votre journée avec l’IA ;
- L’outil : compar:IA, pour développer votre jugement critique sur les différents modèles d’IA.
Process-thinkers vs. Outcome-thinkers
Dans son livre, “How To Think About AI”, Richard Susskind s’appuie sur la fameuse division des « deux cultures » de C.P. Snow (entre les arts et les sciences) pour identifier une division analogue dans le monde de l’IA.
Snow identifie deux cultures distinctes qui structurent la « vie intellectuelle de l’ensemble de la société occidentale » :
- d’un côté, les intellectuels littéraires (les humanistes), héritiers de Shakespeare et de Dickens, qui dominent traditionnellement le paysage intellectuel et considèrent que la vraie culture se limite aux lettres, aux arts et aux humanités ;
- de l’autre, les scientifiques (physiciens, chimistes, biologistes), porteurs d’une culture scientifique rigoureuse fondée sur Newton et les lois de la thermodynamique, mais souvent ignorés par les premiers.
Dans le monde de l’IA, Susskind décèle une division analogue dans le monde de l’IA qui oppose les penseurs du processus (process-thinkers) et les penseurs du résultat (outcome-thinkers).
Noam Chomsky et le camp des « penseurs de processus » (Process-thinkers)
Les « penseurs de processus » (process-thinkers) sont principalement intéressés par la question du comment : comment les systèmes d’IA fonctionnent-ils, comment l’esprit humain raisonne-t-il, et qu’est-ce que l’un nous apprend sur l’autre ?
Leur analyse est centrée sur les mécanismes, l’architecture et la logique sous-jacente des technologies et de l’intelligence elle-même.
Noam Chomsky représente l’archétype de ce mode de pensée. En mars 2023, il affirmait qu’il est « à la fois comique et tragique » que tant d’attention soit portée à une chose si insignifiante, craignant que l’IA ne fasse que « dégrader notre science et avilir notre éthique ».
Pour lui, la manière dont ChatGPT génère du langage, sans véritable compréhension, est une parodie imparfaite et dangereuse de la cognition humaine.
Les penseurs de processus peuvent être regroupés en trois catégories distinctes :
- Ceux qui s’intéressent au fonctionnement interne des systèmes d’IA, comme les ingénieurs et les développeurs, qui se concentrent sur les algorithmes, les réseaux de neurones et l’architecture des modèles.
- Ceux qui étudient le fonctionnement de l’esprit et du cerveau humains, comme les neuroscientifiques et les philosophes, pour qui l’IA est une loupe ou un miroir déformant de la cognition.
- Ceux qui utilisent l’IA comme un miroir pour mieux comprendre l’intelligence humaine, en analysant ce que ses succès et ses échecs révèlent sur nos propres processus cognitifs.
Kissinger et le camps des « Penseurs de résultat » (outcome-thinkers)
À l’opposé, les « penseurs de résultat » (outcome-thinkers) se concentrent sur les conséquences de l’IA. Pour eux, les détails techniques du fonctionnement interne d’un système sont secondaires par rapport à ce qu’il produit.
Leur attention est entièrement tournée vers les applications pratiques et les transformations sociétales : les conséquences sociales, les résultats commerciaux, les usages pratiques, les défis réglementaires, les implications éthiques et la livraison de systèmes fonctionnels.
Henry Kissinger incarne parfaitement cette perspective. Il soutient que « ce que ces systèmes font est d’une importance capitale, plutôt que la manière dont ils le font ». Peu importe si l’IA « pense » comme un humain ; ce qui compte, ce sont ses effets sur la géopolitique, l’économie et la condition humaine
Cette vision est partagée par de nombreuses autres figures influentes. Les anciens Premiers ministres britanniques Tony Blair et William Hague ont qualifié l’IA de « technologie la plus importante de notre génération », se concentrant sur son potentiel à remodeler les États et les économies.
De même, pour Bill Gates l’IA est « révolutionnaire » et « changera la façon dont les gens travaillent, apprennent, voyagent, reçoivent des soins de santé et communiquent entre eux ».
Cette fracture fondamentale entre la fascination pour le processus et l’urgence du résultat explique pourquoi les experts peuvent regarder la même technologie et voir, l’un, une insignifiance technique, l’autre, une révolution historique.
Dans quel camp vous situez-vous ?
Cette division n’est pas qu’académique. Elle détermine concrètement vos décisions professionnelles avec l’IA.
Si vous êtes naturellement process-thinker :
- Vous vous demandez d’abord : « Comment l’IA arrive-t-elle à ce résultat ? »
- Vous êtes sceptique tant que vous ne comprenez pas le mécanisme
- Vous privilégiez la transparence et l’explicabilité
- Vous lisez des articles techniques sur les architectures de modèles
- Risque : paralysie par l’analyse, opportunités manquées pendant que vous cherchez à tout comprendre
Si vous êtes naturellement outcome-thinker :
- Vous vous demandez d’abord : « Ce résultat est-il utile ? »
- Vous expérimentez rapidement et ajustez selon les résultats
- Vous privilégiez l’efficacité pratique
- Vous testez les outils avant de lire la documentation
- Risque : angles morts sur les limites, erreurs coûteuses par manque de compréhension des capacités réelles
Comment éviter le « sophisme de l’IA » et trouver l’équilibre
En réalité, la plupart des gens travaillant sur l’IA sont un mélange des deux types de pensée. Mais lorsque nous questionnons le potentiel de l’IA, nous tombons souvent dans la pensée du processus.
Pour Susskind, c’est là que le sophisme de l’IA frappe, l’hypothèse erronée selon laquelle la seule façon d’amener les machines à performer au niveau des meilleurs humains est de reproduire d’une manière ou d’une autre la façon dont les humains travaillent.
Prenons les voitures autonomes. Personne ne suggère sérieusement que la façon optimale d’avancer soit de développer des robots qui s’assoient aux sièges de conduite en imitant la façon dont les êtres humains conduisent. Ce serait comme mettre des robots dans les salles d’attente des hôpitaux en tant que substituts aux médecins humains.
Au contraire, nos systèmes de plus en plus capables opèrent dans le vaste monde du travail humain en s’engageant dans des tâches qui tirent parti de leurs capacités uniques (pas des nôtres).
L’erreur consiste à ne pas reconnaître que les systèmes d’IA n’ont pas besoin d’imiter ou de reproduire le raisonnement humain. Penser autrement, c’est adopter une vision beaucoup trop anthropocentrique de l’IA.
Les deux perspectives comptent. Les penseurs du processus rappellent ce que ces systèmes sont et quelles pourraient être leurs limitations.
Les penseurs du résultat nous poussent à nous concentrer sur l’impact pratique et les conséquences sociétales. Le danger survient lorsque l’un ou l’autre camp rejette complètement l’autre.
La question n’est pas de savoir qui a raison. C’est de savoir si nous pouvons intégrer les deux façons de penser.
Matrice décisionnelle : quand privilégier la compréhension du processus, quand se concentrer sur le résultat
Pour savoir quel mode privilégier, posez-vous ces 3 questions :
1. Niveau de risque : « Quel est le coût d’une erreur ? »
Quand la tâche comporte peu d’enjeu (brouillon, exploration d’idées, premier jet), le résultat compte plus que la méthode. Vous pouvez vous concentrer sur ce que l’IA produit et l’ajuster rapidement. → Privilégiez l’outcome-thinking
Quand l’erreur peut avoir des conséquences sérieuses (conseil client, analyse sensible, document juridique), il faut d’abord comprendre comment le système travaille et où il peut se tromper. Dans ces cas-là, la prudence passe avant la rapidité. → Privilégiez le process-thinking
2. Question de maîtrise : « Suis-je capable de vérifier ce que l’IA me donne ? »
Si vous connaissez bien le domaine, vous repérerez vite les incohérences ou les approximations. Vous pouvez alors vous focaliser sur le résultat et l’améliorer au besoin. → Privilégiez l’outcome-thinking
Si vous êtes en terrain inconnu, la vigilance augmente. Il faut d’abord comprendre les limites du modèle avant de lui confier une tâche que vous ne pourrez pas évaluer vous-même.→ Privilégiez le process-thinking
3. Question de récurrence : « Vais-je refaire cette tâche souvent ? »
Pour une tâche ponctuelle, obtenir un résultat correct rapidement est souvent suffisant. Vous pouvez privilégier la production immédiate sans investir du temps dans la compréhension profonde. → Privilégiez l’outcome-thinking
Pour une tâche récurrente, investir un peu de temps dans la compréhension du fonctionnement du modèle est payant. Cela permet de bâtir une méthode fiable et d’éviter de réinventer la roue à chaque usage. → Privilégiez le process-thinking
La ressources de la semaine : le Guide Perplexity at Work
Ce guide propose une approche structurée pour utiliser l’intelligence artificielle afin de travailler plus intelligemment et plus efficacement, en s’éloignant de l’idée d’une solution miracle. Il présente l’IA comme un prolongement naturel de trois étapes essentielles à la productivité :
- Bloquer les distractions : l’IA aide d’abord à récupérer votre temps et votre concentration en déléguant les tâches répétitives et en réduisant le changement de contexte. Cela libère de l’énergie mentale pour des tâches qui nécessitent créativité, raisonnement et perspicacité.
- Décupler ses capacités : une fois l’espace pour un travail plus profond créé, l’IA devient un multiplicateur de force. Elle permet de mener des recherches, de synthétiser des informations et de produire des livrables à une échelle et une qualité qui seraient autrement impossibles pour une seule personne. Vous devenez une “équipe à vous seul”, relevant de plus grands défis et apprenant plus vite.
- Obtenir des résultats : l’aboutissement de l’utilisation de l’IA est de canaliser cette capacité et cette bande passante accrues vers des résultats spécifiques et mesurables. L’IA vous permet de livrer plus, mais surtout avec plus d’impact, rendant vos efforts visibles et votre progression de carrière tangible.
L’outil de la semaine : compar:IA
compar:IA est un outil gratuit développé par le ministère de la Culture et la Direction Interministérielle du Numérique (DINUM) en France et lancé en octobre 2024.
compar:IA permet de comparer anonymement les réponses de plusieurs modèles d’intelligence artificielle (IA) conversationnelle, en particulier pour des usages en langue française.
Son objectif : sensibiliser le public aux enjeux de l’IA générative, comme les biais linguistiques et culturels, tout en facilitant l’évaluation des performances, de la pertinence, de la clarté, mais aussi de l’impact écologique des différents modèles.
Fonctionnalités principales de compar:IA
- l’outil permet d’interroger simultanément deux modèles d’IA générative de manière anonyme : les réponses sont comparées sans connaître l’identité des modèles pour assurer un jugement objectif et impartial ;
- l’utilisateur évalue la pertinence, la clarté, la cohérence et l’absence de biais culturels ou linguistiques des réponses obtenues, puis vote pour celle qu’il juge meilleure. ;
- à la fin du processus, les identités des modèles sont révélées, accompagnées de leur bilan écologique, permettant ainsi de prendre en compte l’impact environnemental de chaque technologie ;
- compar:IA centralise la comparaison de 18 à 23 modèles différents, allant des géants internationaux (ex : GPT-4o, Gemini 1.5 Pro) aux modèles français ou asiatiques, et propose divers usages courants : génération d’idées, vulgarisation de concepts, rédaction administrative, aide à l’écriture créative, etc.
compar:IA est un outil remarquable qui incarne une vision forte de service public dans le cadre de l’IA : il favorise la neutralité, préserve les utilisateurs de toute pression commerciale et facilite des décisions éclairées dans le choix de modèles d’IA conversationnelle.
L’outil soutient la formation des utilisateurs, la réduction des biais linguistiques et culturels, et le développement de modèles inclusifs, grâce à la centralisation et à la valorisation des retours d’expérience.
Si vous êtes arrivé jusqu’ici, vous n’êtes probablement ni process-thinker pur, ni outcome-thinker pur.
Vous êtes probablement un professionnel qui cherche à comprendre l’IA pour mieux l’utiliser.
Avant de nous quitter, j’ai deux nouvelles à partager avec vous :
- Lancement de Cercle GPT : j’ai le plaisir de vous annoncer le lancement de Cercle GPT, un nouvel outil réunissant meilleures IA réunies dans un espace sécurisé. Actuellement en phase bêta, Cercle GPT est déployé notamment à l’IHECS. Les annoncés de cette newsletter intéressés par une découverte de l’outil reçoivent un accès prioritaire à la bêta (en faisant une demande sur le formulaire d’inscription) ;
- Nouvelle formation IA pour RH. Après avoir donné 3 formations à des DRH pour AKT CCI Liège Verviers Namur, je viens de lancer une formation Cercle IA pour RH. Réservez dès maintenant votre place.
Merci d’avoir lu cette édition et n’oubliez pas de mettre vos connaissances en pratique.
P.S.: Cette newsletter peut contenir des liens affiliés. Vos achats via ces liens soutiennent ce travail éditorial sans surcoût pour vous.
Cette 5ème édition vous a plu ? Trois actions simples :
✅ Abonnez-vous pour recevoir les prochaines analyses ;
✅ Partagez cette newsletter à un contact qui s’intéresse à l’évolution de l’éducation ;
