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 comme 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 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.
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, Susskind s’appuie sur la fameuse division des « deux cultures » de C.P. Snow pour identifier une division analogue dans le monde de l’IA.
Noam Chomsky et le camp des « penseurs de processus »
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 ?
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 ».
Kissinger et le camp des « Penseurs de résultat »
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.
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 ».
Dans quel camp vous situez-vous ?
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
- 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
- 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
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.
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.
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 ? »
- Peu d’enjeu → Privilégiez l’outcome-thinking
- Conséquences sérieuses (conseil client, analyse sensible, document juridique) → Privilégiez le process-thinking
2. Question de maîtrise : « Suis-je capable de vérifier ce que l’IA me donne ? »
- Vous connaissez bien le domaine → Privilégiez l’outcome-thinking
- Vous êtes en terrain inconnu → Privilégiez le process-thinking
3. Question de récurrence : « Vais-je refaire cette tâche souvent ? »
- Tâche ponctuelle → Privilégiez l’outcome-thinking
- Tâche récurrente → Privilégiez le process-thinking
La ressource de la semaine : le Guide Perplexity at Work
Ce guide propose une approche structurée pour utiliser l’intelligence artificielle afin de travailler plus intelligemment, en présentant l’IA comme un prolongement naturel de trois étapes essentielles :
- Bloquer les distractions : l’IA aide d’abord à récupérer votre temps et votre concentration en déléguant les tâches répétitives.
- Décupler ses capacités : l’IA devient un multiplicateur de force pour mener des recherches, synthétiser des informations et produire des livrables.
- Obtenir des résultats : canaliser cette capacité accrue vers des résultats spécifiques et mesurables.
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’IA conversationnelle, en particulier pour des usages en langue française.
Fonctionnalités principales :
- Interrogation simultanée de deux modèles d’IA générative de manière anonyme
- Évaluation de la pertinence, la clarté, la cohérence et l’absence de biais culturels
- Révélation des identités des modèles avec leur bilan écologique
- Comparaison de 18 à 23 modèles différents (GPT-4o, Gemini 1.5 Pro, modèles français ou asiatiques…)
compar:IA est un outil remarquable qui incarne une vision forte de service public dans le cadre de l’IA : il favorise la neutralité et préserve les utilisateurs de toute pression commerciale.
P.S. : Cette newsletter peut contenir des liens affiliés. Vos achats via ces liens soutiennent ce travail éditorial sans surcoût pour vous.
