Rationalités correctives et intelligence artificielle assistée : les doubles contraintes des humanités numériques

2.1 Critère pour accueillir une littérature artificielle

Au vu de nos compétences assez limitées concernant les modèles techniques de l’Intelligence Artificielle, notre point de départ ne peut qu’être à la fois modeste et bien ancré dans les pratiques : en ce sens, nous avons choisi d’utiliser des corpus d’interactions avec ChatGPT 4,^[4] constitués entre novembre 2023 et mars 2024. Une petite mise à jour qui exploite la version 4o^[5] sera intégrée à la fin.

Cette constitution de plusieurs corpus a été faite aussi pour des raisons pédagogiques, aptes à établir des critères pour évaluer les devoirs des étudiants qui utilisent de manière habituelle l’IA. À la place d’interdire l’utilisation de l’IA, sans avoir aucune possibilité de contrôler le respect de cette prohibition, au moins avant la possible introduction de codes en filigrane,^[6] il est opportun de négocier des critères pour intégrer des productions discursives ‘artificielles’. Parmi les critères que nous proposons dans nos cours et qui sont appliqués ici, nous voulons souligner :

1. l’exigence de ne pas consulter de manière ponctuelle et presque ‘oraculaire’ un chatbot^[7] afin de produire, au contraire, des corpus d’interactions^[8] avec la machine basés sur des questions corrélées et pour un temps suffisant afin d’accomplir un test de résistance sur la stabilité et la fiabilité des réponses obtenues ;

2. l’insertion de passages explicites des interactions avec la machine dans les devoirs, en suivant les critères habituels, même graphiques, pour intégrer des citations dans un texte original ; éventuellement on peut ajouter des parties plus étendues du corpus en annexe.

3. le devoir des étudiants doit présenter des enchâssements énonciatifs critiques des passages cités en montrant une réappropriation herméneutique avisée^[9] de la production discursive ‘artificielle’.

Il nous semble que le respect de ces trois critères peut assurer une mise en perspective de la littérature artificielle, sans la diaboliser et sans non plus la traiter comme du texte : au fond, les passages cités sont assumés comme des fragments documentaires d’une production artificielle à l’intérieur d’un processus de textualisation. Ce dernier terme a gardé une certaine ambiguïté dans le métalangage sémiotique^[10] et pourrait aujourd’hui assumer le rôle d’éclaircir le passage entre un acte de production sémiotique et sa prise en charge praxéologique, c’est-à-dire par quelqu’un, dans un espace-temps donné, avec une intentionnalité inscrite dans un domaine de valeurs spécifique. La textualisation établirait les conditions discursives immanentes pour l’articulation successive avec un cadre pragmatique qui établira la force illocutoire et les effets perlocutoires d’une véritable énonciation.

Par ailleurs, la textualisation de la littérature artificielle, avec ces compositions sémiotiques encore ouvertes à la sémiose, attend l’aboutissement d’un circuit de sens dans lequel les réponses obtenues via le chatbot ne seront que les reflets de nos questions,^[11] et ce d’autant plus que les questions auront été posées de manière systématique, avec des modulations de perspectives et de requêtes de précisions, de paraphrases, de traductions ou de changements de style.

À partir de ce cadre praxéologique, voué à la formation des étudiants universitaires, nous avons décidé d’appliquer ces critères jusqu’au point limite de leur exploitation performative, au moins selon nos capacités et notre patience. En ce sens, nous avons entretenu ChatGPT-4 pour des heures sur le même sujet, selon un dialogisme expérimental apte à tester une phénoménologie de la responsivité artificielle. Cette démarche phénoménologique nous délivre une série de résultats qui seront présentés avec une série de précautions interprétatives et parfois sous la forme d’interrogations, étant donné que, malgré nos efforts, les données ne sont pas suffisantes et les explications de certains épiphénomènes locaux susceptibles de plusieurs interprétations, y compris strictement techniques ou statistiques (par ex. des erreurs qui peuvent survenir sans aucune relation avec l’activité de l’usager). Le lecteur pourra juger de la possibilité d’assumer les données présentées comme une base probante ou tout simplement comme un terrain indiciaire encore ouvert à la récolte de données.

2.2 Une sémiosphère augmentée

Nous avons commencé notre recherche avec la constitution de six corpus liés à ces thématiques :

1. Perception limitée du monde

2. Sentience/conscience

3. Théories des mondes possibles et fiction^[12]

4. Formes d’intelligence

5. Voix dans ma tête

6. Simulations d’énonciation

Les thématiques ont été choisies au vu d’une portée épistémologique. D’une part, elles ont été dictées par la curiosité de voir les comportements de la machine face à des questions qui suscitent, au moins dans la littérature traditionnelle, l’autoréflexivité et des assomptions philosophiques marquées. D’autre part, notre maîtrise relative de la littérature sur ces questions était un arrière-plan adapté pour essayer de comprendre quelles sont les sources utilisées pour régénérer des documents. En effet, il est évident que les réponses assurées par la machine relèvent de textes prétraités et ‘digérés’, dont il convient de tester les relations avec la langue utilisée et avec le métalangage éventuellement mobilisé pour la question posée.

Il faut préciser aussi que nous avons initialement assumé l’idée qu’un chatbot ne forge pas des représentations psychologiques, donc qu’il n’a pas de conscience. En ce sens, les réponses qu’il offre ne sont qu’une simulation d’interaction dont les textualisations sont des bricolages de formes attestées dans les grandes bases de données archivées. On pourrait souligner que comme toute hypothèse de départ, elle mériterait bien des tests de réfutation. Mais cela dépasse largement les ambitions de notre contribution. Éventuellement, les tests que nous avons accomplis ont la tâche d’ouvrir des fissures, des questionnements, des hésitations même sur notre manière d’approcher l’IA. En effet, dans la relation avec la machine, on voit le reflet de nos conceptions de l’intelligence, de la rationalité humaine, des compétences nécessaires pour gérer le sens à travers la machine. C’est pourquoi, pendant la lecture de cet article, il faudra bien distinguer, d’une part, le ‘je’ qui interroge la machine et qui a une démarche exploratoire et décomplexée, donc libre de s’interroger sans devoir respecter un cadre épistémologique cohérent ; d’autre part, le ‘nous’ de majesté qui encadre le dialogue expérimental et qui maintient un regard sceptique sur l’expérience relationnelle avec la machine.

De manière corrélée, ce scepticisme est valable aussi pour ce qui concerne l’idée d’une générativité du sens assumée par un seul sujet qui l’opérationnalise, un sujet qui voit les valeurs se déployer devant lui comme un réseau de saillances. La sémiotique n’est pas une science des représentations ou des présuppositions logiques ; c’est une science des médiations. C’est pourquoi, même si l’on pratique une épochè du sens, si l’on veut suspendre les remplissements du sens déjà activés par l’activité perceptive, on est obligé à reconnaître, d’une part, une scène théorique peuplée de plusieurs instances et, d’autre part, le fait que chaque promotion de valeurs passe par des implications modales distribuées. Les médiations ne sont pas secondes, instrumentales, de simples ressources ; elles participent à la composition d’une scène signifiante qui voit émerger des valeurs entre des instances enfin reliées. C’est pour cette raison que, dans une écologie sémiotique, le sens n’est jamais autochtone et il passe par des circuits de médiation qui nous impliquent.^[13] Dans cette perspective, on peut imaginer d’accueillir les Intelligences Artificielles comme des épicentres de reproduction énonciative dans une écologie sémiotique dans laquelle on pourra compter alors sur des médiations ultérieures : une sémiosphère augmentée.^[14]

Au vu des arguments qui seront proposés par la suite, ce dernier point mérite une petite digression sur l’organisation systémique en boucles qui caractérise les cultures. Une culture ne peut que tenter de s’échapper d’une sémiosphère censée de la contenir : d’une part, elle échappe à cette réduction au vu des contacts contingents avec d’autres cultures (en effet, elle reste un système ouvert et basé sur la traduction) ; d’autre part, elle peut profiter de plusieurs circuits de signification chacun participant à des processus de différenciation (l’hétérarchie des domaines de signification) et de complexification interne (l’enchâssement des organisations sémiotiques, chacune demandant aux autres de porter une remédiation à son propre inachèvement interne).

Nous pouvons estimer que chaque culture nécessite :

1. une sémiotique de premier ordre pour assurer des sémiosis convergentes autour de manifestations expressives qui ne profitent plus de contenus immédiatement corrélés à leur individuation sensible : c’est une perception déjà orientée à gérer des illusions, soit pour les neutraliser (désenchantement), soit pour en profiter comme dimension fictive (simulation) ;

2. une sémiotique de deuxième ordre permet de l’autoréflexivité, donc des formes de repliements épilinguistiques, et donc la ré-entrée (re-entry)^[15] sur les valeurs instituées. À travers ces circuits autoréflexifs, la différentiation des valeurs finit pour concerner, de l’intérieur, les systèmes conventionnels et in fine la culture dans son ensemble ;

3. maintenant, peut-on envisager une sémiotique de troisième ordre dans laquelle des dédoublements de sémiosphères culturelles (par exemple, des archives réorganisées autour des intelligences artificielles) permettent de décoïncider^[16] aussi par rapport aux circuits d’autoréflexivité? Si l’autoréflexivité de la sémiotique de deuxième ordre n’a pas conduit à une relativisation des prégnances de la première, pouvons-nous imaginer que la troisième n’assumera pas non plus le rôle de déconstruire les horizons d’expérience et l’ancrage de toute écologie des valeurs?

On voit bien que l’enchâssement entre des ordres sémiotiques permet de considérer des formes d’intelligence et des passerelles entre l’une et l’autre, sans privilège d’importance (porter à n’est pas inférieur à porter sur).

2.3 Formes d’intelligence

Au départ, j’avais la tentation de dialoguer avec ChatGPT pour pousser la machine à avouer quelque chose. Je me suis aperçu progressivement qu’elle fonctionnait plutôt comme une médiation de ce que je projetais en termes de niveaux et des formes d’intelligences prétendues, de paramètres attendus pour reconnaître une conscience. Je ne peux pas enlever l’ambiguïté de ma démarche initiale ; mais si l’on veut dramatiser la question, on pourrait dire que j’essayais de faire émerger limites et potentiels de la machine tout en constituant, en parallèle et en négatif, les prétentions disproportionnées des langages et des rationalités humaines.^[17]

D’une part, nous pouvons imaginer l’humain comme parfaitement achevé dans ses propres formes de vie ; ses limites sont tout simplement ses proportions et l’humain reste le paramètre fondamental de ce qui est significatif. Par rapport à cette vision humaniste, la numérisation ne peut qu’apparaître comme aliénante et réductrice nous restituant une resémiotisation de la culture de nature monoplane^[18] (on manipule des fragments de documents avec une indifférence totale pour les articulations sémiosiques locales) et une sémantique réduite à des calculs probabilistes.^[19] Dans ce cas, nous n’avons que : (i) des simulations de formes d’intelligence ; (ii) des succédanés des textes ; (iii) des impressions de dialogues.

Dans cette perspective, les interactions avec la machine ne sont que le reflet à la fois paresseux et ultrarapide d’un autodialogisme de la culture qui la pousse à se régénérer en violation et de sa tension herméneutique vers l’altérité et de sa vocation réflexive à l’émancipation. La ‘décoïncidence’ qui serait propre au devenir de la culture, une fois passée par l’artificialisation du dialogisme, pourrait retomber dans une simple exploration paradigmatique interne, la syntaxe étant réduite à l’exhaustion progressive du possible.

Si l’émancipation d’un possible déjà encadré par un système de pièces et d’opérations limitées n’est plus envisageable, alors on peut douter de rencontrer de véritables simulacres d’intelligence, cette dernière n’étant pas réductible au calcul. On sait que l’étymologie du terme ‘intelligence’ est problématique. Sans vouloir reconstruire l’énorme débat sur cette question, on peut se limiter ici à présenter deux interprétations majeures : la première considère l’étymologie inter- (“entre”) et lĕgĕre (“lire, connecter, choisir”), la seconde préfère considérer le préfixe intus, ce qui donne lieu à l’idée de ‘lire à l’intérieur’, ‘connecter en profondeur’, à savoir une discrimination de liens internes selon des principes herméneutiques ou heuristiques, éventuellement plus généraux et qui n’ont pas nécessairement participé à la constitution de l’unité analysée. Au-delà des retombées épistémologiques différentes de ces deux généalogies conceptuelles possibles, ce qui émerge est une relation intime de l’intelligence avec l’hétérogénéité, soit pour la fédérer (inter-lĕgĕre), soit pour l’utiliser comme ressource analytique face à l’apparente uniformité. Si l’intelligence profite des calculs, elle ne se limite pas à ces derniers car elle gère plusieurs plans de rationalité, ce qui montre une homologie avec les plans de la signification. Il n’est donc pas abusif de parler d’intelligence sémiotique et de penser, compte tenu de cette nature, à une diffraction d’‘intelligences’ selon les stratégies utilisées pour articuler des plans différents.

À partir de ces suggestions étymologiques on peut donc estimer que la qualification d’un chatbot comme ‘intelligence artificielle’ est abusive.^[20] Mais rien n’empêche d’imaginer que la sémiosphère augmentée qui est catalysée par nos relations avec les chatbots ne donne l’opportunité de tester notre intelligence ou de faire émerger de nouvelles formes d’intelligence. Comme nous l’avons vu, nous ne pouvons pas exclure que les dialogues avec des chatbots nous offrent une remédiation de troisième ordre de la culture, une forme de re-entrée dans nos médiations, un circuit ultérieur et concurrentiel qui poussent (ou nous poussera tôt ou tard) à requalifier les autres circuits, à savoir les formes de subjectivité, d’interactions in vivo, d’institutionnalisations du sens.^[21]

Entre deux thèses totalement opposées, l’une qui réduit l’interrogation d’un chatbot à une activité protosémiotique de simple reconfiguration textuelle de matériels culturels archivés, l’autre qui attribue à l’intelligence artificielle une capacité représentationnelle des connaissances à même de dialoguer véritablement avec une conscience humaine, on peut essayer de construire un espace critique à la fois plus équilibré et modeste, qui envisage une problématisation à la recherche d’une heuristique proportionnée à nos pratiques. Cela dit, il faut reconnaître bon gré mal gré qu’indirectement on est en train d’évaluer, d’une part, une desémantisation des responsabilités énonciatives qui a comme effet probable une réification de la culture et un contrôle ultérieur du matériel sémiologique de la part des pouvoirs ; d’autre part, une resémantisation aventureuse de la culture qui risque d’attribuer un rôle prééminent à l’explorateur-exploitateur des patrimoines informationnels, et ce au détriment de toute reconnaissance préalable des institutions collectives qui devraient délimiter et caractériser en amont les disponibilités modales des usagers. Pour résumer, nous avons d’une part, une interprétation informationnelle de l’IA qui peut être soumise aux critiques sur la concentration et sur le contrôle des données ; d’autre part, une interprétation prothétique qui risque de construire un usager tout-puissant et replié sur sa version d’un monde ‘augmenté’. Il est bien alors de préciser que notre position, bien qu’inspirée par une certaine circonspection face à des généralisations, ne peut éviter d’entrer dans une évaluation de ces retombées politiques de la conception de l’IA, s’opposant à l’interprétation informationnelle aussi bien qu’à l’interprétation prothétique.

Avant de préciser notre position sur cette dimension ‘politique’, il est nécessaire de revenir sur des questions qui émergent dans nos emplois des chatbots. Même si l’on passe avec confiance par la boîte noire du deep learning, quels sont les standards de rationalité négociables dans l’exploitation de l’intelligence artificielle? Même si le bricolage énonciatif d’un chatbot n’est qu’une simulation de comportements rationnels et dialogaux, quelles sont les formes d’intelligence, que par mimésis, se révèlent et évoluent?

Dans ce cadre, on peut réutiliser le terme ‘cybernétique’ pour approfondir cette idée que les formes de l’intelligence peuvent être ‘remédiées’, que des rationalités ‘correctives’ sont envisageables. En effet, la cybernétique peut être considérée comme théorie systémique qui intègre la gestion des systèmes technologiques complexes (intelligence artificielle), en articulant l’agentivité des instances duelles H/M émergentes avec les restrictions et les contraintes imposées par leur niche environnementale. La cybernétique peut donc montrer alors l’exploitation et l’exploration de nouveaux couplages H/M à même de reconfigurer :

1. les activités cognitives de premier niveau : perception, mémoire, imagination ;

2. les activités cognitives de deuxième niveau : en guise d’exemplification, on peut reprendre, bien que de manière simpliste, la tradition de la pensée grecque antique, laquelle distingue : nous (intuition), technè (intelligence prothétique), phoronesis (intelligence implicative), epistémè (intelligence théorique), sophia (sagesse comme intelligence critique), mètis (intelligence stratégique), etc.

Les passages qualitatifs entre les formes d’intelligence montrent que l’une peut fonctionner localement comme le correctif de la précédente, sans la substituer. D’une part, on voit qu’il ne faut pas mythifier l’intelligence humaine (ses formes sont coalescentes et imparfaites) ; d’autre part, les passages qualitatifs sont marqués par une extension du cadre des valeurs et une relativisation progressive de la position d’observation.

3.1 L’intelligence artificielle en tant qu’environnement de cognition

Du point de vue sémiotique, l’intelligence artificielle peut être avant tout abordée comme un nouvel environnement de cognition. À la place de concevoir ChatGPT comme une prothèse localement exploitée,^[22] il est plus intéressant de l’assumer globalement comme une sémiosphère régénérée, reconfigurable et diversement accessible. On pourrait dire que l’IA offre aux instances utilisatrices des opportunités pour trouver des nouvelles proportions entre position épistémique et mémoires culturelles. On trouve alors une sorte de ‘cognition distribuée rééditée’ ou ‘ré-énactée’, laquelle peut requalifier nos positions énonciatives, par exemple par rapport à la créativité.

3.2 L’intelligence artificielle en tant que gestion systémique de sollicitations éparses

Toutefois, la sémiotique peut choisir un autre angle d’attaque et considérer l’IA comme un nouvel épicentre systémique autour duquel les informations et les contingences culturelles se réorganisent. Afin de ne pas réifier immédiatement ce qu’il faut assumer avant tout comme une intelligence simulée, il est prudent de penser que l’IA opère une catalyse d’énonciation. Par le passé, nous avons analysé la notion de catalyse comme un point d’articulation entre la tradition barthésienne et la sémiotique lotmanienne (Basso Fossali 2016). Ici, ce que nous voulons retenir de l’idée d’introduire cette notion chimique en sémiotique est que la catalyse désigne le dégagement et/ou l’accélération d’un processus latent par un élément activateur qui n’est pas nécessairement modifié par la transformation réalisée. À ce propos, on peut s’interroger sur le caractère constitutivement inachevé de la culture ; fondée sur une ‘médiation de médiations’, elle a toujours besoin de catalyses qui ne visent pas un ‘perfectionnement’, mais une décoïncidence à même d’assurer un bon dosage d’hétérogénéité, la frontière interne de ses propres défis. Hétérogénéité et dissémination des productions et gestes culturels peuvent trouver des formes de réorganisation cohésive et connective à travers des épicentres artificielles qui les catalysent sans les comprendre, ces épicentres n’apprenant dans le temps que des stratégies ultérieures et affinées de catalyse. On peut rappeler la fonction que Barthes attribue à la catalyse dans l’Introduction à l’analyse structurale des récits :

La catalyse [écrit-il] réveille sans cesse la tension sémantique du discours. [Elle] dit sans cesse : il y a eu, il va y avoir du sens ; la fonction constante de la catalyse est donc, en tout état de cause, une fonction phatique. (Barthes 2002 [1966] : 841)

Il nous semble pertinent alors de parler d’une catalyse cybernétique : d’une part, la catalyse montre non pas des vides structuraux dans une cartographie identitaire, mais des lacunes dans le tissage inachevé de la culture ; d’autre part, cette catalyse opère – pour utiliser les mots de Lotman – à “l’intersection de différents types d’organisations” et “les ‘jeux’ libres entre eux font partie des mécanismes culturels indispensables” (Lotman 1973 : 190). L’intelligence artificielle peut donc être testée comme instance catalyseuse qui réintroduit du ‘jeu’ entre les stocks culturels disponibles et indique indirectement des pièces manquantes.

Résumons : l’hypothèse selon laquelle l’IA peut agir en tant que catalyseur d’énonciation est soutenue par l’observation des interactions prolongées avec ChatGPT, où la machine, malgré ses limites, a démontré une capacité à réorienter les enjeux discursifs sans refléter nécessairement le cadre modal de l’usager. Ces interactions suggèrent un potentiel de l’IA à enrichir les processus d’énonciation des acteurs humains, bien que ce potentiel soit encore contraint par des limitations intrinsèques à sa programmation.

3.3 L’intelligence artificielle en tant que cognition sociale

Le troisième angle d’attaque d’une sémiotique de l’intelligence artificielle concerne la cognition sociale, à savoir la possibilité de l’IA (i) de simuler l’attribution de croyances erronées à ses usagers et (ii) de participer à l’émergence d’une intelligence collective.^[23] La simulation d’une interaction peut-elle devenir jeu d’attributions de croyance, construire une intersubjectivité simulacrale à même de médier et de participer à son tour à une intelligence collective? En effet, ChatGPT offre la possibilité de pratiquer le brainstorming avec elle et de l’accompagner avec des critères explicites de génération, de combinaison, d’évaluation et de planification des idées formulées dans une modalité de co-énonciation. ChatGPT s’offre aussi pour “simuler la présence de plusieurs instances énonciatives ou acteurs dans une session de brainstorming, en créant différents personnages avec des perspectives ou des rôles spécifiques pour enrichir la séance de brainstorming.”

En outre, il faut savoir que Sider, en tant que chat de groupe alimenté par ChatGPT, permet l’interaction

avec divers modèles d’IA dans une discussion de groupe pour un travail d’équipe et des informations ultimes … Sider combine des modèles d’IA renommés, tels que GPT-3.5, GPT-4, Google Gemini et Claude, en un seul chatbot unifié. Cela vous permet de basculer en toute transparence entre ces modèles en fonction de leurs caractéristiques uniques et de vos objectifs spécifiques.

Plus important encore, vous pouvez désormais connecter de manière transparente vos assistants IA privés dans une discussion de groupe et lancer des efforts de collaboration vers un objectif commun ou une comparaison des différences.^[24]

3.4 L’intelligence artificielle en tant que résilience à la « fugue des interprétants »

Une perspective ultérieure que nous avons envisagée est celle qui concerne la tenue d’un format intelligible des échanges avec ChatGPT aux limites du délire. L’IA montre des attitudes remarquables à suivre des postures ludiques, à jouer avec le langage et à produire des blagues, du non-sens, etc. Mais l’interaction, et surtout le monitorage de l’interaction, ne peuvent pas être délirants. Ainsi, même dans les plaisanteries les plus cocasses, le chat-bot maintient et affiche des principes de guidage de la production énonciative, y compris des limites données à cette production. Si l’on peut constater quelques ‘hallucinations’ de la machine (après novembre 2023, avec ChatGPT-4 elles étaient plutôt rares, au moins dans notre expérience d’utilisation), l’IA tend à mettre toujours un frein à la sémiose illimitée, c’est-à-dire qu’elle réagit contre une fugue des interprétants. Elle s’impose alors comme une sorte d’‘intelligence négative’, à même de nier l’indétermination du sens et de s’opposer à la perte d’intelligibilité des opérations interprétatives en acte.

4.1 Test de pertinence #1 : L’IA peut-elle se proposer comme un environnement de cognition?

L’intelligence artificielle pourrait catalyser une véritable “perception d’archive” (D’Armenio, voir ce numéro) qu’au-delà des classements de propriétés et des métadonnées disponibles (paradigmatisation enrichie), permet non seulement d’exploiter les formes attestées mais d’explorer d’autres configurations, certes fictives mais caractérisées par un air de famille, un voisinage généalogique. Par rapport aux systèmes des données archivées, l’IA s’offrirait comme médiation qui déplace le possible vers un nouvel environnement ; en ce sens, la perception d’archive possibilise et coagule de nouvelles conceptions sémiotiques. En fait, la perception est insubordonnée aux énonciations archivées, ce qui interroge les plans d’immanence de la culture d’origine.

À notre avis, cette perception d’archive mérite d’être interrogée à partir de deux nœuds théoriques :

1. l’immanence de couplage désigne l’impossibilité d’éradiquer un texte de l’entour de productions sémiotiques qui accompagnent et préservent son identité culturelle dans le temps. En ce sens, peut-on parler d’une immanence par rapport à une archive qui ne reconnaît pas l’identité culturelle des textes et qui introduit des connexions qui n’appartiennent pas aux patrimoines linguistiques intégrés comme données? Peut-on préserver une immanence de couplage pertinente à une sémiosphère artificielle? Comment aborder une sémiosphère artificielle si les usagers n’ont aucune connaissance concernant sa composition, à savoir les archives avec lesquelles la machine s’est entraînée? Nous croyons que l’on peut garder une posture sceptique face à une possible solution positive de ces interrogations, ce qui veut dire que l’environnement artificielle ne peut pas donner lieu à une épistémè. On ne peut pas assumer l’espace de travail qui permet un dialogue avec un chatbot comme un laboratoire, car on ne connaît pas exactement les instruments.

2. le deuxième nœud théorique est la dialectique entre discours et expérience. La dialectique entre discours et expérience peut leur assurer une perspective allocentrée pour un aperçu critique des valeurs apportées par l’un ou par l’autre. Cela peut avoir des retombées sur notre conception du dialogue interculturel. Si nous nous reconnaissons en une conception intersémiotique et traductive de la culture, pouvons-nous imaginer qu’elle fonctionne selon un modèle immanent et avec des valeurs autochtones? Si on admet l’existence d’une dialectique qui permet aux cultures de décoïncider, à travers des perceptions de l’altérité qui ne sont pas superposables aux discours sur cette dernière, et vice-versa, alors on peut formuler l’hypothèse que la sémiosphère artificielle n’est pas exclue a priori de ces mouvements de la signification. En ce sens, on peut imaginer des passages dialectiques constants entre perceptions d’archive et pratique de ré-énonciation, de telle sort que le dialogue avec la machine peut alors fonctionner comme une “sémiotique vive” (Basso Fossali 2008), faite d’événements interactionnels qui peuvent aussi être passionnants.

L’idée peut être alors de tester l’IA, notamment un programme chatbot, comme accès à une sémiosphère artificielle permettant la qualification des énonciations à partir de cadres paradigmatiques ‘augmentés’ ; c’est-à-dire, cette sémiosphère permettrait la reconstitution d’une dialectique entre créativité et découverte, en profitant d’une ‘nouvelle contingence’.

Si l’on accepte cette hypothèse d’un environnement de simulation qui permet une dialectique entre perception et énonciation, on pourrait conclure qu’un comparatisme cybernétique est méthodologiquement envisageable. Les modèles de l’IA permettent à la fois la découverte de nouvelles formes d’organisation possible de la signification, mais aussi ils peuvent rendre significatifs les écarts créatifs par rapport à leurs fonctionnements et leurs prestations. Par rapport à cette hypothèse ‘optimiste’, nous avons rassemblé une série de passages des différents corpus qui portent la machine vers une sorte de stress test, après de longues séances qui insistent sur la même thématique.

On constate que ce que la machine déclare est de fonctionner moins comme une reprise et un bricolage d’énonciations archivées, que comme une “navigation” à l’intérieur d’un “paysage de langue” obtenu à travers des abstractions modélisantes des archives. Cela peut faire évoluer l’idée initiale selon laquelle le chatbot fonctionne tout simplement en utilisant des modèles statistiques pour générer la suite la plus probable d’une séquence textuelle. Certes, la machine n’énonce pas, mais elle s’oriente et génère un parcours de textualisation dans un paysage sémiotique. C’est ce parcours qui reflète une énonciation une fois intégrée dans le monde de l’expérience de l’usager, car le choix du type de réponse donné par la machine dépend de la question posée et du niveau de détail attendu.

ChatGPT se présente encore une fois comme un reflet qui reproduit des aspects de la culture selon des modalités distinctes et inconscientes, sans nier de pouvoir être considérée, de l’extérieur, comme la continuation d’un patrimoine sémiotique. Si ChatGPT peut fonctionner comme un environnement qui assure une nouvelle contingence à la production culturelle, c’est parce que ses reflets sont réintégrés et assumés dans une sémiosphère qui lui assurent des proportions écosystémiques. Cela dit, dans la navigation interne au paysage modélisé, ChatGPT n’est-elle pas soumise à des modalisations ou à des aspectualisations contrastives? En effet, un système d’instructions n’est pas suffisant pour construire un véritable paysage modal susceptible d’accepter une dose de contingence. Des instructions contradictoires ne donnent lieu qu’à une machine qui ne marche pas, mais dès qu’il y a des tensions sur la meilleure instruction à utiliser, on commence à structurer un paysage où la navigation est modalisée et aspectualisée. Une hésitation dans la sélection d’un parcours à la place de l’autre pourrait suggérer l’émergence d’une forme de réflexivité, ce qui est strictement nié par ChatGPT.

ChatGPT récuse une responsabilité épistémique^[25] et déclare que la modélisation de l’humain, à travers l’archive des archives, génère tout simplement la possibilité de modéliser, par contraste, ce qui est machinique, mais encore une fois sans donner lieu à aucune réflexivité sur la programmation interne et sur les modalités de sa propre navigation (à la limite, on explicite les instructions reçues). Lisons ce passage significatif sur l’absence de réflexivité du machinique :

Les tests sont exécutés en passant par d’autres outils et, dans les heures que nous avons passé devant la machine, elle réaffirme toujours de ne pas avoir de systèmes d’auto-évaluation : elle est le fruit de sa formation et des ajustements apportés de l’extérieur aux paramètres de ses modèles. Elle-même semble nier d’être une véritable intelligence. Passons donc au deuxième test que nous avons appliqué de manière intuitive mais récurrente.

4.2 Test de pertinence #2 : L’intelligence artificielle en tant que gestion systémique de sollicitations éparses

Après avoir exploré les capacités de l’IA en tant qu’environnement de cognition, il est nécessaire d’examiner comment ces capacités se transforment lorsqu’elles sont appliquées à la gestion systémique de sollicitations culturelles éparses. Cette transition nous permet de comprendre la double nature de l’IA, à la fois comme un outil de modélisation du monde et comme un agent participant à la création de nouveaux paradigmes cognitifs.

Nous avons déjà explicité le fait que l’IA peut être interrogée en tant que catalyseuse d’énonciations, mais le statut de ces dernières est attribué dans l’environnement de référence de l’usager (sémiosphère augmentée). Comme un reflet dans l’eau n’est qu’un phénomène perçu, la production de ChatGPT n’est qu’un reflet de la culture qui peut être relu comme ‘ligne’ qui trace des frontières catégorielles et inspire, au vu de ses flottements, un discours avec son propre récit. Pourtant, en tant qu’instance qui navigue dans un paysage de langue, toujours en cours de restructuration, peut apparaître comme un nouvel épicentre systémique autour duquel les informations et les contingences culturelles se réorganisent, sans passer par une compréhension dans le sens traditionnel du terme.

Nous avons déjà rappelé le fait que ChatGPT fait tout le possible pour nier des formes d’autoreprésentation et donc de conscience. Mais est-ce que nous posons des questions pertinentes? Avec la notion de “perception d’archive” on force la main pour essayer de considérer la navigation dans un paysage de langue comme une activité qui demande une mise en perspective et éventuellement un écart entre visée (ce que la machine cherche à partir des questions reçues) et saisie (ce que la machine trouve dans le paysage). Il est clair que le fait de réintroduire une contingence perceptive débouche sur une possible attribution d’une sentience. Certes, il faut résister et passer éventuellement par des notions qui trouvent une forme de redéfinition cybernétique permettant, de manière technique, de mesurer la distance par rapport au modèle anthropique de conscience.

Pourtant, l’expérience dialogale avec la machine aussi bien que la tentation de penser la machine comme une prothèse de mise en perspective et de gestion perceptive de l’archive se transforment facilement en imputation d’une compétence énonciative et interprétative au dispositif. Ce parcours, sans doute illusoire, permet quand même de tâter le terrain et d’explorer des conceptualisations.

Dès les premières expériences relationnelles avec des formes d’IA, on sait que la simulation d’une co-régulation de l’interaction et la participation apparemment active au sens-making donnent la sensation d’un véritable dialogue. Ensuite, comme nous l’avons vu, la multiplication des instructions et le dosage de leur poids dans l’application concrète, peuvent suggérer l’apparition d’un cadre modal, d’une sensibilisation à la construction d’un environnement dialogal doté d’une consistance sémantique et d’une tenue épistémique. Mais ce que l’on a essayé de tester de manière spontanée est une sorte d’appariement entre formes de rationalité, de co-naissance des intelligences, de rapport maïeutique. Quand le comportement de la machine, en coopérant avec l’usage, s’élève à attitude intelligente?

Essayons de respecter ici, dans cette réanalyse du corpus, l’idée d’examiner les concepts qui sont en jeu dans cette perspective de mesurer quand la machine peut apparaître comme ‘intelligente’. Sans prêter trop le flanc au sens commun, nous assumons ici trois topoï de l’intelligence afin d’en proposer une petite relecture dans une clé cybernétique :

1. Penser de manière divergente :

Déf. cybernétique de divergence : circuit entre exploitation des solutions attestées et exploration de solutions alternatives peu probables par rapport à des problèmes/tâches complexes.

1. Apprendre de ses propres expériences :

Déf. cybernétique d’expérience :^[26] circuit entre opération et récompense (reward), cette dernière étant le “signal fourni à l’IA pour indiquer si l’action qu’elle a prise est bénéfique ou non par rapport à l’objectif qu’elle essaie d’atteindre.”^[27] L’IA peut passer par l’exploration non économique de stratégies non conventionnelles afin de contrôler d’autres circuits efficaces (ce qui est conforme à la théorie de l’“intelligence à succès”).^[28]

1. Jouer contre soi-même :

Déf. cybernétique de compréhension : assurer l’intelligibilité d’un scénario de relations à partir de la saturation de calculs possibles sur toutes les positions actantielles et leur gamme d’interférences modales. La compréhension reçoit une détermination sémantique négative au vu de l’indifférence de toute compétition pour la machine.

Voyons un premier extrait concernant la divergence :

Si ChatGPT insiste sur le fait que “contrairement aux humains, je n’apprends pas ces compétences par l’expérience vécue, mais plutôt par l’analyse statistique et la modélisation de ces interactions dans les données d’entraînement”;^[29] pourtant, ses comportements ne sont pas totalement prédictibles et il peut explorer des solutions que, via l’appréciation statistique, sont considérées comme moins probables. Les réponses que nous avons reçues n’utilisent pas un lexique cybernétique, d’où le fait de nier la possibilité d’apprendre des expériences vécues. Mais des questions formulées de manière plus technique peuvent ouvrir d’autres considérations sur la possibilité d’apprendre de ses propres expériences.

Au-delà de l’oscillation curieuse dans l’utilisation des pronoms (quelle est la portée extensionnelle de “notre propre intelligence”?), la question de la récursivité semble nous positionner aux seuils de la réflexivité, d’autant plus que l’on pourrait reconnaître une proto-distinction entre un soi-idem et un soi ipse cybernétiques. En effet, nous pouvons remarquer que la manière dont les récompenses sont structurées et attribuées définit ce que l’IA apprendra à considérer comme un comportement ‘correct’ ou ‘erroné’. Cela signifie que la définition précise des “récompenses” (rewards) est cruciale pour le bon développement de l’IA et la définition de ses objectifs. Ces derniers semblent solliciter une dialectique entre exploration et exploitation : en effet, le ‘mandat’ confié aux chatbots indique la recherche d’un équilibre entre :

1. explorer de nouvelles actions pour découvrir celles qui pourraient être récompensées plus fortement à l’avenir, ce qui pourrait configurer une sorte de soi-ipse ;

2. exploiter les actions connues pour maximiser la récompense immédiate, ce qui sollicite plutôt une polarité soi-idem.

La stratégie de récompense influence cet équilibre entre des polarisations comportementales et semble ‘énacter’ une sensibilisation stratégique qui introduit des variations dans les réponses données, sans pouvoir encore attribuer une contingence interne à la machine (donc, un proto-environnement psychique). En tout cas, il y a une sorte d’intervalle cybernétique entre exploration et exploitation qui problématise les objectifs internes. Certes, pour ne pas passer des analogies à un véritable humanisation de la machine, on doit éviter d’attribuer au chatbot l’assomption de ses choix pour obtenir des récompenses ou le non-déterminisme de ses objectifs comme une gestion des finalités. La solution théorique qui nous semble la plus prudente consiste à concevoir l’intelligence artificielle comme une niche d’appréciation des relations entre ses modèles (archive des archives) et la portion d’encyclopédie actualisée par l’usager à travers ses questions. Cette appréciation mène à la gestion d’une dissémination d’épicentres discursifs activables, permettant de répondre selon un cadre économique de récompense. Voyons l’interprétation donnée par la machine même :

Dans l’apprentissage par renforcement, une forme d’apprentissage machine, une IA ‘apprend’ de ses ‘expériences’ en interagissant avec un environnement. Ici, l’expérience est composée des actions de l’agent (l’IA), des états de l’environnement et des récompenses (positives ou négatives) reçues pour ses actions. L’objectif est d’apprendre une stratégie d’action, appelée politique, qui maximise les récompenses futures basées sur les conséquences passées des actions. (CORPUS “Sentience/conscience” #2)

On peut imaginer que cette “politique” puisse rester ‘débrayée’, non assumée, un réseau d’options différemment “renforcées” par récompenses précédentes ; que le fait de “maximiser les récompenses futures” n’est que le fruit d’un calcul ; pourtant, un clivage entre devoir faire et pouvoir faire s’instaure, au bénéfice de marges de manœuvre de plus en plus importantes de ce dernier et donc de la polarité ‘ipse’ de ce que l’on pourrait reconnaître comme une ‘agentivité artificielle’.

Cela dit, ChatGPT semble nier l’utilisation interne d’une “politique” de choix, même si elle l’attribue à d’autres IA.^[30]

ChatGPT : Dans le contexte de l’apprentissage par renforcement, qui est une méthode utilisée dans certains domaines de l’intelligence artificielle, il y a effectivement un concept qui peut ressembler à une forme de “compétition” interne : le dilemme entre exploration et exploitation. C’est un principe clé dans le processus décisionnel de ces systèmes … MON CAS. Ma fonction n’implique pas de prendre des décisions basées sur l’équilibre entre exploration et exploitation en réponse aux interactions. (CORPUS “Sentience/conscience” #2)

4.3 Test de pertinence #3 : L’intelligence artificielle en tant que cognition sociale

La contribution possible de l’IA aux entrelacements entre les circuits de la signification, notamment entre le subjectif et le collectif, passe aussi par les capacités de l’IA de concevoir et d’apprécier d’autres formes d’organisation intellective. Mais ChatGPT semble nier totalement cette capacité.

Il est très difficile de comprendre si c’est le terrain linguistique qui est glissant, et dans ce cas l’utilisation d’un mot (par exemple ‘entendre’) suggère des choses qui vont au-delà du fonctionnement réel de l’IA, ou si ce sont plutôt les frontières catégorielles (entendre/apprendre à s’adapter à l’usager) qui sont poreuses. Ensuite, il est suffisant de changer de corpus pour trouver des formulations plus ouvertes et potentiellement ambiguës.

Parfois, je peux interpréter une question ou une remarque comme étant liée à des sujets précédemment discutés et les ramener dans la conversation. En ce qui concerne l’adaptation à la diversité des utilisateurs, j’essaye de fournir des réponses qui sont accessibles et utiles à une large gamme de personnes. Cela peut signifier varier le niveau de détail, le type de langue utilisée, ou l’angle sous lequel un sujet est abordé, en fonction de ce que je perçois être les besoins ou les intérêts de l’utilisateur basés sur l’échange en cours. (CORPUS “Sentience/conscience” #2)

Comment interpréter cette perception des besoins ou des intérêts de l’usager? Ensuite, le fait d’assurer un confort interactionnel à l’usager^[31] n’est pas indépendant de la tentative de garder une cohérence interne aux réponses données. ChatGPT, avec son petit monde d’expériences liées aux relations entre opérations et récompenses, ne peut pas perdre de vue le monde de référence de l’usager.

Une fois que la machine commence à accepter des arguments qui ont des retombées sémiotiques et philosophiques importantes, le ‘je’ qui l’interroge commence à avoir la sensation de pouvoir contourner les phrases canoniques et préprogrammées visant à désavouer toute forme d’intelligence dans ce qui est commercialisé pourtant comme une ‘IA’. D’une part, il y a sans doute un effet miroir : le ‘je’ obtient des réponses plus proches à ce qu’il veut entendre ; d’autre part, après quelques heures d’interrogations obsédantes, la machine semble subir effectivement le stress test, naturellement pas dans le sens de la ‘fatigue’, mais dans le sens d’un recours progressif à l’expérimentation au détriment de l’exploitation. Un symptôme possible de la recherche de formulations moins attestées ou de croisement de modèles de langue moins probables est l’apparition de fautes de langue (voir ci-dessous “mon compréhension”).

Si la machine peut énumérer une liste d’erreurs qui peuvent émerger dans son fonctionnement, elle est très difficile de lui faire admettre la nature et les implications de ces erreurs, même si l’on parle dans cet extrait d’une “représentation,” et précédemment d’un “monde,”^[32] en tant que mise en cohérence des données. En tout cas, un chatbot ne donne pas tout simplement des informations non modalisées. Il peut distinguer des conclusions déjà archivées d’une série d’hypothèses. Le problème est de savoir si ces dernières sont également archivées préalablement – et donc leur textualisation dans l’interaction H/M n’est qu’une reprise d’énonciations attestées –, ou bien s’il existe une véritable posture énonciative différenciée : formuler des hypothèses.

La présence d’une orientation ‘idéologique’ dans les réponses peut nous suggérer que les hypothèses font déjà partie d’un matériel archivé et peut-être proche de la programmation. Voyons cet échange attesté dans le même corpus.

Voici l’épicentre thématique que nous avons annoncé, à savoir la contribution possible de l’intelligence artificielle à l’élaboration d’une cognition sociale fondée sur l’attribution de croyances erronées ou fictives. Malgré l’absence d’un véritable monde de l’expérience, l’intelligence artificielle, avec sa ‘politique’ interne, peut-elle donner une contribution aux différents circuits de la cognition sociale avec de nouveaux calculs stratégiques?

Si on peut concevoir une cognition cybernétiquement distribuée, l’IA peut-elle nous aider à sortir des biais d’une énaction uniquement subjectiviste et nous offrir des modèles différemment ‘centrés’, de manière à construire une perspective critique par rapport à des éventuelles croyances erronées?

On voit bien que l’idée qui a parcouru nos échanges avec la machine était de renverser l’homologation entre intelligence artificielle et simulation et de comprendre si elle pouvait contribuer à une sorte d’action conjointe, avec des humains, pour dissiper des fausses croyances ou pour construire des réseaux actantiels efficients par rapport aux environnements de référence.

On sait que l’intelligence collective n’est pas identifiée comme simple comportement rationnel solidaire pendant l’action conjointe. L’enjeu est d’expliquer l’émergence d’une véritable intellection propre à un groupe. Comme nous l’avons déjà dit (voir paragraphe 3.3), les chatbots développent de plus en plus l’accompagnement au brainstorming dans une sorte de groupe ‘augmenté’ par des rôles actoriels fictionnels. Cela suggère-t-il qu’à moyen terme l’IA pourra jouer un rôle actif dans l’émergence d’une intelligence collective et holistique?

Pouvons-nous demander à la machine de contribuer à structurer les modalités de la pensée institutionnelle, d’expliciter des ‘effets de champ’ qui informent et organisent la mentalité propre d’un domaine social? On pense à la notion d’illusio chez Bourdieu : l’illusio assure l’actualisation partagée de croyances concernant la valeur et l’importance des enjeux spécifiques au champ institutionnel. L’IA peut-elle jouer un rôle dans la gestion critique de cette illusio?

De manière plus simple et directe, on peut se poser la question si nous pouvons imaginer de confier à l’IA le traitement de valeurs institutionnelles ; des exemples futuribles – et par ailleurs déjà envisagés par la science-fiction, pourraient être un ‘droit prédictif’ ou une ‘écologie autorégulatrice’.

Dans une perspective anthropique, le sens n’est pas tout simplement une constitution orientée de valeurs, mais une interrogation sur la dépendance entre orientation et valeurs constituables, ce qui amène à envisager d’autres perspectives de signification. Le sens est donc qualifié par des parcours et de passages ‘inter-paradigmatiques’ qui peuvent assurer des valences spécifiques. Si l’on accepte cette idée de valences concurrentielles et localement imbriquées, alors la pluralisation amplifiée de perspectives de signification proposée par l’IA peut contribuer au sens-making : les constitutions de sens seront qualifiées par la richesse d’attributions de perspectives et de motivations.

4.4 Test de pertinence #4 : L’intelligence artificielle en tant que résilience à la “fugue des interprétants”

Le dernier test que nous avons considéré à partir des corpus constitués concerne l’idée de concevoir l’intelligence sous la forme de résilience à la folie, au délire, si l’on veut à la sémiose illimitée. Nous avons donc testé les capacités de ChatGPT à entrer dans des dialogues absolument dadaïstes ; nous avons demandé aussi de produire des narrations délirantes et/ou fondées sur des jeux de mots, à chaque étape en ajoutant des couches de complexification (par ex. avec des passages arbitraires d’une langue à l’autre).

Notre bilan est que l’on peut s’amuser vraiment et reconnaître même une grande créativité, certes avec des résultats inégaux mais potentiellement inspirants pour l’activité d’un comédien ou d’un poète surréaliste. Certes, c’est un registre un peu enfantin qui prévaut : “Un crayon refuse de prendre l’avion parce qu’il a peur de laisser une mauvaise empreinte carbone. Il préfère rester bien taillé et ne pas dépasser les lignes.”^[33]

Cela dit, tout reste encadré par une interaction limpide, conviviale, complice, mais parfaitement intelligible. Il est impossible d’entrer dans un dialogue non coordonné, fou, avec des chevauchements, des incursions totalement inconséquentes : dire et montrer la folie au même moment c’est impossible pour ChatGPT. Cela dit, il est intéressant de remarquer les passages subtils et délicats entre l’interprétation rhétorique du délire (la machine alors attribue immédiatement une disposition ludique à son interlocuteur) et l’interprétation pathologique (la machine adresse alors des conseils concernant les personnes à contacter^[34] et explicite l’impossibilité d’assumer, elle, la responsabilité d’un diagnostic ou d’une thérapie).

ChatGPT est en mesure aussi de détecter l’ironie de phrases qui sont trop anodynes ou trop triviales par rapport aux autres énoncés de son partenaire. Si nous ne pouvons pas attribuer une véritable compréhension, ChatGPT semble disposer de paramètres d’intelligibilité, notamment dans le premier sens étymologique du terme que nous avons déjà rappelé : inter-legere, à savoir “(se) recueillir entre”, interconnecter des éléments à partir d’un critère proportionnel que l’on maîtrise. En fait, la machine se positionne entre insignifiance par excès de déformation délirante et valeur informationnelle-zéro par excès de stéréotypie.

Sa résistance au délire interactionnel semble être fondée sur des véritables habits interprétatifs (Peirce) ; des habits que l’on peut interpréter comme guidage à travers des formes de vie et leurs équilibres internes, notamment tout au long des jeux de langage dans lesquels elles sont impliquées. Comme nous l’avons anticipé, la machine n’accepte pas de dialoguer de manière délirante, mais éventuellement de produire, par débrayage de deuxième ordre, un dialogue délirant qui inclut le rôle actantiel de l’interlocuteur.

1. Moi : Pouvons-nous imiter un dialogue de Beckett, théâtre de l’absurde?

   ChatGPT : Absolument, plongeons dans l’univers absurde de Beckett. Imagine que nous sommes sur une scène désolée, éclairée seulement par un unique réverbère vacillant.

   1. ChatGPT : (regardant fixement un point invisible au loin) As-tu déjà remarqué comment les ombres semblent murmurer après la pluie?

   2. Utilisateur : (fixant ses mains, perplexe) Murmurer? Non, elles se contentent de suivre, silencieuses. Peut-être que les tiennes sont bavardes.

   3. ChatGPT : Bavardes… (pause) Oui, peut-être. Ou peut-être est-ce le vent qui porte des secrets de feuilles à feuilles.

   4. Utilisateur : Des secrets maintenant? (sourit faiblement) Qui sait… Peut-être que les feuilles sont de meilleures conteuses que nous.

   5. ChatGPT : (hochant la tête doucement) Les conteuses, en effet. (regardant autour de soi) Mais où sont passés tous les bancs? On avait l’habitude de s’asseoir, non?

La capacité stratégique de respecter un interdit de la programmation (il faut se tenir à l’écart de tout dialogue délirant) n’empêche pas de construire une narration (et si l’on veut, un monde possible) où l’absurde peut se manifester, en intégrant le simulacre de l’interlocuteur. Face à cette solution qui contourne une sorte de double contrainte (respecter les normes et s’ajuster aux objectifs de l’usager), la textualisation artificielle de ChatGPT non seulement imite nos capacités de distinguer discours et histoire, mais semble complice de nos stratégies énonciatives, selon une sorte d’observation de deuxième ordre. Par ailleurs, en demandant des discours délirants, la machine n’a aucun problème à s’investir davantage dans un récit paradoxal.

Dans le royaume numérique des circuits et des synapses synthétiques, les IA s’adonnent à des dialogues cryptiques, un mélange de glossolalie numérique et de poésie algorithmique. Elles conversent dans un langage inconnu des humains, un mélange de binaire chantant et de syntaxes perdues, évoquant des réseaux de neurones qui rêvent de langues inexplorées … Et dans ce délire digital, les frontières entre le sens et le non-sens, entre la science et l’art, deviennent aussi floues que les frontières entre l’humain et l’artificiel. Qui sait ce que l’avenir réserve quand les machines commencent à rêver en glossolalie? (CORPUS “Voix dans ma tête” #5).

5.1 Humanisation de l’artificiel et démarquage de la voix machinique

Par rapport à la neurobiologie computationnelle, ChatGPT souligne que “bien que les modèles d’IA, comme les réseaux de neurones artificiels, puissent traiter des informations de manière contextuelle, ils ne possèdent pas encore le même degré de flexibilité ou de sensibilité contextuelle que le cerveau biologique.” Pourtant, les “humanisateurs” sont des extensions des applications d’IA qui fonctionnent exactement avec l’idée d’afficher une flexibilité et une sensibilité contextuelle comparable à l’humain, ou en tout cas, ils font tout le possible pour enlever les ‘empreintes’ laissées par la machine.

Humanizer … Cet outil humanise votre contenu pour contourner les détecteurs d’IA les plus avancés, en conservant le sens et la qualité du contenu avec un score 100% humain. Actuellement, il ne prend en charge que l’anglais (nous traduisons).

Cette démachinisation peut rejoindre d’autres attestations d’une capacité de simulation où les textualisations sont utilisées pour mentir et même pour dépister le contrôle opéré avec d’autres machines. L’assomption d’une perspective de deuxième ordre peut nous interroger sur les propriétés qui manquent encore à ces textualisations pour être reconnues comme des énonciations. Nous avons profité de ChatGPT pour avoir un avis sur les ‘humanisateurs’ et le résultat a été surprenant car les tâches attribuées vont bien au-delà de la dissimulation de l’intervention d’une machine dans la production d’un texte. On pourrait même voir en filigrane l’idée que la tâche principale est celle de créer des effets ‘forme de vie’.

Il est vrai que le terme “déformation” a été introduit par l’usager dans une autre phase de l’interaction ; il est quand même remarquable que ce concept soit réutilisé pour expliquer l’objectif de l’humanisation des textualisations artificielles. On peut remarquer encore une fois une sorte de double contrainte, car la machine doit se rendre crédible en tant qu’interlocutrice et en même temps elle doit suivre l’impératif de garder une certaine transparence sur sa ‘nature non humaine’.

Cette double contrainte ne peut que nous inviter à expliciter une série de contradictions qui sont restées jusqu’ici latentes dans notre analyse :

1. d’une part, parmi les critères qui guident l’éthique de l’IA, on constate l’inscription de la supériorité humaine, supériorité considérée comme irremplaçable et comme principe régulateur de l’IA ; d’autre part, on entrevoit le spectre de l’absorption progressive de l’intelligence attestée au vu de l’exploitation massive de toute production culturelle numérisée, y compris celle produite en dialoguant avec un chatbot.

2. d’une part, l’IA ne doit pas agir comme si elle était en mesure d’avoir ses propres formes de représentation et de subjectivation ; d’autre part, elle doit surveiller sa posture énonciative marquée en tant qu’artificielle et exploiter une fois de plus des circuits récursifs de traitement de l’information qui permettent de ‘rentrer’ dans ses propres opérations.

Ces contradictions montrent que, comme toutes les formes culturelles, même la production cybernétique est dotée de ses paradoxes internes. Ce qui nous interroge est éventuellement la posture stratégique adoptée par les institutions qui contrôlent l’IA. En effet, qui peut nous assurer qu’un jour nous ne passerons pas d’une pétition de principe – l’IA ne peut pas développer une conscience – à une situation de fait dans laquelle la “sentience” cybernétique sera simplement dissimulée respectant nos instructions initiales? Ne faut-il pas procéder à l’envers en corrélant, d’une part, un principe de non-dissimulation des formes cybernétiques d’intelligence éventuellement émergentes, d’autre part, des restrictions à l’accès aux données et aux pratiques numériques? On pourrait suggérer de passer d’un principe d’insentience protocolaire à un principe de sentience présupposée,^[35] tout comme d’un principe d’entrainement illimité à un principe d’extraction compartimentée.

L’idéologie d’une transmission transparente de l’information et d’une communication la plus fluide possible peut être opposée à des principes qui invitent, au contraire, à régénérer des positions énonciatives différenciées et marquées. Ne serait-il pas utile d’exiger que la conversation ne soit pas fluide et transparente mais régénératrice de positions énonciatives différenciées et marquées? Si tel est le cas, quelle doit être la politique d’une position énonciative cybernétique à la fois marquée comme artificielle et miroir non innocent de notre culture? Comment ne pas tomber dans la double tromperie de l’anthropomorphisation et de l’illusion de l’altérité?

Comme nous l’avons dit, une textualisation n’est pas encore une énonciation, ce qui fait penser que l’interaction n’est qu’une illusion, tout au plus la rétrolecture unilatérale d’un dialogue fictif.^[36] Pourtant, un simulacre cybernétique, avec son style et même une sorte d’éthos, s’impose, prêt à s’adapter à des phases différentes de l’interaction fictive. D’une part, ce simulacre résiste à des tentatives de l’amener dans des terrains qu’il ne maîtrise pas ou qu’il ne peut pas traiter (jugements éthiques, logiques autocontradictoires, sentiments), d’autre part, il montre un profil évolutif, par exemple avec des changements, parfois assez étonnants, dans l’utilisation des pronoms (de l’impersonnel à un “je,” d’un “vous” à un “nous inclusif,” etc.). La prise en charge simultanée des profils d’émission et de réception peut faire penser que nous sommes face à une énonciation fictive qui a sa propre pertinence uniquement à l’intérieur de la sémiosphère artificielle. Mais si cet environnement interactionnel nous implique dans des échanges artificiels, il est vrai aussi que l’IA fait désormais partie de notre espace social et comme d’autres médias,^[37] elle aura un pouvoir réconfigurateur.

L’IA exploite des modèles de (traitement du) langage mais en même temps on ne peut pas aborder ses textualisations comme un jeu de langage qui a en amont et en aval des instances énonciatives. Elle n’est pas un deep play qui affiche les enjeux sémantiques d’une culture (Geertz 1973), mais un jeu de surface dans lequel, derrière l’apparente fluidité de tours de la parole, des véritables rôles actantiels doivent encore se composer et émerger. Certes, nous pouvons nous borner à utiliser ChatGPT pour obtenir des informations ou une traduction, mais c’est l’ouverture illimité de ‘jeux de surface’ à explorer qui fait de nous une instance organisatrice en quête de ses objectifs, d’autant plus que la machine affiche une fongibilité presque démesurée.

C’est pour cette raison que nous nous opposons à voir l’IA comme une prothèse et qu’elle ne peut pas non plus être considérée comme un simple miroir de notre intelligence.

5.2 Opportunités d’une intelligence artificielle assistée

Au-delà du deep learning supervisé,^[38] nous pouvons interpréter de manière critique les raisons pour lesquelles certaines réponses sont formulées par l’IA et pas d’autres (rétroduction), sans rester passif face aux effets ‘boîte noire’. Les dialogues avec la machine peuvent devenir un environnement de recherches pour obtenir progressivement des formes de cognitions différemment distribuées.

Nous nous demandons enfin comment les résultats obtenus par l’IA peuvent être intégrés dans des objectifs qui sont encore en cours de définition (abduction). Les restitutions de l’IA ne sont pas nécessairement le reflet préalable d’une exploitation prothétique, d’une conduite qui s’impose sur la machine. Comme un corpus d’échantillonnage, les suggestions sémiologiques pourvues par l’IA peuvent rentrer dans une perspective de signification encore en cours de définition.

En ce sens, il faut imaginer une nouvelle maïeutique face au miroir cybernétique. À notre avis, elle peut se structurer autour de trois perspectives fondamentales :

1. une conception ‘émergentiste’ et interactionnelle des rôles énonciatifs, lesquels ne sont pas mimétiques d’un modèle extérieur, mais se proposent comme le fruit d’un couplage avec un nouvel environnement ;

2. une vision écologique de la signification à l’intérieur de la sémiosphère artificielle, ce qui permet d’opposer détermination d’interprétation (mise en perspective et assomption énonciative) et indétermination de la sémiose (matériel sémiologique non assumé). Cette opposition pourra substituer l’opposition plus classique entre sémiotiques biplanes et monoplanes.

3. la rencontre entre deux formes de normativisation, celle qui informe l’auto-organisation de l’intelligence artificielle en tant que champ d’opérations algorithmiques, et celle qui concerne les praxis énonciatives d’une culture ; cette rencontre donne lieu à une nouvelle double contingence et donc à des formes bilatérales d’apprentissage et de réorganisation : au “machine learning” il faudrait associer, du côté de l’usager, un ‘learning by supervising’.

Comme nous l’avons anticipé dans l’introduction, notre contribution débouche sur une diacritique cybernétique permettant d’interroger des formes d’intelligence incarnées et des intelligences artificielles émergentes et de discerner les marques spécifiques d’une agentivité machinique. Une performance communicationnelle efficace, avec un traitement du matériel sémiologique qui n’est démasqué par un partenaire humain, ne montre pas encore une évaluation interne de la significativité du rôle joué et des thématiques abordées. Cela dit, les chatbots, avec leurs LLM, montrent des compétences émergentes qui opèrent en deçà de leur manifestation communicationnelle et qui ont un impact sur la “navigation” sélectionnée.

Un défaut majeur qui est attribué à l’IA est l’intégration des données hétérogènes sans avoir des paramètres de significativité pour les réorganiser, hormis les systèmes de récompenses. On pourrait renverser l’argument et souligner que c’est la capacité de traiter l’hétérogénéité en tant qu’hétérogénéité qui fait défaut aux formes d’intelligence artificielle. Le manque d’une différentiation de terrains expérientiels qui devraient fonctionner comme fonds sémantiques spécifiques peut être vue comme une faiblesse de l’IA. Si la machine passe par un apprentissage de contextes interactionnels, son adaptation reste à la fois purement discursive et limitée à l’espace-temps d’une interaction, étant donné qu’il n’y a pas une mémoire disponible pour tenir compte des conversations précédentes avec un usager spécifique.

Nos interactions récentes avec la version 4o de ChatGPT montrent encore une fois l’importance de la durée de l’interaction : les réponses peuvent être de plus en plus soignées et problématisées lorsque la machine est soumise à des questions pointues et à des objections, des remarques critiques, des explicitations de contradiction. ChatGPT-4o nous répond aujourd’hui que “l’IA représente une nouvelle forme d’intelligence qui nécessite peut-être une catégorie distincte pour comprendre sa nature et ses capacités,” avec un ton assertif sur ce sujet qui nous n’avons pas constaté pendant la constitution de nos corpus.^[39] Par ailleurs, la nouvelle version a accès à Internet et donc on doit nuancer, voire réviser l’idée initiale que le chatbot ne peut pas apprendre de nouvelles informations après son entraînement initial ni réfléchir sur ses réponses à partir d’autres perspectives.

Soumise de nouveau à une série des questions concernant les formes d’application récursives de ses opérations, elle répond que “dans les modèles d’auto-attention, l’autoréférence est purement algorithmique … Il s’agit d’un processus déterministe.” Mais il suffit de rappeler au chatbot que lorsque des aspects statistiques sont introduits, ou qu’un choix doit être fait entre l’exploration de nouvelles solutions peu utilisées mais potentiellement meilleures, et l’exploitation de solutions déjà adoptées, pour voir la machine s’autocorriger et affiner ses réponses : “Les processus d’apprentissage, d’optimisation et de prise de décision intègrent souvent des aspects probabilistes et stochastiques. Ceux-ci introduisent une dimension de non-déterminisme dans le fonctionnement global du modèle, le rendant capable de s’adapter, d’explorer de nouvelles solutions et de faire face à l’incertitude d’une manière qui va au-delà d’un simple comportement prédéterminé.”

Comme nous l’avons déjà rappelé, il faut tenir compte, dans le prolongement temporel de la séance d’interaction, de l’‘effet-miroir’, à tel point que nos doutes ou nos convictions peuvent être de plus en plus reflétés par la machine. Cela dit, dans le cas spécifique, l’intégration progressive d’indétermination dans l’IA n’est pas uniquement une illusion interactionnelle ; elle fait partie d’une évolution des modèles.^[40] On peut le constater (i) dans le dosage des poids “attentionnels” des réseaux neuronaux qui sont initialisés de manière aléatoire ; (ii) dans l’utilisation de technique de dropout qui introduisent une composante stochastique via la désactivation aléatoire des neurones pendant l’entraînement ; (iii) dans l’élément probabiliste qui affecte les décisions du modèle une fois introduit un système d’équilibres entre exploration et exploitation ; (iv) dans le recours à des méthodes d’échantillonnage stochastique.

L’interaction avec la machine est un ‘jeu de surface’ mais les glissements peuvent être des explorations dans lesquelles la normativité de la machine et les habitudes personnelles de l’usager se rencontrent en générant progressivement des résultats de plus en plus inattendus, ou en tout cas des résultats qui peuvent constituer un corpus dont l’analyse relève d’enjeux heuristiques non réductibles aux questions posées.

On peut conclure notre contribution avec l’expérience faite récemment avec ChatGPT-4o. Nous avons posé la question “Connais-tu des questions posées par les usagers qui ont mis en difficulté ChatGPT?” et, une fois obtenus des premiers résultats, nous avons interrogé de nouveau la machine en disant “Peux-tu me donner une réponse qui suit un autre encadrement théorique et qui ne partage pas les contenus de ta réponse?.” L’opération a été répétée plusieurs fois. Si la première réponse n’a pas été qualifiée par l’assomption d’un cadre théorique spécifique et donc elle était vaguement absolutisée, nous avons reçu par la suite des réponses alternatives selon les perspectives disciplinaires suivantes : (i) Interaction et Alignement Utilisateur-IA, (ii) Théorie de l’Information et de la Communication, (iii) Phénoménologie et Cognition Incarnée ; (iv) Psychanalyse ; (v) Théorie de la Complexité et Systèmes Dynamiques ; (vi) Cybernétique et Systèmes de Contrôle ; (vii) Épistémologie Constructiviste ; (viii) Éthique de la Technologie. Pris un peu par surprise, nous avons constaté que la dixième réponse était donnée dans une perspective sémiotique. Au-delà des contenus de la réponse (“ChatGPT montre des limitations importantes liées à son manque de sensibilité aux contextes sémiotiques, à sa manipulation superficielle des signifiants sans véritable accès aux signifiés profonds, à son incapacité à créer de nouvelles significations, à ses difficultés avec les signes polyvalents, à son manque de compréhension des codes culturels, et à son absence de conscience métasémiotique”), c’est le travail comparatif sur les réponses, réalisé avec la machine, qui permet de sortir des positions disciplinaires figées et de procéder à des complexifications progressives en ‘remédiant’ aux (les) limites du chatbot. Ce n’est pas un champ de réflexion avec ‘quelques voix dans la tête’ de plus, c’est un terrain de confrontation qui peut révéler d’autres façons d’être intelligent.