{"id":8631,"date":"2025-10-21T12:02:55","date_gmt":"2025-10-21T16:02:55","guid":{"rendered":"https:\/\/www.gillesenvrac.ca\/carnet\/?page_id=8631"},"modified":"2025-11-05T16:55:42","modified_gmt":"2025-11-05T21:55:42","slug":"machines-ignorantes","status":"publish","type":"page","link":"https:\/\/gillesenvrac.ca\/carnet\/machines-ignorantes\/","title":{"rendered":"Ce que les machines ignorent"},"content":{"rendered":"\n

Traduction de What Machines Don’t Know<\/a> par Eryk Salvaggio, 12 octobre 2025<\/p>\n\n\n\n

Imaginer le langage sans imagination<\/h2>\n\n\n\n

Il est important de reconna\u00eetre que les grands mod\u00e8les linguistiques sont complexes. Il existe une dichotomie simpliste dans les discussions en ligne entre la caract\u00e9risation d\u00e9daigneuse des LLM comme \u00ab pr\u00e9dicteurs du mot suivant \u00bb par de nombreux opposants \u00e0 l’IA, et les d\u00e9fenseurs de l’IA qui agissent comme si le mod\u00e8le \u00e9tait une r\u00e9plique parfaite du cerveau humain. \u00c0 bien des \u00e9gards, \u00ab pr\u00e9dicteurs du prochain token \u00bb est<\/em> une simplification excessive : il serait plus juste de dire que les LLM sont des pr\u00e9dicteurs du prochain token incroyablement complexes<\/em>.<\/p>\n\n\n\n

Pour ceux qui ont la chance de ne pas comprendre ce que cela signifie, voici une br\u00e8ve explication. Un grand mod\u00e8le linguistique fonctionne en tokenisant<\/em> le langage : il convertit les mots en valeurs num\u00e9riques, puis int\u00e8gre diverses donn\u00e9es num\u00e9riques relatives \u00e0 ces valeurs dans une s\u00e9rie de listes.<\/p>\n\n\n\n

\n

chat => 75<\/p>\n<\/blockquote>\n\n\n\n

Chaque mot des donn\u00e9es d’entra\u00eenement dispose d’une telle liste, et les chiffres de la liste repr\u00e9sentent une relation avec d’autres mots. Cela repr\u00e9sente beaucoup d’informations, toutes exprim\u00e9es sous forme de coordonn\u00e9es dans un grand graphique. Les listes ne sont que des chiffres, d\u00e9crivant les positions relatives de chaque mot dans un immense espace multidimensionnel.<\/p>\n\n\n\n

\n

chat => 75[1,2, 2,4, 0,0, 0,0, 4,5 …]<\/p>\n<\/blockquote>\n\n\n\n

La pr\u00e9diction du prochain token correspond \u00e0 la mani\u00e8re dont le mod\u00e8le \u00ab s\u00e9lectionne \u00bb un mot. Votre invite fonctionne essentiellement en ajustant des cadrans jusqu’\u00e0 ce qu’une s\u00e9rie de mots s’alignent dans une s\u00e9quence math\u00e9matiquement contrainte. Il ne s’agit pas d’une pr\u00e9diction unique<\/em>, mais d’un va-et-vient de ces positions jusqu’\u00e0 ce qu’elles s’adaptent \u00e0 un contour statistique satisfaisant, guid\u00e9 par les valeurs associ\u00e9es aux mots de votre<\/em> invite. Elles sont pouss\u00e9es jusqu’\u00e0 leur position.<\/p>\n\n\n\n

La plupart des d\u00e9bats les plus intenses sur l’IA se r\u00e9sument \u00e0 \u00ab vous ne comprenez m\u00eame pas la technologie \u00bb. Mais je soup\u00e7onne que la distinction la plus importante n’est pas de savoir si nous comprenons le fonctionnement d’un mod\u00e8le, mais plut\u00f4t comment nous interpr\u00e9tons<\/em> ce que fait la structure.<\/p>\n\n\n\n

Police de la pens\u00e9e<\/h2>\n\n\n\n

Beaucoup de gens attribuent diverses valeurs juridiques et sociales \u00e0 la fonctionnalit\u00e9 des LLM en se basant sur leur capacit\u00e9 \u00e0 \u00ab apprendre \u00bb les relations textuelles \u00e0 partir de donn\u00e9es d’entra\u00eenement et \u00e0 produire des textes convaincants \u00e0 partir de ce qu’ils ing\u00e8rent. Des affirmations plus audacieuses affirment la valeur des textes produits par l’IA en d\u00e9gradant le processus de pens\u00e9e qui motive le discours humain. Cette affirmation, g\u00e9n\u00e9ralement r\u00e9pandue en ligne, est que les humains ne sont aussi<\/em> que des pr\u00e9dicteurs de tokens suivants, que le cerveau humain est une machine \u00e0 trouver des mod\u00e8les et que le discours en est le reflet.<\/p>\n\n\n\n

Pour croire que cela est vrai, il faudrait imaginer que tout le langage humain est enti\u00e8rement motiv\u00e9 par la grammaire. Je ne sais pas si cette croyance est erron\u00e9e<\/em>, je dis simplement qu’il faudrait y croire. Je tiens \u00e0 \u00eatre prudent ici : la distinction entre la grammaire humaine \u2013 par exemple, dans la structure des phrases en anglais \u2013 est diff\u00e9rente de ce que nous appellerions une \u00ab grammaire \u00bb dans un LLM. Ce que je m’appr\u00eate \u00e0 d\u00e9crire a un terme technique dans les LLM, \u00ab embeddings \u00bb, mais nous pouvons le consid\u00e9rer comme un labyrinthe \u00e0 billes.<\/p>\n\n\n\n

Un labyrinthe \u00e0 billes en bois, avec des boutons sur le c\u00f4t\u00e9, qui inclinent la surface du labyrinthe afin qu’une bille puisse se d\u00e9placer \u00e0 travers des canaux \u00e9troits vers des trous.<\/p>\n\n\n\n

Le mot est plac\u00e9 dans un mod\u00e8le, qui est structur\u00e9 par l’ensemble du corpus de texte d’entra\u00eenement. Lorsque nous sollicitons le mod\u00e8le, l’espace autour de chaque mot \u2013 l’espace vectoriel \u2013 se d\u00e9place, et des activations le traversent, d\u00e9clenchant des chemins \u00e0 travers ces \u00ab tokens int\u00e9gr\u00e9s \u00bb (mots) en fonction de la relation avec les tokens pr\u00e9c\u00e9dents. Contrairement \u00e0 un labyrinthe \u00e0 billes, o\u00f9 le but est d’\u00e9viter<\/em> les trous, nous pouvons consid\u00e9rer cet espace vectoriel en constante \u00e9volution du LLM comme une tentative d’adapter chaque mot \u00e0 un trou sp\u00e9cifique, ou du moins \u00e0 un trou suffisamment proche d’un trou sp\u00e9cifique.<\/p>\n\n\n\n

Pour chaque mot dans la sortie du LLM, la \u00ab bille \u00bb dans ce labyrinthe m\u00e9taphorique traverse des milliers de labyrinthes \u00e0 la fois,<\/em> en fonction du nombre de param\u00e8tres que nous attribuons au mod\u00e8le. Nous pouvons imaginer la balle se d\u00e9pla\u00e7ant dans un espace tridimensionnel, entour\u00e9e d’une s\u00e9rie de chemins entrelac\u00e9s mais \u00e9troitement confin\u00e9s, le syst\u00e8me \u00e9tant d\u00e9termin\u00e9 \u00e0 trouver le chemin que chaque balle d’acier peut trouver \u00e0 travers chaque trou appropri\u00e9. Une fois que le \u00ab mot \u00bb (le token repr\u00e9sentant le mot) est ins\u00e9r\u00e9, tous les tokens qui l’entourent sont r\u00e9organis\u00e9s (ce qu’on appelle la \u00ab r\u00e9tropropagation \u00bb) jusqu’\u00e0 ce que la phrase ou le paragraphe \u00ab fonctionne \u00bb.<\/p>\n\n\n\n

Par cons\u00e9quent, la grammaire d’un LLM est structur\u00e9e de mani\u00e8re constamment changeante. Les mots dans les invites de l’utilisateur deviennent des jetons qui d\u00e9clenchent une n\u00e9gociation avec les jetons environnants, ce qui influence la probabilit\u00e9 qu’un mot particulier<\/em> apparaisse en r\u00e9ponse \u00e0 ceux qui l’entourent. Chaque mot poss\u00e8de une longue liste de valeurs qui peuvent influencer et \u00eatre influenc\u00e9es par la longue liste d’autres<\/em> valeurs li\u00e9es \u00e0 diff\u00e9rents<\/em> mots.<\/p>\n\n\n\n

Dans le langage humain, chaque mot pousse et tire les autres vers de nouvelles directions de sens. Pour simuler cela avec une machine, nous pouvons \u00e9tirer et r\u00e9attribuer chaque \u00ab valeur \u00bb dans la matrice des mots associ\u00e9s. Nous pouvons comprendre ce processus comme une math\u00e9matique plut\u00f4t que comme un langage, et voir comment cette math\u00e9matique pourrait cr\u00e9er une simulation convaincante du langage.<\/p>\n\n\n\n

Chaque mot d’un paragraphe g\u00e9n\u00e9r\u00e9 est une solution<\/em> \u00e0 ce probl\u00e8me de s\u00e9quen\u00e7age math\u00e9matique. Ce qui est un objectif tr\u00e8s diff\u00e9rent de celui du langage humain.<\/p>\n\n\n\n

N\u00e9anmoins, ce processus math\u00e9matique permet de placer un mot dans son environnement <\/em>plut\u00f4t que de trouver des mots qui correspondent \u00e0 une signification.<\/em> Cela explique comment les mod\u00e8les parviennent \u00e0 produire un discours contextuel sans comprendre le contexte du monde : de la m\u00eame mani\u00e8re qu’une balle peut \u00eatre l\u00e2ch\u00e9e dans un trou dans un labyrinthe. Elle ne navigue pas en r\u00e9fl\u00e9chissant consciemment \u00e0 l’endroit o\u00f9 elle devrait se trouver, mais en suivant une structure qui \u00e9volue autour d’elle. Le langage est \u00ab ins\u00e9r\u00e9 \u00bb plut\u00f4t que \u00ab produit \u00bb. Et ce sont les humains qui font tout le travail.<\/p>\n\n\n\n

Quand les mots sont aussi de la grammaire<\/h2>\n\n\n\n

Toute logique d’un LLM est donc li\u00e9e et \u00e9troitement d\u00e9finie par la position d’un mot donn\u00e9 dans une s\u00e9rie de matrices. Elle est litt\u00e9ralement st\u00e9r\u00e9otyp\u00e9e. Une grande partie du langage humain est \u00e9galement st\u00e9r\u00e9otyp\u00e9e. Mais le LLM utilise sa propre \u00ab grammaire \u00bb machine d’une mani\u00e8re diff\u00e9rente de la grammaire humaine, et cette diff\u00e9rence est cruciale.<\/p>\n\n\n\n

Le langage humain est motiv\u00e9 par l’articulation de la pens\u00e9e ; le langage machine est \u00e9labor\u00e9 \u00e0 travers la structure. La structure machine est une grammaire qui dicte enti\u00e8rement<\/em> la production du langage, et les mots sont eux-m\u00eames consid\u00e9r\u00e9s comme faisant partie de la grammaire, et non comme des r\u00e9f\u00e9rents individuels d’un concept plus large.<\/p>\n\n\n\n

En cons\u00e9quence, la probabilit\u00e9 de trouver de nouveaux arrangements de mots gr\u00e2ce \u00e0 un LLM n’est pas d\u00e9termin\u00e9e par la capacit\u00e9 de raisonnement de l’IA, mais par la capacit\u00e9 \u00e0 m\u00e9langer les attentes quant \u00e0 la position correcte d’un mot<\/em>, c’est-\u00e0-dire \u00e0 \u00e9largir la gamme de places qu’un mot peut occuper. Le mod\u00e8le y parvient en introduisant du bruit, qui peut \u00eatre contr\u00f4l\u00e9 gr\u00e2ce \u00e0 un param\u00e8tre appel\u00e9 \u00ab temp\u00e9rature \u00bb dans la plupart des mod\u00e8les linguistiques.<\/p>\n\n\n\n

Mais comme pour les images g\u00e9n\u00e9r\u00e9es par l’IA, toute nouvelle collision de sens et tout nouvel agencement de texte sont \u00e9galement cosm\u00e9tiques<\/em>. Il s’agit d’un heureux hasard. C’est au lecteur de d\u00e9terminer la diff\u00e9rence introduite par le bruit : \u00ab Ce texte est-il une nouvelle id\u00e9e ou s’agit-il de bruit ? \u00bb Mais toute nouvelle id\u00e9e est finalement le r\u00e9sultat du bruit introduit dans un syst\u00e8me rigide, et du recalibrage qui en r\u00e9sulte en un texte lisible. Les LLM ne produisent ni raisonnement ni r\u00e9flexion approfondie sur les faits. Ils ne peuvent pas anticiper les cons\u00e9quences d’un mot dans la situation o\u00f9 il sera ajout\u00e9. Ils produisent plut\u00f4t un r\u00e9sultat qui cr\u00e9e une approximation plausible de l’endroit o\u00f9 les mots pourraient<\/em> se trouver si<\/em> la raison ou la r\u00e9flexion \u00e9taient pr\u00e9sentes, en se basant sur l’endroit o\u00f9 ces mots se sont g\u00e9n\u00e9ralement trouv\u00e9s<\/em> lorsque la raison et la r\u00e9flexion \u00e9taient pr\u00e9c\u00e9demment pr\u00e9sentes<\/em> (\u00e9criture humaine).<\/p>\n\n\n\n

Les humains peuvent \u00e9crire de cette mani\u00e8re, et le font parfois. Prenons l’exemple des clich\u00e9s et des aphorismes, des textes et des e-mails irr\u00e9fl\u00e9chis, et de la sati\u00e9t\u00e9 s\u00e9mantique due \u00e0 une utilisation excessive : \u00ab Je t’aime \u00bb, \u00ab Tu me manques \u00bb. Comment ces phrases comparent-elles ou expriment-elles l’exp\u00e9rience du d\u00e9sir ardent pour quelqu’un que l’on aime ? Elles ne le font pas, et servent donc de marqueurs d’un sentiment qui ne parvient pas \u00e0 remplir leur fonction. Elles \u00e9chouent notamment par rapport \u00e0 un po\u00e8me \u00e9crit sur le manque de quelqu’un, qui s’efforce de trouver de nouveaux arrangements de mots pour exprimer une exp\u00e9rience partag\u00e9e par des millions de personnes, mais d’une mani\u00e8re unique et significative. Dans la plupart des cas, c’est l’effort de trouver<\/em> ces mots, et non le choix des mots eux-m\u00eames, qui nous pousse \u00e0 les adopter.<\/p>\n\n\n\n

Chaque mot est en fin de compte une r\u00e8gle sur l’endroit o\u00f9 il peut \u00eatre plac\u00e9, plut\u00f4t qu’un geste vers une exp\u00e9rience…<\/em><\/p>\n\n\n\n

Les d\u00e9cisions linguistiques humaines suivent \u00e9galement des r\u00e8gles grammaticales, mais nous disposons d’une certaine flexibilit\u00e9 au sein de ces structures. Nous donnons donc naissance \u00e0 une pens\u00e9e et l’articulons en fonction du mot et de la place grammaticale qui servent le mieux nos concepts internes pour les transmettre aux autres. Il s’agit l\u00e0 d’une distinction importante par rapport \u00e0 une machine qui d\u00e9termine la probabilit\u00e9 de la position d’un mot<\/em> parmi plusieurs axes changeants, m\u00eame s’ils sont similaires sur le plan esth\u00e9tique. La diff\u00e9rence, selon moi, est que les mots d’un LLM et la grammaire d’un LLM sont indissociables : chaque mot est en fin de compte un ensemble tr\u00e8s complexe de r\u00e8gles concernant son emplacement, plut\u00f4t qu’un geste vers une exp\u00e9rience qu’il pourrait exprimer.<\/p>\n\n\n\n

Pour \u00eatre clair, cela ne diminue en rien les capacit\u00e9s impressionnantes des LLM, m\u00eame si je suis finalement plus impressionn\u00e9 par leur architecture (transformateurs et autres) que par leur production linguistique, \u00e9tant donn\u00e9 \u00e0 quel point le langage qu’ils produisent est mal compris. Les LLM font quelque chose, mais ce n’est pas ce que les humains font avec les mots.<\/p>\n\n\n\n

Une machine ne peut pas s’imaginer elle-m\u00eame<\/h2>\n\n\n\n

C’est peut-\u00eatre Sartre qui a sugg\u00e9r\u00e9 que la conscience est la capacit\u00e9 \u00e0 s’imaginer soi-m\u00eame. Cela manque aux LLM, m\u00eame si certains pourraient affirmer le contraire : un LLM ne peut pas s’imaginer lui-m\u00eame, bien qu’il puisse se d\u00e9crire<\/em>en ins\u00e9rant des mots dans des s\u00e9quences. Il peut ins\u00e9rer des couches et des couches de mots dans des milliers de labyrinthes simultan\u00e9ment jusqu’\u00e0 ce qu’il puisse cr\u00e9er un texte sur le texte qu’il a produit, puis r\u00e9sumer ce texte et l’appeler raison.<\/p>\n\n\n\n

M\u00e9langer un texte ant\u00e9rieur pour pr\u00e9parer un texte futur est un concept maladroit de la conscience : les racines du texte LLM sont toujours d\u00e9termin\u00e9es par la position d’un mot par rapport \u00e0 d’autres mots, plut\u00f4t que par un geste \u00e9motionnel ou un lien avec les v\u00e9ritables imaginations internes de son propre esprit. Ce n’est pas ce qu’implique l’architecture d’un LLM, quel que soit le nombre de param\u00e8tres impliqu\u00e9s.<\/p>\n\n\n\n

Mais beaucoup de gens peuvent \u00eatre victimes d’un \u00e9trange paradoxe ici : incapables de reconna\u00eetre qu’il n’y a pas d’\u00ab imagination \u00bb dans les affirmations d’un LLM sur lui-m\u00eame, nous ne reconnaissons pas non plus que le texte produit par le mod\u00e8le est n\u00e9anmoins imaginaire<\/em>, une conjecture hypoth\u00e9tique de symboles dans des emplacements appropri\u00e9s dont le lien avec un \u00ab moi \u00bb imagin\u00e9 est absent. L’imagination se trouve dans le langage, pas dans le mod\u00e8le<\/em>, et elle est activ\u00e9e socialement.<\/p>\n\n\n\n

Les architectures actuelles des LLM ne peuvent pas imaginer, mais elles peuvent s\u00e9quencer. Elles peuvent fonctionner dans nos cadres symboliques imaginatifs, mais elles ne peuvent pas utiliser<\/em> les symboles car elles ne peuvent pas s’imaginer participer \u00e0 la n\u00e9gociation de ces symboles<\/em>. Pour la m\u00eame raison qu’un chien peut aller \u00e0 l’\u00e9glise<\/em> mais ne peut pas \u00eatre catholique, un LLM peut avoir une conversation<\/em> mais ne peut pas participer<\/em> \u00e0 la conversation.<\/p>\n\n\n\n

\n

Un chien peut \u00ab aller \u00e0 l’\u00e9glise \u00bb mais ne peut pas \u00eatre catholique. Un LLM peut avoir une conversation, mais ne peut pas participer \u00e0 la conversation.<\/p>\n<\/blockquote>\n\n\n\n

Certains diront n\u00e9anmoins que cela ressemble tout de m\u00eame \u00e0 la pens\u00e9e humaine. En tant qu’humaniste, je me soucie moins de prouver d’une mani\u00e8re ou d’une autre si cela est vrai, ce qui, d’apr\u00e8s moi, rel\u00e8ve du domaine de la philosophie. En attendant, je pense qu’il est utile de d\u00e9terminer si nous voulons ou <\/em>non classer ces types de production linguistique dans la m\u00eame cat\u00e9gorie.<\/p>\n\n\n\n

La d\u00e9cision d’assimiler la pens\u00e9e humaine \u00e0 un classement complexe effectu\u00e9 par une machine a des implications sociales importantes. Elle pr\u00e9suppose que l’expression humaine est uniquement et sans exception<\/em> l’automatisation de la grammaire, que les mots d\u00e9terminent toujours et sans exception<\/em>, par eux-m\u00eames, quand ils appara\u00eetront. L’esprit devient un vaste espace vectoriel math\u00e9matique \u00e0 travers lequel les mots s’affirment plut\u00f4t qu’une biblioth\u00e8que personnelle dans laquelle les mots sont, parfois, trouv\u00e9s<\/em>.<\/p>\n\n\n\n

Rien de tout cela ne convaincra ceux qui sont d\u00e9j\u00e0 convaincus, et comme je l’ai dit : tout est une question d’interpr\u00e9tation. Ceux qui d\u00e9fendent cette th\u00e8se peuvent affirmer que la table de consultation est comme consulter un th\u00e9saurus, mais ils oublient qu’il s’agit en fait d’\u00eatre contraint<\/em> d’utiliser un th\u00e9saurus et de suivre le changement de sens en lan\u00e7ant les d\u00e9s. Il y a l\u00e0 une distinction essentielle, et j’admets que je ne l’ai pas encore tout \u00e0 fait articul\u00e9e. Il s’agit d’une newsletter, pas d’une th\u00e8se.<\/p>\n\n\n\n

Mais ce qui est clair, c’est qu’aucun r\u00e9seau neuronal n’arrive ou ne s’imagine tout seul ; il est enti\u00e8rement fa\u00e7onn\u00e9 par les donn\u00e9es qui lui sont fournies. M\u00eame si un LLM \u00e9tait un jour con\u00e7u pour trouver le sens des mots, il arriverait \u00e0 des conclusions guid\u00e9es par ceux qui con\u00e7oivent les pond\u00e9rations \u00e0 l’int\u00e9rieur du syst\u00e8me, sur la base des donn\u00e9es s\u00e9lectionn\u00e9es pour ce syst\u00e8me. Si nous pouvions prouver une fois pour toutes qu’un \u00ab mod\u00e8le du monde \u00bb est une approximation du n\u00f4tre, cela rendrait d’autant plus pr\u00e9occupante l’utilisation du LLM pour pr\u00e9senter vos propres id\u00e9es.<\/p>\n\n\n\n

Le personnel cesse alors d’avoir de l’importance, tout comme le sens r\u00e9el de \u00ab l’importance \u00bb d’\u00e9laborer une phrase r\u00e9fl\u00e9chie. Nous avons toujours \u00e9t\u00e9 contraints par les limites du langage pour nous exprimer, m\u00eame si nous pouvons l’associer \u00e0 toutes sortes de choses. Dans la vision du monde o\u00f9 l’homme et la machine sont \u00e9quivalents, l’\u00e9criture est toujours automatique : pas de staccato dans l’\u00e9change de pens\u00e9es et d’articulations, juste le battement r\u00e9gulier de tables de consultation statistiquement contraintes.<\/p>\n\n\n\n

\n\n\n\n

Voir la\u00a0LISTE \u00c9VOLUTIVE des articles<\/a>
traduits par Gilles en vrac\u2026<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"

Traduction de What Machines Don’t Know par Eryk Salvaggio, 12 octobre 2025 Imaginer le langage sans imagination Il est important de reconna\u00eetre que les grands mod\u00e8les linguistiques sont complexes. Il existe une dichotomie simpliste dans les discussions en ligne entre la caract\u00e9risation d\u00e9daigneuse des LLM comme \u00ab pr\u00e9dicteurs du mot suivant \u00bb par de nombreux … <\/p>\n

Continuer la lecture de « Ce que les machines ignorent »<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"parent":0,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"footnotes":""},"class_list":["post-8631","page","type-page","status-publish","hentry"],"jetpack-related-posts":[{"id":9432,"url":"https:\/\/gillesenvrac.ca\/carnet\/maitres-les-tableurs\/","url_meta":{"origin":8631,"position":0},"title":"Nos ma\u00eetres les tableurs","author":"Gilles Beauchamp","date":"23 f\u00e9vrier 2026","format":false,"excerpt":"Traduction de Our Spreadsheet Overlords, par Leif Weatherby le 29 mai 2025. Deux ans se sont \u00e9coul\u00e9s depuis qu'OpenAI a lanc\u00e9 ChatGPT et que la panique s'est install\u00e9e. Deux ans de gros titres sur \u00ab l'IA \u00bb \u2013 un sujet sp\u00e9cialis\u00e9 subalterne et l'apanage des films de science-fiction loufoques depuis\u2026","rel":"","context":"Article similaire","block_context":{"text":"Article similaire","link":""},"img":{"alt_text":"","src":"","width":0,"height":0},"classes":[]},{"id":10285,"url":"https:\/\/gillesenvrac.ca\/carnet\/farrell\/lia-en-tant-que-technologie-sociale\/","url_meta":{"origin":8631,"position":1},"title":"L’IA en tant que technologie sociale","author":"Gilles Beauchamp","date":"12 mai 2026","format":false,"excerpt":"L'intelligence artificielle g\u00e9n\u00e9rale ne laisse pas entrevoir la promesse d'une bureaucratie v\u00e9ritablement post-humaine. Traduction de AI as Social Technology par\u00a0Henry Farrell\u00a0et\u00a0Cosma Rohilla Shalizi publi\u00e9 le 11 mai 2026 sur Knight First Amendment Institute. Introduction Nos d\u00e9bats sur l\u2019\u00ab IA \u00bb trouvent leur origine dans la science-fiction des ann\u00e9es 1990. \u00c0\u2026","rel":"","context":"Article similaire","block_context":{"text":"Article similaire","link":""},"img":{"alt_text":"","src":"","width":0,"height":0},"classes":[]},{"id":10671,"url":"https:\/\/gillesenvrac.ca\/carnet\/ia-debat\/llm-et-reification-automatisee\/","url_meta":{"origin":8631,"position":2},"title":"Mod\u00e8les linguistiques et r\u00e9ification automatis\u00e9e","author":"Gilles Beauchamp","date":"17 juin 2026","format":false,"excerpt":"Traduction de Language Models and Automated Reification par Ben Recht sur Substack, le 12 juin 2026. Leif Weatherby, Tyler Shoemaker et moi-m\u00eame avons publi\u00e9 aujourd\u2019hui un nouvel essai dans The Ideas Letter (traduction par GB : R\u00e9ifiez ceci) sur la cr\u00e9ation de la r\u00e9alit\u00e9 par le biais de la pseudoscience,\u2026","rel":"","context":"Article similaire","block_context":{"text":"Article similaire","link":""},"img":{"alt_text":"","src":"https:\/\/i0.wp.com\/gillesenvrac.ca\/carnet\/wp-content\/uploads\/2026\/06\/Recht.webp?resize=350%2C200&ssl=1","width":350,"height":200,"srcset":"https:\/\/i0.wp.com\/gillesenvrac.ca\/carnet\/wp-content\/uploads\/2026\/06\/Recht.webp?resize=350%2C200&ssl=1 1x, https:\/\/i0.wp.com\/gillesenvrac.ca\/carnet\/wp-content\/uploads\/2026\/06\/Recht.webp?resize=525%2C300&ssl=1 1.5x, https:\/\/i0.wp.com\/gillesenvrac.ca\/carnet\/wp-content\/uploads\/2026\/06\/Recht.webp?resize=700%2C400&ssl=1 2x, https:\/\/i0.wp.com\/gillesenvrac.ca\/carnet\/wp-content\/uploads\/2026\/06\/Recht.webp?resize=1050%2C600&ssl=1 3x"},"classes":[]},{"id":10605,"url":"https:\/\/gillesenvrac.ca\/carnet\/ia-debat\/ia-dans-le-milieu-universitaire\/","url_meta":{"origin":8631,"position":3},"title":"R\u00e9flexions sur l\u2019IA dans le milieu universitaire","author":"Gilles Beauchamp","date":"13 juin 2026","format":false,"excerpt":"Raisonnement de niveau doctorat, biais des grands mod\u00e8les de langage (LLM), alignement, IA g\u00e9n\u00e9rale (AGI), centres de donn\u00e9es et politique de l\u2019IA Traduction de Thoughts on AI in academia, par Sasha Gusev, sur Substack, le 7 juin 2026 Herbert Bayer, Convolution, 1948 1. Les LLM peuvent d\u00e9sormais imiter les capacit\u00e9s\u2026","rel":"","context":"Article similaire","block_context":{"text":"Article similaire","link":""},"img":{"alt_text":"","src":"https:\/\/i0.wp.com\/gillesenvrac.ca\/carnet\/wp-content\/uploads\/2026\/06\/Bayer1948.jpg?resize=350%2C200&ssl=1","width":350,"height":200},"classes":[]},{"id":8956,"url":"https:\/\/gillesenvrac.ca\/carnet\/hallucinations-ou-reves\/","url_meta":{"origin":8631,"position":4},"title":"Hallucinations, erreurs et r\u00eaves","author":"Gilles Beauchamp","date":"1 janvier 2026","format":false,"excerpt":"Pourquoi les syst\u00e8mes d'IA modernes produisent-ils des r\u00e9sultats erron\u00e9s et que peut-on y faire ? Colin Fraser sur Medium, 17 avril 2024 - 34 min de lecture Comme on nous l'a signal\u00e9, les syst\u00e8mes d'IA modernes sont sujets \u00e0 des\u00a0hallucinations. Nous le savons, mais c'est assez \u00e9trange quand on y\u2026","rel":"","context":"Article similaire","block_context":{"text":"Article similaire","link":""},"img":{"alt_text":"","src":"https:\/\/i0.wp.com\/gillesenvrac.ca\/carnet\/wp-content\/uploads\/2026\/01\/Hallu-1.webp?resize=350%2C200&ssl=1","width":350,"height":200,"srcset":"https:\/\/i0.wp.com\/gillesenvrac.ca\/carnet\/wp-content\/uploads\/2026\/01\/Hallu-1.webp?resize=350%2C200&ssl=1 1x, https:\/\/i0.wp.com\/gillesenvrac.ca\/carnet\/wp-content\/uploads\/2026\/01\/Hallu-1.webp?resize=525%2C300&ssl=1 1.5x, https:\/\/i0.wp.com\/gillesenvrac.ca\/carnet\/wp-content\/uploads\/2026\/01\/Hallu-1.webp?resize=700%2C400&ssl=1 2x, https:\/\/i0.wp.com\/gillesenvrac.ca\/carnet\/wp-content\/uploads\/2026\/01\/Hallu-1.webp?resize=1050%2C600&ssl=1 3x"},"classes":[]},{"id":10178,"url":"https:\/\/gillesenvrac.ca\/carnet\/ia-debat\/la-rationalite-des-machines-linguistiques\/","url_meta":{"origin":8631,"position":5},"title":"La rationalit\u00e9 des machines linguistiques","author":"Gilles Beauchamp","date":"7 mai 2026","format":false,"excerpt":"Les grands mod\u00e8les linguistiques sont-ils math\u00e9matiquement rationnels ? Traduction de The Rationality of the Language Machines par Ben Recht, publi\u00e9 sur Substack, le 7 mai 2026. Ce que j\u2019aime le moins dans l\u2019\u00e9criture de livres, c\u2019est leur caract\u00e8re d\u00e9finitif. \u00c0 peine ai-je pris le temps de feuilleter un exemplaire papier\u2026","rel":"","context":"Article similaire","block_context":{"text":"Article similaire","link":""},"img":{"alt_text":"","src":"https:\/\/i0.wp.com\/gillesenvrac.ca\/carnet\/wp-content\/uploads\/2026\/05\/rationnalite_1.webp?resize=350%2C200&ssl=1","width":350,"height":200,"srcset":"https:\/\/i0.wp.com\/gillesenvrac.ca\/carnet\/wp-content\/uploads\/2026\/05\/rationnalite_1.webp?resize=350%2C200&ssl=1 1x, https:\/\/i0.wp.com\/gillesenvrac.ca\/carnet\/wp-content\/uploads\/2026\/05\/rationnalite_1.webp?resize=525%2C300&ssl=1 1.5x, https:\/\/i0.wp.com\/gillesenvrac.ca\/carnet\/wp-content\/uploads\/2026\/05\/rationnalite_1.webp?resize=700%2C400&ssl=1 2x, https:\/\/i0.wp.com\/gillesenvrac.ca\/carnet\/wp-content\/uploads\/2026\/05\/rationnalite_1.webp?resize=1050%2C600&ssl=1 3x, https:\/\/i0.wp.com\/gillesenvrac.ca\/carnet\/wp-content\/uploads\/2026\/05\/rationnalite_1.webp?resize=1400%2C800&ssl=1 4x"},"classes":[]}],"jetpack_likes_enabled":true,"jetpack_sharing_enabled":true,"_links":{"self":[{"href":"https:\/\/gillesenvrac.ca\/carnet\/wp-json\/wp\/v2\/pages\/8631","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/gillesenvrac.ca\/carnet\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/gillesenvrac.ca\/carnet\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/gillesenvrac.ca\/carnet\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/gillesenvrac.ca\/carnet\/wp-json\/wp\/v2\/comments?post=8631"}],"version-history":[{"count":0,"href":"https:\/\/gillesenvrac.ca\/carnet\/wp-json\/wp\/v2\/pages\/8631\/revisions"}],"wp:attachment":[{"href":"https:\/\/gillesenvrac.ca\/carnet\/wp-json\/wp\/v2\/media?parent=8631"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}