IA : les hallucinations liées à la créativité initiale

Des travaux historiques sur l'intelligence artificielle montrent que la volonté d’imiter la créativité humaine a conduit certains pionniers à introduire volontairement du hasard dans des algorithmes pourtant conçus pour résoudre des problèmes de manière logique. Dans un article publié dans la revue Past and Present, Lindquist retrace cette origine et rattache les hallucinations actuelles de l’IA à ces premières recherches. Loin d’être un simple défaut, la propension des systèmes à produire des réponses inattendues aurait été, à l’origine, une stratégie assumée pour tenter de reproduire certaines formes de pensée créative. Dès les années 1950, plusieurs figures de la science et de l’art ont estimé que le hasard jouait un rôle important dans la découverte et la capacité à faire naître des idées. John Pierce, ingénieur en électricité très influent chez Bell Labs, a par exemple défendu l’idée que les mathématiques pouvaient servir l’art non pas en imposant un ordre rigide, mais en perturbant cet ordre. L’enjeu était d’introduire une part d’imprévu pour échapper aux formules convenues et susciter une inspiration nouvelle. Cette conception a influencé certains informaticiens de la première heure, qui cherchaient à doter les machines d’une capacité de dépassement plutôt que de simples calculs fiables. Cette approche a trouvé un terrain d’expression dans les premiers réseaux de neurones artificiels. Beaucoup d’entre eux ont été développés par des psychologistes persuadés que ces systèmes permettraient de modéliser le cerveau et d’observer la manière dont la pensée humaine fonctionne réellement, y compris dans ses erreurs fécondes. Pour ces chercheurs, l’intérêt de ces réseaux n’était pas seulement de donner la bonne réponse, mais de révéler une activité cognitive irrégulière, parfois étrange, censée rappeler le fonctionnement complexe de l’esprit humain. À l’inverse, une autre école considérait que la créativité n’était qu’une forme améliorée de pensée rationnelle. Le débat portait donc sur la nature même de l’inventivité humaine et sur les moyens de la reproduire dans une machine. Aujourd’hui, les systèmes d’intelligence artificielle sont surtout valorisés parce qu’ils fournissent des réponses correctes et prévisibles. Les modèles modernes sont utilisés dans des contextes professionnels, juridiques ou commerciaux où les erreurs peuvent avoir des conséquences coûteuses. Cette évolution a conduit les grandes laboratoires à limiter fortement les réponses surprenantes ou imaginatives. L’étrangeté n’a pas totalement disparu de l’architecture des modèles, mais elle est largement contrôlée. Parallèlement, l’histoire de l’IA a connu une longue domination du symbolisme, une approche fondée sur des règles et des connaissances formelles. Les réseaux de neurones, apparus dans les années 1950, ont ensuite perdu en influence, notamment après la mort prématurée de Frank Rosenblatt, figure importante de ce courant, en 1971. Ils n’ont pourtant jamais disparu. Dans les années 1980, ils se sont développés dans le champ des sciences cognitives, puis ont fini par s’imposer à partir des années 2010, grâce à l’arrivée massive de données et à la puissance de calcul rendue disponible par l’internet moderne. La leçon majeure de cette histoire est qu’il existe un arbitrage profond entre créativité et fiabilité. Réduire les hallucinations revient en partie à supprimer une faculté à produire des associations inattendues, qui peut être à l’origine d’erreurs mais aussi d’idées novatrices. En cherchant à rendre les machines plus prévisibles, on pourrait donc involontairement affaiblir certaines capacités qui, historiquement, étaient vues comme essentielles à l’imitation de la pensée humaine.