Une étude menée par le McGovern Institute for Brain Research du MIT et publiée dans la revue PNAS remet en question l’idée traditionnelle selon laquelle le langage serait indissociable de la pensée logique. Dirigée par la professeure Evelina Fedorenko et rédigée par la chercheuse Hope Kean, la recherche démontre que le cerveau humain utilise des circuits neuronaux distincts pour traiter le langage et effectuer des raisonnements déductifs ou inductifs. Pour vérifier cette hypothèse, les chercheurs ont soumis des tâches de logique pure à deux patients souffrant d’aphasie sévère. Privés de capacités verbales et écrites, ces derniers ont réussi les épreuves de détection de règles mathématiques et de complétion de matrices avec une performance équivalente à celle d’un groupe témoin sain. Des analyses par imagerie par résonance magnétique fonctionnelle sur des sujets sains ont confirmé ces résultats : les réseaux cérébraux dédiés au langage restent inactifs lors de la résolution de problèmes logiques. À l’inverse, certaines zones associées à la cognition complexe s’activent préférentiellement pour l’inférence inductive, mais pas pour le raisonnement déductif classique. Une recherche connexe publiée récemment a également cartographié le réseau linguistique humain, le limitant à moins de quatre pourcents de la matière grise, ce qui renforce l’idée que le langage constitue un module spécialisé plutôt qu’un socle cognitif universel. Ces découvertes résonnent fortement dans le domaine de l’intelligence artificielle. Le lauréat du prix Turing Yann LeCun a d’ailleurs salué la publication, y voyant une confirmation de ses positions récurrentes. Selon lui, les grands modèles de langage actuels, entraînés exclusivement sur du texte, maîtrisent davantage les corrélations syntaxiques qu’une compréhension réelle du monde. Si les systèmes actuels parviennent déjà à simuler des capacités de raisonnement à travers le texte, cette étude suggère que la voie naturelle sépare explicitement le traitement des mots de celui de la logique. Pour les chercheurs en IA, cela ne remet pas en cause l’utilité des modèles génératifs, mais propose un nouveau cadre de réflexion. Tout comme un avion vole sans imiter le battement d’ailes d’un oiseau, une machine peut développer des compétences logiques sans passer nécessairement par le langage naturel. Néanmoins, pour envisager des agents capables d’interagir efficacement dans des environnements réels, la communauté scientifique envisage de plus en plus de coupler la prédiction textuelle à des modules indépendants de modélisation du monde, de planification et de raisonnement symbolique. Cette recherche inaugure ainsi un champ exploratoire, qualifié de géographie de la pensée, qui incite à architecturer des systèmes où la parole et la réflexion opèrent en parallèle plutôt que de l’une dépendre entièrement de l’autre.