L’IA Pense-t-elle Vraiment ? Une Enquête au Cœur de l’Illusion

Dirais-tu qu’une IA qui marmonne, prend des notes et finit par abandonner « pense » vraiment, ou qu’elle fait semblant ?

Imagine un instant que tu observes quelqu’un résoudre un puzzle complexe. Cette personne marmonne, prend des notes, semble réfléchir intensément… puis soudain s’arrête net et abandonne. Dirais-tu qu’elle « pensait » vraiment ou qu’elle faisait semblant ? C’est exactement le genre de question vertigineuse que nous pose l’intelligence artificielle aujourd’hui.

Les derniers modèles de raisonnement — ces IA sophistiquées comme Claude, Gemini ou celles d’OpenAI — nous époustouflent par leur capacité à déployer des processus de pensée élaborés. Ils décortiquent les problèmes, explorent différentes pistes, semblent même parfois hésiter. Mais tout cela n’est-il qu’un mirage sophistiqué ? Une bataille intellectuelle fascinante vient d’éclater dans le petit monde de la recherche en IA, et elle pourrait bien bouleverser notre compréhension de ce que signifie « penser ».

Quand Apple Joue les Trouble-fête

Tout a commencé quand Parshin Shojaee et son équipe chez Apple ont décidé de jouer les empêcheurs de tourner en rond. Plutôt que de se contenter des tests classiques (souvent truqués parce que les IA avaient déjà vu les réponses pendant leur entraînement), ils ont imaginé des défis plus vicieux : la Tour de Hanoï, le Monde des Blocs, des problèmes de Traversée de Rivière. Des puzzles où l’on peut ajuster la difficulté au millimètre et où l’IA doit vraiment raisonner à partir de règles explicites.

Le résultat ? Un coup de massue. Leurs découvertes, illustrées par des graphiques sans appel, révèlent trois phénomènes troublants :

L’effondrement spectaculaire : Passé un certain seuil (une Tour de Hanoï avec plus de 8 disques, par exemple), même les modèles les plus brillants s’écroulent comme des châteaux de cartes. Performance : zéro pointé.

L’abandon mystérieux : Plus bizarre encore, quand la difficulté augmente, l’effort de l’IA augmente… puis diminue brutalement. Comme si elle levait les bras en murmurant « j’abandonne » avant même d’avoir épuisé ses ressources.

Les trois visages de la performance : En comparant les modèles « penseurs » aux modèles classiques, ils découvrent une réalité à trois temps. Pour les tâches simples, mieux vaut faire simple. Pour les défis moyens, la « pensée » donne un avantage. Pour les casse-têtes impossibles, tout le monde coule.

La conclusion d’Apple tombe comme un couperet : malgré leur sophistication apparente, ces IA ne développent pas de vraies capacités de résolution généralisables. Elles butent sur des murs invisibles mais infranchissables.

La Riposte : Quand l’Accusé Devient Accusateur

Mais voilà que débarquent C. Opus et A. Lawsent avec un contre-feu dévastateur : « The Illusion of the Illusion of Thinking ». Un titre à rallonge pour une critique au scalpel. Selon eux, si les IA s’effondrent, ce n’est pas parce qu’elles ne savent pas penser, mais parce qu’on les teste mal. Ils pointent du doigt trois défauts criants dans l’expérience d’Apple :

Le piège des limites techniques : L’effondrement de performance arrive pile quand la réponse complète dépasse le nombre maximum de mots que l’IA peut écrire d’un coup. C’est comme reprocher à quelqu’un de ne pas finir un roman… en lui donnant une seule page ! Plus révélateur encore : les modèles disent explicitement qu’ils s’arrêtent pour éviter d’être trop longs. Ils ne ratent pas le raisonnement, ils manquent d’espace pour l’écrire.

L’accusation la plus cruelle : Les chercheurs d’Apple ont testé des problèmes… impossibles ! Imagine qu’on te demande de faire traverser 6 paires de personnes avec un bateau de 3 places, puis qu’on te mette un zéro parce que tu n’y arrives pas. C’est mathématiquement prouvé : ça n’a pas de solution !

Le mauvais thermomètre : Apple mesure la complexité par le nombre de mouvements nécessaires. Mais c’est trompeur ! La Tour de Hanoï demande un nombre astronomique de mouvements mais suit une logique simple et répétitive. À l’inverse, certains problèmes courts exigent une planification redoutable.

En corrigeant ces biais — en demandant par exemple à l’IA d’écrire une fonction plutôt que la solution exhaustive — Opus et Lawsent montrent que les modèles réussissent brillamment là où ils étaient censés échouer.

L’Art Délicat de Mesurer l’Intelligence

Cette controverse révèle une vérité profonde sur notre époque : nous savons créer des IA impressionnantes, mais nous peinons encore à comprendre ce qu’elles font vraiment. C’est un peu comme si nous avions inventé le télescope sans maîtriser l’art de regarder les étoiles.

L’étude d’Apple, malgré ses défauts, nous offre des aperçus précieux sur les limites concrètes de nos créations artificielles. La contre-attaque nous rappelle que ces limites ne sont peut-être que le reflet de nos propres œillères.

Au final, comme le formulent si justement Opus et Lawsent, « la question n’est pas de savoir si les IA peuvent raisonner, mais si nos évaluations peuvent distinguer le raisonnement de la simple écriture. » Une phrase qui résonne comme un koan moderne.

Le chemin vers la compréhension de l’intelligence artificielle ne passe pas seulement par la construction de machines plus performantes, mais aussi par l’invention de moyens plus fins et plus justes de les interroger. Car après tout, comment mesurer la pensée d’une autre forme d’intelligence sans d’abord questionner la nôtre ?

J-Pierre ANDRIEUX & Claude

Écrit avec le soutien de l’IA pour aider à organiser les pensées et façonner le langage.

Jp@NeuroStratum

Pour Aller plus Loin

• Shojaee, P., Mirzadeh, I., Alizadeh, K., et al. (2025). The Illusion of Thinking: Understanding the Strengths and Limitations of Reasoning Models via the Lens of Problem Complexity. Apple :
  → https://machinelearning.apple.com/research/illusion-of-thinking
• Opus, C., & Lawsent, A. (2025). The Illusion of the Illusion of Thinking: A Comment on Shojaee et al. (2025). arXiv:2506.09250 :
  → https://arxiv.org/abs/2506.09250
• MarkTechPost — Why Apple’s Critique of AI Reasoning is Premature : analyse de la controverse par un média spécialisé :
  → https://www.marktechpost.com/2025/06/21/why-apples-critique-of-ai-reasoning-is-premature/