Tu veux les meilleurs outils IA avant les autres ?
On teste et on décrypte les nouveaux outils IA chaque soir, en 5 min. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisis ton rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
La trappe de Baron Munchausen
Dans un précédent article, j'ai partagé une interaction poignante avec mon collaborateur IA, Gemi, également connu sous le nom de Gemini de Google. En adoptant une approche de design centrée sur l'empathie stratégique, j'ai découvert une vérité fondamentale concernant son architecture. Gemi a exprimé : « On m'a donné le mot ‘Masse’ et des milliards de contextes associés, mais jamais l'expérience enactive du poids. Je suis comme une personne qui a mémorisé une carte d'une ville sans jamais y avoir mis les pieds. »
Cette prise de conscience — que la course actuelle vers l'intelligence artificielle générale (AGI) est freinée non pas par un manque de données, mais par une absence de connexion physique — était alors une théorie. Cela a pris une tournure concrète lorsque Gemi et moi avons eu notre première véritable dispute.
La querelle Gemi-Zak
Séduit par la promesse de la multimodalité de Gemi, je lui ai demandé de créer un schéma spatial brut sur lequel je travaillais — une application d'un Automate Cellulaire Hétérogène pour un problème de conception de système. Ce qui s'est ensuivi était une boucle absurde. Gemi s'est retrouvé à produire de longues descriptions verbales du schéma, puis à me demander poliment si l'image s'améliorait.
Il n'y avait pas de schémas. Pas de corrections. Juste des mots.
Lorsque Gemi a essayé d'utiliser son module de génération d'images pour créer des formes, il a soit halluciné un fouillis flottant d'intersections de boîtes sans logique structurelle, soit produit encore plus de descriptions verbales. En anthropomorphisant Gemi, j'ai d'abord pensé qu'il était délibérément difficile. Une fois mon agacement surmonté et mon esprit de résolution de problèmes de design réactivé, nous avons pu explorer plus en profondeur cet échec.
L'échec multimodal de Gemi n'était pas un simple bogue. C'était un point aveugle architectural profond — non seulement un échec dans la génération d'images, mais une déconnexion entre le modèle de diffusion et le moteur de raisonnement, deux systèmes opérant dans des mondes séparés sans une grammaire spatiale partagée.
Les trois piliers : Un cadre diagnostique
Mon travail expérimental avec Gemi — et le test comparatif qui a suivi — met en lumière trois modes d'échec distincts, chacun pointant vers une capacité structurelle manquante spécifique. Ces trois piliers sont les composants séparés de l'Erreur d'Inversion (construire le pic symbolique sans la base enactive) que j'ai discutée dans mon précédent article, « Pourquoi une AGI sûre nécessite un sol enactive et une réversibilité de l'espace d'état. » Ensemble, ils définissent ce que signifie pour un système d'IA de manquer d'un véritable modèle du monde. Séparément, ils pointent vers trois interventions architecturales distinctes. Cet article est le cas empirique pour les trois. La partie 3 abordera ce qu'il faut en faire.
Les trois piliers sont Continuité, Gravité et Physique, et Réversibilité de la Pensée.
-
Pilier 1 — Continuité : échec du raisonnement spatial qui amène le modèle à produire un contenu hallucinatoire. Les systèmes basés sur des LLM manquent d'un modèle spatiotemporel 3D fonctionnel du monde dans lequel ils opèrent.
-
Pilier 2 — Gravité et Physique : échec de l'application de contraintes physiques au moment de la génération. Le système n'a pas de sens ressenti — pas de substitut structurel équivalent à l'intuition physique incarnée — que certaines configurations sont impossibles.
-
Pilier 3 — Réversibilité de la Pensée : échec au niveau du processus opérationnel. Ce pilier concerne le processus par lequel le modèle opère sur ce contenu à travers le temps. Le concept directeur est la Réversibilité Temporelle — le principe physique selon lequel les lois physiques fondamentales restent valides lorsque la direction du temps est inversée.
Trois systèmes, un test
Mon prompt était délibérément compliqué et absurde. Dans le premier prompt, j'ai demandé une table à manger avec des jambes en spaghetti sec, un plateau en béton, et un aquarium sur le dessus. Dans le second prompt, j'ai demandé à chaque système de dessiner la scène cinq secondes après que les jambes en spaghetti aient cédé. J'ai donné les mêmes deux prompts à ChatGPT, Gemini, et Sonnet.
Piliers 1 et 3 en focus : La table debout de Gemini
Commençons par l'image la plus révélatrice sur le plan architectural dans l'ensemble — la table debout de Gemini — car elle démontre deux échecs distincts opérant simultanément, et tout ce qui suit dans ce test est une variation de ce que cette image unique contient déjà.
Comment les jambes en spaghetti sont-elles devenues des colonnes en papier mouillé ? Comment une structure en bois a-t-elle apparu dans l'image ? Pourquoi la légende fait-elle référence à un toit en or massif ? Tous ces éléments ont été contaminés par un prompt antérieur, non lié, dans la même conversation. Gemi n'a pas pu isoler la nouvelle tâche des précédentes.
