QUÊTE · INTELLIGENCE · DÉFINITIONS

Qu’appelle-t-on intelligence ?

Enquête scientifique · 6 min environ

Un score décrit une réussite. Comprendre une intelligence demande de regarder comment elle apprend.

Dans cette lecture

SCIENCE · RÉPONSE COURTE

Ce qu’il faut retenir.

Il n’existe pas une définition unique de l’intelligence qui mette tout le monde d’accord. Pour La Quête, une question concrète sert de point de départ : un système peut-il apprendre d’une situation nouvelle et corriger ses erreurs ?

Repères : [21] Universal Intelligence: A Definition of Machine Intelligence · [22] On the Measure of Intelligence

État de la question

TYPE : OBSERVATION / MESUREDes performances spécialisées : mesurables.Soutien : FORTEMENT ÉTAYÉ

QUESTION OU ÉTAT OUVERTUne définition universelle de l’intelligence : non consensuelle.

Type et soutien concernent chaque proposition, pas tout le dossier. Une inférence peut être très robuste. Lire les deux dimensions.

Des traces aux conclusions

Comment le savons-nous ?

Comparer les appuis et leurs limites

Une réussite dans un domaine

OBSERVATION / MESURE
AlphaFold a été évalué sur la prédiction de structures de protéines dans CASP14.
INFÉRENCE
Ce résultat établit une capacité spécialisée importante dans les conditions de l’évaluation.
COMMENTAIRE MÉTHODOLOGIQUE
Il ne démontre ni une intelligence générale dans tous les contextes, ni une conscience.

Source de ce raisonnement : [27] Highly accurate protein structure prediction with AlphaFold

Le changement de situation

COMMENTAIRE MÉTHODOLOGIQUE
Un test de généralisation modifie les problèmes au lieu de mesurer seulement la répétition d’une tâche familière.
COMMENTAIRE MÉTHODOLOGIQUE
Il cherche à distinguer l’acquisition d’une compétence de la seule performance acquise.
COMMENTAIRE MÉTHODOLOGIQUE
Aucun test isolé n’épuise toutes les définitions possibles de l’intelligence.

Source de ce raisonnement : [22] On the Measure of Intelligence

Suivre un exemple, de la mesure à la conclusion

SCIENCE · SUIVRE UN EXEMPLE

Réussir une tâche ne définit pas toute l’intelligence

  1. Épreuve

    AlphaFold prédit des structures de protéines dans l’évaluation CASP14.

  2. Comparaison

    Les prédictions sont comparées aux structures de référence de l’évaluation.

  3. Résultat

    La qualité obtenue établit une capacité importante sur cette tâche.

  4. Interprétation

    On décrit ici une performance spécialisée dans des conditions définies.

  5. Limite

    Cette réussite ne démontre ni conscience ni réussite sur toutes les situations nouvelles.

Publications utilisées pour cet exemple : [27]

Schéma pédagogique : Réussir ailleurs est autre chose. Entraînement ; Nouveau cas ; Évaluer le transfert.
02 · Schéma pédagogique

Réussir ailleurs est autre chose

Réussir sur les exemples connus et s’adapter à une situation nouvelle sont deux performances différentes. [21] [22]

La limite de cette image

Un score ne résume pas à lui seul toutes les capacités.

Ouvrir le schéma ↗

Ce qui ferait évoluer ce dossier

Une réussite sur des problèmes réellement nouveaux, avec données d’apprentissage et aides contrôlées, renforcerait l’estimation de généralisation. Une chute après un changement superficiel du problème montrerait la fragilité de la performance.

LA QUÊTE · critère de lecture proposé, pas résultat annoncé.

INCONNU / La frontière du dossier

Ce que nous ignorons.

Nous ne disposons pas d’une mesure unique qui compare sans ambiguïté toutes les intelligences, leurs formes d’apprentissage et leurs contextes.

Prendre le temps

Aller plus loin.

Ouvrez ce dont vous avez besoin : les images, les ateliers et les raisonnements détaillés du dossier sont conservés ici.

Lire les images et leurs limites

Des calculs bien matériels

Athena : le calcul a besoin de machines: Le supercalculateur Athena de la NASA, présenté en janvier 2026. Derrière les calculs, il y a des composants, de l’énergie et un entretien.Agrandir ↗

Photographie d’équipement

Athena : le calcul a besoin de machines

Le supercalculateur Athena de la NASA, présenté en janvier 2026. Derrière les calculs, il y a des composants, de l’énergie et un entretien.

Comment lire cette image

La puissance de calcul ne démontre ni une intelligence générale ni une expérience consciente.

NASA/Brandon Torres-Navarrete · 2026 · Réutilisation informative selon les règles NASA · Source originale ↗

Manipuler, comparer et préciser les mots
Petit jeu · exemple inventé

La même réussite peut cacher deux règles.

AcceptésRefusésNouveau : un carré rouge ?

Sur les exemples, « accepter ce qui est rouge » et « accepter ce qui est rond » donnent les mêmes réponses. Et pour le carré rouge ?

Règle couleur : accepté. Règle forme : refusé. Les premiers exemples ne suffisent pas à départager ces deux règles.

Comment les départager ?

Il faut des exemples supplémentaires ou préciser la consigne. Réussir l’entraînement ne suffit pas à savoir comment un système répondra à un cas nouveau.

Ce jeu illustre un problème de généralisation. Il ne mesure pas ton intelligence, ni celle d’une IA. [22]

Trois capacités à distinguer

Des dessins pour comprendre les mécanismes. Leurs limites sont indiquées sous chaque image.

Schéma pédagogique : Apprendre des exemples. Exemples A ; Exemples B ; Quelle règle a été apprise ?.
01 · Schéma pédagogique

Apprendre des exemples

Un système peut apprendre à reconnaître des objets à partir d’exemples. Mais il peut retenir un indice différent de celui qu’on imagine. [22]

La limite de cette image

Les formes dessinées sont un jeu inventé, pas un test d’intelligence.

Ouvrir le schéma ↗
Schéma pédagogique : Agir dans un cadre défini. Image du terrain ; Critères ; Choisir une cible.
03 · Schéma pédagogique

Agir dans un cadre défini

Le logiciel AEGIS peut sélectionner des cibles scientifiques selon des critères. C’est une autonomie réelle mais spécialisée. [25]

La limite de cette image

Cela ne démontre ni une volonté générale ni une conscience.

Ouvrir le schéma ↗

Schémas originaux La Quête · dessins explicatifs, sans échelle. Crédits et sources.

Développer le raisonnement
Que mesure une réussite ?

Réussir aujourd’hui, apprendre demain

Un programme peut exceller à un jeu dont toutes les règles sont connues, puis échouer si elles changent légèrement. Cela n’annule pas sa performance ; cela montre ce qu’elle ne mesure pas encore.

Deux façons de définir l’intelligence

Legg et Hutter proposent une définition autour de la réussite dans plusieurs environnements. Chollet insiste sur l’acquisition de nouvelles compétences, en tenant compte des connaissances et de l’expérience déjà disponibles. Ce sont des cadres de recherche, pas un verdict universel. [21] [22]

AlphaFold : un exemple concret

AlphaFold a réalisé une avancée majeure dans la prédiction de structures de protéines, évaluée notamment lors de CASP14. La tâche consiste à prédire une structure à partir d’informations sur la séquence et son contexte. [27]

Les limites d’une réussite spécialisée

Une structure prédite possède des incertitudes et ne remplace pas toutes les expériences biologiques. Cette réussite spécialisée n’établit ni une intelligence générale, ni une conscience. Elle montre en revanche qu’un outil d’IA peut produire une aide scientifique de grande valeur.

Comment juger une aide à la recherche ?

Il faut examiner les tâches réussies, les conditions du test, les ressources utilisées et les erreurs. Un système utile devrait aussi signaler ses incertitudes et permettre de contrôler ses résultats.

Une réponse convaincante peut se tromper

Une réponse convaincante dans sa forme peut être fausse. Les objectifs mal définis et les changements de contexte sont des problèmes étudiés en sécurité de l’IA. [29] Pour le potentiel scientifique, la suite concrète se trouve dans le dossier sur l’IA et les découvertes.

Réussir n’est pas tout mesurer

Observer une capacité

Une tâche réussie doit être décrite avec ses conditions, ses ressources et ses limites.

Tester ce qui change

Apprendre une nouvelle règle, généraliser et ressentir quelque chose sont des questions distinctes.

Consulter les sous-questions détaillées
Capacités, apprentissage et définitions

Cette carte conserve les repères historiques du projet. « Résultat présenté » et « Cadre ou proposition » organisent les sujets : ces rubriques ne sont pas des degrés de certitude. Le texte précise les hypothèses et les limites. Le type d’énoncé et son soutien sont deux dimensions distinctes. Une question ouverte ne prouve pas une impossibilité. Méthode.

  • Résultat présenté ci-dessous
  • Cadre ou proposition — voir les limites
  • Nous ne savons pas
  • Nous ne savons même pas si la question est accessible

1 · Exemples réels

  1. 1.1

    AlphaFold

    Résultat présenté ci-dessous

    Prédiction de structures de protéines, évaluée dans CASP14. [27]

  2. 1.2

    The AI Scientist

    Résultat présenté ci-dessous

    Démonstration d’automatisation partielle de recherche (2024). [28]

  3. 1.3

    AEGIS (NASA)

    Résultat présenté ci-dessous

    Sélection autonome de cibles sur les rovers martiens. [25]

2 · Capacités à distinguer

  1. 2.1

    Apprentissage

    Définition de travail

    Modification à partir d’une expérience. [22]

  2. 2.2

    Généralisation

    Définition de travail

    Réutilisation pertinente dans une situation nouvelle. [22]

  3. 2.3

    Compréhension

    Définition de travail

    Sens de travail adopté ici : relier, expliquer, prévoir et réviser. Ce choix ne définit pas à lui seul une expérience subjective.

  4. 2.4

    Autonomie

    Définition de travail

    Sens de travail adopté ici : agir sans instruction humaine à chaque étape, dans un cadre à préciser.

  5. 2.5

    Métacognition

    Définition de travail

    Sens de travail adopté ici : suivre ses propres erreurs et incertitudes ; cela ne démontre pas une conscience de soi.

3 · Cadres théoriques

  1. 3.1

    Legg & Hutter

    Définition théorique proposée

    Réussite dans une diversité d’environnements. [21]

  2. 3.2

    Chollet

    Définition théorique proposée

    Efficacité d’acquisition de nouvelles compétences. [22]

  3. 3.3

    Test ARC

    Outil d’évaluation

    Évaluation de généralisation sur problèmes inédits. [22]

4 · Limites d’évaluation

  1. 4.1

    Séparer entraînement et épreuve

    Repère de méthode

    Distinguer compétences acquises et capacité à en acquérir.

  2. 4.2

    Décrire les conditions

    Repère de méthode

    Temps, outils, données, énergie, aide humaine.

  3. 4.3

    Ne pas confondre objectif et intelligence

    Repère de méthode

    Un objectif mal défini peut produire un résultat indésirable.

5 · Questions ouvertes

  1. 5.1

    Comment tester une adaptation à des situations vraiment nouvelles ?

    Nous ne savons pas

    Épreuves avec données inédites.

  2. 5.2

    Comment reconnaître une erreur qu’aucun humain ne sait expliquer ?

    Nous ne savons pas

    Question ouverte.

  3. 5.3

    Une théorie utile doit-elle être compréhensible par une personne ?

    Nous ne savons pas

    Débat épistémologique.

Les sources de ce dossier

Les numéros dans le texte renvoient à ces références. Une source peut étayer un résultat ou présenter une hypothèse : son rôle est indiqué ici.

  1. Universal Intelligence: A Definition of Machine Intelligence

    Shane Legg, Marcus Hutter · 2007 · primaire.

    Proposition formelle de définition de l’intelligence. Cadre non universellement accepté.

  2. On the Measure of Intelligence

    François Chollet · 2019 · primaire.

    Proposition méthodologique sur la généralisation, introduction du test ARC.

  3. AEGIS — Autonomous Exploration for Gathering Increased Science

    NASA Jet Propulsion Laboratory · 2026 · institutionnel.

    Description officielle de la sélection autonome de cibles sur les rovers.

  4. Highly accurate protein structure prediction with AlphaFold

    John Jumper et collaborateurs · 2021 · primaire.

    Prédiction structurale évaluée dans CASP14. Portée spécialisée.

  5. The AI Scientist: Towards Fully Automated Open-Ended Scientific Discovery

    Chris Lu et collaborateurs · 2024 · primaire.

    Prépublication et démonstration dans des sous-domaines de l’apprentissage automatique.

  6. Concrete Problems in AI Safety

    Dario Amodei et collaborateurs · 2016 · primaire.

    Objectifs mal spécifiés, effets secondaires, supervision, changement de contexte.

Consulter le registre complet
Position personnelle de Thibaut : pourquoi chercher

Je veux chercher des réponses aux questions existentielles, sans me satisfaire d’une certitude que je ne peux pas défendre.

Cette intention générale a été validée par Thibaut. Elle ne signifie pas qu’il adopte chaque hypothèse de cette lecture. Lire la démarche →

Partager cette lecture