Intelligence artificielle et cognition : entre performance fonctionnelle et limites structurelles

Les avancées récentes du deep learning ont conduit à l’émergence de systèmes d’intelligence artificielle capables de générer des contenus complexes et d’interagir de manière flexible avec les humains, en particulier les modèles de langage de grande taille (LLMs). Cette évolution pose un double défi aux sciences cognitives : évaluer la pertinence de ces systèmes comme modèles de la cognition humaine et animale, et analyser leur rôle comme outils expérimentaux et applicatifs transformant les pratiques de recherche. En nous appuyant sur une définition explicative du modèle cognitif, nous soutenons que les systèmes d’IA générative actuels présentent de fortes performances fonctionnelles mais des limites structurelles liées à leur désincarnation, à l’absence d’apprentissage développemental et à la difficulté d’ancrage du sens. Nous proposons une articulation entre mécanismes émergents de représentation et raisonnement symbolique explicite. Enfin, nous discutons les impacts cognitifs et sociétaux de la diffusion massive de ces technologies et plaidons pour une approche de résilience cognitive, notamment par l’éducation, afin de préserver l’autonomie et l’esprit critique face aux systèmes d’IA.