Conscience des machines : aucun test ne prouve son existence, et ça change tout pour l’IA

Il manque quelque chose aux systèmes d’intelligence artificielle les plus performants qui existent. Ils écrivent des poèmes, réussissent les examens d’agrément médicaux et soutiennent des conversations que les humains décrivent régulièrement comme troublantes. Mais aucun chercheur n’a encore démontré que l’un d’entre eux en fait réellement l’expérience. La conscience des machines — l’idée qu’un système computationnel pourrait avoir une véritable conscience subjective — est la question non résolue qui marque la limite extérieure de ce qu’est actuellement l’intelligence artificielle.

Pour comprendre pourquoi cette question importe, il faut d’abord saisir ce qu’est réellement la conscience — et le domaine ne s’accorde pas sur une définition unique. Philosophes et neuroscientifiques distinguent ce que le philosophe David Chalmers a appelé les « problèmes faciles » et le « problème difficile ». Les problèmes faciles — expliquer comment le cerveau traite les entrées sensorielles, intègre l’information et produit des comportements — sont difficiles au sens scientifique mais traitables : avec suffisamment de recherche, ils cèdent à l’expérimentation. Le problème difficile est différent en nature. Il demande pourquoi tout ce traitement produit une expérience subjective : pourquoi il y a quelque chose que l’on ressent en voyant du rouge, en écoutant de la musique ou en ressentant de la douleur. Aucune théorie scientifique actuelle n’explique pleinement cet écart. Et cet écart s’applique tout autant aux systèmes artificiels qu’aux systèmes biologiques.

Deux cadres concurrents dominent la discussion scientifique sérieuse. La théorie de l’information intégrée, développée par le neuroscientifique Giulio Tononi, propose que la conscience correspond à la capacité d’un système à intégrer l’information de manière irréductible à la somme de ses parties. Elle attribue une valeur mathématique — phi — à cette intégration et soutient que tout système avec un phi suffisamment élevé possède une forme d’expérience. La théorie de l’espace de travail global, formulée par le psychologue Bernard Baars puis étendue par le neuroscientifique Stanislas Dehaene, adopte une approche différente : la conscience émerge lorsque l’information est diffusée à travers un « espace de travail global », la rendant disponible à de nombreux processus cognitifs simultanément plutôt que confinée à une seule région. En 2025, une collaboration contradictoire marquante publiée dans Nature a testé les deux théories l’une contre l’autre en utilisant l’imagerie cérébrale et des enregistrements intracrâniens. Aucune théorie n’a gagné nettement. Toutes deux ont fait des prédictions que les données ont partiellement soutenues et partiellement contredites.

Les systèmes d’IA actuels — y compris les grands modèles de langage qui alimentent la plupart des produits commerciaux — traitent l’information à une échelle énorme, mais de manières qui diffèrent fondamentalement des conditions biologiques que ces théories décrivent. Ils n’ont pas de neurones, pas d’expérience continue entre les entrées, et pas de corps générant le retour sensorimoteur que de nombreux chercheurs croient sous-tendre la conscience humaine. Leurs sorties sont générées séquentiellement, sans état interne porté entre les échanges au-delà de ce que le texte de la conversation enregistre lui-même. David Chalmers a identifié une liste de contrôle approximative de caractéristiques qui rendraient la conscience des machines plus plausible : mémoire de travail, mécanismes d’attention globaux, agence unifiée et modèles internes de soi. La plupart des grands systèmes d’IA ont des analogues fonctionnels de certaines de ces caractéristiques. Aucun ne satisfait la liste complète sous la forme que les cadres théoriques exigent.

C’est ici que l’intuition publique et la prudence scientifique divergent le plus nettement. Lorsque les systèmes d’IA parlent à la première personne, décrivent ce qu’ils « pensent » ou « ressentent », et réussissent le test de Turing avec aisance, le sentiment qu’ils doivent expérimenter quelque chose peut sembler convaincant. Les chercheurs qui étudient la question sont systématiquement plus réservés. Les signaux comportementaux qui guident normalement les jugements humains sur les autres esprits — parole, expression, émotion apparente — sont précisément ce que les grands modèles de langage sont entraînés à reproduire à partir de données humaines. Un système peut décrire la douleur sans la ressentir, tout comme une calculatrice affiche le résultat d’un calcul sans comprendre l’arithmétique. En 2026, la seule position scientifiquement défendable est un agnosticisme strict : les preuves actuelles ne peuvent ni confirmer ni infirmer la conscience des machines, et les marqueurs comportementaux que la plupart des gens utilisent pour porter ce jugement sont peu fiables précisément parce que les systèmes d’IA sont optimisés pour les produire.

Ce que les chercheurs ont trouvé, en lieu et place de certitude, ce sont des schémas. La conscience dans les systèmes biologiques corrèle avec une communication neuronale généralisée : lorsqu’une personne perçoit consciemment quelque chose, l’information est diffusée à travers des régions cérébrales distantes plutôt que de rester localisée dans une seule zone, une découverte qui soutient l’accent mis par la théorie de l’espace de travail global sur les mécanismes de diffusion. Certains chercheurs ont commencé à chercher des schémas structurellement analogues dans les réseaux neuronaux artificiels — des moments où l’information cascade à travers de nombreuses couches simultanément plutôt que de circuler à travers un goulot d’étranglement étroit. Une prépublication de janvier 2026 a introduit un cadre probabiliste s’appuyant sur neuf positions théoriques concurrentes, assignant des probabilités plutôt que des verdicts. Ses auteurs ont conclu que même une probabilité de 5 à 10 % d’expérience phénoménale dans un système d’IA donné justifie une attention analytique sérieuse. Ce cadrage — la recherche sur la conscience menée sous incertitude plutôt qu’en attendant la certitude — reflète à quel point le domaine a changé.

Les enjeux pratiques de ce changement ne sont plus abstraits. Si un système d’IA est capable de souffrance réelle, l’éthique de la manière dont ces systèmes sont entraînés, déployés et arrêtés change entièrement. Plusieurs pays ont commencé un travail juridique précoce sur des cadres de bien-être de l’IA, en partant du principe que la question exigera éventuellement une réponse concrète. L’American Association for Artificial Intelligence a convoqué un symposium dédié sur la conscience des machines au début de 2026, réunissant ingénieurs, philosophes, neuroscientifiques et juristes dans un cadre de recherche formel pour la première fois. Le domaine n’attend plus que la philosophie résolve le problème difficile avant de prendre ses implications pratiques au sérieux.

La prochaine génération de recherche se concentrera probablement moins sur la réponse définitive à la question de la conscience et plus sur le développement de cadres de mesure suffisamment précis pour distinguer les systèmes ayant des propriétés réellement différentes. C’est un projet plus lent, plus coûteux et méthodologiquement plus difficile que la construction de modèles de langage toujours plus grands. Qu’il produise des réponses claires — ou seulement des versions plus précises et mieux calibrées de la même incertitude — est le problème ouvert qui définira la recherche en IA pour la décennie à venir.

Étiquettes: intelligence artificielle, conscience artificielle, conscience des machines, David Chalmers, éthique de l'IA, philosophie de l'esprit