Qu'ont en commun les robots et les humains, ou pourquoi John von Neumann pensait-il que les machines devaient être « vivantes » ?
TL; DR: Les robots et les humains ne se ressemblent pas seulement par leur apparence ; ils partagent une logique de conception commune. Tous deux consomment de l’énergie, collectent des données grâce à des capteurs, traitent l’information, se déplacent dans l’espace, communiquent par la voix et les gestes, et apprennent de l’expérience. Ces parallèles plus profonds ont été mis en évidence par le mathématicien John von Neumann en 1951, et les systèmes d’IA modernes, les robots humanoïdes et les avatars d’IA ont transformé ses analogies en technologies opérationnelles. Comprendre ces similitudes est essentiel pour quiconque conçoit, déploie ou utilise l’IA aujourd’hui, car cela explique pourquoi les avatars d’IA bien conçus sont si proches des humains et pourquoi l’avenir de ce domaine réside dans la collaboration entre humains et robots, et non dans leur remplacement.
Le Pitch Avatar L’équipe a recueilli plusieurs citations sur les similitudes et les différences entre les organismes vivants et les machines auprès du créateur de la théorie de « l’automate cellulaire ».
Les robots et les humains ont bien plus de points communs qu'on ne le croit. Tous deux traitent l'information grâce à des signaux électriques, apprennent de leurs expériences et des informations qu'ils reçoivent, communiquent par la parole et les gestes, et ont besoin d'une source d'énergie pour fonctionner. Plus on approfondit la question, plus les parallèles se multiplient et plus ils deviennent instructifs pour quiconque conçoit, met en œuvre ou travaille avec des systèmes d'IA aujourd'hui.
Cet article explore ces parallèles de manière systématique : de la structure physique et du traitement cognitif à la communication, au comportement social et au développement des similarités entre humains et robots. Nous examinerons également la justesse des prédictions d’un mathématicien de 1951 à ce sujet, et pourquoi ces intuitions sont plus pertinentes que jamais pour l’IA moderne.
Plus de points communs qu'on ne le pense : une comparaison structurelle
La réponse la plus directe à la question de ce que les robots et les humains ont en commun réside dans leur structure. Ce sont tous deux des systèmes physiques qui absorbent de l'énergie, traitent l'information, se déplacent dans leur environnement et réagissent aux stimuli externes. Le tableau ci-dessous présente les principaux points communs :
| Humain | Robotisée |
|---|---|
| Aliments et calories (source d'énergie) | alimentation/batterie |
| Os, articulations, muscles (mouvement) | Actionneurs, articulations, liaisons |
| Yeux, oreilles, peau (entrées sensorielles) | Caméras, microphones, capteurs |
| Cerveau et neurones (traitement de l'information) | processeur, réseaux neuronaux |
| Boucles de rétroaction du système nerveux (autorégulation) | Contrôle par rétroaction basé sur des capteurs |
| Parole, geste, expression (communication) | Traitement automatique du langage naturel, expression activée |
C’est pourquoi les chercheurs en robotique commencent souvent par étudier l’anatomie humaine. Comme l’explique Bilge Mutlu, roboticien à l’Institut de recherche Morgridge :
En général, les gens travaillent mieux dans des environnements qui leur sont familiers, et il est plus facile de comprendre les technologies qui ont une apparence ou un comportement reconnaissables.
Reproduire le comportement humain est une tâche complexe, c'est pourquoi les chercheurs la décomposent en composantes (parole, contact visuel, mouvement) et travaillent sur des éléments spécifiques.
Ce parallèle structurel explique également pourquoi les robots humanoïdes constituent aujourd'hui une catégorie de croissance distincte. Robots humanoïdes Les machines bipèdes dotées de bras et de mains conçues pour effectuer un large éventail de tâches physiques similaires au travail humain ont connu un développement majeur depuis 2021, avec un marché en pleine expansion. devrait atteindre 15.26 milliards de dollars d'ici 2030Le PDG de Tesla, Elon Musk, a prédit que d'ici 2040, il pourrait y avoir plus de robots humanoïdes sur la planète plus que les humains, ce qui reflète l'ampleur de l'optimisme actuel du secteur concernant ce format.
La logique est simple : si le monde est fait pour les humains, alors un robot humanoïde est l’interface la plus universelle. La similarité structurelle n’est pas fortuite ; elle est au cœur même de la conception.
Ce qu'un mathématicien de 1951 avait prédit avec justesse à propos de l'IA
Avant l'avènement des réseaux neuronaux artificiels, des grands modèles de langage ou des robots humanoïdes, John von Neumann (1903–1957) cartographiait déjà avec une précision remarquable les parallèles structurels entre les organismes biologiques et les machines.
Von Neumann était un mathématicien, physicien, ingénieur et théoricien de l'informatique hungaro-américain. Parmi ses nombreuses contributions, il était convaincu que divers défis en ingénierie et en informatique pouvaient être résolus en trouvant et en étudiant des solutions analogues dans la nature. Il a développé le concept d'« automates cellulaires » – également connus sous le nom d'« automates de von Neumann » – des dispositifs capables de s'auto-répliquer et, dans une variante, de former des systèmes complexes à partir de multiples automates simples. Les citations ci-dessous sont extraites de ses travaux. « La théorie générale et logique des automates », Publié en 1951.
Les organismes naturels sont, en règle générale, beaucoup plus complexes et subtils, et donc beaucoup moins bien compris en détail, que les automates artificiels. Néanmoins, certaines régularités observées dans l'organisation des premiers peuvent être très instructives pour notre réflexion et notre planification concernant les seconds ; et inversement, une bonne partie de nos expériences et difficultés avec nos automates artificiels peuvent se répercuter dans une certaine mesure sur nos interprétations des organismes naturels.
En ces termes, von Neumann exprime l'idée que l'étude des organismes naturels peut être extrêmement instructive pour les concepteurs de machines et de logiciels – non pas comme une dépendance directe ou une loi d'ingénierie établie, mais comme une analogie féconde. La nature a eu des milliards d'années pour résoudre des problèmes sur lesquels les ingénieurs travaillent encore.
Comment les robots et les humains traitent l'information
Les humains et les robots fonctionnent selon le même principe fondamental : ils reçoivent des informations, les traitent et produisent une réponse. Leurs mécanismes diffèrent, mais leur architecture est similaire.
Von Neumann a identifié ce parallèle au niveau des neurones individuels :
Le neurone transmet une impulsion. Cela semble être sa fonction première, même si le dernier mot sur cette fonction et son caractère exclusif ou non exclusif est loin d'être dit. L'influx nerveux semble être essentiellement une affaire de tout ou rien, comparable à un chiffre binaire.
En termes simples : les neurones s’activent ou ne s’activent pas. Ce principe binaire marche/arrêt sous-tend l’informatique numérique moderne et, plus important encore, les réseaux neuronaux artificiels qui alimentent les systèmes d’IA modernes, notamment les modèles de langage qui les sous-tendent. Avatars IA dans les outils de vente et de formation.
Von Neumann est allé plus loin, comparant les neurones à des tubes à vide, qu'il a qualifiés de « boîtes noires » fonctionnelles :
La stimulation d'un neurone, le développement et la propagation de son influx nerveux, ainsi que les effets stimulants de cet influx au niveau d'une synapse, peuvent tous être décrits électriquement. Les processus chimiques et autres qui se produisent simultanément sont importants pour comprendre le fonctionnement interne d'une cellule nerveuse. Ils peuvent même être plus importants que les phénomènes électriques. Ils semblent toutefois superflus pour décrire un neurone comme une « boîte noire », un organe de type « tout ou rien ». Là encore, la situation n'est pas plus problématique que pour un tube à vide, par exemple. Là aussi, les phénomènes purement électriques s'accompagnent de nombreux autres phénomènes relevant de la physique du solide, de la thermodynamique et de la mécanique. Tous ces phénomènes sont importants pour comprendre la structure d'un tube à vide, mais il est préférable de les exclure de la discussion si l'on considère le tube à vide comme une « boîte noire » dotée d'une description schématique.
Les idées de von Neumann sur les fonctions des neurones sont devenues un élément fondamental du développement des réseaux de neurones artificiels modernes. Tout aussi importante est sa mise en évidence directe des similitudes frappantes entre le système nerveux biologique et les réseaux de neurones artificiels.
Il a également soigneusement noté les limites de cette analogie :
Les organismes vivants sont très complexes, composés de mécanismes à la fois numériques et analogiques. Les ordinateurs, du moins sous leurs formes récentes auxquelles je fais référence ici, sont purement numériques.
Contrairement aux auteurs de science-fiction, qui spéculent souvent sur la « suppression » des frontières entre intelligence naturelle et artificielle, von Neumann est resté ancré dans la réalité. Il a constamment souligné que, si les organismes biologiques et les machines partagent des similitudes, leurs principes sous-jacents diffèrent fondamentalement. Cette différence persiste encore aujourd'hui (une étude publiée dans Frontiers in Computational Neuroscience (cela confirme que les réseaux de neurones artificiels diffèrent encore fondamentalement des cerveaux biologiques malgré l'atteinte de performances de niveau humain), mais l'écart se réduit plus vite qu'il ne l'aurait imaginé.
En quoi les robots et les humains diffèrent-ils ? Et pourquoi cela compte ?
Von Neumann était tout aussi précis dans la définition des différences, notamment en ce qui concerne l'auto-guérison et la résilience :
Si un organisme vivant subit une lésion mécanique, il possède une forte tendance à se réparer. En revanche, si l'on frappe un mécanisme artificiel avec une masse, aucune tendance à la réparation n'est observée. Si deux pièces métalliques sont proches l'une de l'autre, les petites vibrations et autres perturbations mécaniques, toujours présentes dans le milieu ambiant, constituent un risque car elles peuvent les mettre en contact. Si elles étaient à des potentiels électriques différents, un court-circuit pourrait se produire et les souder électriquement, rendant le contact permanent. À ce stade, une panne véritable et irréversible se serait produite. Lorsqu'on endommage la membrane d'une cellule nerveuse, rien de tel ne se produit. Au contraire, la membrane se reconstitue généralement après un court délai. C'est cette instabilité mécanique de nos matériaux qui nous empêche de réduire davantage leurs dimensions. Cette instabilité, ainsi que d'autres phénomènes de nature comparable, rendent le comportement de nos composants moins fiable, même aux dimensions actuelles. C’est donc l’infériorité de nos matériaux, comparés à ceux utilisés dans la nature, qui nous empêche d’atteindre le haut degré de complexité et les dimensions réduites atteintes par les organismes naturels.
Il a étendu cette réflexion au défi plus général de la fiabilité des équipements :
Les organismes naturels sont suffisamment bien conçus pour fonctionner même en cas de dysfonctionnement. Ils peuvent continuer à fonctionner malgré ces dysfonctionnements, et leur tendance ultérieure est de les corriger. Un automate artificiel pourrait certes être conçu pour fonctionner normalement malgré un nombre limité de dysfonctionnements dans certains domaines spécifiques. Cependant, tout dysfonctionnement représente un risque considérable qu'un processus de dégénérescence générale se soit déjà amorcé au sein de la machine. Il est donc nécessaire d'intervenir immédiatement, car une machine qui commence à dysfonctionner a rarement tendance à se réparer d'elle-même et risque fort d'empirer. Tout cela nous ramène à une seule conclusion : avec nos automates artificiels, nous avançons beaucoup plus à l'aveuglette que la nature avec ses organismes. Nous sommes, et apparemment, du moins pour le moment, obligés d'être, beaucoup plus « effrayés » par la survenue d'une erreur isolée et par le dysfonctionnement qui en est nécessairement la cause. Notre comportement relève clairement de la surprudence, engendrée par l'ignorance.
C’est pourquoi les systèmes d’IA modernes sont conçus avec une redondance et une correction d’erreurs intégrées, et pourquoi les meilleurs outils d’IA pour les entreprises sont conçus pour gérer des situations non standard, et non seulement des conditions idéales. Von Neumann n’était pas le premier scientifique à constater que les progrès théoriques devançaient la faisabilité technique de leur mise en œuvre (des contemporains comme…). Norbert Wiener a exploré la pensée machine (utilisant des concepts cybernétiques tout aussi rigoureux), mais en tant qu'ingénieur et théoricien, il a articulé cet écart avec une clarté remarquable.
Apprentissage et adaptation : le point de convergence des robots et des humains
L'une des similitudes les plus importantes entre les robots et les humains est leur capacité à apprendre de l'expérience, et c'est dans ce domaine que l'intelligence artificielle moderne a réalisé les progrès les plus significatifs depuis von Neumann.
L'apprentissage humain repose fondamentalement sur l'exemple : nous observons, nous essayons, nous nous adaptons. L'apprentissage automatique fonctionne de la même manière. Un modèle est alimenté par des exemples étiquetés d'un phénomène (par exemple, des images de personnes se sentant à l'aise ou mal à l'aise) et il apprend à identifier les caractéristiques qui permettent de prédire chaque état. Plus le nombre d'exemples est élevé, plus le modèle devient précis. Comme l'explique Vanessa Evers du Courrier de l'UNESCO :
L'apprentissage automatique repose sur des exemples. On fournit à l'ordinateur des exemples du phénomène que l'on souhaite qu'il comprenne.
Il existe dans la nature une caractéristique très évidente, de type « cercle vicieux », dont l'expression la plus simple est la capacité d'organismes très complexes à se reproduire. Nous sommes tous enclins à soupçonner, de manière vague, l'existence d'un concept de « complication ». Ce concept et ses propriétés supposées n'ont jamais été clairement formulés. Nous sommes cependant toujours tentés de supposer qu'ils fonctionnent ainsi. Lorsqu'un automate effectue certaines opérations, on peut s'attendre à ce que celles-ci soient d'un degré de complication inférieur à celui de l'automate lui-même. En particulier, si un automate a la capacité d'en construire un autre, la complication doit diminuer du parent au construit. Autrement dit, si A peut produire B, alors A doit, d'une manière ou d'une autre, contenir une description complète de B. Pour que cette description soit efficace, A doit, de plus, comporter divers mécanismes garantissant son interprétation et l'exécution des opérations constructives qu'elle requiert. En ce sens, il semblerait donc qu'une certaine tendance à la dégénérescence soit à prévoir, une diminution de la complexité à mesure qu'un automate en crée un autre. Bien que cette hypothèse présente une certaine plausibilité, elle contredit clairement les phénomènes les plus évidents de la nature. Les organismes se reproduisent, c'est-à-dire qu'ils produisent de nouveaux organismes sans que leur complexité ne diminue. De plus, il existe de longues périodes d'évolution durant lesquelles la complexité augmente même. Les organismes dérivent indirectement d'autres organismes moins complexes. Il existe donc un conflit manifeste entre la plausibilité et les faits, pour ne citer qu'eux.
Il a identifié le seuil clé :
Il existe un seuil minimal au-delà duquel la dégénérescence cesse d'être universelle. À ce stade, des automates capables de se reproduire, voire de construire des entités supérieures, deviennent possibles. Ce fait, selon lequel la complication, tout comme l'organisation, est dégénérative en deçà d'un certain seuil, et peut, au-delà, s'auto-entretenir et même croître, jouera assurément un rôle important dans toute théorie future du sujet.
Nous avons franchi ce seuil depuis longtemps. La question n'est plus de savoir si les machines peuvent apprendre et s'adapter – cela a été prouvé. La question est de savoir jusqu'où peut aller cette adaptation et comment l'orienter de manière productive.
Communication : ce que les robots ont de plus humain à faire
S'il est un domaine où les similitudes entre les robots et les humains ont la plus grande importance pratique (et sont les plus directement liées au fonctionnement des entreprises aujourd'hui), c'est bien la communication.
Humains et robots utilisent la parole, le ton de la voix, les gestes et les signaux visuels pour transmettre des informations et établir un lien de confiance. Tous deux adaptent leur style de communication à leur interlocuteur. Tous deux peuvent signaler l'autorité, la convivialité ou l'insécurité par les mêmes moyens : intonation, regard, posture, démarche.
Les recherches à ce sujet sont frappantes. Une étude publiée dans la revue Rapports scientifiques L’étude a révélé que les robots facilitent activement la reproduction de la parole humaine : les personnes adaptent leur débit, leur vocabulaire et leur phrasé lorsqu’elles communiquent avec des robots, tout comme elles le font lorsqu’elles communiquent avec d’autres personnes. L’étude cite des résultats de recherches antérieures selon lesquels :
« Dans un dialogue avec un avatar, le comportement langagier est identique à celui d'un dialogue avec un partenaire humain. »
« Les humains sont biologiquement programmés pour interagir avec d'autres humains. En rendant les robots semblables aux humains, ils deviennent l'interface la plus intuitive. »
Plus de points communs qu'on ne le pense : une comparaison structurelle
Son concept de « société symbiotique humain-avatar » suggère que les avatars – robots physiques ou systèmes d'IA sophistiqués contrôlés par des intentions humaines – sont une extension de la présence humaine et la communication, permettant à un seul individu d'être à plusieurs endroits à la fois.
Il s'agit précisément de la zone dans Quels avatars d'IA fonctionnent ? dès aujourd’hui. Pitch AvatarLes avatars IA de [nom de l'entreprise] sont construits précisément sur ces principes : ils traitent le langage, imitent les schémas de parole humains, répondent aux questions et interagissent avec le public comme un présentateur humain compétent – tout en opérant à une échelle et avec une stabilité qu'aucun humain ne peut maintenir sur des centaines d'interactions simultanées.
Parallèles sociaux et émotionnels : pourquoi les humains réagissent aux robots comme à des personnes
Les humains, comme les sociologues nous décrivent, sont des « animaux ultrasociaux ». Nous sommes programmés pour reconnaître les signaux sociaux, attribuer une personnalité et des intentions aux autres entités et nouer des relations avec les objets qui se comportent de manière reconnaissable. Les robots, notamment les robots sociaux, exploitent délibérément cette programmation.
Une étude publiée dans Frontières de la robotique et de l'IA Il a été constaté que l'apparence, le style de parole, le regard, les mouvements de tête et la gestuelle sont des facteurs déterminants dans la perception de la personnalité, tant chez les humains que chez les avatars robotiques. Les mêmes traits qui confèrent à une personne une apparence confiante, amicale ou digne de confiance confèrent également ces mêmes qualités à un robot. Le fait que la source de ces signaux soit artificielle n'influence pas notre traitement.
Ce phénomène a un nom : le « vallée étrange »Ce terme, forgé par le roboticien Masahiro Mori, décrit le malaise ressenti face à un robot presque humain, mais pas tout à fait. Plus le robot se rapproche de l'apparence et du comportement humains sans les atteindre pleinement, plus l'effet est perturbant. L'objectif de la conception des robots sociaux est soit de rester résolument non humains, soit de franchir entièrement ce « gouffre » – pour parvenir à une interaction naturelle et fluide, comme le démontrent les recherches en communication mentionnées précédemment.
Pour les responsables RH, les responsables de la formation et les équipes commerciales, les implications pratiques sont claires : employés et clients réagissent aux avatars IA de la même manière qu’à des interlocuteurs humains, à condition qu’ils soient correctement conçus. On attribue une personnalité aux robots, même s’ils n’en ont pas. On développe des préférences, on leur fait confiance et on adapte son comportement en fonction de la manière dont un robot ou un avatar se présente. Comprendre ce phénomène n’est pas seulement intéressant d’un point de vue philosophique ; c’est aussi crucial pour quiconque déploie des communications basées sur l’IA.
Les recherches sur les équipes homme-robot ajoutent une autre dimension : Des études montrent Il est avéré que les humains préfèrent être dirigés par des robots lorsque ces derniers améliorent la performance de l'équipe, et que la confiance accordée à un robot leader influence considérablement la satisfaction et la performance des membres de l'équipe. La dynamique sociale de l'interaction homme-robot n'est pas superficielle : elle a un impact concret sur les résultats organisationnels.
Où mène la similarité homme-robot : la collaboration, et non le remplacement
Tous les analystes sérieux dans le domaine de la robotique arrivent à la même conclusion : la prochaine décennie sera celle de la collaboration homme-robot. L'IA ne remplacera jamais complètement les humains.. Les recherches d'Eurofound confirme que l'automatisation entraîne actuellement plus de changements dans les profils de poste que de suppressions d'emplois.
Le concept présenté dans Prime Movers Lab est typique :
« Les prochaines décennies seront marquées par la collaboration homme-robot, et les gagnants seront ceux qui auront trouvé la meilleure façon d'associer humains et robots pour un potentiel maximal. »
Foire aux questions
