C. IA SYMBOLIQUE ET IA CONNEXIONNISTE : VERS UNE RÉCONCILIATION ?
Comme l'a montré le rapport de l'Office de 2024, deux visions divergentes de l'IA se sont historiquement opposées : l'IA symbolique, plus ancienne et reposant sur la mise en oeuvre de règles logiques, et l'IA connexionniste fondée sur des méthodes statistiques. L'aspect probabiliste de l'IA connexionniste a toujours suscité une profonde méfiance, y compris chez les spécialistes. C'est pourtant ce type d'IA qui est à l'origine des LLM et plus généralement des progrès massifs de l'IA depuis le développement de l'architecture Transformer en 2017. On pourrait donc considérer que l'IA connexionniste a gagné la bataille de l'IA. Les deux innovations majeures de la période actuelle que sont l'IA agentique et les modèles de raisonnement concernent d'ailleurs cette technologie.
Pourtant, la recherche essaie toujours d'hybrider les approches symbolique et connexionniste, dans l'espoir de profiter du meilleur des deux mondes. Les efforts en ce sens sont déjà anciens et les échecs d'ores et déjà constatés dans la longue histoire de l'IA incitent à la prudence. Plus généralement, les prédictions sur l'avenir de l'IA doivent être considérées avec précaution au regard des incertitudes majeures qui entourent ces technologies en constante évolution. Il semble toutefois que cet axe de recherche soit prometteur ; il est en tout cas sérieusement étudié en France.
L'approche conceptuelle de l'hybridation entre logique et stochastique a de quoi intéresser les scientifiques. En effet, les informaticiens pourraient alors remettre du contrôle humain sur une intelligence artificielle dont le fonctionnement est encore très mal compris. Réussir ce défi serait un grand pas vers une IA « de confiance », qui serait suffisamment vérifiable pour être utilisée avec le même niveau de validité que les algorithmes symboliques actuels. On pourrait par exemple imaginer un outil qui utiliserait un LLM pour écrire en langage formel un problème posé en langage naturel, puis qui se servirait de modèles physiques et de règles logiques pour y répondre.
De nombreux cas d'usage bénéficieraient de telles méthodes. Dans l'exemple déjà très répandu d'écriture de code informatique à l'aide de l'IA, des algorithmes hybrides pourraient démontrer l'absence d'erreurs dans le code produit par un LLM, ou dans le cas contraire lui demander de le corriger. Cette tâche est difficile à l'heure actuelle car le code généré par IA peut être peu compréhensible pour l'être humain.
Ces recherches n'annoncent donc pas la fin des LLM, qui sont là pour durer. Ils continuent d'ailleurs à produire des résultats surprenants, voire inquiétants. Claude Mythos, la nouvelle IA d'Anthropic, semble capable de détecter des failles dans quasiment tous les logiciels informatiques. Mais, au même titre que l'IA agentique ou les modèles de raisonnement, l'hybridation pourrait à terme être à l'origine d'une nouvelle évolution démultipliant les capacités de l'IA.