Modèle de réseau sémantique hiérarchique – Allan M. Collins et M. Ross Quillian

L’exploration de l’architecture de la mémoire humaine constitue l’un des chapitres les plus fascinants de la révolution cognitive du XXe siècle. Dès lors que l’esprit humain a cessé d’être appréhendé comme une simple boîte noire behavioriste réagissant mécaniquement à des contingences environnementales, la question de l’organisation interne du savoir s’est posée avec une acuité sans précédent. Comment les êtres humains parviennent-ils à stocker une quantité virtuellement infinie de faits, de concepts et de relations catégorielles, tout en conservant une capacité de récupération quasi instantanée lors de la compréhension linguistique ? C’est précisément à la croisée de la psychologie expérimentale et des balbutiements de l’intelligence artificielle que s’est forgée, à la fin des années 1960, l’une des théories les plus influentes des sciences cognitives : le modèle de réseau sémantique hiérarchique formalisé par Allan M. Collins et M. Ross Quillian.

En introduisant une architecture computationnelle rigoureuse régie par des nœuds conceptuels, des arcs relationnels étiquetés et des principes logiques d’héritage de propriétés, Collins et Quillian ont accompli un geste théorique décisif. Ils ont postulé que notre mémoire sémantique ne fonctionne ni comme un dictionnaire linéaire ni comme un inventaire chaotique d’associations lexicales, mais plutôt comme une structure en arbre hautement ordonnée, gouvernée par une économie cognitive stricte. Dans ce réseau formel, la distance séparant deux concepts dans l’espace mental correspond directement au temps nécessaire à l’esprit pour valider ou réfuter une proposition logique. Cette hypothèse audacieuse a permis d’arrimer la modélisation formelle du traitement de l’information aux données empiriques issues de la chronométrie mentale.

Le présent article propose une analyse exhaustive et approfondie du modèle hiérarchique de Collins et Quillian. En retraçant sa genèse historique au sein des laboratoires pionniers de l’intelligence artificielle symbolique, son architecture formelle, ses mécanismes logiques d’inférence, ainsi que les paradigmes expérimentaux qui ont servi à le valider et à l’éprouver, nous mettrons en lumière l’extraordinaire fécondité de cette théorie. Nous aborderons également avec rigueur les apories empiriques, telles que l’effet de typicité et l’inversion hiérarchique, qui ont conduit à la révision de ce cadre au profit des modèles de propagation de l’activation, avant d’examiner comment ses principes fondateurs continuent d’irriguer les ontologies computationnelles, les graphes de connaissances contemporains et les débats les plus vifs des neurosciences cognitives.

1. Introduction aux fondements historiques et conceptuels du modèle

1.1 Émergence des sciences cognitives et de l’intelligence artificielle symbolique

Le tournant intellectuel qui s’opère au milieu du XXe siècle, souvent qualifié de révolution cognitive, marque l’effondrement progressif de l’hégémonie behavioriste en psychologie expérimentale. Sous l’impulsion de pionniers tels que George Miller, Jerome Bruner et Noam Chomsky, l’appareil psychologique cesse d’être réduit à un ensemble de relations réflexes entre stimuli et réponses. Les chercheurs réhabilitent la légitimité scientifique des états mentaux internes, postulant que l’activité cognitive repose fondamentalement sur le traitement, la transformation, le stockage et la manipulation de représentations symboliques internes. L’esprit humain est désormais conceptualisé par analogie avec les ordinateurs numériques modernes : un système computationnel manipulant des symboles discrets selon des règles logiques syntaxiques et sémantiques bien définies.

Parallèlement, la conférence de Dartmouth en 1956 consacre l’acte de naissance institutionnel de l’intelligence artificielle sous sa forme symbolique classique (dite GOFAI pour Good Old-Fashioned Artificial Intelligence). Dans ce cadre épistémologique, des figures majeures comme Allen Newell, Herbert Simon et Marvin Minsky défendent l’hypothèse du système de symboles physiques, stipulant que la manipulation formelle de structures symboliques constitue la condition nécessaire et suffisante pour engendrer une action intelligente générale. Dès lors, la question de la compréhension du langage naturel devient le banc d’essai privilégié de ces architectures naissantes. Comprendre une phrase ne consiste pas simplement à en analyser la surface syntaxique, mais exige de relier les lemmes linguistiques à un vaste réseau de connaissances encyclopédiques préalablement encodé dans la mémoire de la machine.

C’est précisément à cette intersection féconde entre la linguistique computationnelle naissante et la psychologie de la mémoire que germe l’exigence d’un modèle formel de la mémoire sémantique. L’enjeu n’est plus seulement de simuler superficiellement des comportements d’apparence intelligente, mais de concevoir une architecture de traitement de l’information plausible sur le plan psychologique, capable d’expliquer comment le cerveau humain structure ses connaissances générales sur le monde, organise les concepts abstraits et concrets, et effectue des inférences logiques quasi instantanées avec une efficience computationnelle remarquable.

1.2 Biographie intellectuelle d’Allan M. Collins et M. Ross Quillian

L’émergence du modèle de réseau sémantique hiérarchique résulte de la rencontre intellectuelle entre deux chercheurs aux trajectoires complémentaires : Marian Ross Quillian et Allan M. Collins. Quillian, linguiste et informaticien de formation, entame ses travaux doctoraux à l’Université Carnegie Mellon sous la supervision de Herbert Simon. Fasciné par le problème de la traduction automatique et de la compréhension du langage par ordinateur, Quillian soutient en 1966 une thèse monumentale intitulée Semantic Memories. Dans ce manuscrit visionnaire, il propose pour la première fois d’abandonner les représentations tabulaires ou linéaires du lexique au profit d’un graphe interconnecté au sein duquel la signification d’un mot n’est rien d’autre que l’ensemble des relations qu’il entretient avec tous les autres mots du réseau.

Allan M. Collins, quant à lui, est un psychologue cognitif rigoureux formé aux méthodes quantitatives et expérimentales de l’apprentissage et de la mémoire verbale. Tout au long de sa carrière, Collins démontre un intérêt passionné pour la formalisation mathématique des processus mentaux, les stratégies de raisonnement plausible et les technologies éducatives informatisées. Son apport décisif consiste à percevoir l’immense portée empirique des idées algorithmiques développées par Quillian : ce qui n’était à l’origine qu’une solution d’ingénierie logicielle pour stocker des dictionnaires en machine peut devenir une théorie scientifique falsifiable du fonctionnement de la mémoire humaine à long terme, pourvu qu’on la soumette à l’épreuve de protocoles psychométriques précis.

Leur collaboration historique se cristallise à la fin des années 1960 au sein de l’entreprise d’ingénierie et de recherche Bolt, Beranek and Newman (BBN), basée à Cambridge dans le Massachusetts. Véritable creuset de l’informatique moderne et de la cybernétique — où se développent alors les premiers nœuds du réseau ARPANET —, BBN offre un environnement interdisciplinaire unique où informaticiens, psychologues et linguistes travaillent de concert. C’est dans ce contexte d’effervescence technologique et théorique que Collins et Quillian fusionnent la rigueur algorithmique des graphes conceptuels et les méthodes de la chronométrie mentale pour produire les articles sémaux de 1969 et 1970 qui allaient révolutionner la psychologie de la mémoire sémantique.

1.3 Le programme Teachable Language Comprehender comme précurseur

Pour comprendre la genèse du modèle psychologique, il est indispensable d’analyser l’artefact computationnel qui en constitue le précurseur direct : le programme informatique baptisé Teachable Language Comprehender (TLC), développé par Ross Quillian en 1968. Conçu comme une architecture logicielle sophistiquée codée en langage de programmation LISP, TLC a pour ambition explicite de simuler la capacité humaine à lire un texte, à en extraire le sens profond en le reliant à une base de connaissances préexistante, et à intégrer de nouvelles assertions informatives sans corrompre la cohérence globale du système.

L’architecture algorithmique de TLC repose sur l’idée novatrice que la compréhension du langage naturel exige un graphe sémantique dynamique. Lorsqu’un texte est soumis au programme, TLC génère une recherche par faisceau au sein de sa mémoire sémantique en projetant une activation parallèle depuis les nœuds lexicaux identifiés dans la phrase. Si le texte stipule par exemple qu’un oiseau nourrit ses petits, le système tente de trouver une intersection sémantique entre les structures conceptuelles associées à l’entité agent (l’oiseau) et à l’action prédicative (nourrir). Quillian démontre ainsi que la polysémie lexicale et l’ambiguïté syntaxique peuvent être levées algorithmiquement en privilégiant les chemins relationnels les plus courts reliant les concepts au sein du graphe de mémoire.

Cependant, la transition décisive d’un pur système d’intelligence artificielle vers un modèle psychologique vérifiable s’opère lorsque Quillian et Collins s’interrogent sur les contraintes biologiques réelles de l’esprit humain. Si le système TLC recourt à une organisation hiérarchique pour minimiser l’espace mémoire sur les ordinateurs aux capacités alors extrêmement restreintes de l’époque, le cerveau humain ne serait-il pas soumis à une pression sélective analogue d’efficience computationnelle ? L’architecture logicielle de TLC cesse dès lors d’être une simple astuce de programmation pour devenir une hypothèse structurelle sur l’ontologie même de la cognition humaine, jetant ainsi les bases du célèbre article de 1969 publié dans le Journal of Verbal Learning and Verbal Behavior.

2. L’architecture structurelle du réseau sémantique hiérarchique

2.1 La notion de nœuds conceptuels et de représentations catégorielles

Au cœur du modèle de Collins et Quillian se trouve le postulat fondamental selon lequel la mémoire sémantique humaine est structurée sous la forme d’un graphe orienté, composé d’une constellation d’entités discrètes appelées nœuds conceptuels. Sur le plan formel, un nœud ne représente pas une chaîne de caractères orthographiques ou phonologiques, mais bien une unité intensionnelle abstraite, un symbole mental correspondant à une catégorie ou à une classe d’objets, d’êtres vivants ou d’idées abstraites du monde réel. Chaque concept — qu’il s’agisse de l’animal, de l’oiseau ou du serin — est ainsi instancié dans le système sous la forme d’un point focal unique et invariable au sein du réseau sémantique.

Cette conception implique une différenciation structurelle nette entre plusieurs niveaux d’abstraction catégorielle, préfigurant en partie les futures typologies de la psychologie cognitive. Les nœuds sont ordonnés hiérarchiquement selon leur degré d’inclusion et de généralité :

• Les concepts superordonnés : situés au sommet de la hiérarchie locale, ils représentent des catégories très vastes et abstraites englobant une multitude de sous-groupes (par exemple, Être vivant ou Animal).
• Les concepts de niveau intermédiaire (ou de base) : ils constituent les classes d’objets les plus distinctives du point de vue perceptif et moteur, servant d’articulations fonctionnelles majeures dans l’expérience quotidienne (par exemple, Oiseau ou Poisson).
• Les concepts subordonnés : situés aux strates inférieures de l’arborescence, ils désignent des subdivisions spécifiques, caractérisées par un degré élevé de différenciation morphologique ou comportementale (par exemple, Serin, Aigle, Requin ou Saumon).

Dans ce modèle, les représentations symboliques sont rigoureusement amodales et discrètes. Contrairement aux approches fondées sur l’imagerie mentale ou les traces perceptives analogiques, le nœud conceptuel chez Collins et Quillian est un atome computationnel abstrait. Il fonctionne comme une adresse symbolique explicite dans une mémoire déclarative à long terme, servant de point d’ancrage sémantique invariant auquel viendront s’attacher des liens relationnels et des descripteurs propositionnels de propriétés.

2.2 Les liens taxonomiques et la relation de subsomption

Si les nœuds conceptuels constituent les points d’ancrage de la mémoire sémantique, la dynamique informationnelle du modèle repose entièrement sur la typologie des liens qui les unissent. La relation fondamentale qui structure l’ensemble de l’édifice est le lien taxonomique, formellement étiqueté sous la forme propositionnelle est-un (en anglais, is-a link). Ce pointeur conceptuel formalise le principe logique de subsomption, par lequel une catégorie subordonnée est explicitement définie comme une sous-classe logique d’une catégorie superordonnée plus générale (par exemple, Serin --[est-un]--> Oiseau, et Oiseau --[est-un]--> Animal).

Ces liens catégoriels possèdent une propriété mathématique cruciale : ils sont strictement unidirectionnels et asymétriques. L’assertion propositionnelle selon laquelle un serin est un oiseau n’implique nullement la réciproque ; un oiseau n’est pas un serin. Dans la topologie du réseau, les arcs de subsomption pointent exclusivement de la sous-classe vers la super-classe englobante. Cette orientation garantit la cohérence déductive du système et empêche l’apparition de boucles infinies lors de la navigation logique entre les concepts, préservant ainsi la nature formelle de l’architecture en tant que graphe orienté acyclique.

Cette organisation arborescente impose des contraintes rigoureuses sur la structure relationnelle de la mémoire. Chaque nœud subordonné ne possède, dans la version idéalisée du modèle de 1969, qu’un seul lien direct de subsomption vers son hyperonyme immédiat. Cette stricte hiérarchie catégorielle assure une modularité absolue du savoir : le système de Collins et Quillian élimine toute ambiguïté taxonomique en contraignant l’arborescence sémantique à épouser une logique de classification strictement ensembliste et rigide, directement héritée de la tradition aristotélicienne des genres et des espèces.

2.3 L’organisation multiniveaux : de l’entité générale au spécimen singulier

Pour illustrer la stratification verticale du modèle, Collins et Quillian s’appuient sur des exemples paradigmatiques empruntés au domaine du vivant, et plus particulièrement au règne animal, archétype par excellence de la classification systématique des sciences naturelles. Le réseau déploie une arborescence ordonnée où chaque étage hiérarchique franchi représente un saut discret dans l’échelle d’abstraction taxonomique, comme l’illustre la chaîne conceptuelle canonique :

• Niveau 2 (Superordonné supérieur) : Le concept suprême Animal, regroupant les prédicats biologiques fondamentaux communs à tout le règne.
• Niveau 1 (Catégorie intermédiaire) : Le concept Oiseau, qui dérive d’Animal par un lien de subsomption, concentrant les caractéristiques anatomiques aviaires.
• Niveau 0 (Sous-classe spécifique) : Le concept Serin, représentant l’espèce concrète, ancré au nœud Oiseau par un lien de niveau zéro.

Cette métrique en étages permet de quantifier la distance topologique séparant deux représentations dans l’espace mental. La distance entre un concept d’origine et un concept cible correspond au nombre exact de liens taxonomiques élémentaires qu’un algorithme de recherche mentale doit nécessairement traverser pour connecter les deux nœuds. Ainsi, la distance sémantique séparant Serin de son hyperonyme direct Oiseau est égale à 1 (un seul lien est-un franchi), tandis que la distance séparant Serin d’Animal s’élève à 2 (traversée de deux arcs successifs : Serin → Oiseau → Animal).

L’articulation du réseau s’étend théoriquement jusqu’au niveau le plus bas de la hiérarchie : l’instanciation particulière ou l’exemplaire singulier. Bien que Collins et Quillian se soient principalement concentrés sur les concepts génériques de niveau espèce (tels que Serin ou Chêne), leur modèle théorique prévoit la possibilité d’ancrer, sous le nœud spécifique, des nœuds représentant des individus concrets (par exemple, « Titi », le canari singulier possédé par un individu donné). L’architecture formelle offre ainsi un cadre unifié permettant de subsumer l’expérience perceptuelle d’un objet particulier sous une chaîne ininterrompue de concepts de plus en plus universels.

3. Le principe d’économie cognitive

3.1 Définition et postulats de l’économie de stockage

L’une des innovations théoriques les plus audacieuses et les plus commentées du modèle de Collins et Quillian réside dans la formulation du principe d’économie cognitive (cognitive economy). Directement inspiré des contraintes d’optimisation des ressources matérielles propres à l’informatique des années 1960, ce principe stipule que le système cognitif humain est régi par un impératif de parcimonie computationnelle : la mémoire à long terme cherche à minimiser à tout prix l’espace de stockage requis pour la conservation des connaissances conceptuelles.

Le postulat central de l’économie cognitive affirme que le cerveau humain ne stocke pas de manière redondante les mêmes informations sémantiques au niveau de multiples concepts subordonnés si ces informations peuvent être déduites logiquement d’un concept supérieur. Sur le plan de l’évolution biologique, les auteurs défendent l’idée selon laquelle les capacités d’encodage de la mémoire biologique, bien que considérables, sont soumises à un compromis structurel majeur : stocker chaque propriété auprès de chaque membre d’une catégorie conduirait à une explosion combinatoire insoutenable de connexions neuronales superflues.

En vertu de ce postulat, il existe une règle architecturale stricte d’interdiction de duplication des attributs sémantiques : toute information descriptive caractérisant un groupe d’entités doit être encodée une seule fois au sein de la mémoire, et ce, à l’étage le plus élevé et le plus général où elle demeure universellement valide. L’architecture de la mémoire humaine est donc modélisée non pas comme un dépôt pléthorique d’associations locales indépendantes, mais comme une structure factorisée avec une rigueur mathématique absolue.

3.2 Stockage différentiel des propriétés et attributs sémantiques

Pour mettre en œuvre concrètement ce principe d’économie de stockage, le modèle introduit une distinction formelle entre les nœuds conceptuels eux-mêmes et les attributs de propriétés qui leur sont directement rattachés. Les propriétés sont encodées sous la forme de prédicats propositionnels descriptifs reliés à un nœud spécifique par des liens fonctionnels secondaires d’attribution, tels que possède, peut ou est (par exemple, a des ailes, peut voler, a des plumes).

Le stockage différentiel s’articule selon une règle d’attribution optimale : un prédicat descriptif est systématiquement ancré au nœud le plus haut de la hiérarchie pour lequel ce prédicat est universellement vérifié. Considérons l’exemple paradigmatique développé par Collins et Quillian dans leurs expérimentations :

• Au nœud Animal (Niveau 2) sont rattachés les attributs vitaux généraux : « respire », « mange pour survivre », « a de la peau ». Ces propriétés ne sont en aucun cas attachées aux sous-catégories inférieures.
• Au nœud Oiseau (Niveau 1) sont attachés les attributs anatomiques et fonctionnels spécifiques à la classe aviaire : « a des ailes », « a des plumes », « pond des œufs ».
• Au nœud Serin (Niveau 0) ne sont stockées que les propriétés différentielles et idiosyncrasiques qui distinguent cette espèce précise de tous les autres oiseaux : « est jaune », « peut chanter ».

Cette différentiation radicale entre les pointeurs d’héritage taxonomique (les arcs est-un) et les descripteurs de caractéristiques locales assure une propreté ontologique remarquable. Le nœud Serin ne contient pas en lui-même l’information explicite qu’il respire ou qu’il a des plumes ; il ne stocke que ce qui fait de lui un serin unique par rapport au prototype général de l’oiseau.

3.3 Minimisation de la redondance dans la mémoire à long terme

Les gains d’efficacité structurelle générés par la non-duplication des prédicats sémantiques sont immenses. Si l’esprit humain devait associer explicitement le trait « a du sang », « respire » et « métabolise de l’énergie » à chacune des dizaines de milliers d’espèces vivantes qu’il est capable d’identifier — du moustique à la baleine bleue —, la mémoire déclarative saturerait sous le poids d’une redondance stérile. En factorisant ces prédicats au nœud générique supérieur Animal, le réseau sémantique réalise une économie d’échelle cognitive phénoménale.

Néanmoins, cette parcimonie spatiale s’accompagne inévitablement d’un coût opérationnel. Dans toute architecture computationnelle, il existe un arbitrage incontournable entre l’espace de stockage alloué et le temps d’accès au traitement (le célèbre compromis space-time tradeoff). En choisissant de minimiser drastiquement l’espace mémoire, le modèle de Collins et Quillian transfère la charge sur le temps de calcul : les informations non encodées localement devront être reconstruites dynamiquement au moment précis de leur interrogation.

L’élégance théorique de ce principe repose précisément sur la prédiction chronométrique directe qu’il autorise. Puisque les propriétés ne sont pas dupliquées aux étages inférieurs, l’esprit humain doit mobiliser un processus algorithmique actif pour récupérer un attribut partagé. Le temps nécessaire pour vérifier qu’un serin respire sera nécessairement supérieur au temps requis pour vérifier qu’un serin est jaune, car l’esprit doit voyager le long de la structure arborescente pour atteindre le prédicat stocké à la racine superordonnée du graphe.

4. Le mécanisme d’héritage des propriétés

4.1 Fonctionnement logique de la déduction par héritage

Le corollaire algorithmique indispensable de l’économie cognitive est le mécanisme d’héritage des propriétés. Puisque le nœud Serin ne contient pas explicitement l’information « possède des plumes » ou « respire », comment le sujet humain parvient-il, avec une certitude absolue, à affirmer que la proposition « Le serin a des plumes » est vraie ? La réponse de Collins et Quillian repose sur l’implémentation psychologique d’un moteur d’inférence logique déductif fondé sur le syllogisme classique.

Le raisonnement sous-jacent épouse rigoureusement la forme aristotélicienne du syllogisme en Barbara :

1. Prémisse majeure (propriété stockée au nœud superordonné) : Tout oiseau possède des plumes.
2. Prémisse mineure (lien de subsomption direct) : Le serin est un oiseau.
3. Conclusion (inférence déductive automatique) : Donc, le serin possède des plumes.

Dans l’architecture du réseau, cette déduction n’exige aucune manipulation formelle de règles logiques textuelles ; elle découle naturellement de la topologie même du graphe par le principe de transmission transitive des prédicats le long de la chaîne taxonomique ascendante.

Lorsqu’une propriété générale doit être évaluée pour un concept subordonné, le système informatique (ou cognitif) déclenche une procédure de recherche qui remonte successivement les pointeurs est-un. À chaque nœud traversé, le système interroge les descripteurs de propriétés associés. Dès que la propriété recherchée est découverte — par exemple, « a des plumes » attachée au nœud Oiseau —, cette propriété est automatiquement transférée et instanciée par héritage au concept de départ (Serin). L’absence d’encodage explicite en mémoire est ainsi compensée en temps réel par un calcul d’héritage déductif d’une fluidité parfaite.

4.2 Les propriétés d’intersection et les modificateurs sémantiques

Une question cruciale se pose immédiatement à tout modèle logique de la mémoire : comment un réseau hiérarchique strict gère-t-il les anomalies biologiques, les singularités anatomiques et les exceptions taxonomiques flagrantes ? Dans la nature, tous les membres d’une classe superordonnée ne partagent pas aveuglément l’intégralité des traits génériques. Le cas emblématique est celui de l’autruche ou du manchot : ces animaux sont incontestablement des oiseaux par leur anatomie et leur appartenance phylogénétique, mais ils partagent l’incapacité physiologique de voler, violant ainsi le prédicat général « peut voler » attaché au nœud Oiseau.

Pour résoudre cette contradiction formelle sans effondrer l’arborescence taxonomique, Collins et Quillian introduisent des règles locales d’invalidation et de surcharge des propriétés (similaires au principe d’overriding qui deviendra plus tard la pierre angulaire de la programmation orientée objet). Le système gère les exceptions au moyen de descripteurs locaux qui court-circuitent algorithmiquement l’héritage générique :

• Au nœud subordonné Autruche, le réseau implémente un modificateur d’attribut explicite : ne peut pas voler (ou ne vole pas).
• Lorsque le système est interrogé sur la capacité de vol de l’autruche, l’algorithme consulte d’abord le nœud local Autruche avant d’engager la remontée taxonomique vers Oiseau.
• Trouvant immédiatement une assertion contradictoire locale (ne peut pas voler), le processeur sémantique bloque la propagation de l’attribut générique descendant et adopte prioritairement la spécification locale, résolvant ainsi le conflit d’héritage.

Cette gestion algorithmique des attributs distinctifs et des modificateurs sémantiques permet au modèle de maintenir l’élégance de la hiérarchie tout en préservant sa robustesse descriptive face à la complexité des faits empiriques. Le modèle formalise ainsi le fait que la connaissance des exceptions exige un encodage cognitif supplémentaire, prédisant que le traitement des propriétés déviantes requiert des mécanismes de contrôle sémantique spécifiques.

4.3 Implications computationnelles de l’inférence hiérarchique

L’existence même de ce moteur d’héritage entraîne des conséquences computationnelles profondes sur la modélisation de l’architecture de l’esprit. La première implication concerne le coût temporel algorithmique : chaque étape d’inférence déductive n’est pas gratuite. Remonter d’un pointeur de subsomption à un autre, examiner la liste des prédicats attachés, tester l’adéquation logique de l’attribut et redescendre la chaîne d’héritage constitue une séquence d’opérations élémentaires qui consomme nécessairement un temps de calcul mesurable à l’échelle de la milliseconde.

La deuxième implication théorique fondamentale réside dans la capacité générative infinie du modèle. Grâce à l’héritage hiérarchique, la mémoire sémantique humaine est capable de produire instantanément des connaissances nouvelles sans jamais les avoir formellement apprises ou mémorisées au préalable de manière explicite. Si un individu apprend pour la première fois l’existence d’un oiseau exotique rare appelé le « Cassican flûteur », et qu’on lui indique simplement : « Le cassican est un oiseau », le système cognitif n’a besoin d’enregistrer qu’un seul lien de niveau zéro. Instantanément, sans aucun coût d’encodage supplémentaire, le sujet humain saura et pourra affirmer avec certitude que le cassican a du sang, pond des œufs, a des plumes et respire de l’oxygène, démontrant la puissance inférentielle colossale de cette architecture.

Enfin, cette structure confère au modèle une remarquable tolérance aux pannes et une stabilité évolutive majeure. L’apprentissage continu ne menace pas l’intégrité de la mémoire à long terme : l’intégration d’un nouveau concept ne réclame pas la reconfiguration globale des savoirs existants, mais simplement l’ancrage local d’un nouveau nœud muni de son arc de subsomption, illustrant la modularité optimale du paradigme symbolique.

5. Les paradigmes expérimentaux de validation empirique

5.1 La tâche de vérification de phrases

Pour soumettre leur modèle architectural à l’épreuve de la réfutabilité expérimentale au sens poppérien, Allan Collins et Ross Quillian développent un paradigme expérimental devenu un classique absolu des laboratoires de psychologie cognitive : la tâche de vérification de phrases (sentence verification task). Le protocole expérimental est conçu avec une rigueur méthodologique exemplaire, tirant parti des premiers dispositifs informatiques capables d’enregistrer des durées temporelles avec une précision chronométrique extrême.

Le protocole expérimental standard se déroule comme suit : un sujet humain est installé devant un tachistoscope ou un écran d’ordinateur. Des énoncés propositionnels simples, affirmant un fait catégoriel ou descriptif, lui sont présentés visuellement un par un. Le participant a pour consigne explicite de lire la phrase le plus rapidement possible et d’appuyer sur l’un des deux boutons de réponse mis à sa disposition — un bouton « VRAI » sous l’index de la main dominante et un bouton « FAUX » sous l’autre main —, sans sacrifier la précision de sa décision à la rapidité.

Le protocole introduit une distinction méthodologique fondamentale entre deux grandes catégories de stimuli linguistiques, conçues pour isoler distinctement les composantes du réseau :

• Les phrases d’appartenance catégorielle (énoncés taxonomiques) : reliant deux concepts par la copule être (par exemple, « Un serin est un oiseau », « Un serin est un animal »). Ces phrases ciblent exclusivement la traversée des arcs est-un.
• Les phrases d’attribution de propriété (énoncés de prédicats) : associant un concept à un attribut fonctionnel, comportemental ou anatomique (par exemple, « Un serin peut chanter », « Un serin a des plumes », « Un serin a de la peau »). Ces phrases exigent à la fois la traversée des liens taxonomiques et la récupération finale d’un prédicat descriptif.

Pour garantir la validité interne des mesures, Collins et Quillian exercent un contrôle strict sur les variables confondantes potentielles : la longueur syntaxique des phrases est standardisée, la fréquence lexicale des termes est rigoureusement équilibrée à l’aide de corpus linguistiques de référence, et des propositions manifestement fausses sont introduites en nombre équivalent pour prévenir tout biais d’acquiescement chez les volontaires.

5.2 La mesure des temps de réaction comme indicateur de distance mentale

L’assise épistémologique de cette démarche expérimentale repose entièrement sur les fondements de la chronométrie mentale, héritée des travaux pionniers du physiologiste néerlandais Franciscus Cornelis Donders au XIXe siècle. Le postulat fondamental de Collins et Quillian stipule que les processus cognitifs complexes ne sont ni instantanés ni magiques : ils se décomposent en une séquence ordonnée d’opérations computationnelles discrètes, chacune consommant une fraction incompressible de temps physique.

Dès lors, le temps de réaction (TR) — mesuré en millisecondes entre l’apparition du stimulus visuel à l’écran et la fermeture du micro-interrupteur par le doigt du sujet — est érigé en mesure indirecte mais quantitativement fidèle de la complexité du traitement cognitif interne. Collins et Quillian posent l’hypothèse audacieuse de l’isomorphisme entre la distance topologique dans le graphe mental et le temps de réponse physique :

« Si la mémoire sémantique est structurée hiérarchiquement selon le principe d’économie cognitive, alors le temps nécessaire pour vérifier une proposition liant deux concepts ou un concept et une propriété doit être une fonction strictement linéaire et croissante du nombre de niveaux hiérarchiques séparant ces éléments dans le réseau. »

Les auteurs formulent l’hypothèse opérationnelle d’une vitesse de propagation moyenne constante le long des arcs relationnels du réseau. Chaque milliseconde supplémentaire observée dans la latence de réponse d’un sujet expérimental est interprétée comme la signature temporelle objective du franchissement d’un nœud catégoriel supplémentaire par l’algorithme de recherche cognitive interne. La chronométrie mentale devient ainsi une véritable sonde métrique permettant de cartographier la géométrie intime de la boîte noire de la mémoire humaine.

5.3 Protocoles et stimuli paradigmatiques de Collins et Quillian (1969)

Dans leur étude princeps de 1969 intitulée « Retrieval time from semantic memory », Collins et Quillian conçoivent une matrice expérimentale devenue historique, croisant méthodiquement le type de proposition (Catégorie vs Propriété) et le niveau de distance taxonomique (Niveau 0, Niveau 1, Niveau 2). Les stimuli linguistiques sont soigneusement calibrés pour solliciter des trajets mentaux de longueurs distinctes :

Pour les assertions catégorielles :

• Niveau 0 (P-0) : « Un serin est un serin » (condition contrôle d’identité conceptuelle pure, aucune traversée de lien requise).
• Niveau 1 (P-1) : « Un serin est un oiseau » (nécessite le franchissement d’un unique lien de subsomption direct).
• Niveau 2 (P-2) : « Un serin est un animal » (exige le franchissement successif de deux liens : Serin → Oiseau puis Oiseau → Animal).

Pour les assertions de propriétés :

• Niveau 0 (Prop-0) : « Un serin peut chanter » (ou « est jaune ») : la propriété est stockée localement au nœud Serin, aucune remontée taxonomique n’est nécessaire.
• Niveau 1 (Prop-1) : « Un serin a des plumes » (ou « a des ailes ») : le système doit remonter d’un étage pour trouver la propriété ancrée au nœud Oiseau.
• Niveau 2 (Prop-2) : « Un serin a de la peau » (ou « respire ») : le système doit traverser deux étages pour localiser la propriété stockée au sommet du réseau, au nœud Animal.

Les données quantitatives brutes recueillies auprès des participants lors de cette expérience ont révélé une régularité statistique stupéfiante pour l’époque : les temps moyens de vérification des phrases augmentaient de manière systématique, robuste et monotone à mesure que l’on passait du niveau 0 au niveau 1, puis du niveau 1 au niveau 2, apportant une première confirmation empirique éclatante aux prédictions formelles du modèle de réseau sémantique hiérarchique.

6. La distance sémantique et la métrique des temps de réponse

6.1 L’effet de niveau taxonomique direct

L’observation empirique la plus retentissante issue des publications de 1969 et 1970 est indubitablement l’effet de niveau taxonomique. Lorsque l’on représente graphiquement les temps de décision sémantique des participants en fonction de la distance théorique dans le graphe hiérarchique, les courbes obtenues témoignent d’une remarquable linéarité ascendante. Cet effet s’observe tant pour les jugements d’appartenance catégorielle que pour les jugements d’attribution de prédicats.

Sur le plan chronométrique brut, les résultats moyens rapportés par Collins et Quillian se distribuent typiquement selon une progression temporelle constante :

• La vérification d’une phrase d’identité catégorielle de niveau 0 (« Un serin est un serin ») s’effectue en un temps moyen d’environ 1000 millisecondes.
• La vérification d’une inclusion de niveau 1 (« Un serin est un oiseau ») requiert environ 1160 à 1180 millisecondes.
• La vérification d’une inclusion de niveau 2 (« Un serin est un animal ») réclame environ 1240 à 1260 millisecondes.

La pente moyenne de cette droite de régression temporelle indique qu’il faut environ 75 à 90 millisecondes supplémentaires pour chaque échelon hiérarchique franchi le long de la structure arborescente. Cette incrémentation temporelle quasi constante est accueillie par la communauté scientifique comme la preuve irréfutable de la réalité psychologique de la recherche séquentielle dans un espace de connaissances organisé sous forme de graphe : l’esprit humain ne consulte pas une table associative instantanée, mais entreprend bel et bien un voyage intérieur mesurable à travers les ramifications de son ontologie conceptuelle.

6.2 La dissociation entre vérification de catégorie et de propriété

L’analyse fine des chronogrammes révèle une seconde régularité expérimentale fondamentale : à chaque niveau hiérarchique donné, les phrases d’attribution de propriétés requièrent systématiquement plus de temps que les phrases de simple appartenance catégorielle. Les deux courbes de latence temporelle — celle des catégories et celle des propriétés — progressent de façon strictement parallèle, mais la courbe des propriétés est décalée verticalement vers le haut d’une valeur constante comprise entre 150 et 200 millisecondes.

Collins et Quillian interprètent cette dissociation chronométrique comme la dissociation de deux opérations computationnelles distinctes mais ordonnées dans le flux de traitement :

1. La navigation nodale : l’algorithme de recherche mentale doit d’abord se déplacer de pointeur en pointeur le long des arcs est-un pour localiser le nœud conceptuel pertinent au sein du graphe. Cette étape consomme un temps proportionnel au nombre d’arêtes franchies (l’effet de pente taxonomique).
2. La recherche et la récupération intra-nodale : une fois le nœud adéquat atteint (par exemple le nœud Oiseau), une seconde étape algorithmique obligatoire intervient, consistant à scanner la liste locale des propriétés descriptives qui y sont physiquement attachées, à localiser le prédicat précis (a des plumes) et à vérifier sa congruence avec le stimulus de départ.

Ce décalage additif constant représente donc la latence d’accès au prédicat une fois le concept cible atteint. Cette modélisation à deux étages distincts s’intègre harmonieusement dans le cadre du traitement de l’information, confirmant que l’accès lexical et l’inférence propositionnelle constituent des sous-routines cognitives modulaires indépendantes s’exécutant en série.

6.3 Modélisation chronométrique de la recherche dans le graphe

Sur la base de ces constats expérimentaux, Collins et Quillian formalisent une équation mathématique prédictive du temps total de réaction sémantique. Dans cette équation, le temps de réponse total ($T$) face à une proposition déclarative est modélisé comme la somme additive de composantes physiologiques et computationnelles indépendantes :

$$T = T_{lex} + T_{moteur} + k \cdot d + (T_{prop})$$

Où :

• $T_{lex}$ représente la durée nécessaire à l’encodage perceptif visuel du stimulus écrit et à l’accès lexical initial aux nœuds d’entrée dans le réseau sémantique.
• $T_{moteur}$ capture le temps physiologique incompressible de préparation et d’exécution de la réponse motrice (transmission de l’influx nerveux cortical vers les muscles du doigt pressant la touche).
• $d$ est la distance sémantique théorique, définie comme le nombre discret de liens taxonomiques franchis dans l’arborescence ($d in {0, 1, 2, …}$).
• $k$ est le coefficient chronométrique de traversée nodale, représentant le temps mental moyen requis pour traverser un lien est-un (estimé empiriquement entre 75 et 90 ms).
• $T_{prop}$ est un paramètre booléen additif : il est égal à $0$ si la tâche est une simple vérification catégorielle, et prend une valeur fixe positive ($T_{prop} \approx 150\text{ à }200\text{ ms}$) si la tâche requiert l’accès et l’évaluation d’un prédicat descriptif.

Ce modèle mathématique permet d’agréger les données de laboratoire avec un pouvoir prédictif impressionnant pour l’époque. Il consacre l’idée d’un espace métrique mental, où les concepts se déploient dans une géométrie rigoureuse dont les règles de transition topologique dictent directement la vitesse des opérations intellectuelles humaines.

7. Le traitement des propositions négatives et processus de rejet

7.1 La logique de réfutation des énoncés faux

Si la validation d’une proposition vraie s’explique avec élégance par l’existence d’un chemin direct reliant le sujet et son prédicat, le traitement des propositions sémantiquement fausses soulève des défis théoriques et algorithmiques d’une tout autre envergure. Comment l’esprit humain détermine-t-il, face à une phrase comme « Une chauve-souris est un oiseau » ou « Un serin est un piano », que l’affirmation doit être catégoriquement rejetée ?

Dans la formulation initiale du modèle hiérarchique, Collins et Quillian postulent que la logique de réfutation repose sur un mécanisme de recherche exhaustive de chemin ou de collision d’activation. Lorsqu’une phrase contradictoire ou fausse est présentée, le processeur sémantique lance simultanément ou séquentiellement une recherche à partir des deux nœuds conceptuels mentionnés dans l’énoncé. Le système explore systématiquement l’arborescence dans l’espoir de trouver un chemin continu unissant les deux termes :

• Si aucun chemin légitime de subsomption n’est localisé après que l’ensemble des ramifications pertinentes a été exploré, le système en déduit l’absence de relation logique.
• Si le système rencontre une propriété explicitement contradictoire (par exemple, « est inanimé » versus « est vivant »), le processus de rejet s’active immédiatement.

Ce postulat théorique de l’épuisement des recherches locales implique que la décision de non-connexion découle d’un mécanisme de temporisation (timeout) algorithmique : l’esprit conclut qu’un fait est faux parce qu’il a cherché en vain une confirmation dans le réseau hiérarchique sans réussir à l’établir.

7.2 Recherche exhaustive versus détection rapide de contradiction

C’est précisément sur le terrain des phrases négatives que le modèle de Collins et Quillian commence à révéler ses premières failles computationnelles majeures. Si la réfutation exigeait véritablement une recherche exhaustive des branches du réseau jusqu’à épuisement des chemins possibles, une prédiction chronométrique incontournable devrait s’imposer : plus deux concepts sont sémantiquement éloignés, plus l’espace de recherche est immense, et plus le temps requis pour rejeter la phrase devrait être long.

Or, les données expérimentales recueillies dès 1970 contredisent frontalement cette déduction logique élémentaire. Le laboratoire met en évidence ce que l’on a qualifié de paradoxe de la distance sémantique négative :

• Des phrases fausses mettant en jeu des concepts extrêmement disparates et sans aucun rapport sémantique — telles que « Un serin est une truite » ou « Un serin est un tournevis » — sont rejetées par les sujets humains avec une rapidité fulgurante (environ 900 à 1000 ms).
• En revanche, des phrases fausses mettant en relation des concepts taxonomiquement proches mais mutuellement exclusifs — telles que « Un serin est une autruche » ou « Une chauve-souris est un oiseau » — réclament un temps de décision considérablement plus long (souvent plus de 1300 ms), accompagné d’un taux d’erreur substantiellement plus élevé.

Ce phénomène de « fausseté manifeste » (fast negative effect) plonge le modèle initial dans l’embarras. Comment le cerveau humain peut-il écarter plus vite une truite qu’une autruche si la décision exige d’explorer l’arbre sémantique jusqu’au nœud commun supérieur ? Ces résultats suggèrent avec force que le rejet ne s’opère pas par un balayage exhaustif des liens hiérarchiques, mais par une évaluation globale et rapide de similarité conceptuelle qui échappe aux principes stricts de la logique formelle de Quillian.

7.3 Limites computationnelles face aux contradictions de niveau zéro

Une difficulté théorique plus redoutable encore concerne l’évaluation des contradictions de niveau zéro et des propriétés négatives directes. Considérons la vérification de propositions manifestement erronées telles que « Le serin n’a pas de plumes » ou « Le serin aboie ». Dans le réseau hiérarchique, le nœud Serin ne contient aucune étiquette stipulant qu’il n’aboie pas ou qu’il n’a pas quatre pattes.

En vertu du principe d’économie cognitive, le système sémantique ne saurait stocker l’infinité des prédicats négatifs pour chaque concept (un serin ne fait pas de calcul intégral, ne conduit pas de tracteur et ne vit pas au fond des volcans). Dès lors, pour rejeter la proposition « Le serin aboie », le système doit entreprendre une gymnastique inférentielle complexe :

1. Remonter la hiérarchie pour trouver où se trouve la propriété « aboie » dans le graphe global (découvrant qu’elle est ancrée au concept Chien).
2. Déterminer si la catégorie Chien et la catégorie Serin partagent une frontière taxonomique mutuellement exclusive.
3. Conclure par négation de l’antécédent que le serin ne saurait hériter d’un attribut appartenant à un sous-embranchement disjoint.

Sur le plan algorithmique, une telle déduction impose une charge computationnelle écrasante, impliquant la navigation simultanée à travers plusieurs arbres sémantiques distincts. Les incohérences formelles entre les prédictions chronométriques issues de ces acrobaties logiques et les latences réelles observées en laboratoire ont rapidement démontré que le mécanisme d’interrogation séquentielle hiérarchique était incapable d’offrir une explication plausible du rejet des négations chez l’être humain.

8. Anomalies empiriques et critiques méthodologiques majeures

8.1 L’effet de typicité et l’échec de l’équidistance des nœuds

Dès le début des années 1970, le modèle de Collins et Quillian subit le feu roulant de critiques expérimentales qui ébranlent ses fondations mêmes. La faille la plus dévastatrice est sans conteste la découverte de l’effet de typicité (typicality effect), mis en lumière de manière décisive par les travaux révolutionnaires de la psychologue Eleanor Rosch et de ses collaborateurs sur la structure interne des catégories naturelles.

Selon l’architecture rigide de Collins et Quillian, tous les concepts subordonnés situés à un même étage hiérarchique sont rigoureusement équidistants du nœud superordonné auquel ils sont rattachés. Un serin, un merle, une autruche et un manchot sont tous des Oiseaux au niveau 1 de la hiérarchie ; ils ne sont séparés de la catégorie mère que par un unique lien direct est-un. Le modèle prédit donc formellement que le temps de vérification des phrases catégorielles reliant ces sous-classes à la catégorie Oiseau doit être rigoureusement identique.

Or, les données expérimentales réfutent massivement cette prédiction théorique :

• La proposition « Le merle est un oiseau » ou « Le moineau est un oiseau » est validée en une moyenne fulgurante de 1050 ms.
• La proposition « Le manchot est un oiseau » ou « L’autruche est un oiseau » exige quant à elle une latence pouvant atteindre 1300 à 1400 ms.

L’asymétrie est spectaculaire. Les membres considérés par les locuteurs comme les plus représentatifs ou les plus « typiques » d’une catégorie sont traités infiniment plus vite que les membres atypiques ou marginaux. Le réseau hiérarchique homogène, fondé sur la logique ensembliste binaire du « tout-ou-rien », se montre structurellement incapable de pondérer la représentativité interne d’un concept au sein de sa classe, constituant une réfutation empirique flagrante du principe d’équidistance des liens sémantiques.

8.2 Le phénomène d’inversion des niveaux hiérarchiques

Une anomalie plus accablante encore pour l’hypothèse de la progression séquentielle ascendante concerne le phénomène d’inversion des niveaux hiérarchiques. Selon les équations chronométriques de Collins et Quillian, le temps de réaction face à une phrase de niveau 2 ($d=2$) doit être invariablement et mathématiquement supérieur au temps de réaction face à une phrase de niveau 1 ($d=1$), puisque la première réclame la traversée d’un lien de subsomption supplémentaire.

Plusieurs psycholinguistes, dont Edward Smith et Lance Rips, démontrent expérimentalement que cette règle souffre d’exceptions spectaculaires et systématiques dans le lexique quotidien :

• Des phrases de niveau 2 comme « Un chien est un animal » sont vérifiées en moyenne beaucoup plus rapidement que des phrases de niveau 1 comme « Un chien est un mammifère ».
• De même, les sujets confirment quasi instantanément que « Une pomme est un fruit », mais hésitent substantiellement plus longtemps face à l’affirmation « Une pomme est une angiosperme » ou « Une pomme est un végétal ».

Ce résultat constitue une violation directe et frontale de la métrique spatiale mentale postulée par le modèle. Si le cerveau humain devait impérativement transiter par le nœud intermédiaire Mammifère pour atteindre le nœud Animal depuis le point d’ancrage Chien, il serait rigoureusement impossible sur le plan computationnel d’accéder au concept le plus éloigné avant d’avoir traversé le concept le plus proche.

Ces inversions massives mettent en lumière le rôle prépondérant de variables psycho-affectives et linguistiques totalement négligées par l’architecture formelle de Collins et Quillian : la fréquence d’usage, la familiarité subjective des relations sémantiques dans le discours quotidien et la force de co-occurrence associative entre les lemmes au sein de l’environnement langagier.

8.3 Remise en cause empirique de l’économie cognitive absolue

Le troisième pilier du modèle à s’effondrer sous l’assaut des réplications empiriques est le principe même d’économie cognitive absolue. En 1972, la chercheuse Carol Conrad publie une série d’expériences dévastatrices remettant radicalement en cause l’hypothèse selon laquelle les propriétés génériques ne sont encodées qu’au nœud le plus superordonné de la mémoire sémantique.

Dans un protocole ingénieux, Conrad mesure la force d’association associative (ou fréquence de co-occurrence libre) reliant différentes propriétés à leurs concepts, indépendamment de leur statut logique ou taxonomique. Ses résultats dévoilent un mécanisme alternatif puissant :

• Pour des propriétés faiblement associées à un concept intermédiaire (par exemple, « a des plumes » pour la catégorie Oiseau), les temps de vérification augmentent effectivement avec le niveau hiérarchique.
• En revanche, pour des propriétés présentant une force d’association lexicale élevée avec un concept subordonné (par exemple, la relation directe entre « requin » et « a des dents acérées » ou entre « oiseau » et « vole »), le temps de décision sémantique devient absolument indépendant de la distance hiérarchique théorique !

Conrad apporte ainsi la preuve expérimentale indiscutable de l’existence d’un stockage redondant massif en mémoire humaine. Le cerveau ne sacrifie pas le temps d’accès au profit d’une optimisation spartiate de l’espace de stockage ; il duplique volontiers les attributs hautement pertinents directement auprès des concepts subordonnés si cette redondance accélère les prises de décision adaptatives dans la vie réelle. Le bel édifice de la parcimonie computationnelle emprunté aux ordinateurs des années soixante cède ainsi le pas devant le pragmatisme biologique de l’évolution cérébrale.

9. Transition vers le modèle de propagation de l’activation (Collins et Loftus, 1975)

9.1 Abandon de la hiérarchie stricte et révision des postulats fondamentaux

Face à l’accumulation irrésistible de ces anomalies empiriques insolubles dans le cadre théorique originel, Allan Collins prend acte de l’impasse méthodologique de l’arborescence rigide. Loin de renoncer à l’approche en réseaux sémantiques, il s’associe à la psychologue Elizabeth F. Loftus pour publier en 1975 un article monumental dans la Psychological Review : « A spreading-activation theory of semantic processing ». Cette publication constitue une refondation paradigmatique radicale qui transforme en profondeur les théories de la mémoire humaine.

Dans cette nouvelle architecture, Collins et Loftus renoncent définitivement aux deux dogmes centraux qui caractérisaient le modèle de 1969 :

1. L’abandon de la hiérarchie taxonomique universelle : le réseau de mémoire cesse d’être une arborescence géométrique descendante strictement ordonnée selon les règles de subsomption aristotélicienne. Il est désormais conceptualisé comme une toile multidimensionnelle hétérogène, où n’importe quel concept peut être relié directement à n’importe quel autre par des liens de nature sémantique diverse.
2. L’abandon de l’économie cognitive absolue : les auteurs admettent explicitement l’existence d’une forte redondance représentationnelle dans l’encodage de la mémoire à long terme, intégrant l’apprentissage statistique et l’expérience subjective comme moteurs du câblage sémantique.

La distance entre deux nœuds n’est plus mesurée par le nombre de strates taxonomiques franchies, mais par un paramètre dynamique fondamental : la distance sémantique continue, définie comme l’inverse de la force associative ou de la similarité conceptuelle ressentie subjectivement par les locuteurs.

9.2 Le principe de diffusion continue de l’activation

L’innovation majeure introduite par Collins et Loftus réside dans le mécanisme computationnel qui anime le réseau : la propagation de l’activation (spreading activation). Ce principe abandonne la recherche séquentielle de pointeurs au profit d’un processus dynamique et continu de nature quasi-connexionniste :

Lorsqu’un mot ou un concept est perçu dans l’environnement extérieur (par exemple, la lecture du mot « Rouge »), le nœud conceptuel correspondant est subitement dynamisé : il passe d’un état de repos à un niveau d’activation physiologique élevé. Cette énergie d’activation ne reste pas confinée au nœud source ; elle se diffuse de manière continue, omnidirectionnelle et automatique le long de tous les arcs relationnels qui rayonnent depuis ce centre vers les nœuds adjacents au sein du graphe sémantique.

Cette onde de propagation obéit à des lois mathématiques et dynamiques précises :

• L’atténuation temporelle et spatiale : la force de l’activation diminue progressivement à mesure qu’elle s’éloigne du nœud d’origine et qu’elle franchit un nombre croissant d’intermédiaires, se dissipant selon une fonction décroissante du temps et de la distance.
• La division de l’activation : l’énergie totale diffusée est soumise à des contraintes de capacité limitée ; plus un nœud possède de liens divergents vers d’autres concepts (effet d’éventail sémantique ou fan effect), moins l’activation propagée le long de chaque arc individuel est intense.

Le traitement d’une proposition logique s’opère lorsque les ondes d’activation issues simultanément de deux concepts sources (par exemple « Pomme » et « Rouge ») se propagent l’une vers l’autre jusqu’à entrer en collision dans le réseau. L’intersection des fronts d’activation déclenche alors le mécanisme d’évaluation cognitive formelle qui décide de la véracité ou de la fausseté de l’affirmation, remplaçant la lente traversée pas-à-pas de 1969 par une dynamique d’allumage distribué.

9.3 Intégration de la force d’association et de l’amorçage sémantique

Le basculement vers la propagation de l’activation permet de réconcilier de façon spectaculaire le formalisme en réseau avec les découvertes expérimentales majeures qui avaient terrassé le modèle hiérarchique. L’intégration de la longueur variable des arcs relationnels permet de modéliser avec élégance l’effet de typicité : dans le nouveau graphe, l’arc reliant Oiseau à Merle est graphiquement très court (reflétant une force associative maximale), tandis que le lien reliant Oiseau à Manchot est considérablement plus long et plus ténu.

Par conséquent, lorsque le concept Oiseau est activé, l’onde d’activation atteint le nœud Merle en une fraction de seconde avec une énergie massive, permettant une vérification quasi immédiate. Inversement, l’onde met un temps substantiellement plus long à parcourir le lien étiré menant à Manchot, et l’activation qui y parvient est considérablement affaiblie, expliquant avec une clarté limpide les latences chronométriques prolongées observées chez Rosch.

De surcroît, le modèle de Collins et Loftus fournit la première explication mécaniste complète du phénomène d’amorçage sémantique (semantic priming), magistralement découvert par David Meyer et Roger Schvaneveldt en 1971 dans la tâche de décision lexicale. Lorsqu’un sujet est exposé brièvement au mot inducteur « Infirmière », l’activation s’étend automatiquement aux nœuds sémantiquement voisins tels que « Docteur » ou « Hôpital ». Lorsque le mot cible « Docteur » est ensuite présenté, son nœud conceptuel est déjà pré-activé au-dessus de son seuil de repos : le temps nécessaire à son identification consciente et à son traitement est alors considérablement raccourci, établissant la théorie de la propagation de l’activation au Panthéon des théories cognitives durables.

10. Comparaison avec les théories concurrentes de la mémoire sémantique

10.1 Le modèle de comparaison de traits sémantiques de Smith, Shoben et Rips

Face à la domination et aux révisions successives des modèles de réseaux, un paradigme théorique concurrent radicalement différent s’est développé au milieu des années 1970 : le modèle de comparaison de traits sémantiques (feature comparison model), forgé en 1974 par Edward E. Smith, Edward J. Shoben et Lance J. Rips. Ce modèle rejette catégoriquement l’idée même que les connaissances sémantiques soient encodées sous forme d’un graphe topologique discret composé de nœuds et d’arcs d’héritage.

Smith, Shoben et Rips soutiennent que les concepts sont représentés en mémoire humaine sous la forme d’ensembles multidimensionnels de traits sémantiques décomposables, articulés en deux catégories fondamentales :

• Les traits définitoires (defining features) : éléments essentiels, non négociables et intrinsèques, indispensables pour qu’une entité appartienne formellement à une catégorie (par exemple, pour Oiseau : « être un être vivant », « être ovipare »).
• Les traits caractéristiques (characteristic features) : descripteurs fréquents, typiques et statistiquement corrélés à l’expérience quotidienne, mais non strictement nécessaires sur le plan logique (par exemple, pour Oiseau : « vole », « chante », « fait son nid dans les arbres »).

Le processus de décision sémantique n’est plus une navigation dans un graphe, mais un algorithme probabiliste d’évaluation statistique séquentielle à deux étapes :

1. Étape 1 (Calcul global de similarité de surface) : le système compare l’ensemble indiscriminé des traits du sujet et du prédicat (traits définitoires et caractéristiques confondus). Si le score global de similarité sémantique dépasse un seuil critique élevé ($S_1$), la réponse « VRAI » est émise immédiatement (cas du Merle-Oiseau). Si le score est inférieur à un seuil minimal ($S_0$), la réponse « FAUX » est déclenchée instantanément (cas du Serin-Truite).
2. Étape 2 (Vérification analytique des traits définitoires) : si le score de similarité globale se situe dans une zone intermédiaire d’incertitude (entre $S_0$ et $S_1$), le système engage une analyse sélective plus lente et coûteuse, portant exclusivement sur les traits définitoires. C’est précisément cette seconde étape qui explique pourquoi le traitement d’énoncés atypiques comme « Le manchot est un oiseau » ou d’erreurs proches comme « La chauve-souris est un oiseau » prend substantiellement plus de temps.

Ce modèle computationnel rival offrait une solution élégante aux failles du réseau hiérarchique, mais souffrait de sa propre difficulté formelle à distinguer de façon opérationnelle et rigoureuse ce qui relève d’un trait purement définitoire ou simplement caractéristique dans les concepts de la vie quotidienne.

10.2 Les théories des prototypes et des exemplaires en psychologie

L’essor des critiques adressées au modèle de Collins et Quillian s’inscrit plus largement dans une révolution philosophique et empirique qui a vu la psychologie cognitive s’émanciper du modèle logico-mathématique classique de la catégorisation, hérité de Platon et d’Aristote. Dès 1973, les travaux séminaux d’Eleanor Rosch imposent la théorie des prototypes, directement nourrie de la notion de « ressemblance de famille » (Familienähnlichkeit) introduite par le philosophe Ludwig Wittgenstein dans ses Recherches philosophiques.

Dans la perspective prototypique, les concepts ne possèdent pas de frontières nettes gouvernées par des règles de subsomption hiérarchique étanches. Une catégorie est organisée autour d’un prototype abstrait, représentant la moyenne statistique idéale des propriétés observées au sein des exemplaires rencontrés au cours de la vie. L’appartenance catégorielle devient une question de gradient continu : une entité appartient plus ou moins fortement à une classe selon sa distance psychologique par rapport au prototype central. Le moineau est un oiseau supérieur au manchot dans l’espace mental simplement parce qu’il partage un plus grand nombre de traits avec l’oiseau idéal moyen.

Allant plus loin encore dans le refus de l’abstraction formaliste, les théories des exemplaires (défendues notamment par Douglas Medin et Robert Nosofsky) postulent que la mémoire sémantique ne stocke même pas de hiérarchies abstraites ou de prototypes synthétiques. Selon ces modèles, notre savoir conceptuel se réduit à une immense banque de souvenirs épisodiques concrets d’exemplaires singuliers réellement perçus dans le passé. Juger qu’un animal est un oiseau consisterait à comparer perceptuellement cet animal à l’ensemble des souvenirs individuels d’oiseaux préalablement mémorisés dans nos circuits hippocampiques et corticaux.

Ce débat épistémologique oppose fondamentalement deux visions du fonctionnement cognitif : d’une part, l’approche computationnelle symbolique classique incarnée par Collins et Quillian, concevant l’esprit comme un système logique appliquant des règles d’inférence déductive sur des graphes abstraits ; d’autre part, les approches empiristes probabilistes considérant que l’intelligence émerge de calculs de similarité statistique et perceptive appliqués à l’expérience incarnée.

10.3 Les modèles distributionnels contemporains et l’espace vectoriel

À l’ère contemporaine, la théorisation de la mémoire sémantique a connu une métamorphose spectaculaire sous l’effet conjugué des sciences du langage et du traitement automatique des données massives, avec l’émergence des modèles de sémantique distributionnelle. Prenant leur source théorique dans la célèbre hypothèse formulée par le linguiste structuraliste Zellig Harris en 1954 — résumée par le célèbre aphorisme de John Rupert Firth : « You shall know a word by the company it keeps » —, ces approches formalisent le sens d’un concept non pas comme un nœud dans un arbre symbolique, mais comme un vecteur géométrique dans un espace vectoriel de haute dimension.

Des architectures vectorielles historiques telles que l’analyse sémantique latente (Latent Semantic Analysis ou LSA) développée par Thomas Landauer et Peter Dumais, jusqu’aux plongements lexicaux contemporains (Word Embeddings) comme Word2Vec ou les représentations contextuelles des modèles de langage profonds de type Transformers (tels que BERT et GPT), la signification des entités est induite automatiquement à partir des régularités statistiques de co-occurrence lexicale dans d’immenses corpus textuels :

• Dans un espace sémantique distributionnel, la notion de distance sémantique est modélisée par la similarité cosinus entre des vecteurs continus en plusieurs centaines de dimensions mathématiques.
• Deux concepts sémantiquement proches (comme « Canari » et « Merle ») se projettent dans des voisinages topologiques immédiats au sein de la variété géométrique, capturant automatiquement l’effet de typicité sans nécessiter l’encodage manuel de règles d’héritage d’attributs.

Toutefois, cette transition vers des espaces continus distribués met en exergue les limites intrinsèques des modèles géométriques purs face à l’héritage symbolique de Collins et Quillian. Si les représentations vectorielles actuelles excellent à mesurer des degrés d’affinité sémantique ou de typicalité associative, elles peinent structurellement à effectuer des inférences logiques déductives rigoureuses, univoques et explicites le long de hiérarchies strictes de subsomption, soulignant la pertinence intemporelle de la formalisation symbolique originale des pionniers de 1969.

11. Implémentations computationnelles et résonances en intelligence artificielle

11.1 L’influence sur les langages de représentation des connaissances

Si la destinée psychologique du modèle hiérarchique de Collins et Quillian a été marquée par des controverses fécondes, sa descendance dans le champ de l’informatique pure et de l’intelligence artificielle symbolique a été prodigieusement couronnée de succès. Les principes architecturaux formalisés par Quillian dans son programme TLC ont constitué la matrice conceptuelle directe à partir de laquelle s’est développée toute la discipline de l’ingénierie des connaissances tout au long des décennies 1970 et 1980.

L’impact le plus direct se mesure dans la genèse des langages de représentation formelle des connaissances. Des architectures mythiques de l’IA telles que KL-ONE, conçue par Ronald Brachman en 1978, ou les systèmes de cadres (Frames) théorisés par Marvin Minsky, constituent des évolutions techniques directes des réseaux sémantiques primitifs de Collins et Quillian :

• KL-ONE substitue aux intuitions psychologiques informelles de Quillian une rigueur sémantique logique absolue, formalisant ce qui deviendra la famille des logiques de description (Description Logics).
• Ces formalismes intègrent des solutions logico-mathématiques pointues pour résoudre l’épineuse question de l’héritage multiple (la situation où un concept hérite simultanément des attributs de deux super-classes distinctes sans entrer en contradiction) et pour standardiser l’attribution des quantificateurs universels et existentiels sur les arcs du graphe.

Les moteurs d’inférence des premiers systèmes experts industriels ont ainsi fonctionné pendant des décennies en appliquant mécaniquement les algorithmes de remontée de pointeurs d’héritage et de propagation taxonomique directement hérités des hypothèses computationnelles posées par Quillian chez BBN.

11.2 Les graphes de connaissances contemporains et le Web sémantique

Loin d’appartenir à l’histoire révolue de l’informatique précoce, les concepts fondateurs du réseau sémantique hiérarchique connaissent une renaissance éclatante au cœur même de l’infrastructure numérique du XXIe siècle. La vision visionnaire portée par Tim Berners-Lee à l’aube des années 2000, celle du Web sémantique (ou Web des données reliées), n’est rien d’autre que la mondialisation planétaire du modèle de Quillian à l’échelle du réseau Internet tout entier.

L’architecture technique contemporaine du Web sémantique repose sur des standards formels directement dérivés des propositions de 1969 :

• Le modèle de données RDF (Resource Description Framework) décompose l’intégralité du savoir numérique mondial sous la forme de triplets formels élémentaires : ⟨Sujet, Prédicat, Objet⟩, ce qui équivaut rigoureusement à deux nœuds conceptuels reliés par un arc relationnel étiqueté.
• Les langages d’ontologie contemporains comme OWL (Web Ontology Language) implémentent à une échelle industrielle massive la relation de subsomption taxonomique fondamentale au moyen de la balise formelle rdfs:subClassOf, assurant l’héritage automatisé des propriétés et l’inférence déductive entre ontologies décentralisées.

De nos jours, les plus puissants géants du numérique exploitent des architectures de données colossalement complexes appelées graphes de connaissances (Knowledge Graphs), qu’il s’agisse de Google, de Wikidata ou de bases de données biomédicales spécialisées comme le Gene Ontology. Lorsqu’un moteur de recherche moderne comprend la relation sémantique subtile reliant un auteur à son œuvre ou une pathologie génétique à une cascade enzymatique, il navigue au sein d’un graphe orienté géant dont la logique d’interrogation et de déduction par héritage demeure la fille directe des travaux pionniers de Collins et Quillian.

11.3 Parallèle critique avec les architectures connexionnistes

L’évaluation computationnelle contemporaine du modèle de Collins et Quillian s’enrichit d’une confrontation dialectique passionnante avec les réseaux de neurones artificiels profonds qui dominent le paysage technologique actuel. Cette confrontation réactive l’un des débats épistémologiques les plus intenses de l’histoire des sciences cognitives : l’opposition entre représentations localistes symboliques et représentations distribuées connexionnistes.

Dans l’approche localiste de Collins et Quillian, un concept correspond à un nœud physique unique, discret et transparent ; l’information est localisable, explicite et immédiatement vérifiable sur le plan logique. À l’inverse, dans un réseau connexionniste ou un modèle de langage profond contemporain, un concept n’est stocké nulle part de manière isolée : il émerge dynamiquement sous la forme d’un motif complexe d’activations distribuées à travers des millions ou des milliards de poids synaptiques matriciels pondérés.

Ce basculement vers l’opacité statistique des modèles de boîte noire met paradoxalement en lumière l’immense supériorité explicative du modèle de Quillian sur les plans de l’interprétabilité, de la rigueur déductive et du contrôle de la cohérence logique :

• Les grands modèles de langage contemporains souffrent d’hallucinations sémantiques chroniques et peinent à maintenir un raisonnement logique rigoureusement transitif sur de longues chaînes déductives.
• Pour pallier ces failles majeures, les chercheurs en intelligence artificielle développent aujourd’hui activement des approches neuro-symboliques. Ces architectures hybrides de pointe cherchent précisément à marier la puissance d’apprentissage perceptuel statistique des réseaux de neurones profonds avec la rigueur formelle, le contrôle taxonomique et l’efficience déductive des réseaux sémantiques hiérarchiques de Collins et Quillian.

12. Synthèse épistémologique et héritage contemporain en psychologie cognitive

12.1 Rôle séminal dans l’autonomisation de la psychologie cognitive

Avec le recul historique que procure plus d’un demi-siècle de recherche empirique, la portée épistémologique des travaux d’Allan Collins et Ross Quillian apparaît véritablement monumentale. Au-delà des succès ou des insuffisances de leur architecture particulière, leur geste théorique de 1969 a agi comme un puissant catalyseur dans l’autonomisation institutionnelle et méthodologique de la psychologie cognitive contemporaine.

Leur coup d’éclat a consisté à prouver de façon irréfutable que la structure intime et invisible de l’esprit humain n’était plus un objet de spéculation philosophique ou de psychanalyse littéraire, mais un système d’information rigoureusement mesurable par des protocoles physiques de laboratoire. En mariant le formalisme computationnel le plus pointu issu des sciences de l’ordinateur avec la précision chronométrique de la psychologie expérimentale, ils ont fixé la grammaire conceptuelle et les canons méthodologiques de plusieurs générations de chercheurs :

• Des vocables devenus universels tels que nœuds, liens sémantiques, héritage de propriétés, distance sémantique ou recherche nodale sont entrés de façon permanente dans le lexique des sciences de l’esprit.
• Leur démarche a légitimé l’utilisation de modèles computationnels explicites comme hypothèses scientifiques réfutables, transformant à jamais la manière dont la psychologie appréhende le fonctionnement de la mémoire à long terme.

12.2 Validité écologique et limites d’une vision strictement symbolique

Toutefois, une évaluation critique lucide du modèle hiérarchique impose de souligner ses sévères limitations conceptuelles lorsqu’on le confronte aux réalités de la cognition humaine incarnée dans le monde réel. L’architecture de Collins et Quillian postule une mémoire sémantique désincarnée, purement logico-déductive, fonctionnant en vase clos à l’écart des contraintes biologiques, perceptives et pragmatiques de l’organisme vivant.

La critique cognitiviste contemporaine, nourrie par le courant de la cognition incarnée (Embodied Cognition) porté par des figures comme George Lakoff et Lawrence Barsalou, a vivement dénoncé la fiction des représentations amodales abstraites :

• Nos concepts ne sont pas des nœuds arbitraires suspendus dans un vide ontologique ; ils sont profondément ancrés dans nos systèmes sensori-moteurs cérébraux. Penser au concept d’oiseau ou à l’attribut « vole » réactive partiellement les aires corticales motrices et visuelles préalablement engagées lors de la perception réelle d’un oiseau en vol.
• L’architecture arborescente rigide est fondamentalement impuissante à modéliser la plasticité adaptative du langage humain : la flexibilité métaphorique, la contextualisation sémantique pragmatique (le mot « piano » n’évoque pas les mêmes propriétés si l’on cherche à l’accorder ou si l’on tente de le déménager) et la fluidité des catégories dépendantes d’un but particulier (ad hoc categories) échappent structurellement à la combinatoire fermée des graphes traditionnels.

12.3 Perspectives en neurosciences cognitives sur l’organisation des concepts

Enfin, les neurosciences cognitives contemporaines offrent un éclairage anatomique saisissant sur les intuitions prophétiques et les limites du modèle de Collins et Quillian. Grâce au déploiement de techniques de neuro-imagerie fonctionnelle de haute résolution spatiale (comme l’IRMf) et à l’étude neuropsychologique méticuleuse de patients atteints de démence sémantique consécutive à des atrophies corticales focales, la biologie de la mémoire sémantique a considérablement progressé.

Le consensus neuroscientifique contemporain s’est cristallisé autour du modèle du « moyeu et des rayons » (Hub and Spoke Model), théorisé notamment par Matthew Lambon Ralph et ses collaborateurs de l’Université de Cambridge :

• Les caractéristiques sémantiques spécifiques (couleur, mouvement, son, fonction d’usage) sont distribuées à travers les différentes régions sensori-motrices spécialisées du néocortex (les spokes ou rayons).
• Ces représentations distribuées convergent et sont intégrées au sein d’un « moyeu » anatomique unique (le hub) situé bilatéralement dans le pôle temporal antérieur (ATL).

De façon fascinante, la dégradation neurodégénérative progressive du pôle temporal antérieur chez les patients atteints de démence sémantique réplique de manière presque clinique les prédictions d’arborescence taxonomique du modèle de Collins et Quillian, mais dans un ordre topologique inversé : les patients perdent systématiquement d’abord la capacité d’identifier les concepts subordonnés spécifiques (incapables de nommer un « serin », ils l’appellent simplement un « oiseau »), avant de perdre les catégories intermédiaires pour ne plus conserver que le terme superordonné le plus résistant (« animal » ou « chose »).

Ces données neurobiologiques majeures attestent que, si le câblage synaptique cérébral réel est infiniment plus complexe, plastique et continu que les circuits discrets dessinés par Allan Collins et Ross Quillian dans les laboratoires de BBN en 1969, leur intuition d’une hiérarchie fondamentale structurant le savoir conceptuel de l’espèce humaine demeure l’un des monuments intellectuels les plus solides et les plus féconds de l’histoire des sciences de l’esprit.

Références

• Barsalou, L. W. (1999). Perceptual symbol systems. Behavioral and Brain Sciences, 22(4), 577-660. https://doi.org/10.1017/s0140525x99002149
• Brachman, R. J. (1977). What’s in a concept: structural foundations for semantic networks. International Journal of Man-Machine Studies, 9(2), 127-152. https://doi.org/10.1016/S0020-7373(77)80017-5
• Collins, A. M., & Quillian, M. R. (1969). Retrieval time from semantic memory. Journal of Verbal Learning and Verbal Behavior, 8(2), 240-247. https://doi.org/10.1016/S0022-5371(69)80069-1
• Collins, A. M., & Quillian, M. R. (1970). Facilitating retrieval from semantic memory: The effect of category size. Cognitive Psychology, 1(4), 304-323. https://doi.org/10.1016/0010-0285(70)90019-1
• Collins, A. M., & Loftus, E. F. (1975). A spreading-activation theory of semantic processing. Psychological Review, 82(6), 407-428. https://doi.org/10.1037/0033-295X.82.6.407
• Conrad, C. (1972). Cognitive economy in semantic memory. Journal of Experimental Psychology, 92(2), 149-154. https://doi.org/10.1037/h0032072
• Landauer, T. K., & Dumais, S. T. (1997). A solution to Plato’s problem: The latent semantic analysis theory of acquisition, induction, and representation of knowledge. Psychological Review, 104(2), 211-240. https://doi.org/10.1037/0033-295X.104.2.211
• Meyer, D. E., & Schvaneveldt, R. W. (1971). Facilitation in recognizing pairs of words: evidence of a dependence between retrieval operations. Journal of Experimental Psychology, 90(2), 227-234. https://doi.org/10.1037/h0031564
• Minsky, M. (1975). A framework for representing knowledge. Dans P. H. Winston (Éd.), The Psychology of Computer Vision (pp. 211-277). McGraw-Hill.
• Patterson, K., Nestor, P. J., & Rogers, T. T. (2007). Where do you know what you know? The representation of semantic knowledge in the human brain. Nature Reviews Neuroscience, 8(12), 976-987. https://doi.org/10.1038/nrn2277
• Quillian, M. R. (1967). Word association and machine translation. Mechanical Translation and Computational Linguistics, 10(1-2), 15-24.
• Quillian, M. R. (1968). Semantic memory. Dans M. Minsky (Éd.), Semantic Information Processing (pp. 227-270). MIT Press.
• Quillian, M. R. (1969). The Teachable Language Comprehender: A simulation program and theory of language. Communications of the ACM, 12(8), 459-476. https://doi.org/10.1145/363196.363214
• Ralph, M. A. L., Jefferies, E., Patterson, K., & Rogers, T. T. (2017). The neural and computational bases of semantic cognition. Nature Reviews Neuroscience, 18(1), 42-55. https://doi.org/10.1038/nrn.2016.150
• Rips, L. J., Shoben, E. J., & Smith, E. E. (1973). Semantic distance and the verification of semantic relations. Journal of Verbal Learning and Verbal Behavior, 12(1), 1-20. https://doi.org/10.1016/S0022-5371(73)80056-8
• Rosch, E. (1973). Natural categories. Cognitive Psychology, 4(3), 328-350. https://doi.org/10.1016/0010-0285(73)90017-0
• Rosch, E. (1975). Cognitive representations of semantic categories. Journal of Experimental Psychology: General, 104(3), 192-233. https://doi.org/10.1037/0096-3445.104.3.192
• Smith, E. E., Shoben, E. J., & Rips, L. J. (1974). Structure and process in semantic memory: A featurally based model for semantic decisions. Psychological Review, 81(3), 214-241. https://doi.org/10.1037/h0036351