IA symbolique vs. réseaux de neurones dans la modélisation cognitive

La question de la nature de la pensée et de sa modélisation formelle constitue l’un des axes cardinaux des sciences computationnelles contemporaines. Depuis la formalisation mathématique de l’esprit initiée au milieu du XXe siècle, la modélisation cognitive tente d’élucider une énigme fondamentale : par quels mécanismes computationnels des systèmes physiques peuvent-ils engendrer la perception, le langage, l’abstraction et le raisonnement logique ? Pour répondre à ce défi épistémologique, deux paradigmes rivaux et complémentaires ont vu le jour, structurant des décennies de débats théoriques, d’innovations méthodologiques et de confrontations empiriques au sein de la psychologie cognitive, de la linguistique et de l’intelligence artificielle.

D’un côté, l’approche symbolique classique, souvent qualifiée de fonctionnaliste ou de computationnalisme orthodoxe, postule que la cognition s’articule autour de la manipulation syntaxique de symboles formels discrets. Héritière de la logique mathématique de Frege et de Russell ainsi que de la formalisation de la machine universelle de Turing, cette école conçoit l’esprit humain à l’image d’un ordinateur séquentiel exécutant des algorithmes logiques sur des structures de données propositionnelles. De l’autre côté, le connexionnisme, revivifié sous les auspices contemporains des réseaux de neurones profonds et de l’apprentissage automatique statistique, rejette le primat de la règle logique explicite au profit d’un traitement distribué en parallèle inspiré de l’architecture micro-structurelle du système nerveux central. Dans ce second paradigme, l’intelligence émerge de la dynamique non linéaire d’un grand nombre d’unités de calcul élémentaires connectées par des poids synaptiques continuellement ajustés par l’expérience.

Cette confrontation théorique dépasse largement la simple querelle d’ingénierie logicielle ou d’efficacité opérationnelle appliquée aux données massives. Elle touche aux fondements ontologiques de la cognition : la pensée humaine est-elle intrinsèquement propositionnelle, combinatoire et explicable en vertu d’une grammaire universelle interne, ou est-elle le résultat d’une géométrie statistique hautement multidimensionnelle, capable d’induire des régularités floues à partir de l’interaction sensorimotrice avec le monde ? Cet article explore exhaustivement les architectures, les implications philosophiques et les développements actuels de l’IA symbolique et des réseaux de neurones appliqués à la modélisation cognitive, afin d’esquisser les contours d’une synthèse unifiée au sein des sciences de l’esprit.

1. Introduction : Les fondements computationnels de la modélisation cognitive

1.1 Définition et émergence des paradigmes symbolique et sous-symbolique

La modélisation cognitive se distingue de l’intelligence artificielle purement orientée vers la performance d’ingénierie par son engagement empirique et épistémique envers la réalité biologique et psychologique de l’esprit. Alors que l’intelligence artificielle appliquée vise à optimiser la résolution d’une tâche donnée sans considération nécessaire pour les contraintes psychologiques humaines, la modélisation cognitive cherche à formuler des théories algorithmiques précises capables de reproduire, de prédire et d’expliquer les comportements observés chez les organismes vivants : temps de réaction, patrons d’erreurs systématiques, limitations de la mémoire de travail et étapes du développement de l’enfant.

Au cœur de cette discipline se trouve l’opposition matricielle entre le paradigme symbolique et le paradigme sous-symbolique. L’intelligence artificielle symbolique, souvent désignée sous l’acronyme GOFAI (Good Old-Fashioned Artificial Intelligence), s’est cristallisée dans la seconde moitié des années 1950, principalement lors de la célèbre conférence de Dartmouth en 1956. Portée par des pionniers tels qu’Herbert Simon, Allen Newell, John McCarthy et Marvin Minsky, cette approche postule un fonctionnalisme structural : la pensée est une opération mécanique sur des symboles arbitraires dénués de sens matériel intrinsèque mais dotés d’une syntaxe rigoureuse. Les symboles représentent des objets, des relations ou des concepts du monde réel, et leur composition répond aux lois de la logique formelle. Cette conception découle directement des fondations posées par la théorie de la calculabilité et par les théorèmes d’incomplétude de Gödel, postulant que tout raisonnement rationnel peut être discrétisé et transcrit sous la forme d’un programme informatique procédural.

Concomitamment, mais en marge de ce courant dominant initial, le paradigme sous-symbolique ou connexionniste a puisé sa source dans les travaux pionniers de Warren McCulloch et Walter Pitts en 1943, ainsi que dans les propositions de Donald Hebb en 1949 relatives à la plasticité synaptique. Ce paradigme conçoit l’activité mentale non pas comme l’application déterministe de règles syntaxiques sur des symboles atomiques, mais comme la résultante macroscopique d’interactions numériques locales au sein d’un maillage réticulaire dense d’unités simples. Les représentations y sont dites sous-symboliques dans la mesure où aucun nœud isolé du réseau ne porte de signification conceptuelle univoque ; la signification est distribuée sous forme de vecteurs d’activation à travers l’ensemble du réseau. L’intérêt épistémologique de comparer ces deux cadres réside dans le fait qu’ils incarnent deux lectures orthogonales de la causalité cognitive : d’une part, une causalité descendante (top-down) régie par des structures logiques de haut niveau imposées au système, d’autre part, une causalité ascendante (bottom-up) où les régularités abstraites émergent organiquement de la dynamique statistique du substrat matériel.

1.2 La querelle historique : Computationnisme classique vs. Connexionnisme

L’histoire de la science cognitive computationnelle est scandée par des phases d’hégémonie théorique et de vives controverses idéologiques. Après une première vague d’enthousiasme pour les réseaux neuronaux simples avec le Perceptron de Frank Rosenblatt dans les années 1950, la publication de l’ouvrage critique de Marvin Minsky et Seymour Papert en 1969 porta un coup sévère au connexionnisme précoce. En démontrant formellement l’incapacité d’un perceptron monocouche à résoudre des fonctions non linéairement séparables telles que le OU exclusif (XOR), Minsky et Papert marginalisèrent durablement le paradigme sous-symbolique au profit d’une domination écrasante de l’IA symbolique durant près de deux décennies.

Il fallut attendre le milieu des années 1980 pour que le connexionnisme renaisse de manière spectaculaire, catalysé par la formalisation de l’algorithme de rétropropagation du gradient par David Rumelhart, Geoffrey Hinton et Ronald Williams, ainsi que par la publication en 1986 de l’ouvrage fondateur du groupe PDP (Parallel Distributed Processing) dirigé par David Rumelhart et James McClelland. Cette réémergence suscita une riposte intellectuelle vigoureuse de la part des tenants du computationnisme classique. Le point culminant de cette rivalité historique s’incarna dans l’article séminal de Jerry Fodor et Zenon Pylyshyn publié en 1988 dans la revue Cognition, intitulé Connectionism and cognitive architecture: A critical analysis.

Fodor et Pylyshyn y développèrent une attaque ontologique contre le modèle connexionniste, articulée autour de trois propriétés fondamentales de l’esprit humain : la productivité, la compositionnalité et la systématicité. Selon eux, l’esprit est capable de générer un nombre infini de pensées distinctes à partir d’un ensemble fini de primitives symboliques (productivité). De surcroît, la signification d’une pensée complexe dépend directement de la signification de ses parties constituantes et des règles syntaxiques combinatoires qui les unissent (compositionnalité). Enfin, la capacité de concevoir une relation donnée implique intrinsèquement la capacité de concevoir sa transposition structurelle : quiconque est capable de comprendre la proposition « Jean aime Marie » est structurellement capable de comprendre la proposition « Marie aime Jean » (systématique). Fodor et Pylyshyn affirmèrent que les réseaux connexionnistes, en opérant par de simples associations statistiques vectorielles, ne pouvaient manifester une telle systématicité intrinsèque sans recourir à un codage symbolique sous-jacent, reléguant au mieux le connexionnisme au rang de simple technologie d’implémentation matérielle de l’architecture symbolique classique. Cette querelle s’est trouvée profondément reconfigurée au XXIe siècle sous l’impulsion de l’apprentissage profond (Deep Learning), qui a démontré des capacités empiriques stupéfiantes dans le traitement du langage naturel et de la vision, relançant avec acuité le débat sur l’émergence spontanée de structures compositionnelles au sein d’architectures purement neuronales.

1.3 Niveaux d’explication de David Marr appliqués au débat

Pour clarifier ce débat épistémologique et dépasser les antagonismes méthodologiques stériles, l’intégration du cadre conceptuel proposé par le neuroscientifique David Marr dans son ouvrage Vision (1982) s’avère indispensable. Marr a formalisé une grille de lecture triadique stipulant que tout système de traitement de l’information complexe, qu’il soit biologique ou artificiel, doit être analysé à trois niveaux distincts d’abstraction : le niveau computationnel, le niveau algorithmique et représentationnel, et le niveau de l’implémentation physique.

Le premier niveau, dit computationnel, définit la finalité téléologique du système : quelle est la fonction mathématique calculée, quel est l’objectif global de la tâche, et quelle est la logique formelle qui sous-tend son accomplissement ? À ce niveau d’analyse, l’approche symbolique et l’approche connexionniste peuvent parfois trouver un terrain d’accord, car toutes deux cherchent à modéliser des facultés cognitives précises, telles que la catégorisation d’objets, la planification d’itinéraires ou la sélection lexicale lors de la parole. Les deux paradigmes tentent de caractériser la manière dont des entrées informationnelles sont transformées en sorties adaptatives adéquates par rapport aux exigences de l’environnement.

C’est au deuxième niveau, le niveau algorithmique et représentationnel, que la divergence entre symbolistes et connexionnistes devient ontologiquement inconciliable. Ce niveau s’intéresse à la forme concrète des représentations manipulées et aux séquences d’opérations transformationnelles qui leur sont appliquées. Pour le paradigme symbolique, les représentations sont formées d’expressions discrètes gouvernées par une syntaxe stricte, et les algorithmes sont des instructions de manipulation de listes, des parcours d’arbres ou des applications de règles d’inférence déductive. À l’inverse, pour le paradigme connexionniste, les représentations sont des points dans des espaces métriques continus à haute dimension (vecteurs de réels), et les algorithmes consistent en des multiplications matricielles, des passages à travers des fonctions d’activation non linéaires et des descentes de gradient stochastique. L’information n’y est pas manipulée selon sa structure syntaxique explicite, mais en vertu de sa proximité géométrique et de sa résonance énergétique globale.

Enfin, le troisième niveau, celui de l’implémentation physique, s’attache à la réalisation matérielle du système : comment les algorithmes et les représentations sont-ils concrètement encodés dans le substrat physique, qu’il s’agisse de circuits intégrés en silicium ou de réseaux de neurones biologiques au sein du cortex cérébral ? Traditionnellement, l’IA symbolique revendiquait une thèse de réalisabilité multiple radicale héritée de la philosophie de l’esprit de Hilary Putnam : l’architecture formelle de l’esprit étant indépendante du support matériel, la biologie neuronale n’était considérée que comme un détail d’ingénierie contingent sans valeur explicative pour la psychologie cognitive. À l’opposé, les connexionnistes postulent que les contraintes architecturales du système nerveux central – son parallélisme massif, sa vitesse de transmission électrochimique lente, son absence d’unité arithmétique et logique centrale – dictent impérieusement la nature même des algorithmes cognitifs viables. L’ignorance du niveau d’implémentation est vue par ces derniers comme une erreur fondamentale qui a conduit le modèle symbolique à postuler des mécanismes cognitifs biologiquement irréalisables.

2. L’approche symbolique : L’esprit comme manipulateur de représentations discrètes

2.1 L’hypothèse du système de symboles physiques (Newell & Simon)

L’édifice théorique de l’IA symbolique repose sur une pierre angulaire formulée par Allen Newell et Herbert Simon lors de leur conférence du prix Turing en 1976 : l’Hypothèse du Système de Symboles Physiques (Physical Symbol System Hypothesis ou PSSH). Selon cet énoncé aux ambitions universelles, un système de symboles physiques possède les moyens nécessaires et suffisants pour générer une action intelligente générale. Cette hypothèse ne constitue pas une simple métaphore poétique comparant l’esprit à une machine, mais un théorème épistémologique affirmant une équivalence stricte de nature entre les processus de la pensée humaine et les mécanismes informatiques de manipulation formelle de jetons symboliques.

Dans ce cadre, la nature des représentations est rigoureusement définie. Un symbole est une entité physique distincte (un jeton ou token) capable de désigner ou de référer à une entité externe ou interne. Les symboles peuvent être assemblés selon des règles de grammaire syntaxique précises pour former des structures de données complexes ou des expressions symboliques composées. Ces expressions possèdent une sémantique vérifonctionnelle : la valeur de vérité ou la signification d’un énoncé composé découle déterministement de la signification de ses atomes constitutifs et des connecteurs logiques qui les unissent (conjonction, disjonction, négation, implication). La pensée est donc conceptualisée comme une dérivation logique au sein d’un calcul propositionnel ou d’une logique des prédicats du premier ordre.

Sur le plan opérationnel, l’intelligence se matérialise principalement à travers des systèmes de production. Développés initialement par Emil Post en mathématiques pures, les systèmes de production appliqués à la psychologie cognitive par Newell et Simon reposent sur des collections modulaires de règles dites « Condition-Action » ou règles « Si-Alors » (IF-THEN). L’exécution d’un tel système est régie par un cycle cognitif élémentaire en trois phases :

• L’appariement (Pattern Matching) : Le système inspecte le contenu actuel de sa mémoire de travail déclarative et identifie l’ensemble des règles de production dont les conditions syntaxiques préalables sont pleinement satisfaites.
• La résolution de conflits (Conflict Resolution) : Lorsqu’une multitude de règles s’avèrent simultanément applicables, un arbitrage sélectif est déclenché selon des critères explicites de priorité, d’antériorité temporelle, de spécificité logique ou de cohérence avec l’objectif dominant.
• L’exécution (Action Execution) : La règle triomphante modifie l’état de la mémoire de travail, soit en insérant une nouvelle information déduite, soit en éliminant un élément obsolète, soit en commandant une action motrice à l’environnement.

Grâce à ce mécanisme purement syntaxique, le système engendre un comportement téléologique orienté vers un but, simulant de façon remarquable les étapes délibératives de la pensée logique humaine.

2.2 Architectures cognitives majeures basées sur les règles

Afin de transformer ces principes abstraits en modèles empiriquement vérifiables, les chercheurs en sciences cognitives computationnelles ont développé des architectures cognitives unifiées. Contrairement aux modèles experts spécialisés dans un domaine restreint, une architecture cognitive vise à formaliser l’ensemble des mécanismes invariants de l’esprit humain à travers une plateforme computationnelle unique capable de soutenir des simulations dans des domaines aussi divers que l’attention visuelle, l’arithmétique mentale, la résolution de problèmes spatiaux ou le contrôle aérien.

L’architecture paradigmatique la plus influente et la plus rigoureusement éprouvée expérimentalement est ACT-R (Adaptive Control of Thought–Rational), conçue par John R. Anderson à l’Université Carnegie Mellon. ACT-R implémente une distinction neuro-fonctionnelle majeure entre deux types de mémoire : la mémoire déclarative et la mémoire procédurale. La mémoire déclarative stocke les faits et les connaissances sous la forme d’unités d’information discrètes appelées chunks. Chaque chunk possède un schéma fixe composé d’un type relationnel et d’attributs typés. La mémoire procédurale, quant à elle, encode le savoir-faire opératoire sous forme de règles de production. Ce qui confère à ACT-R sa puissance explicative unique est l’adjonction systématique d’une couche sous-symbolique continue venant réguler l’accès aux structures symboliques. L’activation d’un chunk en mémoire de travail dépend d’une équation mathématique intégrant son historique d’utilisation passé (loi de la pratique et de l’oubli de Ebbinghaus) et sa pertinence contextuelle immédiate calculée par propagation bayésienne d’activation :

Cette composante subsymbolique permet à ACT-R de prédire avec une précision millimétrique les temps de réaction mesurés chez des sujets humains lors d’expérimentations psychologiques, ainsi que les probabilités de rappel mémoriel et d’omission sous contrainte de temps. De plus, l’architecture ACT-R est modulaire, reliant ses mémoires à des tampons d’accès (buffers) synchronisés avec des modules perceptifs (vision, audition) et moteurs, validés par des études d’imagerie par résonance magnétique fonctionnelle (IRMf) établissant des correspondances entre des modules spécifiques d’ACT-R et des structures cérébrales anatomiques identifiables (telles que les ganglions de la base pour le déclenchement des productions ou le cortex préfrontal pour le module d’objectifs).

Une autre architecture fondamentale est Soar (originellement State, Operator And Result), initiée par John Laird, Allen Newell et Paul Rosenbloom. Soar postule que l’ensemble du comportement orienté vers un but est conceptualisé comme une recherche systématique au sein d’espaces d’états (state spaces). Lorsque les connaissances procédurales courantes d’un agent Soar sont insuffisantes pour déterminer l’action suivante – une condition structurelle baptisée « impasse » –, l’architecture crée automatiquement un sous-objectif d’ordre supérieur (subgoaling) afin de résoudre cette ambiguïté épistémique. Une fois l’impasse surmontée par délibération et exploration métacognitive, Soar déclenche un mécanisme d’apprentissage endogène nommé le chunking : le système compile la trajectoire de résolution du sous-but en une nouvelle règle de production unitaire synthétique. Ainsi, la confrontation future à une situation contextuelle identique n’engendrera plus aucune impasse délibérative mais déclenchera immédiatement l’exécution directe de l’action idoine. Soar formalise ainsi une théorie puissante de la transition de la performance réflexive novice vers l’automatisme expert.

2.3 Forces et apories du modèle symbolique

Les succès analytiques de l’IA symbolique dans la modélisation cognitive sont indéniables. Sa force première réside dans sa totale transparence explicative. Chaque étape computationnelle au sein d’un système à base de règles est intrinsèquement déchiffrable et vérifiable : il est possible d’isoler avec une exactitude absolue la règle de production mobilisée, l’état précis des variables syntaxiques et le graphe de dépendance causal ayant conduit à une déduction ou à une décision. Cette propriété confère aux modèles symboliques une pertinence clinique et ergonomique majeure lorsqu’il s’agit d’analyser l’étiologie d’un raisonnement erroné ou d’auditer la sécurité décisionnelle d’un système homme-machine critique. De plus, l’approche symbolique excelle dans l’apprentissage dit « à coup unique » (one-shot learning) : l’insertion explicite d’une seule règle logique ou d’un nouvel axiome transforme instantanément le comportement global du système, modélisant avec fidélité la capacité humaine à comprendre une consigne formelle inédite ou à assimiler une contrainte juridique nouvelle sans requérir des millions d’exemples empiriques préalables.

Cependant, le modèle symbolique s’est heurté à des impasses épistémologiques et computationnelles qui ont gravement érodé sa prétention à incarner une théorie complète de la cognition. La plus redoutable de ces apories est connue sous le nom de problème de l’ancrage des symboles (Symbol Grounding Problem), rigoureusement théorisé par le philosophe et cogniticien Stevan Harnad en 1990. Harnad pose une question dévastatrice : comment les symboles formels manipulés à l’intérieur d’un système clos peuvent-ils acquérir une quelconque signification intrinsèque par rapport aux entités physiques réelles du monde extérieur ?

Dans un système purement symbolique, un symbole tel que « CHEVAL » n’est relié qu’à d’autres symboles arbitraires, par exemple « A_QUATRE_PATTES » et « ANIMAL_HERBIVORE ». Le système est prisonnier d’une circularité herméneutique infinie, comparable à un individu cherchant à comprendre le sens d’un dictionnaire rédigé dans une langue inconnue à l’aide d’un lexique rédigé dans cette même langue inconnue. Sans connexion causale directe, phénoménologique et perceptive entre le jeton symbolique abstrait et le flux sensorimoteur issu de l’environnement, le système manipule des étiquettes syntaxiques vides, dépourvues d’intentionnalité intrinsèque, illustrant l’expérience de pensée de la « Chambre Chinoise » proposée par John Searle en 1980.

Par ailleurs, l’IA symbolique manifeste une sensibilité pathologique au bruit et une fragilité structurelle (brittleness) insurmontable face à la complexité du monde réel. Parce que sa logique repose sur des conditions booléennes strictes, une infime variation dans les entrées sensorielles (une ombre imprévue sur une image, une syllabe mal prononcée, une prémisse légèrement incohérente) empêche l’appariement syntaxique de s’opérer, provoquant l’interruption brutale du programme ou l’inférence de contradictions catastrophiques (principe d’explosion de la logique classique où du faux peut découler n’importe quelle proposition). Les systèmes de règles s’avèrent incapables d’absorber la fluidité, le flou conceptuel et la dégradation graduelle qui caractérisent pourtant la perception et l’action chez les organismes biologiques.

3. L’approche connexionniste : Les réseaux de neurones et le traitement distribué

3.1 Principes du traitement distribué en parallèle (PDP)

En rupture frontale avec la conception séquentielle et logique de l’IA symbolique, le connexionnisme propose de modéliser les états mentaux sous la forme de configurations d’activation émergeant d’un maillage réticulaire hautement intriqué. Le cadre théorique du Traitement Distribué en Parallèle (PDP), formalisé par David Rumelhart et James McClelland, repose sur une axiomatique computationnelle radicalement différente, articulée autour de huit composants constitutifs :

• Un ensemble discret d’unités de traitement (nœuds computationnels simplifiés).
• Un état d’activation vectoriel instantané pour l’ensemble des nœuds à un temps donné.
• Une fonction de sortie traduisant l’activation de chaque nœud en un signal numérique émis.
• Un motif de connectivité inter-unités, matérialisé sous la forme d’une matrice mathématique de poids de connexion synaptiques réels.
• Une règle de propagation calculant l’entrée nette parvenant à chaque unité à partir des sorties pondérées des nœuds afférents.
• Une fonction d’activation non linéaire (sigmoïde, tangente hyperbolique ou rectification linéaire ReLU) déterminant l’état d’activation futur de l’unité.
• Une règle d’apprentissage modifiant dynamiquement la matrice des poids de connectivité en réponse à l’expérience statistique.
• Un environnement opérationnel fournissant des vecteurs d’entrée et, le cas échéant, des signaux d’erreur de rétroaction.

La distinction la plus profonde avec le computationnisme classique réside dans l’adoption de représentations distribuées. Alors qu’un système symbolique encode le concept de « chat » via un nœud localisé unique ou un identifiant textuel immuable, un réseau PDP encode ce concept sous la forme d’un motif complexe d’activation distribué sur des centaines ou des millions d’unités de calcul. Réciproquement, chaque unité individuelle participe simultanément à l’encodage d’une multitude d’autres concepts distincts (« chien », « fourrure », « carnivore »). Le sens n’est plus logé dans un symbole isolé, mais émerge de la position occupée par le vecteur d’activation global dans un espace vectoriel continu à très haute dimension (embedding space).

Le calcul cognitif ne procède plus par dérivation déductive d’étape en étape le long d’une chaîne logique, mais par l’évolution dynamique d’un système non linéaire tendant vers un attracteur ou un état d’équilibre énergétique minimal. Dans des architectures telles que les réseaux de Hopfield ou les machines de Boltzmann, le traitement cognitif s’apparente à une satisfaction douce de contraintes multiples (soft constraint satisfaction) : le réseau évalue en parallèle d’innombrables indices contextuels partiellement contradictoires, convergeant naturellement vers l’interprétation sémantique globale la plus plausible qui minimise l’énergie libre ou l’erreur globale de reconstruction.

3.2 Plausibilité biologique et apprentissage inductif

L’attrait irrésistible du modèle connexionniste pour les neurosciences cognitives tient à son enracinement dans les principes architecturaux du tissu cérébral. Le cerveau humain héberge environ 86 milliards de neurones, chacun étant connecté en moyenne à dix mille synapses, fonctionnant avec une cadence d’oscillation temporelle remarquablement lente (de l’ordre de quelques millisecondes) par rapport aux microprocesseurs modernes cadencés en gigahertz. Malgré cette lenteur électrophysiologique relative, l’esprit humain parvient à identifier un visage familier ou à catégoriser une scène visuelle complexe en moins de 150 millisecondes. Ce constat empirique – connu historiquement sous le nom de « contrainte des cent étapes » formulée par Jerome Feldman – rend hautement improbable l’exécution d’algorithmes symboliques séquentiels nécessitant des millions de déductions logiques successives pour parvenir à une décision perceptive.

Au cœur du paradigme connexionniste réside le principe d’apprentissage inductif continu. Contrairement aux systèmes experts nécessitant l’explicitation manuelle laborieuse de règles d’inférence par un ingénieur cogniticien, les réseaux de neurones extraient de façon autonome les régularités statistiques latentes à partir d’échantillons perceptifs bruts. Ce processus s’appuie historiquement sur les intuitions de Donald Hebb (1949), synthétisées dans la maxime selon laquelle des neurones qui s’activent ensemble renforcent leurs connexions mutuelles (Neurons that fire together, wire together). Cette plasticité synaptique hebbienne, confirmée biologiquement par la découverte de la potentialisation à long terme (LTP), permet au réseau d’apprendre des associations contextuelles sans aucune supervision externe.

Cette approche a culminé avec le développement d’algorithmes d’apprentissage supervisé, semi-supervisé et autosupervisé d’une extraordinaire sophistication mathématique. La rétropropagation du gradient d’erreur (error backpropagation) permet de propager le différentiel entre la prédiction vectorielle générée par le réseau et l’état empirique attendu depuis les couches de sortie jusqu’aux couches sensorielles profondes. Par application rigoureuse du théorème de dérivation en chaîne du calcul différentiel infinitésimal, le réseau ajuste incrémentalement l’intégralité de ses paramètres synaptiques afin de minimiser une fonction de coût empirique :

Grâce à cette dynamique d’optimisation continue, les réseaux de neurones manifestent une propriété cognitive fondamentale observée chez les êtres vivants : la dégradation progressive des performances (graceful degradation). Si l’on applique une lésion structurelle partielle à un réseau connexionniste (destruction aléatoire de nœuds ou perturbation gaussienne des poids synaptiques), le modèle ne s’effondre pas de façon catastrophique comme le ferait un programme informatique traditionnel confronté à une instruction corrompue. Au contraire, ses performances déclinent de manière diffuse, douce et proportionnelle à l’ampleur du traumatisme infligé, reproduisant fidèlement les tableaux cliniques observés en neuropsychologie humaine lors d’accidents vasculaires cérébraux ou d’affections neurodégénératives affectant la mémoire sémantique.

3.3 Limites intrinsèques et défis théoriques

En dépit de leur puissance phénoménologique et de leurs triomphes empiriques contemporains dans le domaine des technologies numériques, les réseaux de neurones se heurtent à des limitations conceptuelles majeures lorsqu’on cherche à les ériger en modèle explicatif exhaustif de l’appareil cognitif humain. La première de ces apories concerne l’opacité computationnelle, couramment désignée sous l’appellation d’« effet boîte noire » (black-box problem). Bien que l’architecture globale d’un réseau profond et ses fonctions mathématiques constituantes soient parfaitement transparentes et déterministes, la nature précise des représentations internes distribuées à travers des dizaines de millions d’hyperparamètres demeure largement inaccessible à une interprétation sémantique univoque. Dans la perspective de l’épistémologie des sciences, un modèle dont on ne peut déduire analytiquement la logique interne des représentations ne constitue pas une véritable explication théorique d’un processus psychologique, mais plutôt une métaphore numérique opaque qui mime la performance empirique sans éclairer les mécanismes sous-jacents.

La deuxième limitation fondamentale, documentée dès la fin des années 1980 par Michael McCloskey et Neal Cohen, est le phénomène d’oubli catastrophique (catastrophic forgetting ou catastrophic interference). Lorsque l’on entraîne un réseau de neurones standard sur une nouvelle tâche perceptive après qu’il a maîtrisé une tâche antérieure, l’ajustement global des poids synaptiques requis pour intégrer les nouvelles régularités écrase de manière instantanée et irrémédiable les patrons synaptiques sous-tendant la mémoire de la tâche première. Ce comportement est diamétralement opposé à la dynamique de la mémoire humaine, capable d’apprentissage continu et cumulatif sans détruire les acquis mnésiques biographiques ou conceptuels anciens. Si le cerveau biologique résout cette difficulté par une architecture complexe à double système (théorie des mémoires complémentaires associant l’encodage rapide et transitoire de l’hippocampe à la consolidation lente et stable du néocortex), les réseaux connexionnistes élémentaires échouent à reproduire cette stabilité structurelle sans adjonction de mécanismes compensatoires complexes.

Enfin, la critique formulée par Fodor et Pylyshyn demeure une pierre d’achoppement conceptuelle irrésolue. Les réseaux de neurones éprouvent des difficultés chroniques à garantir une véritable généralisation hors distribution (out-of-distribution generalization) et à appliquer de manière systématique des règles combinatoires abstraites lorsqu’ils sont confrontés à des stimuli dont la forme structurelle n’a jamais été rencontrée dans les corpus d’entraînement statistique. Comme l’ont souligné Gary Marcus et de nombreux linguistes génératifs chomskyens, un réseau de neurones peut prédire avec brio la régularité statistique d’une suite lexicale sans pour autant posséder une maîtrise conceptuelle explicite de la structure arborescente et hiérarchique qui ordonne la syntaxe du langage naturel. Le réseau demeure un puissant interpolateur géométrique à l’intérieur de sa variété de données, mais peine à extrapoler au-delà selon les principes stricts du raisonnement déductif exact.

4. Différences clés entre l’IA symbolique et les réseaux de neurones

4.1 Nature des représentations et dynamique de traitement

L’abîme conceptuel qui sépare les deux paradigmes s’enracine dans la texture même des entités informationnelles qu’ils mobilisent et dans la nature temporelle et causale de leurs calculs. Pour l’IA symbolique, les représentations sont atomiques, discrètes, univoques et spatialement localisées. Un symbole correspond à un référent identifiable et s’articule avec d’autres au sein d’une combinatoire régie par une syntaxe stricte. Ce formalisme implique une séparabilité totale entre les structures de données (qui portent l’information) et les moteurs d’inférence (qui exécutent les opérations sur ces structures). Le traitement y est fondamentalement séquentiel et discret : le système progresse pas à pas, chaque transition d’état étant déclenchée par la validation explicite d’une clause logique.

À l’inverse, au sein des réseaux de neurones, les représentations sont continues, diffuses, intriquées et distribuées. L’information n’est jamais contenue dans une unité isolée, mais dispersée dans la structure géométrique d’un espace vectoriel multidimensionnel. Il n’existe aucune dichotomie formelle entre les données et le programme : les connaissances sont directement imprimées dans les connexions physiques du réseau (les poids synaptiques), tandis que l’exécution n’est autre que la dynamique d’activation parallèle traversant ce réseau. Le temps cognitif n’y est pas conçu comme une succession d’étapes algorithmiques discrètes, mais comme la trajectoire fluide et convergente d’un système dynamique tendant vers une configuration d’énergie minimale.

4.2 Apprentissage vs. Inférence et conception des règles

La genèse du savoir au sein de ces deux architectures répond à des épistémologies diamétralement opposées. L’approche symbolique s’inscrit dans une tradition rationaliste et déductive où la connaissance est principalement instillée de manière descendante (top-down). L’architecte cogniticien formalise a priori les axiomes, les ontologies conceptuelles et les règles de production qui gouvernent le domaine d’expertise visé. L’inférence consiste dès lors à appliquer ces vérités générales à des instanciations factuelles spécifiques via des mécanismes formels tels que le modus ponens, la résolution de Robinson ou l’unification logique. L’apprentissage y est souvent conçu comme une acquisition déclarative directe ou comme une compilation de règles préexistantes (par exemple, le chunking de Soar), requérant un volume de données minimal pour devenir immédiatement opérationnel.

Le connexionnisme, pour sa part, s’affilie à une posture philosophique empiriste et inductive. Aucune règle conceptuelle formelle n’est programmée a priori dans le système. Ce dernier apprend exclusivement par exposition ascendante (bottom-up) à une volumétrie massive de données empiriques issues de l’environnement. Les régularités conceptuelles, loin d’être codées sous forme d’instructions procédurales explicites, émergent spontanément sous forme d’invariants géométriques dans les couches profondes du réseau. L’inférence sous-jacente ne relève pas de la certitude logique formelle, mais d’une approximation probabiliste continue : le réseau calcule des distributions conditionnelles et opère une reconnaissance de formes (pattern recognition) fondée sur la similitude structurelle dans l’espace latent.

4.3 Plausibilité cognitive, robustesse et explicabilité

L’évaluation des deux approches au prisme des critères de validité psychologique et neurobiologique met en lumière une tension irréductible entre la fidélité au substrat biologique et la compréhensibilité humaine du modèle.

Sur le plan de l’alignement neurobiologique, l’IA symbolique présente une fidélité quasi nulle. Le système nerveux central humain n’abrite aucun processeur central séquentiel, aucune mémoire vive adressable par des pointeurs discrets, et aucune horloge centrale synchronisant des instructions symboliques. Les règles déterministes ignorent superbement le caractère stochastique, bruité et massivement parallèle des décharges neuronales. En revanche, face au bruit sensoriel, cette rigidité architecturale handicape lourdement le modèle symbolique : une distorsion minime du signal d’entrée fait échouer la reconnaissance syntaxique. Cependant, cette rigidité offre un avantage inestimable en matière de vérifiabilité épistémique. Chaque décision, diagnostic ou déduction peut être retracé de manière causale absolue à travers l’arbre de preuve logique, satisfaisant ainsi aux exigences les plus strictes de l’explicabilité cognitive.

Les réseaux de neurones, a contrario, bénéficient d’une résonance biologique évidente avec l’architecture mésoscopique du cortex. Leur résilience face au bruit sensoriel, aux données lacunaires ou aux altérations matérielles partielles est exceptionnelle, calquant avec fidélité les facultés de robustesse adaptative observées dans le règne animal. Néanmoins, cette résilience a pour tribut une opacité analytique profonde : la cartographie géométrique d’un espace latent à des milliers de dimensions défie la capacité de conceptualisation de l’observateur humain, transformant la validation du modèle cognitif en une démarche d’investigation phénoménologique indirecte analogue à celle menée par les neuroscientifiques explorant un cerveau biologique inconnu.

Le tableau comparatif suivant synthétise les lignes de fracture fondamentales opposant l’IA symbolique aux réseaux de neurones au sein de la modélisation cognitive :

Dimension Conceptuelle	IA Symbolique (GOFAI)	Réseaux de Neurones (Connexionnisme)
Ontologie des représentations	Symboles physiques discrets, atomiques, dénotatifs et manipulables syntaxiquement.	Vecteurs d’activation continus distribués dans des espaces latents de haute dimension.
Dynamique de calcul	Traitement séquentiel déterministe le long de chaînes d’inférence logique (règles Si-Alors).	Traitement massivement parallèle non linéaire ; relaxation énergétique d’un système dynamique.
Épistémologie sous-jacente	Rationalisme et fonctionnalisme de haut niveau ; formalisation descendante (top-down).	Empirisme statistique et émergentisme structurel ; formalisation ascendante (bottom-up).
Alignement neurobiologique	Fidélité matérielle quasi nulle ; indépendance revendiquée du logiciel par rapport au substrat.	Inspiration neurobiologique directe (plasticité hebbienne, topologies réticulaires corticales).
Tolérance aux pannes et au bruit	Extrême rigidité ; fragilité structurelle (brittleness) face aux données bruitées ou incomplètes.	Très haute résilience ; dégradation progressive et gracieuse des performances sous altération.
Explicabilité et auditabilité	Totale transparence analytique ; traçabilité absolue des dérivations et des règles mobilisées.	Opacité structurelle inhérente (« boîte noire ») ; interprétabilité géométrique complexe.
Compositionnalité et systématicité	Garantie intrinsèque par les axiomes de la syntaxe combinatoire et de la logique propositionnelle.	Propriété contingente et approximative ; difficultés d’extrapolation stricte hors distribution.
Régime d’apprentissage	Acquisition rapide de nouvelles connaissances formelles par instruction explicite (one-shot).	Ajustement incrémental lent nécessitant d’importants corpus d’apprentissage statistique.

5. Similitudes et convergences computationnelles

5.1 Objectifs théoriques communs en sciences cognitives

Par-delà leurs polémiques doctrinales manifestes, l’approche symbolique et l’approche connexionniste partagent un socle épistémologique commun qui les unit indissolublement au sein du grand projet des sciences de l’esprit. L’une comme l’autre rejettent catégoriquement le dualisme cartésien des substances : elles affirment avec vigueur une ontologie strictement physicaliste et moniste. Pour les deux traditions, les phénomènes mentaux, depuis les sensations primaires jusqu’aux contemplations philosophiques les plus abstraites, sont le résultat de processus physiques matériels obéissant à des lois causales rigoureuses. Elles partagent l’ambition fondatrice de formuler une théorie algorithmique de l’intelligence, postulant que l’esprit n’est pas un mystère métaphysique insondable, mais un système hautement sophistiqué de traitement de l’information dont les principes directeurs peuvent être intégralement décrits sous forme mathématique et simulés sur des calculateurs universels.

De surcroît, les chercheurs de l’un et l’autre camp se soumettent à la même discipline méthodologique : l’exigence d’un isomorphisme fonctionnel entre le modèle informatique artificiel et les manifestations comportementales observables chez l’humain ou l’animal. Qu’il s’agisse d’un chercheur concevant une architecture de règles sous ACT-R ou d’un neurobiologiste computationnel entraînant un réseau de neurones récurrents, tous deux confrontent la validité de leurs simulations aux mêmes protocoles expérimentaux issus de la psychophysique et de la psychologie cognitive. Ils comparent les latences chronométriques (temps de réaction), analysent la distribution des confusions perceptives, modélisent les courbes d’apprentissage de listes verbales et traquent les perturbations fonctionnelles induites par des lésions ciblées, validant ainsi la scientificité de leurs démarches par le respect scrupuleux de la méthode expérimentale.

5.2 Équivalence computationnelle et universalité

Lorsqu’on analyse ces paradigmes non plus au travers du prisme de leurs métaphores de surface, mais sous l’angle rigoureux de la théorie mathématique de la calculabilité, leurs frontières conceptuelles tendent à s’estomper pour révéler une profonde équivalence formelle. Au niveau computationnel le plus fondamental, les deux approches partagent exactement la même classe de puissance algorithmique : celle des machines de Turing universelles. Tout programme symbolique, aussi intriqué et ramifié soit-il, peut être ultimement simulé par un réseau de neurones approprié ; réciproquement, tout réseau de neurones, consistant en des séquences de calculs matriciels finis, s’exécute couramment sous forme d’instructions séquentielles au sein de microprocesseurs traditionnels de type von Neumann.

Cette convergence formelle est étayée par un résultat mathématique majeur établi à la fin des années 1980 : le théorème d’approximation universelle, démontré notamment par George Cybenko (1989) pour les fonctions d’activation sigmoïdales et généralisé par Kurt Hornik (1991). Ce théorème stipule qu’un réseau de neurones artificiels multicouche à propagation avant, doté d’une seule couche cachée comportant un nombre suffisant de neurones non linéaires, est capable d’approcher avec une précision arbitraire n’importe quelle fonction continue définie sur un sous-ensemble compact de l’espace euclidien de dimension finie. Dès lors, toute table de vérité logique, tout ensemble fini de règles déductives et toute grammaire formelle peuvent être rigoureusement transcrits sous forme de surfaces d’activation continues au sein d’un réseau connexionniste adéquat.

Plus fascinant encore est le constat empirique contemporain montrant que des réseaux de neurones profonds, entraînés sur des corpus volumineux de données linguistiques ou visuelles brutes sans aucune contrainte syntaxique a priori, finissent par développer spontanément, au sein de leurs couches intermédiaires les plus profondes, des géométries d’activation reflétant une organisation quasi symbolique. Des analyses par sonde linéaire (linear probing) révèlent la formation de sous-espaces linéaires orthogonaux encodant distinctement des catégories abstraites, des relations de parenté, des accords grammaticaux de genre et de nombre, ou encore des hiérarchies taxonomiques, démontrant que la dichotomie entre manipulation symbolique et substrat vectoriel relève davantage d’un continuum de description que d’une fracture ontologique infranchissable.

5.3 Complémentarité fonctionnelle et émergence neuro-symbolique

Face à la constatation que les facultés cognitives humaines intègrent à la fois des compétences intuitives ultra-rapides et des compétences analytiques délibératives lentes, la science cognitive contemporaine converge vers une vision unifiée transcendant les querelles de clocher. Cette perspective trouve une assise conceptuelle féconde dans les théories du double processus (dual-process theories) popularisées en psychologie par des chercheurs comme Jonathan Evans, Keith Stanovich et Daniel Kahneman.

Dans ce cadre, la cognition humaine est articulée autour de deux régimes computationnels distincts mais en interaction constante :

• Le Système 1 (pensée intuitive) : Caractérisé par sa rapidité, son fonctionnement automatique, implicite, massivement parallèle, son coût métabolique réduit et son invulnérabilité à la verbalisation consciente. Il excelle dans la reconnaissance de formes visuelles et auditives, la lecture émotionnelle faciale et la régulation sensorimotrice. Ce régime s’avère phénoménologiquement et fonctionnellement analogue à la dynamique des réseaux de neurones profonds.
• Le Système 2 (pensée réflexive) : Lent, séquentiel, contrôlé, explicite, coûteux en ressources attentionnelles et dépendant des capacités de la mémoire de travail. Il prend en charge la planification complexe, le calcul arithmétique formel, l’analyse contrefactuelle et le raisonnement logique strict selon des règles normatives. Ce régime s’apparente fidèlement au fonctionnement des systèmes de production symboliques classiques.

L’intelligence humaine n’est la prérogative exclusive ni du Système 1 ni du Système 2, mais réside dans la symbiose harmonieuse de ces deux modalités. Cette reconnaissance de leur complémentarité fonctionnelle a donné naissance au champ de recherche particulièrement dynamique de l’intelligence artificielle neuro-symbolique. Ce mouvement vise à construire des architectures hybrides intégrées où des modules neuronaux profonds absorbent et compressent l’ambiguïté des flux sensoriels perceptifs, pour projeter ces représentations sous forme de concepts symboliques discrets manipulables par des moteurs d’inférence logique, lesquels peuvent en retour contraindre et régulariser l’apprentissage statistique du réseau par l’injection formelle de connaissances préalables.

6. Critères de sélection : Quelle approche pour quelle fonction cognitive ?

6.1 Domaines d’élection de la modélisation symbolique

L’utilisation de l’IA symbolique s’impose avec une pertinence incontestable dès lors qu’un chercheur se propose de modéliser des facultés mentales où la manipulation de structures formelles explicites et la conformité stricte à des règles logiques ou normatives constituent le cœur de la compétence cognitive.

Le domaine d’excellence par excellence réside dans la planification complexe et la résolution de problèmes dans des espaces discrets fermés. Les tâches emblématiques étudiées par la psychologie cognitive, telles que le problème de la Tour de Hanoï, les jeux de stratégie formels (échecs, dames) ou la planification d’itinéraires sous contraintes temporelles strictes, s’articulent admirablement sous la forme d’arbres de recherche d’états au sein desquels des opérateurs logiques transforment un état initial en un état but visé. Des architectures comme Soar ou ACT-R permettent de documenter avec une rigueur absolue la séquence des décisions d’un sujet, en explicitant le moment précis où les limites de la mémoire de travail forcent l’adoption d’heuristiques de réduction des écarts (analyse fins-moyens).

Un deuxième sanctuaire de la modélisation symbolique réside dans l’étude de la syntaxe formelle et de la compétence linguistique générative au sens chomskyen. La capacité humaine à déterminer instantanément si une phrase complexe imbriquée comportant de multiples propositions subordonnées relatives est grammaticalement bien formée découle de structures syntaxiques hiérarchiques et arborescentes non linéaires que les systèmes de réécriture symboliques (grammaires catégorielles, grammaires d’unification) formalisent avec une élégance et une exhaustivité descriptive inégalées.

Enfin, la modélisation des processus métacognitifs et du contrôle exécutif constitue un terrain d’élection du formalisme symbolique. Lorsqu’il s’agit d’étudier comment un apprenant s’auto-évalue, régule sa stratégie d’étude, formule mentalement des hypothèses scientifiques ou verbalise consciemment un protocole expérimental (analyse de protocoles verbaux par la pensée à voix haute), la nature séquentielle, déclarative et inspectable des systèmes de production reflète fidèlement la structure du discours intérieur conscient humain.

6.2 Domaines d’élection des réseaux de neurones

À l’autre pôle de l’appareil psychologique, le connexionnisme s’impose comme l’unique cadre théorique viable pour modéliser les opérations cognitives sous-jacentes à la perception sensorielle précoce et intermédiaire. Les mécanismes par lesquels le cortex visuel primaire (aire V1) décompose une scène optique continue en champs récepteurs orientés détecteurs de contours, pour propager ensuite cette information à travers la voie ventrale occipito-temporale jusqu’à l’identification invariante de catégories d’objets ou de visages complexes dans le cortex temporal inférieur, trouvent dans les réseaux de neurones convolutifs (CNN) et les modèles de transformeurs visuels des équivalents informatiques remarquables. Le calcul continu et le filtrage non linéaire spatialement distribué capturent la phénoménologie du signal sensoriel brut avec laquelle le formalisme symbolique est structurellement incapable d’interagir directement.

De même, la modélisation de l’apprentissage sensorimoteur et du contrôle moteur fin relève impérativement de la dynamique connexionniste. Les trajectoires motrices, telles que la coordination œil-main lors de la préhension d’un objet en mouvement ou le maintien de l’équilibre postural, reposent sur des boucles de rétroaction proprioceptives continues, des prédictions cinématiques d’états futurs et des fonctions de coût énergétiques que les systèmes connexionnistes récurrents (tels que les réseaux à mémoire de court et long terme LSTM ou les réseaux de neurones à temps continu) simulent avec un réalisme physique inaccessible aux systèmes de règles discrètes.

Enfin, le connexionnisme règne sans partage dans l’explication des phénomènes d’intuition sémantique, de complétion de motifs (pattern completion) et de catégorisation par prototypes sous régime de forte incertitude. La mémoire sémantique humaine ne fonctionne pas comme une table relationnelle rigide, mais comme un espace associatif fluide où des concepts sont reconnus même lorsque leurs attributs définitoires habituels sont massivement altérés ou absents (reconnaître qu’un chien à trois pattes sans fourrure demeure un chien). En stockant l’information sous forme d’attracteurs dans des paysages énergétiques multidimensionnels, les réseaux neuronaux rendent compte spontanément de cette flexibilité conceptuelle holistique qui fait la marque distinctive de l’intelligence biologique vivante.

6.3 Cadre décisionnel méthodologique pour le chercheur

Afin de guider le chercheur en sciences cognitives computationnelles dans le choix de son architecture de modélisation, un ensemble de critères méthodologiques explicites doit être scrupuleusement évalué en amont de toute implémentation :

• La nature et la disponibilité des données empiriques : Si le phénomène psychologique étudié est accessible sous la forme de règles formalisables, de protocoles verbaux explicites, de manuels de procédures ou de données expérimentales chronométriques très denses issues d’un petit nombre de sujets (exigence d’alignement sur les temps de réaction individuels par millisecondes), les architectures de règles de type ACT-R ou Soar sont méthodologiquement recommandées. Si, en revanche, les données empiriques consistent en des flux de signaux bruts (enregistrements électroencéphalographiques continus, vocalisations acoustiques continues, trajectoires oculométriques denses ou corpus textuels massifs non étiquetés), les modèles neuronaux profonds constituent la seule option opérante.
• Le niveau d’explicabilité et d’auditabilité requis : Si l’objectif scientifique est d’élucider précisément la chaîne causale d’inférence, de comprendre les motifs exacts d’un diagnostic clinique erroné ou d’offrir des garanties formelles d’innocuité dans une simulation de pilotage aéronautique, l’approche symbolique demeure impérative en raison de sa totale transparence logique. Si la visée est avant tout d’atteindre un pouvoir prédictif élevé sur le comportement global du système ou d’étudier des propriétés émergentes globales sans exiger la lisibilité sémantique de chaque variable interne, le modèle connexionniste est à privilégier.
• La stratégie de co-modélisation hybride : Face à des paradigmes cognitifs complexes imbriquant perception et raisonnement (comme la compréhension visuelle de scènes où un sujet observe une image puis répond à une question logique complexe sur les relations causales entre les objets visibles), le chercheur contemporain aura tout intérêt à récuser le faux dilemme opposant les deux traditions en adoptant une architecture découplée en deux étages : un front-end neuronal connexionniste assurant la segmentation perceptive et la projection des primitives visuelles vers des étiquettes symboliques, interfacé avec un back-end symbolique déductif orchestrant le raisonnement relationnel et la résolution logique de la requête.

7. Foire aux questions (FAQ)

7.1 L’approche symbolique est-elle rendue obsolète par les succès du Deep Learning ?

Il s’agit d’une illusion d’optique répandue, largement alimentée par les succès médiatiques spectaculaires des grands modèles de langage contemporains (LLM). L’approche symbolique conserve une pertinence épistémologique et fonctionnelle absolue au sein des sciences cognitives pour plusieurs raisons majeures.

Premièrement, les architectures de réseaux de neurones profonds pures demeurent intrinsèquement incapables d’offrir des garanties formelles de véracité et de causalité stricte. En opérant exclusivement par corrélations statistiques et prédictions probabilistes de jetons lexicaux subséquents au sein de distributions géométriques, ces modèles sont sujets au phénomène bien documenté des « hallucinations », forgeant avec une assurance lexicale parfaite des affirmations factuellement ou logiquement aberrantes. Le raisonnement mathématique rigoureux, l’application intransigeante de contraintes déontiques ou juridiques et la déduction formelle échappent à la fiabilisation statistique pure dès lors qu’on sort du domaine d’interpolation des données préalables.

Deuxièmement, les architectures symboliques fondatrices telles qu’ACT-R continuent d’occuper une position hégémonique irremplaçable dans la recherche ergonomique appliquée, l’analyse des facteurs humains dans l’aviation militaire et civile, et la simulation computationnelle de la cognition humaine individuelle. Alors qu’un modèle neuronal profond exige des téraoctets de données d’apprentissage sans rapport avec l’exposition sensorielle d’un être humain réel au cours de sa vie, une architecture comme ACT-R simule l’acquisition d’une tâche à partir de quelques dizaines d’essais, prédisant fidèlement les charges cognitives subjectives et les erreurs d’inattention humaines sous stress opérationnel, un exploit hors de portée du Deep Learning conventionnel.

7.2 Comment les modèles récents tentent-ils de résoudre le problème de l’ancrage des symboles ?

Le problème de l’ancrage des symboles formulé par Harnad trouve ses éléments de résolution les plus convaincants au sein des recherches contemporaines sur la cognition incarnée (Embodied Cognition) et l’intelligence artificielle multimodale. Les architectures pionnières ont longtemps échoué à ancrer leurs symboles parce qu’elles traitaient le langage de manière autarcique, désincarnée et déconnectée de tout engagement perceptuel et sensori-moteur dans l’environnement.

Pour dépasser cette aporie, les modèles récents s’appuient sur des espaces d’alignement multimodal (tels que les architectures couplant transformeurs visuels et textuels). Dans ces systèmes, le vecteur latent correspondant au mot abstrait « tasse » n’est plus seulement associé à des définitions lexicographiques circulaires, mais se trouve mathématiquement ancré dans le même espace géométrique dense que des représentations visuelles réelles de tasses sous des éclairages variés, des enregistrements sonores de tasses s’entrechoquant et des affordances cinématiques de préhension manuelle. Dans le champ de la robotique développementale incarnée, des agents virtuels ou physiques apprennent la signification des concepts spatiaux et relationnels (tels que « pousser », « au-dessus de », « lourd ») en manipulant physiquement des objets dans des environnements interactifs simulés régis par les lois de la gravité newtonienne. Le symbole cesse d’être une étiquette syntaxique orpheline pour devenir le pointeur condensé d’une mémoire sensorimotrice et sensorielle incarnée.

7.3 Qu’est-ce que l’IA neuro-symbolique et comment redéfinit-elle la modélisation cognitive ?

L’intelligence artificielle neuro-symbolique désigne une nouvelle génération de paradigmes computationnels conçus spécifiquement pour opérer la synthèse structurelle entre la robustesse empirique des réseaux connexionnistes et la rigueur compositionnelle des langages formels. Loin d’être une simple juxtaposition mécanique de deux programmes distincts, elle introduit des formalismes mathématiques novateurs capables d’intégrer des contraintes déductives à l’intérieur même du calcul différentiel des réseaux.

L’un des modèles les plus emblématiques de cette révolution épistémologique est constitué par les Réseaux de Tenseurs Logiques (Logic Tensor Networks ou LTN). Dans les LTN, les concepts et les individus du monde réel sont encodés sous forme de vecteurs continus, tandis que les relations, prédicats et axiomes de la logique du premier ordre sont implémentés sous forme d’opérateurs différentiables s’appuyant sur les mathématiques des t-normes de la logique floue (fuzzy logic). Ainsi, les énoncés logiques stricts (par exemple : « Tous les humains sont mortels ») ne sont plus des barrières rigides insolubles mais se traduisent en surfaces de perte différentiables intégrées à la fonction de coût d’apprentissage. Le système peut alors être optimisé de bout en bout par simple descente de gradient stochastique, contraignant les représentations vectorielles internes à satisfaire harmonieusement l’ensemble des théorèmes déductifs imposés.

D’autres approches remarquables incluent DeepProbLog, qui intègre le calcul des probabilités et la programmation logique formelle (Prolog) avec les réseaux de neurones profonds, ou encore le Neuro-Symbolic Concept Learner (NSCL), qui apprend simultanément à segmenter visuellement des scènes en objets tridimensionnels, à extraire leurs propriétés discrètes et à exécuter de manière récursive des programmes symboliques pour répondre à des requêtes sémantiques complexes. Cette réconciliation méthodologique redéfinit la modélisation cognitive en fournissant enfin aux chercheurs un cadre théorique universel unifié, capable d’embrasser dans un même continuum computationnel depuis la micro-structure de la perception sensorielle jusqu’au sommet de l’abstraction réflexive de la pensée.

8. Conclusion : Vers une synthèse unifiée de la science computationnelle de l’esprit

8.1 Bilan comparatif des apports théoriques

Au terme de cette exploration comparative approfondie, il apparaît avec une clarté éclatante que l’IA symbolique et les réseaux de neurones ne doivent pas être appréhendés comme des idéologies rivales irréconciliables vouées à une élimination mutuelle, mais plutôt comme deux explorations fondamentales de la machinerie cognitive opérées à des échelles d’abstraction complémentaires. Chacun des deux paradigmes a durablement enrichi la compréhension scientifique de l’esprit humain en apportant des éclairages décisifs sur des pans distincts de son architecture fonctionnelle.

L’IA symbolique classique a établi les fondations rigoureuses de la grammaire de la rationalité. Elle a démontré comment la délibération intentionnelle, la formulation d’hypothèses, la déduction propositionnelle et la structuration hiérarchique des buts et sous-buts pouvaient émerger d’un substrat mécanique déterministe. Elle a doté les sciences cognitives d’architectures computationnelles puissantes comme ACT-R et Soar, sans lesquelles la chronométrie mentale, l’architecture de la mémoire de travail et l’analyse minutieuse des erreurs humaines demeureraient de pures conjectures descriptives dénuées de moteurs causaux précis.

Les réseaux de neurones connexionnistes, pour leur part, ont révélé la texture statistique sous-jacente de la cognition. Ils ont levé le voile sur les mécanismes par lesquels un cerveau biologique, soumis au bombardement incessant d’un environnement physique bruité, chaotique et incomplet, parvient à auto-organiser des représentations catégorielles robustes sans recourir à un précepteur divin codant manuellement des règles formelles. Le connexionnisme a rendu justice à la plasticité adaptative, à la satisfaction simultanée de contraintes douces, à la résilience biologique et à la continuité géométrique au sein de laquelle s’enracine la perception du vivant.

L’affrontement historique qui a déchiré la communauté des sciences cognitives tout au long de la fin du XXe siècle apparaît rétrospectivement comme une querelle de niveaux de description au sens de David Marr. L’erreur des symbolistes fut de décréter arbitrairement l’insignifiance cognitive du niveau d’implémentation physique et de vouloir plaquer une logique propositionnelle rigide sur les mécanismes perceptifs élémentaires. Symétriquement, l’illusion réductrice de certains connexionnistes radicaux fut d’imaginer que l’empilement indiscriminé de connexions vectorielles homogènes suffirait à faire émerger miraculeusement, sans contrainte architecturale interne préalable, la systématicité, la productivité infinie et l’explicabilité formelle qui caractérisent le sommet de la pensée humaine.

8.2 Horizons épistémologiques et perspectives futures

L’horizon des sciences de l’esprit s’oriente résolument vers le dépassement de ce dualisme conceptuel pour édifier une modélisation cognitive multiniveau et holistique. Ce mouvement de convergence se trouve vigoureusement accéléré par les avancées contemporaines des neurosciences théoriques, en particulier par le paradigme du codage prédictif (Predictive Coding) et le principe de l’énergie libre formulés par Karl Friston. Dans cette perspective unifiée, le cerveau est conceptualisé comme une machine d’inférence bayésienne active hiérarchisée, cherchant continuellement à minimiser l’écart entre ses prédictions descendantes (top-down) fondées sur des modèles génératifs internes du monde et les flux sensoriels ascendants (bottom-up) parvenant de la périphérie corporelle.

Dans ce métacadre théorique, l’opposition entre symboles et vecteurs perd son caractère antinomique pour s’ordonner selon une hiérarchie continue de granularité spatio-temporelle :

• Aux niveaux inférieurs de la hiérarchie corticale, proches des interfaces sensorielles et motrices périphériques, les calculs s’opèrent à haute fréquence temporelle sur des représentations vectorielles denses, continues, hautement dynamiques et distribuées, parfaitement modélisées par des formalismes connexionnistes non linéaires.
• À mesure que l’information remonte les strates hiérarchiques vers le cortex d’association multimodal, les ganglions de la base et le cortex préfrontal, les représentations se compressent, se stabilisent, ralentissent leur cinétique temporelle et s’abstraient sous la forme de configurations d’attracteurs discrets, quasi invariants et quasi combinatoires, manifestant toutes les propriétés fonctionnelles et syntaxiques des symboles formels manipulés par l’IA classique.

La science computationnelle de l’esprit s’engage ainsi dans son ère de maturité épistémologique. En unissant la force de généralisation statistique des réseaux de neurones profonds à la transparence causale, la rigueur logique et la puissance compositionnelle des systèmes formels symboliques, les chercheurs forgent les outils théoriques et logiciels capables de réconcilier enfin le cerveau de chair et l’esprit logique au sein d’une seule et même architecture intelligible.

Références

• Anderson, J. R. (1983). The Architecture of Cognition. Harvard University Press.
• Anderson, J. R. (1993). Rules of the Mind. Lawrence Erlbaum Associates.
• Anderson, J. R., Bothell, D., Byrne, M. D., Douglass, S., Lebiere, C., & Qin, Y. (2004). An integrated theory of the mind. Psychological Review, 111(4), 1036–1060. https://doi.org/10.1037/0033-295X.111.4.1036
• Cybenko, G. (1989). Approximation by superpositions of a sigmoidal function. Mathematics of Control, Signals, and Systems, 2(4), 303–314. https://doi.org/10.1007/BF02551274
• Fodor, J. A., & Pylyshyn, Z. W. (1988). Connectionism and cognitive architecture: A critical analysis. Cognition, 28(1–2), 3–71. https://doi.org/10.1016/0010-0277(88)90031-5
• Harnad, S. (1990). The symbol grounding problem. Physica D: Nonlinear Phenomena, 42(1–3), 335–346. https://doi.org/10.1016/0167-2789(90)90087-6
• Hebb, D. O. (1949). The Organization of Behavior: A Neuropsychological Theory. John Wiley & Sons.
• Hornik, K. (1991). Approximation capabilities of multilayer feedforward networks. Neural Networks, 4(2), 251–257. https://doi.org/10.1016/0893-6080(91)90009-T
• Kahneman, D. (2011). Thinking, Fast and Slow. Farrar, Straus and Giroux.
• Laird, J. E., Newell, A., & Rosenbloom, P. S. (1987). SOAR: An architecture for general intelligence. Artificial Intelligence, 33(1), 1–64. https://doi.org/10.1016/0004-3702(87)90050-6
• Marr, D. (1982). Vision: A Computational Investigation into the Human Representation and Processing of Visual Information. W. H. Freeman and Company.
• McCloskey, M., & Cohen, N. J. (1989). Catastrophic interference in connectionist networks: The sequential learning problem. Psychology of Learning and Motivation, 24, 109–165. https://doi.org/10.1016/S0079-7421(08)60536-8
• McCulloch, W. S., & Pitts, W. (1943). A logical calculus of the ideas immanent in nervous activity. The Bulletin of Mathematical Biophysics, 5(4), 115–133. https://doi.org/10.1007/BF02478259
• Minsky, M., & Papert, S. (1969). Perceptrons: An Introduction to Computational Geometry. MIT Press.
• Newell, A., & Simon, H. A. (1976). Computer science as empirical inquiry: Symbols and search. Communications of the ACM, 19(3), 113–126. https://doi.org/10.1145/360018.360022
• Rumelhart, D. E., McClelland, J. L., & the PDP Research Group. (1986). Parallel Distributed Processing: Explorations in the Microstructure of Cognition (Vols. 1 & 2). MIT Press.
• Rumelhart, D. E., Hinton, G. E., & Williams, R. J. (1986). Learning representations by back-propagating errors. Nature, 323(6088), 533–536. https://doi.org/10.1038/323533a0
• Searle, J. R. (1980). Minds, brains, and programs. Behavioral and Brain Sciences, 3(3), 417–424. https://doi.org/10.1017/S0140525X00005756
• Smolensky, P. (1988). On the proper treatment of connectionism. Behavioral and Brain Sciences, 11(1), 1–23. https://doi.org/10.1017/S0140525X00052432
• Turing, A. M. (1950). Computing machinery and intelligence. Mind, 59(236), 433–460. https://doi.org/10.1093/mind/LIX.236.433