Au carrefour des sciences cognitives, de la psychologie computationnelle et de l’intelligence artificielle, le concept de syst\u00e8me de production adaptatif offre une explication rigoureuse de la mani\u00e8re dont l’esprit humain acquiert, perfectionne et applique des comp\u00e9tences complexes. En postulant que l’activit\u00e9 mentale repose sur des r\u00e8gles de type condition-action capables de s’ajuster dynamiquement aux r\u00e9troactions de l’environnement, cette approche \u00e9claire le myst\u00e8re du passage d’un savoir th\u00e9orique h\u00e9sitant \u00e0 une ma\u00eetrise proc\u00e9durale fluide et automatis\u00e9e.<\/p>\n
Un syst\u00e8me de production adaptatif<\/strong> est une architecture computationnelle de la cognition fond\u00e9e sur un ensemble de r\u00e8gles condition-action (\u00ab Si [condition], Alors [action] \u00bb) dot\u00e9e de m\u00e9canismes intrins\u00e8ques d’apprentissage lui permettant de modifier, d’optimiser ou d’engendrer de nouvelles r\u00e8gles en r\u00e9ponse aux exigences et r\u00e9troactions de l’environnement. Dans le domaine de la psychologie cognitive, ce paradigme mod\u00e9lise formellement l’acquisition des comp\u00e9tences, la m\u00e9moire proc\u00e9durale et la r\u00e9solution de probl\u00e8mes en d\u00e9montrant comment le comportement orient\u00e9 vers un but gagne en efficacit\u00e9 au fil de l’exp\u00e9rience.<\/p>\n Contrairement aux syst\u00e8mes experts ou aux moteurs d’inf\u00e9rence statiques, la dimension adaptative implique que la structure du r\u00e9pertoire de r\u00e8gles n’est pas fig\u00e9e lors de sa programmation initiale. Le syst\u00e8me int\u00e8gre des fonctions d’apprentissage statistique et symbolique, telles que la compilation de productions, l’\u00e9valuation de l’utilit\u00e9 des r\u00e8gles par renforcement et la g\u00e9n\u00e9ralisation inductive, refl\u00e9tant ainsi la plasticit\u00e9 cognitive observ\u00e9e chez l’\u00eatre humain lors de l’apprentissage moteur, linguistique ou conceptuel.<\/p>\n L’expression \u00ab syst\u00e8me de production adaptatif \u00bb provient de la traduction de l’anglais adaptive production system<\/em>, une locution forg\u00e9e dans les laboratoires pionniers d’informatique et de sciences cognitives des universit\u00e9s Carnegie Mellon et Stanford dans les ann\u00e9es 1970. Le vocable \u00ab syst\u00e8me \u00bb d\u00e9rive du grec ancien sust\u0113ma<\/em> (\u03c3\u03cd\u03c3\u03c4\u03b7\u03bc\u03b1), d\u00e9signant un ensemble organis\u00e9, une composition d’\u00e9l\u00e9ments coordonn\u00e9s faisant corps. Le terme \u00ab production \u00bb trouve sa racine dans le latin producere<\/em> (\u00ab faire avancer, faire para\u00eetre, engendrer \u00bb) ; en logique formelle et en linguistique g\u00e9n\u00e9rative (notamment chez Emil Post et Noam Chomsky), une \u00ab r\u00e8gle de production \u00bb qualifie une transformation formelle d’une cha\u00eene de symboles en une autre.<\/p>\n Le qualificatif \u00ab adaptatif \u00bb est issu du latin m\u00e9di\u00e9val adaptativus<\/em>, lui-m\u00eame d\u00e9riv\u00e9 de adaptare<\/em> (\u00ab ajuster, accommoder, rendre propre \u00e0 \u00bb). Dans le contexte de la cybern\u00e9tique et de la psychologie computationnelle, l’adjectif a \u00e9t\u00e9 introduit pour d\u00e9signer la propri\u00e9t\u00e9 d’un automate \u00e0 pr\u00e9server sa coh\u00e9rence op\u00e9rationnelle et \u00e0 maximiser l’atteinte de ses objectifs en r\u00e9organisant ses configurations internes face aux variations de son milieu. C’est sous la plume de th\u00e9oriciens majeurs tels qu’Allen Newell, Herbert Simon et John Robert Anderson que la d\u00e9signation a pris sa signification canonique en sciences de l’esprit.<\/p>\n En fran\u00e7ais standard, la locution se prononce \/sis.t\u025bm d\u0259 p\u0281\u0254.dyk.sj\u0254\u0303 a.dap.ta.tif\/. Du point de vue grammatical, il s’agit d’un syntagme nominal masculin singulier. Son pluriel s’orthographie \u00ab syst\u00e8mes de production adaptatifs \u00bb, o\u00f9 l’adjectif \u00ab adaptatifs \u00bb s’accorde en genre et en nombre avec le nom recteur \u00ab syst\u00e8mes \u00bb, bien que dans certains contextes techniques restreints, certains auteurs appliquent parfois fautivement l’accord au compl\u00e9ment \u00ab production \u00bb (\u00ab syst\u00e8mes de production adaptative \u00bb) pour souligner que c’est le m\u00e9canisme de production qui est adaptatif ; l’usage dominant en psychologie cognitive pr\u00e9conise n\u00e9anmoins la qualification globale de l’architecture (\u00ab adaptatifs \u00bb).<\/p>\n Dans la litt\u00e9rature sp\u00e9cialis\u00e9e francophone, on rencontre fr\u00e9quemment l’acronyme anglais APS (Adaptive Production System<\/em>) ou des r\u00e9f\u00e9rences directes \u00e0 des architectures unifi\u00e9es pr\u00e9cises telles que le mod\u00e8le ACT-R<\/a> (Adaptive Control of Thought-Rational<\/em>) ou Soar. Dans les analyses textuelles, il fonctionne syntaxiquement comme un sujet d’action computationnelle (ex. : \u00ab le syst\u00e8me de production adaptatif s\u00e9lectionne la r\u00e8gle optimale \u00bb) ou comme un compl\u00e9ment d’attribution th\u00e9orique (ex. : \u00ab mod\u00e9liser l’expertise arithm\u00e9tique via un syst\u00e8me de production adaptatif \u00bb).<\/p>\n Pour appr\u00e9hender la port\u00e9e d’un syst\u00e8me de production adaptatif, il convient d’examiner le postulat central du computationalisme : l’activit\u00e9 cognitive humaine peut \u00eatre comprise comme une manipulation physique de repr\u00e9sentations symboliques guid\u00e9e par des r\u00e8gles. Au sein de cette perspective, les unit\u00e9s fondamentales de la connaissance proc\u00e9durale \u2014 c’est-\u00e0-dire le savoir-faire, distinct du savoir d\u00e9claratif \u2014 prennent la forme de r\u00e8gles de production. Chaque production articule une condition pr\u00e9alable d\u00e9crivant un \u00e9tat particulier de la m\u00e9moire de travail et une action cons\u00e9cutive stipulant les transformations cognitives, motrices ou perceptuelles \u00e0 op\u00e9rer lorsque ladite condition est satisfaite.<\/p>\n Dans un syst\u00e8me classique non adaptatif, si plusieurs productions voient leurs conditions satisfaites simultan\u00e9ment (un \u00e9tat nomm\u00e9 conflit de r\u00e9solution<\/em>), l’arbitrage s’effectue par des heuristiques arbitraires ou pr\u00e9d\u00e9termin\u00e9es. \u00c0 l’oppos\u00e9, la caract\u00e9ristique d\u00e9cisive d’un syst\u00e8me adaptatif r\u00e9side dans son aptitude \u00e0 modifier sa propre architecture en fonction du succ\u00e8s ou de l’\u00e9chec de ses initiatives pass\u00e9es. Cette adaptation s’exprime sur deux plans compl\u00e9mentaires :<\/p>\n Sur le plan des fronti\u00e8res conceptuelles, le syst\u00e8me de production adaptatif ne doit pas \u00eatre confondu avec un r\u00e9seau de neurones artificiels connexionniste pur, bien qu’il partage avec lui les m\u00e9canismes d’apprentissage par gradient ou renforcement. Le syst\u00e8me de production demeure fonci\u00e8rement symbolique dans son interface explicative : les \u00e9tats internes demeurent inspectables, s\u00e9mantiquement transparents et ordonn\u00e9s selon une hi\u00e9rarchie de buts intentionnels, ce qui en fait un mod\u00e8le privil\u00e9gi\u00e9 pour simuler la conscience op\u00e9ratoire et le raisonnement formel de haut niveau.<\/p>\n Le champ d’application conceptuel englobe aussi bien la micro-cognition (la trajectoire des saccades oculaires, les temps de r\u00e9action \u00e0 l’ordre de la milliseconde dans une t\u00e2che de Stroop) que la macro-cognition (l’acquisition de la programmation informatique, la n\u00e9gociation diplomatique ou le pilotage a\u00e9ronautique en situation d’urgence). En int\u00e9grant les contraintes physiologiques r\u00e9elles de l’esprit humain \u2014 telles que la capacit\u00e9 limit\u00e9e de la m\u00e9moire de travail et le d\u00e9clin temporel de l’activation des souvenirs \u2014, ces syst\u00e8mes offrent une r\u00e9plique \u00e9cologiquement valide du comportement adaptatif des agents biologiques.<\/p>\n La gen\u00e8se des syst\u00e8mes de production remonte aux travaux du logicien Emil Post dans les ann\u00e9es 1940, qui a introduit les syst\u00e8mes de r\u00e9\u00e9criture de cha\u00eenes comme fondement de la calculabilit\u00e9 math\u00e9matique. Deux d\u00e9cennies plus tard, au d\u00e9but des ann\u00e9es 1970, Allen Newell<\/a> et Herbert Simon<\/a>, figures fondatrices de l’intelligence artificielle symbolique, ont r\u00e9alis\u00e9 une transposition th\u00e9orique majeure : ils ont propos\u00e9 que la pens\u00e9e humaine fonctionnait pr\u00e9cis\u00e9ment comme un processeur de production manipulant des symboles discrets pour naviguer dans un espace de probl\u00e8me (comme formalis\u00e9 dans leur ouvrage s\u00e9minal de 1972, Human Problem Solving<\/em>).<\/p>\n Toutefois, ces premiers mod\u00e8les (tels que le General Problem Solver<\/em> ou les architectures PSG) \u00e9taient d\u00e9pourvus d’apprentissage endog\u00e8ne ; ils constituaient des syst\u00e8mes rigides n\u00e9cessitant une sp\u00e9cification manuelle exhaustive de chaque r\u00e8gle par l’exp\u00e9rimentateur. L’av\u00e8nement des syst\u00e8mes de production v\u00e9ritablement adaptatifs s’est op\u00e9r\u00e9 sous l’impulsion de John R. Anderson \u00e0 partir de 1976 avec le d\u00e9veloppement de la lign\u00e9e ACT (Adaptive Control of Thought<\/em>). Anderson a d\u00e9montr\u00e9 que pour \u00e9muler fid\u00e8lement la psychologie humaine, l’architecture devait rendre compte de la transition entre deux modes \u00e9pist\u00e9miques : la connaissance d\u00e9clarative (\u00ab savoir que \u00bb) et la connaissance proc\u00e9durale (\u00ab savoir comment \u00bb).<\/p>\n Au milieu des ann\u00e9es 1980, John Laird, Paul Rosenbloom et Allen Newell ont con\u00e7u l’architecture Soar<\/a>, dont le principe directeur repose sur l’apprentissage universel par \u00ab chunking \u00bb : chaque fois que le syst\u00e8me se heurte \u00e0 une impasse cognitive (incapacit\u00e9 de trancher entre plusieurs actions), il instaure un sous-but m\u00e9tacognitif pour r\u00e9soudre le conflit, puis compresse la solution trouv\u00e9e sous la forme d’une nouvelle r\u00e8gle de production imm\u00e9diatement disponible pour l’avenir.<\/p>\n Au tournant des ann\u00e9es 1990 et 2000, l’int\u00e9gration de principes n\u00e9o-darwiniens (les syst\u00e8mes de classifieurs de John Holland) et d’approches bay\u00e9siennes a conduit \u00e0 l’architecture ACT-R 5.0 puis ACT-R 6.0 et 7.0. Cette maturit\u00e9 contemporaine se caract\u00e9rise par l’ancrage neurobiologique des modules du syst\u00e8me de production : les conditions des r\u00e8gles correspondent aux projections de signaux corticaux vers les ganglions de la base, tandis que le d\u00e9clenchement des actions mod\u00e9lise la boucle striato-thalamo-corticale, scellant la convergence d\u00e9finitive entre mod\u00e9lisation algorithmique et neurosciences cognitives.<\/p>\n Les syst\u00e8mes de production adaptatifs s’adossent \u00e0 plusieurs corpus th\u00e9oriques majeurs qui structurent leur l\u00e9gitimit\u00e9 \u00e9pist\u00e9mologique :<\/p>\n En premier lieu, la th\u00e9orie des syst\u00e8mes de symboles physiques<\/strong>, postul\u00e9e par Newell et Simon en 1976, affirme qu’un syst\u00e8me de symboles physiques poss\u00e8de les moyens n\u00e9cessaires et suffisants pour produire une action intelligente g\u00e9n\u00e9rale. Dans ce cadre, l’esprit humain est con\u00e7u comme une machine biologique instanciant des processus algorithmiques discrets. Les repr\u00e9sentations mentales ne sont pas de simples corr\u00e9lats m\u00e9taphoriques, mais des entit\u00e9s r\u00e9elles poss\u00e9dant des adresses de stockage, des temps de latence et des \u00e9tats d’activation mesurables.<\/p>\n En deuxi\u00e8me lieu, la th\u00e9orie de la rationalit\u00e9 adaptative<\/strong> (ou rationalit\u00e9 \u00e9cologique), formul\u00e9e notamment par John R. Anderson dans son programme de psychologie computationnelle rationnelle, stipule que les m\u00e9canismes cognitifs sont optimis\u00e9s pour exploiter au mieux la structure statistique de l’environnement physique et social. Le syst\u00e8me de production adaptatif n’est pas con\u00e7u pour respecter une logique formelle rigide, mais pour maximiser le rendement esp\u00e9r\u00e9 de chaque d\u00e9cision cognitive par rapport aux ressources limit\u00e9es de l’organisme (effort attentionnel, temps de calcul, d\u00e9faillance mn\u00e9sique).<\/p>\n En troisi\u00e8me lieu, la distinction proc\u00e9durale\/d\u00e9clarative<\/strong> issue des travaux de psychologie exp\u00e9rimentale d’Endel Tulving et de Larry Squire constitue l’\u00e9pine dorsale architecturale de ces syst\u00e8mes. Le savoir d\u00e9claratif y est repr\u00e9sent\u00e9 sous forme de morceaux d’information structur\u00e9s (\u00ab chunks \u00bb) soumis \u00e0 l’oubli et n\u00e9cessitant une attention consciente pour \u00eatre r\u00e9cup\u00e9r\u00e9s. Le savoir proc\u00e9dural, incarn\u00e9 par les r\u00e8gles de production, op\u00e8re de mani\u00e8re inconsciente, rapide et automatique. L’adaptativit\u00e9 du syst\u00e8me r\u00e9side dans sa capacit\u00e9 \u00e0 m\u00e9taboliser en permanence le savoir d\u00e9claratif encod\u00e9 pour le transmuer en r\u00e8gles proc\u00e9durales hautement sp\u00e9cialis\u00e9es.<\/p>\n Un syst\u00e8me de production adaptatif typique s’articule autour d’une organisation modulaire stricte, comprenant plusieurs sous-syst\u00e8mes fonctionnels :<\/p>\n Sur le plan typologique, on distingue :<\/p>\n Pour concr\u00e9tiser le fonctionnement d’un syst\u00e8me de production adaptatif, prenons le cas canonique de l’apprentissage de la conduite automobile, plus pr\u00e9cis\u00e9ment le r\u00e9trogradage d’une vitesse manuelle \u00e0 l’approche d’un virage serr\u00e9. Au stade initial (novice), l’apprenant s’appuie lourdement sur la m\u00e9moire d\u00e9clarative sous forme d’instructions verbalis\u00e9es :<\/p>\n R\u00e8gle Novice 1 :<\/em> Si le but est de r\u00e9trograder et que le pied droit est sur l’acc\u00e9l\u00e9rateur, alors rel\u00e2cher l’acc\u00e9l\u00e9rateur et pr\u00e9parer le pied gauche pour embrayer. Chacune de ces r\u00e8gles n\u00e9cessite une v\u00e9rification perceptive d\u00e9lib\u00e9r\u00e9e, sollicitant massivement l’attention et encombrant la m\u00e9moire de travail par de multiples requ\u00eates d\u00e9claratives. Le conducteur novice h\u00e9site, ses temps de r\u00e9action sont lents et fragment\u00e9s. Au fil de centaines de r\u00e9p\u00e9titions couronn\u00e9es de succ\u00e8s op\u00e9ratoire, le m\u00e9canisme d’apprentissage adaptatif fusionne ces s\u00e9quences par composition :<\/p>\n R\u00e8gle Experte (compil\u00e9e) :<\/em> Si le but est de r\u00e9trograder et que le virage approche \u00e0 vitesse V, alors d\u00e9brayer simultan\u00e9ment, d\u00e9placer le levier vers le rapport cible et rel\u00e2cher progressivement l’embrayage tout en freinant.<\/p>\n Cette macro-r\u00e8gle ex\u00e9cute la totalit\u00e9 de l’encha\u00eenement en un cycle computationnel unique. La charge pesant sur la m\u00e9moire de travail s’effondre, rendant l’attention disponible pour d’autres stimuli environnementaux impr\u00e9vus. De surcro\u00eet, si cette r\u00e8gle compil\u00e9e engendre accidentellement un calage moteur, le syst\u00e8me adaptatif p\u00e9nalise son utilit\u00e9 subsymbolique, contraignant temporairement l’architecture \u00e0 revenir \u00e0 un contr\u00f4le proc\u00e9dural plus fragment\u00e9 et prudent pour affiner ses param\u00e8tres sensorimoteurs.<\/p>\n Un second exemple illustratif concerne l’apprentissage de la syntaxe math\u00e9matique chez l’enfant r\u00e9solvant des \u00e9quations du type \u00ab ax + b = c \u00bb. \u00c0 l’origine, l’\u00e9l\u00e8ve applique des m\u00e9tar\u00e8gles g\u00e9n\u00e9rales d’inversion arithm\u00e9tique. Le syst\u00e8me de production adaptatif, en observant la r\u00e9currence de la structure \u00ab + b \u00bb, engendre progressivement des productions directes reliant la d\u00e9tection visuelle de l’op\u00e9rateur d’addition \u00e0 l’\u00e9criture imm\u00e9diate de sa soustraction sym\u00e9trique dans le membre oppos\u00e9, sans n\u00e9cessiter de th\u00e9orisation interm\u00e9diaire.<\/p>\n Dans la recherche contemporaine, l’\u00e9valuation de la validit\u00e9 d’un syst\u00e8me de production adaptatif repose sur sa capacit\u00e9 \u00e0 reproduire avec une pr\u00e9cision millim\u00e9trique les donn\u00e9es comportementales et neurophysiologiques humaines recueillies en laboratoire exp\u00e9rimental. Les m\u00e9triques fondamentales incluent :<\/p>\n La courbe de pratique (loi de puissance de la pratique)<\/strong> : L’un des succ\u00e8s les plus \u00e9clatants de ces mod\u00e8les est leur alignement spontan\u00e9 sur la loi empirique de puissance du temps de r\u00e9action d\u00e9crite initialement par Newell et Rosenbloom. \u00c0 mesure qu’un syst\u00e8me adaptatif compile ses r\u00e8gles et rehausse leur utilit\u00e9, la d\u00e9croissance temporelle de l’ex\u00e9cution de la t\u00e2che suit rigoureusement une fonction exponentielle ou de puissance, mimant fid\u00e8lement la courbe d’apprentissage observ\u00e9e chez les sujets humains.<\/p>\n La distribution des erreurs et des temps de r\u00e9action<\/strong> : Les chercheurs \u00e9valuent l’architecture en calculant l’\u00e9cart quadratique moyen (RMSE) et le coefficient de corr\u00e9lation de Pearson (R\u00b2) entre les latences pr\u00e9dites par la simulation informatique et les latences r\u00e9elles des participants humains dans des paradigmes vari\u00e9s (t\u00e2che de Sternberg, t\u00e2che de Simon, calcul mental complexe). Un bon mod\u00e8le adaptatif doit pr\u00e9dire non seulement la rapidit\u00e9 du traitement moyen, mais \u00e9galement la nature pr\u00e9cise et la fr\u00e9quence des erreurs commises au cours de chaque phase d’apprentissage.<\/p>\n La validation neuro-imagerie (IRMf et potentiels \u00e9voqu\u00e9s)<\/strong> : Dans des architectures comme ACT-R, chaque module computationnel (module de but, module d\u00e9claratif, module proc\u00e9dural\/ganglions de la base, module visuel, module manuel) est explicitement associ\u00e9 \u00e0 des coordonn\u00e9es st\u00e9r\u00e9otaxiques c\u00e9r\u00e9brales pr\u00e9cises (espace de Talairach\/MNI). Il est d\u00e8s lors possible de g\u00e9n\u00e9rer des pr\u00e9dictions h\u00e9modynamiques (courbes de r\u00e9ponse BOLD) \u00e0 partir de l’activit\u00e9 des r\u00e8gles de production. L’\u00e9valuation s’op\u00e8re par confrontation directe entre la courbe BOLD simul\u00e9e par l’algorithme et la courbe BOLD mesur\u00e9e chez les sujets scann\u00e9s pendant l’ex\u00e9cution de la m\u00eame t\u00e2che.<\/p>\n La puissance d’explication des syst\u00e8mes de production adaptatifs s’est traduite par des retomb\u00e9es technologiques et soci\u00e9tales majeures, particuli\u00e8rement dans les secteurs de l’ing\u00e9nierie cognitive et des technologies \u00e9ducatives :<\/p>\n En p\u00e9dagogie num\u00e9rique et ing\u00e9nierie de la formation<\/strong> : Les syst\u00e8mes de tutorat intelligents cognitifs (Cognitive Tutors<\/em>), d\u00e9ploy\u00e9s initialement pour l’enseignement de l’alg\u00e8bre, de la g\u00e9om\u00e9trie et de la programmation informatique dans les \u00e9tablissements scolaires am\u00e9ricains, reposent directement sur des syst\u00e8mes de production adaptatifs. L’ordinateur maintient en temps r\u00e9el un \u00ab mod\u00e8le de l’apprenant \u00bb constitu\u00e9 de centaines de r\u00e8gles de production correctes et erron\u00e9es (les buggy rules<\/em>). En comparant les actions de l’\u00e9tudiant avec les chemins de production activ\u00e9s par son propre mod\u00e8le interne, le tuteur identifie instantan\u00e9ment la misconception sous-jacente de l’\u00e9l\u00e8ve et adapte dynamiquement la s\u00e9quence didactique et les indices correctifs.<\/p>\n En ergonomie et conception d’interfaces homme-machine (IHM)<\/strong> : Dans l’industrie a\u00e9ronautique, automobile et militaire, ces mod\u00e8les permettent de simuler les comportements d’op\u00e9rateurs humains face \u00e0 de nouveaux cockpits ou interfaces logicielles avant m\u00eame la construction de prototypes physiques. Les mod\u00e8les pr\u00e9disent les surcharges cognitives, les temps de saisie, les goulets d’\u00e9tranglement attentionnels et les risques d’omission d’actions critiques en situation de stress intense.<\/p>\n En neuropsychologie cognitive et r\u00e9habilitation<\/strong> : La simulation de l\u00e9sions virtuelles au sein d’un syst\u00e8me de production adaptatif (par exemple en d\u00e9gradant le taux de diffusion du bruit dans le moteur d’appariement ou en freinant le m\u00e9canisme de renforcement des productions) permet de reproduire les profils de d\u00e9sorganisation de l’action observ\u00e9s chez des patients atteints du syndrome dysex\u00e9cutif, de la maladie d’Alzheimer ou de l\u00e9sions des ganglions de la base (maladie de Parkinson), guidant ainsi l’\u00e9laboration de th\u00e9rapies cognitives cibl\u00e9es.<\/p>\n L’assise empirique des syst\u00e8mes de production adaptatifs s’est consolid\u00e9e au fil de d\u00e9cennies d’exp\u00e9rimentations rigoureuses :<\/p>\n L’\u00e9tude pionni\u00e8re de Singley et Anderson (1989) sur le transfert de comp\u00e9tences<\/em> en traitement de texte a constitu\u00e9 une d\u00e9monstration retentissante. En formalisant l’habilet\u00e9 des utilisateurs sous forme de productions sp\u00e9cifiques, les auteurs ont pu pr\u00e9dire math\u00e9matiquement le montant exact du transfert cognitif positif d’un \u00e9diteur de texte \u00e0 un autre en calculant simplement le pourcentage de r\u00e8gles de production communes partag\u00e9es par les deux environnements logiciels, validant magistralement l’hypoth\u00e8se des \u00e9l\u00e9ments identiques originellement propos\u00e9e par Edward Thorndike un si\u00e8cle plus t\u00f4t.<\/p>\n Dans le domaine des neurosciences, les recherches men\u00e9es par John R. Anderson, Cameron Carter et leurs collaborateurs ont confirm\u00e9 que le d\u00e9clenchement des r\u00e8gles de production dans les t\u00e2ches de r\u00e9solution arithm\u00e9tique correspondait temporellement et spatialement \u00e0 des boucles d’activation transitant par la t\u00eate du noyau caud\u00e9 et le thalamus. Les donn\u00e9es d’imagerie fonctionnelle ont mis en \u00e9vidence que l’engagement des ganglions de la base d\u00e9cro\u00eet sp\u00e9cifiquement lorsque les r\u00e8gles sont pleinement automatis\u00e9es, refl\u00e9tant une efficience computationnelle accrue qui corrobore les pr\u00e9dictions des \u00e9quations d’utilit\u00e9 des syst\u00e8mes de production.<\/p>\n D’autres travaux empiriques fondamentaux conduits par Taatgen et Lee (2003) sur la compilation de productions ont \u00e9clair\u00e9 le ph\u00e9nom\u00e8ne d’interf\u00e9rence dans les t\u00e2ches de double t\u00e2che (par exemple t\u00e9l\u00e9phoner en conduisant). Leurs simulations ont prouv\u00e9 que la congestion attentionnelle ne provient pas d’une limite globale et indiff\u00e9renci\u00e9e de l’\u00e9nergie mentale, mais du fait qu’une seule r\u00e8gle de production peut \u00eatre d\u00e9clench\u00e9e \u00e0 la fois au sein du goulet d’\u00e9tranglement central (l’arbitre proc\u00e9dural fonctionnant \u00e0 une fr\u00e9quence d’environ 50 millisecondes par cycle d’horloge cognitive).<\/p>\n Si la syntaxe formelle d’un syst\u00e8me de production adaptatif se veut universelle sur le plan computationnel, l’incarnation de ses r\u00e8gles et leur sensibilit\u00e9 contextuelle d\u00e9pendent fondamentalement des environnements socioculturels dans lesquels s’exerce l’apprentissage :<\/p>\n Les sch\u00e8mes de r\u00e9solution de probl\u00e8mes ne sont pas ind\u00e9pendants des artefacts symboliques fournis par une culture donn\u00e9e. Les travaux de psychologie interculturelle portant sur l’usage du boulier japonais (soroban) illustrent parfaitement cette divergence : les experts form\u00e9s \u00e0 cet instrument d\u00e9veloppent des r\u00e8gles de production adaptatives spatiales et motrices radicalement distinctes des r\u00e8gles verbales et phonologiques mobilis\u00e9es par les calculateurs \u00e9duqu\u00e9s selon les normes occidentales, conduisant \u00e0 des profils de r\u00e9sistance \u00e0 l’interf\u00e9rence cognitive totalement asym\u00e9triques.<\/p>\n De m\u00eame, les conventions discursives et les taxonomies linguistiques fa\u00e7onnent la structure des conditions contenues dans les productions. Dans les cultures favorisant une perception holistique plut\u00f4t qu’analytique (telles que document\u00e9es par Richard Nisbett), les r\u00e8gles d’\u00e9valuation d’une sc\u00e8ne visuelle encodent en priorit\u00e9 les relations de fond et le contexte environnemental avant d’activer les productions centr\u00e9es sur l’objet focalis\u00e9. Un syst\u00e8me de production adaptatif mod\u00e9lisant des agents issus de ces contextes doit int\u00e9grer des coefficients de pond\u00e9ration attentionnelle initiale refl\u00e9tant ces orientations culturelles sp\u00e9cifiques.<\/p>\n En d\u00e9pit de leur succ\u00e8s unificateur, les syst\u00e8mes de production adaptatifs ont fait l’objet de vives controverses au sein des sciences de l’esprit :<\/p>\n Le d\u00e9bat connexionnisme versus symbolisme<\/strong> : D\u00e8s la fin des ann\u00e9es 1980, les partisans du connexionnisme (r\u00e9seaux de neurones artificiels) ont reproch\u00e9 aux syst\u00e8mes de production leur caract\u00e8re excessivement rigide, discret et top-down. Les critiques soulignaient que le cerveau biologique ne manipule pas de propositions logiques pr\u00e9format\u00e9es du type \u00ab Si… Alors \u00bb, mais des configurations de potentiels d’action distribu\u00e9s. Bien que les syst\u00e8mes modernes comme ACT-R aient incorpor\u00e9 une couche sous-symbolique continue, certains th\u00e9oriciens estiment que la fronti\u00e8re symbolique demeure un artefact \u00e9pist\u00e9mologique plaqu\u00e9 artificiellement sur une dynamique sous-jacente non symbolique.<\/p>\n Le probl\u00e8me de l’ancrage des symboles (Symbol Grounding Problem)<\/strong> : Formul\u00e9 de mani\u00e8re incisive par Stevan Harnad, ce probl\u00e8me souligne qu’un syst\u00e8me manipulant des symboles purement syntaxiques ne poss\u00e8de aucune compr\u00e9hension intrins\u00e8que de ce que ces symboles d\u00e9signent dans le monde r\u00e9el physique. Si la r\u00e8gle \u00e9nonce \u00ab Si [balle_rouge], Alors [saisir] \u00bb, le symbole \u00ab balle_rouge \u00bb n’a de sens que par r\u00e9f\u00e9rence \u00e0 d’autres symboles au sein du syst\u00e8me ferm\u00e9, coupant l’architecture de la corpor\u00e9it\u00e9 et du couplage sensorimoteur direct mis en avant par les th\u00e9ories de la cognition incarn\u00e9e<\/a> (Embodied Cognition<\/em>).<\/p>\n La prolif\u00e9ration de param\u00e8tres libres<\/strong> : Une critique m\u00e9thodologique r\u00e9currente concerne le nombre consid\u00e9rable de variables ajustables au sein de ces architectures (taux de d\u00e9croissance de l’activation, temp\u00e9rature du bruit stochastique, p\u00e9nalit\u00e9s temporelles, seuils d’extraction). Les d\u00e9tracteurs affirment qu’avec suffisamment de param\u00e8tres libres, un syst\u00e8me de production peut \u00eatre ajust\u00e9 pour s’adapter \u00e0 quasiment n’importe quelle courbe de donn\u00e9es exp\u00e9rimentales a posteriori, limitant sa r\u00e9futabilit\u00e9 au sens de Karl Popper si des protocoles stricts de validation crois\u00e9e pr\u00e9dictive ne sont pas respect\u00e9s.<\/p>\n Pour pr\u00e9venir toute confusion terminologique, il convient d’expliciter les contrastes existant entre le syst\u00e8me de production adaptatif et d’autres notions connexes :<\/p>\n Le syst\u00e8me de production adaptatif demeure l’un des monuments th\u00e9oriques les plus sophistiqu\u00e9s et robustes b\u00e2tis par la psychologie cognitive et l’intelligence artificielle pour formaliser la dynamique de l’esprit humain. Son armature conceptuelle repose sur quelques axiomes cardinaux :<\/p>\n Le syst\u00e8me de production adaptatif est une architecture cognitive mod\u00e9lisant la m\u00e9moire proc\u00e9durale et l’apprentissage par des r\u00e8gles condition-action capables d’\u00e9voluer dynamiquement.<\/p>\n","protected":false},"author":1,"featured_media":0,"template":"","categories":[422,647,1486],"tags":[1551,5736,1553,1555,1808,31884],"class_list":["post-19620","psych_term","type-psych_term","status-publish","hentry","category-intelligence-artificielle","category-psychologie-cognitive","category-sciences-cognitives","tag-act-r","tag-apprentissage-par-renforcement","tag-architecture-cognitive","tag-memoire-procedurale","tag-sciences-cognitives","tag-systeme-de-production-adaptatif"],"_links":{"self":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_term\/19620","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_term"}],"about":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/types\/psych_term"}],"author":[{"embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"version-history":[{"count":0,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_term\/19620\/revisions"}],"wp:attachment":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=19620"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=19620"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=19620"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}2. \u00c9tymologie et origines linguistiques<\/h3>\n
3. Prononciation et forme grammaticale<\/h3>\n
4. Explication conceptuelle d\u00e9taill\u00e9e<\/h3>\n
\n
5. \u00c9volution et d\u00e9veloppement historique<\/h3>\n
6. Fondements th\u00e9oriques<\/h3>\n
7. Composants cl\u00e9s, typologies et dimensions<\/h3>\n
\n
\n
8. Exemples et cas illustratifs<\/h3>\n
R\u00e8gle Novice 2 :<\/em> Si le pied gauche est pr\u00eat, alors enfoncer la p\u00e9dale d’embrayage jusqu’au plancher.
R\u00e8gle Novice 3 :<\/em> Si l’embrayage est enfonc\u00e9, alors consulter la vitesse actuelle pour d\u00e9terminer le rapport m\u00e9canique ad\u00e9quat.
R\u00e8gle Novice 4 :<\/em> Si le rapport ad\u00e9quat est identifi\u00e9, alors actionner le levier de vitesse vers cette position.<\/p>\n9. Mesure, \u00e9valuation et mod\u00e9lisation<\/h3>\n
10. Applications et port\u00e9e pratique<\/h3>\n
11. Recherche et donn\u00e9es empiriques<\/h3>\n
12. Consid\u00e9rations culturelles et contextuelles<\/h3>\n
13. Critiques, d\u00e9bats et limites conceptuelles<\/h3>\n
14. Termes connexes et distinctions fondamentales<\/h3>\n
\n
15. Synth\u00e8se et points cl\u00e9s \u00e0 retenir<\/h3>\n
\n
R\u00e9f\u00e9rences<\/h2>\n
\n