Au croisement de la psychologie cognitive, de l’\u00e9pist\u00e9mologie computationnelle et de l’intelligence artificielle \u00e9volutionniste, le syst\u00e8me de classeurs repr\u00e9sente l’un des cadres formels les plus ambitieux pour appr\u00e9hender comment un esprit biologique ou artificiel acquiert, organise et affine ses connaissances face \u00e0 un environnement complexe. Con\u00e7u originellement pour surmonter les rigidit\u00e9s des architectures symboliques classiques, ce mod\u00e8le saisit la cognition non comme un recueil statique de v\u00e9rit\u00e9s d\u00e9ductives, mais comme une \u00e9cologie dynamique de r\u00e8gles pragmatiques soumises \u00e0 une pression de s\u00e9lection constante.<\/p>\n
Un syst\u00e8me de classeurs<\/strong> (souvent d\u00e9sign\u00e9 sous l’acronyme anglophone LCS<\/em> pour syst\u00e8me de classeurs<\/a> ou Learning Classifier System<\/em>) est une architecture cognitive computationnelle \u00e0 base de r\u00e8gles qui int\u00e8gre l’apprentissage par renforcement et les algorithmes g\u00e9n\u00e9tiques afin de mod\u00e9liser l’induction, la cat\u00e9gorisation adaptative et la prise de d\u00e9cision en situation d’incertitude.<\/p>\n Dans la perspective de la psychologie cognitive et des sciences computationnelles, ce dispositif simule la mani\u00e8re dont un organisme apprend par essais et erreurs en maintenant une population d’hypoth\u00e8ses concurrentes formul\u00e9es sous la forme de r\u00e8gles condition-action (\u00ab Si [condition] Alors [action] \u00bb). Chaque r\u00e8gle, appel\u00e9e \u00ab classeur \u00bb, est dot\u00e9e d’une valeur de force ou d’utilit\u00e9 qui \u00e9volue selon les gratifications ou punitions \u00e9cologiques re\u00e7ues, permettant au syst\u00e8me d’\u00e9laborer progressivement des mod\u00e8les mentaux structur\u00e9s du monde ext\u00e9rieur.<\/p>\n Contrairement aux syst\u00e8mes experts rigides r\u00e9gis par une logique descendante, le syst\u00e8me de classeurs fonctionne selon un paradigme ascendant et adaptatif : il est capable de g\u00e9n\u00e9rer de nouvelles inf\u00e9rences sans intervention ext\u00e9rieure, d’op\u00e9rer avec des informations partielles ou bruit\u00e9es, et de faire \u00e9merger des structures de pens\u00e9e coh\u00e9rentes \u00e0 partir de r\u00e9gularit\u00e9s statistiques observ\u00e9es dans son environnement.<\/p>\n L’expression fran\u00e7aise \u00ab syst\u00e8me de classeurs \u00bb proc\u00e8de de la traduction directe de la terminologie invent\u00e9e \u00e0 la fin des ann\u00e9es 1970 par le roboticien, psychologue et math\u00e9maticien am\u00e9ricain John Henry Holland<\/a>. Le mot anglais classifier<\/em> d\u00e9rive du latin classis<\/em> (\u00ab classe, division, groupe de citoyens convoqu\u00e9s \u00bb) combin\u00e9 au suffixe d’action -ficare<\/em> (\u00ab faire, rendre \u00bb). Dans son acception cognitive originelle, le terme ne renvoie pas \u00e0 un meuble de rangement mat\u00e9riel, mais \u00e0 une fonction cognitive \u00e9l\u00e9mentaire : celle de classifier ou partitionner l’espace des \u00e9tats sensoriels pour y associer des dispositions comportementales appropri\u00e9es.<\/p>\n Le vocable \u00ab syst\u00e8me \u00bb d\u00e9coule du grec ancien syst\u0113ma<\/em> (\u03c3\u03cd\u03c3\u03c4\u03b7\u03bc\u03b1), signifiant \u00ab ensemble organis\u00e9, corps de r\u00e8gles ou d’\u00e9l\u00e9ments assembl\u00e9s \u00bb. Introduit formellement dans la litt\u00e9rature computationnelle et psychologique par Holland (1976, 1986), le concept traduisait une tentative de r\u00e9concilier les th\u00e9ories de l’induction de la psychologie cognitive (notamment celles de Jerome Bruner et de Jean Piaget) avec les formalismes math\u00e9matiques de la s\u00e9lection naturelle et du traitement parall\u00e8le de l’information.<\/p>\n Sur le plan phon\u00e9tique, le syntagme se prononce \/sis.t\u025bm d\u0259 kla.s\u0153\u0281\/ en fran\u00e7ais standard. Il s’agit d’un syntagme nominal masculin singulier (au pluriel : \u00ab des syst\u00e8mes de classeurs \u00bb, les deux \u00e9l\u00e9ments s’accordant au pluriel). Dans la litt\u00e9rature sp\u00e9cialis\u00e9e francophone de psychologie cognitive computationnelle et de neurosciences th\u00e9oriques, on rencontre \u00e9galement la d\u00e9nomination \u00ab syst\u00e8me d’apprentissage par classeurs \u00bb ou l’emprunt direct \u00ab Learning Classifier System<\/em> \u00bb (LCS).<\/p>\n D’un point de vue morphosyntaxique, le terme \u00ab classeur \u00bb joue ici le r\u00f4le de d\u00e9terminant notionnel qualifiant l’entit\u00e9 op\u00e9ratoire de base : une unit\u00e9 de production condition-action capable de discriminer une facette de l’environnement perceptualis\u00e9. On parlera ainsi d’un \u00ab classeur actif \u00bb, de \u00ab la force d’un classeur \u00bb ou du \u00ab recyclage g\u00e9n\u00e9tique des classeurs \u00bb pour d\u00e9crire les \u00e9v\u00e9nements computationnels internes au mod\u00e8le.<\/p>\n Pour la psychologie computationnelle, le syst\u00e8me de classeurs incarne une r\u00e9ponse pragmatique au paradoxe de l’induction d\u00e9crit par David Hume : comment un agent fini et situ\u00e9 peut-il inf\u00e9rer des lois g\u00e9n\u00e9rales fiables \u00e0 partir d’observations ponctuelles et incompl\u00e8tes ? Le syst\u00e8me r\u00e9sout ce d\u00e9fi par une architecture tripartite continue, interconnectant perception, attribution de cr\u00e9dit et d\u00e9couverte heuristique.<\/p>\n Le premier volet, nomm\u00e9 syst\u00e8me de performance<\/strong>, est constitu\u00e9 d’un ensemble de d\u00e9tecteurs captant l’information sensorielle, d’une m\u00e9moire de messages \u00e0 court terme, d’une population de r\u00e8gles concurrentes et d’effecteurs comportementaux. Lorsqu’une information entre dans le syst\u00e8me, elle est encod\u00e9e sous la forme d’une cha\u00eene symbolique (traditionnellement binaire ou ternaire). Tous les classeurs dont la condition est satisfaite par le message sensoriel entrent en concurrence. Cette comp\u00e9tition est arbitr\u00e9e par une vente aux ench\u00e8res cognitive o\u00f9 chaque r\u00e8gle mise une fraction de sa \u00ab force \u00bb acquise lors d’exp\u00e9riences ant\u00e9rieures. La r\u00e8gle gagnante (ou un ensemble de r\u00e8gles pond\u00e9r\u00e9es) d\u00e9pose un message activateur qui d\u00e9clenche une action motrice ou conceptuelle.<\/p>\n Le second volet, le syst\u00e8me d’affectation de cr\u00e9dit<\/strong> (historiquement mat\u00e9rialis\u00e9 par l’algorithme du seau d’eau<\/a> ou Bucket Brigade Algorithm<\/em>), assure la dimension \u00e9pist\u00e9mique de l’apprentissage par renforcement. Lorsque l’action entreprise engendre une r\u00e9compense environnementale (plaisir, survie, satisfaction d’un but cognitif), cette gratification est redistribu\u00e9e en cascade aux classeurs ayant rendu cette issue possible, y compris aux r\u00e8gles pr\u00e9liminaires ayant agi dans les \u00e9tapes ant\u00e9rieures de la cha\u00eene de raisonnement. Les r\u00e8gles inutiles ou contre-productives perdent leur capital de force, mod\u00e9lisant ainsi l’extinction des comportements inefficaces et le renforcement des routines heuristiques valides.<\/p>\n Enfin, le troisi\u00e8me volet, le m\u00e9canisme de d\u00e9couverte<\/strong>, recourt aux algorithmes g\u00e9n\u00e9tiques<\/a> pour briser la stagnation cognitive. Lorsque le syst\u00e8me se heurte \u00e0 des situations impr\u00e9vues ou \u00e0 une baisse prolong\u00e9e des renforcements, des op\u00e9rateurs de croisement et de mutation recombinent les classeurs les plus performants afin d’engendrer de nouvelles hypoth\u00e8ses plausibles. Ce brassage heuristique \u00e9mule la s\u00e9rendipit\u00e9, la restructuration d’id\u00e9es et la cr\u00e9ativit\u00e9 humaine en \u00e9vitant que l’agent ne s’enferme dans un optimum sous-optimal.<\/p>\n La trajectoire historique des syst\u00e8mes de classeurs s’amorce au sein du groupe de recherche pionnier de l’Universit\u00e9 du Michigan au milieu des ann\u00e9es 1970. John H. Holland, d\u00e9j\u00e0 p\u00e8re fondateur des algorithmes g\u00e9n\u00e9tiques, cherchait \u00e0 formaliser l’adaptation cognitive dans un cadre qui transcende les s\u00e9parations arbitraires entre le mod\u00e8le connexionniste \u00e9mergeant et le computationnalisme symbolique initi\u00e9 par Herbert Simon et Allen Newell.<\/p>\n En 1986, la publication de l’ouvrage monumental Induction: Processes of Inference, Learning, and Discovery<\/em> par John Holland, Keith Holyoak, Richard Nisbett et Paul Thagard ancre d\u00e9finitivement le syst\u00e8me de classeurs dans le corpus de la psychologie cognitive contemporaine. Les auteurs y d\u00e9montrent que la pens\u00e9e humaine proc\u00e8de par mod\u00e8les mentaux hi\u00e9rarchis\u00e9s, configur\u00e9s sous la forme d’agr\u00e9gats de r\u00e8gles de type classeurs, permettant de rendre compte aussi bien des heuristiques de jugement \u00e9tudi\u00e9es par Daniel Kahneman et Amos Tversky que des progr\u00e8s cognitifs observ\u00e9s au cours du d\u00e9veloppement de l’enfant.<\/p>\n Durant les ann\u00e9es 1990, Stewart W. Wilson transforme radicalement le champ en proposant des versions simplifi\u00e9es et plus rigoureuses sur le plan formel : le ZCS (Zeroth-level Classifier System<\/em>), puis le c\u00e9l\u00e8bre XCS (Accuracy-based Classifier System<\/em>). Dans le XCS, la valeur d’un classeur ne d\u00e9pend plus de la simple magnitude des r\u00e9compenses qu’il pr\u00e9dit, mais de l’exactitude de sa pr\u00e9diction, une distinction majeure qui rapproche ces architectures des mod\u00e8les modernes de codage pr\u00e9dictif en neurobiologie.<\/p>\n Au d\u00e9but du XXIe si\u00e8cle, les syst\u00e8mes de classeurs se sont hybrid\u00e9s avec l’apprentissage par renforcement statistique (comme le Q-learning<\/em>) et les repr\u00e9sentations neuronales continues, trouvant des d\u00e9bouch\u00e9s contemporains dans la mod\u00e9lisation des d\u00e9cisions \u00e9cologiques, la cognition incarn\u00e9e et la robotique d\u00e9veloppementale.<\/p>\n D’un point de vue \u00e9pist\u00e9mologique, le syst\u00e8me de classeurs s’enracine dans la th\u00e9orie de la rationalit\u00e9 limit\u00e9e propos\u00e9e par Herbert Simon. Les \u00eatres vivants n’optimisent pas leurs choix selon une axiomatique universelle d’utilit\u00e9 attendue ; ils d\u00e9couvrent des satisfactions locales viables en construisant des r\u00e8gles heuristiques adapt\u00e9es aux contraintes mat\u00e9rielles de leur syst\u00e8me nerveux et aux r\u00e9gularit\u00e9s de leur niche \u00e9cologique.<\/p>\n Le mod\u00e8le puise \u00e9galement son inspiration dans le constructivisme piag\u00e9tien et le darwinisme neuronal de Gerald Edelman. L’esprit n’est pas une table rase passive, mais un \u00e9cosyst\u00e8me proactif d’unit\u00e9s de sch\u00e8mes (les classeurs) qui prolif\u00e8rent, rivalisent et se transforment. L’assimilation correspond \u00e0 l’activation de r\u00e8gles d\u00e9j\u00e0 \u00e9tablies pour cat\u00e9goriser un stimulus nouveau, tandis que l’accommodation se mat\u00e9rialise par l’alt\u00e9ration g\u00e9n\u00e9tique des conditions de d\u00e9clenchement ou la scission de r\u00e8gles pr\u00e9existantes sous l’effet d’une dissonance environnementale.<\/p>\n Enfin, le syst\u00e8me de classeurs mat\u00e9rialise la th\u00e9orie du parall\u00e9lisme comp\u00e9titif. Plut\u00f4t que de reposer sur un superviseur centralis\u00e9 unique qui ordonnerait le flux de pens\u00e9e s\u00e9quentiellement, la prise de d\u00e9cision \u00e9merge de la mise en balance de multiples hypoth\u00e8ses partielles s’activant simultan\u00e9ment, offrant ainsi une robustesse remarquable face aux d\u00e9faillances locales et aux ambigu\u00eft\u00e9s perceptives.<\/p>\n La d\u00e9composition analytique d’un syst\u00e8me de classeurs classique met en lumi\u00e8re un ensemble d’\u00e9l\u00e9ments architecturaux standardis\u00e9s :<\/p>\n Consid\u00e9rons la mod\u00e9lisation de l’apprentissage d’\u00e9vitement chez un petit mammif\u00e8re pr\u00e9dateur ou chez l’enfant d\u00e9couvrant les propri\u00e9t\u00e9s physiques d’un objet br\u00fblant. L’environnement projette des attributs sensoriels : couleur vive, pr\u00e9sence de fum\u00e9e, mouvement oscillant. Un classeur initial na\u00eff pourrait stipuler : \u00ab Si [Couleur: Vive ; Fum\u00e9e: # ; Mouvement: Oscillant] Alors [Action: Saisir] \u00bb avec une force initiale moyenne.<\/p>\n D\u00e8s que l’organisme tente de saisir la flamme, il subit un choc nociceptif intense. L’algorithme d’affectation de cr\u00e9dit p\u00e9nalise lourdement ce classeur sp\u00e9cifique, provoquant l’effondrement de sa mise future. Parall\u00e8lement, l’algorithme g\u00e9n\u00e9tique, stimul\u00e9 par cet \u00e9chec pr\u00e9dictif, engendre des variantes gr\u00e2ce au joker # : une nouvelle r\u00e8gle \u00e9merge, stipulant : \u00ab Si [Couleur: Vive ; Fum\u00e9e: Oui ; Mouvement: #] Alors [Action: Fuir] \u00bb. Lors d’une rencontre ult\u00e9rieure, ce nouveau classeur remporte l’arbitrage gr\u00e2ce \u00e0 sa force pr\u00e9serv\u00e9e, mod\u00e9lisant ainsi l’ancrage comportemental d’une phobie protectrice ou d’une r\u00e8gle de prudence empirique.<\/p>\n Dans le domaine des tests neuropsychologiques, des chercheurs ont utilis\u00e9 des syst\u00e8mes de classeurs pour simuler les performances humaines lors du test de tri de cartes du Wisconsin (Wisconsin Card Sorting Test<\/a>). L’architecture mod\u00e9lise fid\u00e8lement la d\u00e9couverte inductive du crit\u00e8re de tri (forme, couleur ou nombre), la consolidation des r\u00e8gles gagnantes, puis l’inhibition progressive et la flexibilit\u00e9 mentale requises lorsque le crit\u00e8re change subitement \u00e0 l’insu du sujet.<\/p>\n L’\u00e9valuation psychom\u00e9trique et computationnelle d’un syst\u00e8me de classeurs mobilise plusieurs indices quantitatifs permettant de juger de sa validit\u00e9 cognitive et \u00e9cologique :<\/p>\n La compacit\u00e9 de la repr\u00e9sentation<\/strong> \u00e9value le degr\u00e9 auquel le syst\u00e8me parvient \u00e0 condenser l’information. Gr\u00e2ce \u00e0 l’utilisation ad\u00e9quate des caract\u00e8res g\u00e9n\u00e9riques (#), un syst\u00e8me de classeurs mature ne m\u00e9morise pas chaque occurrence sous forme d’une table exhaustive, mais isole les invariances environnementales critiques. Le ratio entre le nombre total de r\u00e8gles actives et l’\u00e9tendue de l’espace de donn\u00e9es refl\u00e8te la capacit\u00e9 de cat\u00e9gorisation abstraite du mod\u00e8le.<\/p>\n La cin\u00e9tique de convergence \u00e9pist\u00e9mique<\/strong> mesure le temps de latence n\u00e9cessaire pour stabiliser la hi\u00e9rarchie des forces au sein de la population de r\u00e8gles. En psychologie exp\u00e9rimentale computationnelle, ce param\u00e8tre est directement corr\u00e9l\u00e9 aux courbes d’apprentissage observ\u00e9es chez des sujets humains soumis \u00e0 des t\u00e2ches d’apprentissage proc\u00e9dural ou implicite.<\/p>\n La r\u00e9silience au bruit environnemental<\/strong> constitue une autre m\u00e9trique fondamentale. On \u00e9value la performance du syst\u00e8me lorsque les d\u00e9tecteurs transmettent des signaux d\u00e9grad\u00e9s ou corrompus. La redondance inh\u00e9rente aux populations de classeurs concurrents conf\u00e8re \u00e0 l’agent une d\u00e9gradation douce de ses performances, contrastant avec la rupture brutale caract\u00e9risant les syst\u00e8mes logiques propositionnels non probabilistes.<\/p>\n La puissance explicative des syst\u00e8mes de classeurs rayonne sur plusieurs champs disciplinaires de la psychologie et des neurosciences comportementales :<\/p>\n En psychologie de l’\u00e9ducation et de l’apprentissage des concepts<\/strong>, cette architecture permet d’analyser comment les apprenants surmontent les conceptions na\u00efves ou les erreurs persistantes. En r\u00e9v\u00e9lant comment des r\u00e8gles erron\u00e9es continuent d’op\u00e9rer si aucune r\u00e8gle alternative plus sp\u00e9cifique n’a \u00e9t\u00e9 forg\u00e9e par le moteur inductif, les chercheurs peuvent concevoir des situations de contraste p\u00e9dagogique ciblant pr\u00e9cis\u00e9ment les lacunes de l’architecture cognitive de l’\u00e9l\u00e8ve.<\/p>\n Dans le secteur de la psychologie d\u00e9cisionnelle et organisationnelle<\/strong>, les syst\u00e8mes de classeurs servent \u00e0 mod\u00e9liser la dynamique des march\u00e9s financiers, les comportements d’achat impulsifs ou l’\u00e9mergence de paniques collectives. Les agents artificiels dot\u00e9s de classeurs reproduisent fid\u00e8lement les biais d’ancrage, les comportements gr\u00e9gaires et les d\u00e9viations par rapport \u00e0 la rationalit\u00e9 \u00e9conomique classique, sans qu’il soit n\u00e9cessaire d’injecter manuellement des biais pr\u00e9con\u00e7us dans leur code.<\/p>\n En ergonomie cognitive et interaction humain-machine<\/strong>, des syst\u00e8mes de classeurs adaptatifs permettent de concevoir des interfaces intelligentes qui apprennent silencieusement les habitudes de l’utilisateur. En identifiant les s\u00e9quences d’actions r\u00e9currentes, le logiciel anticipe les besoins informationnels de l’op\u00e9rateur dans des contextes \u00e0 forte charge mentale, tels que les cockpits a\u00e9ronautiques ou les salles de contr\u00f4le d’installations sensibles.<\/p>\n D\u00e8s la fin des ann\u00e9es 1980, les travaux pionniers de Holland, Holyoak, Nisbett et Thagard ont fourni des corroborations exp\u00e9rimentales impressionnantes en appliquant les syst\u00e8mes de classeurs \u00e0 des \u00e9nigmes classiques du raisonnement humain, telles que la t\u00e2che de s\u00e9lection de Wason. Ils ont d\u00e9montr\u00e9 que les humains n’utilisent pas une logique formelle d\u00e9contextualis\u00e9e, mais des \u00ab sch\u00e8mes pragmatiques de raisonnement \u00bb (d’obligation, de permission) qui se comportent exactement comme des faisceaux de classeurs conditionnels enrichis par l’exp\u00e9rience socioculturelle.<\/p>\n Au d\u00e9but des ann\u00e9es 2000, des recherches men\u00e9es par Pier Luca Lanzi et Stewart Wilson ont mis en \u00e9vidence la convergence math\u00e9matique entre les syst\u00e8mes de classeurs de nouvelle g\u00e9n\u00e9ration (XCS) et les formulations formelles de l’apprentissage par diff\u00e9rence temporelle (TD-Learning) de Richard Sutton et Andrew Barto, un mod\u00e8le neurobiologiquement valid\u00e9 par l’activit\u00e9 des neurones dopaminergiques de l’aire tegmentale ventrale chez les primates.<\/p>\n Plus r\u00e9cemment, des psychologues cognitivistes de l’universit\u00e9 de Grenade et de l’institut Max-Planck ont recouru \u00e0 des variantes de syst\u00e8mes de classeurs pour analyser la prise de d\u00e9cision \u00e9cologique sous la perspective des heuristiques frugales et rapides (fast and frugal heuristics<\/em>) th\u00e9oris\u00e9es par Gerd Gigerenzer. Les donn\u00e9es d\u00e9montrent que les populations de r\u00e8gles g\u00e9n\u00e9r\u00e9es par ces algorithmes convergent spontan\u00e9ment vers des arbres de d\u00e9cision simplifi\u00e9s, r\u00e9pliquant avec fid\u00e9lit\u00e9 les protocoles d\u00e9cisionnels empiriques des m\u00e9decins urgentistes ou des juges confront\u00e9s \u00e0 des jugements sous forte contrainte temporelle.<\/p>\n Bien que le syst\u00e8me de classeurs soit une construction algorithmique universelle, les principes \u00e9pist\u00e9mologiques qu’il mat\u00e9rialise refl\u00e8tent des traditions philosophiques particuli\u00e8res. Enracin\u00e9 dans le pragmatisme am\u00e9ricain incarn\u00e9 par Charles Sanders Peirce, William James et John Dewey, le mod\u00e8le postule que la signification d’un concept s’\u00e9puise dans ses cons\u00e9quences op\u00e9ratoires pour l’action. Une id\u00e9e n’est pas \u00ab vraie \u00bb au sens d’une correspondance ontologique passive, mais efficace au regard d’un but adaptatif, une pr\u00e9misse qui structure l’int\u00e9gralit\u00e9 du calcul de force des classeurs.<\/p>\n Transpos\u00e9e \u00e0 l’\u00e9tude comparative de la cognition transculturelle, cette approche computationnelle offre une grille de lecture pertinente pour expliquer pourquoi des contextes \u00e9coculturels distincts favorisent des syst\u00e8mes de r\u00e8gles diff\u00e9renci\u00e9s. Les recherches de Richard Nisbett sur la pens\u00e9e holistique orientale versus la pens\u00e9e analytique occidentale peuvent \u00eatre mod\u00e9lis\u00e9es \u00e0 travers des syst\u00e8mes de classeurs calibr\u00e9s avec des sensibilit\u00e9s contextuelles divergentes : des d\u00e9tecteurs orient\u00e9s vers les relations de fond (focalisation relationnelle) valoriseront des classeurs dot\u00e9s de pr\u00e9dicats larges, tandis que des d\u00e9tecteurs centr\u00e9s sur les attributs isol\u00e9s des objets stabiliseront des r\u00e8gles discr\u00e8tes et hautement discriminantes.<\/p>\n Malgr\u00e9 sa robustesse th\u00e9orique, le paradigme des syst\u00e8mes de classeurs a essuy\u00e9 de substantielles critiques au sein de la communaut\u00e9 des sciences cognitives computationnelles :<\/p>\n La principale objection concerne l’explosion combinatoire de l’espace de recherche<\/strong>. D\u00e8s que l’environnement sensoriel requiert des centaines ou des milliers de dimensions continues pour \u00eatre appr\u00e9hend\u00e9 fid\u00e8lement, la recherche de r\u00e8gles par mutation et croisement g\u00e9n\u00e9tique se heurte \u00e0 une d\u00e9gradation s\u00e9v\u00e8re de ses capacit\u00e9s temporelles d’apprentissage, n\u00e9cessitant des milliards d’it\u00e9rations que des organismes biologiques ne peuvent s’offrir sans p\u00e9ril mortel.<\/p>\n Une seconde controverse d\u00e9coule de la lisibilit\u00e9 des repr\u00e9sentations acquises<\/strong>. Initialement promu comme une alternative explicable aux \u00ab bo\u00eetes noires \u00bb des r\u00e9seaux de neurones connexionnistes, le syst\u00e8me de classeurs s’est r\u00e9v\u00e9l\u00e9, dans des situations complexes, extr\u00eamement difficile \u00e0 auditer. Des milliers de r\u00e8gles concurrentes, fragment\u00e9es, dot\u00e9es de jokers contradictoires et interconnect\u00e9es par des soldes de force dynamiques, forment un agr\u00e9gat souvent ind\u00e9chiffrable pour le psychologue cherchant \u00e0 cartographier rigoureusement les repr\u00e9sentations explicites du sujet.<\/p>\n Enfin, les tenants des architectures cognitives unifi\u00e9es dominantes, telles qu’ACT-R (d\u00e9velopp\u00e9e par John Anderson) ou Soar (d\u00e9velopp\u00e9e par Allen Newell), reprochent aux syst\u00e8mes de classeurs de n\u00e9gliger la macroarchitecture de l’esprit humain, notamment l’organisation distincte entre m\u00e9moire d\u00e9clarative et m\u00e9moire proc\u00e9durale, ou les contraintes neuro-anatomiques strictes impos\u00e9es par les voies fronto-striatales, r\u00e9duisant parfois l’esprit \u00e0 une simple m\u00e9ta-heuristique d’optimisation math\u00e9matique sans fid\u00e9lit\u00e9 biologique directe.<\/p>\n Il importe de d\u00e9marquer pr\u00e9cis\u00e9ment le syst\u00e8me de classeurs d’autres paradigmes computationnels adjacents :<\/p>\n Le syst\u00e8me de classeurs transcende les oppositions classiques entre l’intelligence artificielle symbolique et le connexionnisme en proposant un mod\u00e8le \u00e9cologiquement valide de l’induction cognitive. En combinant la granularit\u00e9 des r\u00e8gles logiques, la robustesse de l’apprentissage par renforcement et la cr\u00e9ativit\u00e9 exploratoire des algorithmes \u00e9volutionnistes, cette architecture offre une plateforme conceptuelle d’une exceptionnelle f\u00e9condit\u00e9 pour diss\u00e9quer l’adaptation mentale.<\/p>\n Elle rappelle \u00e0 la psychologie contemporaine que l’intelligence ne consiste pas \u00e0 poss\u00e9der une image infaillible du monde, mais \u00e0 n\u00e9gocier en permanence avec l’incertitude gr\u00e2ce \u00e0 un faisceau d’hypoth\u00e8ses en perp\u00e9tuelle r\u00e9vision. Alors que les neurosciences red\u00e9couvrent la centralit\u00e9 de la pr\u00e9diction et de l’hom\u00e9ostasie adaptative, les architectures \u00e0 base de classeurs demeurent un jalon incontournable pour quiconque s’attache \u00e0 mod\u00e9liser la gen\u00e8se de la pens\u00e9e rationnelle \u00e0 partir du chaos des contingences mat\u00e9rielles.<\/p>\n D\u00e9couvrez le syst\u00e8me de classeurs en psychologie cognitive computationnelle : architecture, induction, algorithmes g\u00e9n\u00e9tiques et mod\u00e9lisation de l’apprentissage.<\/p>\n","protected":false},"author":1,"featured_media":0,"template":"","categories":[39890,5114,1486],"tags":[39892,5736,13517,4936,1808,39891],"class_list":["post-23524","psych_term","type-psych_term","status-publish","hentry","category-modelisation-de-lesprit","category-psychologie-computationnelle","category-sciences-cognitives","tag-algorithmes-genetiques","tag-apprentissage-par-renforcement","tag-john-holland","tag-modelisation-cognitive","tag-sciences-cognitives","tag-systeme-de-classeurs"],"_links":{"self":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_term\/23524","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\/23524\/revisions"}],"wp:attachment":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=23524"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=23524"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=23524"}],"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
5. \u00c9volution historique<\/h3>\n
6. Fondements th\u00e9oriques<\/h3>\n
7. Composantes cl\u00e9s, typologies et dimensions<\/h3>\n
\n
8. Exemples et cas illustratifs<\/h3>\n
9. Mesure, \u00e9valuation et mod\u00e9lisation<\/h3>\n
10. Applications pratiques et port\u00e9e psychologique<\/h3>\n
11. Recherches empiriques et validations scientifiques<\/h3>\n
12. Consid\u00e9rations culturelles et contextuelles<\/h3>\n
13. Critiques, controverses et limites<\/h3>\n
14. Notions connexes et distinctions conceptuelles<\/h3>\n
\n
15. Synth\u00e8se et points cl\u00e9s<\/h3>\n
R\u00e9f\u00e9rences<\/h2>\n
\n