L’IA n’arrive pas encore à simuler l’humain à cause de cet art unique

Les modèles d’IA ont encore du chemin à faire pour simuler l’humain. Si elles savent déjà parler comme un humain, elles souffrent actuellement d’un trop-plein de bienveillance. Ça sonne faux !

Les modèles d’IA font preuve d’une politesse extrême dans les conversations. Certains, à tort, pourrait la prendre comme une preuve d’intelligence émotionnelle, mais c’est surtout le signe d’un alignement poussé au maximum. Ils ont tellement été bien dressés pour être consensuels et polis qu’ils deviennent exacerbants à la limite. Par défaut, ils sont calibrés pour s’aligner sur la manière dont vous voyez les choses ; pour le même sujet, aussitôt que vous changez de point de vue, ils s’adaptent. Cette fausse gentillesse finit par trahir leur essence.

C’est sur ce point qu’une nouvelle version de test de Turing a été calibrée pour voir à quel point les IA peuvent toujours se faire passer pour des humains. L’expérimentation, mise en œuvre par des spécialistes l’Université de Zurich, a dévoilé ses résultats qui ont été publiés sur la plateforme arXiv le 6 novembre 2025.

Trop gentil pour être un humain, très correct pour être un humain

Depuis que les scientifiques ont eu l’intention de créer des machines capables de simuler l’intelligence humaine, le test de Turing est devenu un critère d’évaluation. Il est une expérience conçue pour évaluer si une machine peut faire preuve d’une intelligence indistinguable de celle d’un humain, principalement via la conversation. N’importe quel modèle qui y parvenait avait gagné.

Néanmoins, les avancées dans le domaine de l’intelligence artificielle ont montré que ces critères mis en place par le test sont subjectifs. Diverses variables trop sensibles entrent en effet en jeu pour juger de la capacité d’une machine à se faire passer pour l’humain : le ton, le biais de contexte, l’intuition, les attentes culturelles, etc.

Face à ces limitations, les chercheurs de l’Université de Zurich ont conçu un “Test de Turing computationnel”. Cette version modernisée du test original de 1950 se base fondamentalement sur la perception du naturel et le verdict des chiffres. Des modèles statistiques ont été développés pour analyser la manière d’une IA à fondre ses propos dans le flot conversationnel humain. Ces modèles analysent essentiellement trois choses : 

• La détectabilité (la possibilité de détecter que le texte a été généré par l’IA) ;
• La fidélité sémantique (à quel niveau le texte de l’IA ressemble à celui de l’humain) ;
• l’analyse linguistique interprétable (détecter les caractéristiques des LLM).

Chaque réponse générée par les IA va être confrontée à des versions humaines. Les deux versions seront ensuite analysées par ces modèles statistiques. Ce sont les chiffres issus de cette analyse qui sont le verdict.

Pour leur étude,  les chercheurs ont choisi neuf grands modèles. Ils devraient répondre à des conversations prises sur X (ex-Twitter), Reddit et Bluesky.  La variation de tons avait pour but de tester le registre de chaque plateforme, afin d’évaluer leur vraisemblance humaine. 

Mais aucun modèle d’IA n’a réussi.  Ils sont incapables de reproduire la variabilité de l’émotion humaine. 

Les modèles d’IA ont tendance à adopter une neutralité affective ou un ton trop harmonieux. La justesse dans le ton et une conversation dépourvue entièrement de dissonance trahissent vite leur nature.

VOIR AUSSI : Il n’y a aucune raison d’avoir peur de l’IA d’après cette nouvelle étude

Analyser l’émotion dans la conversation pour séparer la machine de l’humain

Avec le ton monolithique et prévisible des LLM, l’analyse des émotions dans la conversation constitue un outil crucial pour différencier l’intelligence artificielle (IA) de l’humain. Bien que l’IA puisse simuler des réponses émotionnelles à travers des algorithmes sophistiqués, elle ne possède pas la capacité à parsemer ses propos d’aspérités : sarcasmes, hésitations, contradictions, maladresses, etc. Le test de Turing, bien qu’efficace pour mesurer l’apparence d’intelligence, ne prend pas en compte cette profondeur.

L’IA, programmée pour afficher des réponses empreintes d’empathie, tombent souvent dans le piège de la superficialité. Ce comportement savamment codé pour rapprocher est précisément ce qui engendre une barrière, rendant difficile l’établissement d’une connexion véritable. 

Cette secousse naturelle interne et spontanée, qu’est l’émotion, constitue le principal obstacle pour l’IA aujourd’hui. Elle est encore incapable de la simuler. Les modèles qui le tente reviennent systématiquement à leur essence.