Imaginez le même bloc d’ascenseurs à travers trois rénovations, espacées de quinze ans, bien que l’ascenseur lui-même ne semble jamais vieillir : 1943, puis 1949, puis 1958. Personne n’affiche un panneau expliquant de quelle époque date le panneau de répartition qui tourne derrière les portes, et pendant un moment, en le prenant, vous n’auriez vraiment pas pu les distinguer. C’est ce détail qui mérite qu’on s’y attarde. Un système qui se comporte intelligemment n’annonce pas quel genre d’intelligence il possède. On ne découvre ce qu’il y a dedans que lorsqu’il se trompe, en regardant ce qu’il fait ensuite.

I. Un Panneau Qui Ne Fait Que Se Répéter

La première version n’essaie pas d’apprendre quoi que ce soit. En 1943, Warren McCulloch et Walter Pitts publièrent A Logical Calculus of the Ideas Immanent in Nervous Activity, un article qui n’a rien à voir avec des ascenseurs et tout à voir avec ce à quoi un neurone pouvait, en principe, être réduit : une unité qui reçoit plusieurs entrées, les additionne, et s’active si le total dépasse un seuil — sinon, elle reste silencieuse. Câblez-en suffisamment ensemble et vous pouvez construire, de manière démontrable, n’importe quelle fonction exprimable en logique formelle. ET, OU, NON : toutes atteignables avec des seuils et les bonnes connexions.

L’ascenseur que cela décrit est un bloc de relais, pas un esprit. Si le bouton est enfoncé, et que la cabine n’est pas déjà arrêtée à cet étage, et que le capteur de charge indique une valeur sous la capacité, alors on s’arrête. Chaque condition est fixée à l’installation. Un ingénieur a décidé des seuils ; la machine se contente de les évaluer, pour toujours, de la même façon, jusqu’à ce que quelqu’un ouvre le panneau et le recâble à la main. Voilà tout McCulloch et Pitts, et il est facile d’y lire rétroactivement une affirmation sur l’apprentissage qui n’y figure pas. Leur neurone est une porte logique déguisée en langage biologique. La réussite de l’article fut de montrer qu’un réseau de ces portes pouvait calculer tout ce qu’une machine de Turing pouvait calculer — une preuve sur ce qui est exprimable, pas un mécanisme expliquant comment un système pourrait y parvenir de lui-même.

II. Le Couloir Qui Commence à Se Souvenir

Six ans plus tard, l’ascenseur reçoit une amélioration que personne ne lui a demandé de remarquer. Le livre de Donald Hebb paru en 1949, The Organization of Behavior, proposa une règle pour la façon dont les connexions entre neurones pourraient changer avec l’usage : lorsque l’activation d’une cellule contribue de façon répétée à activer une autre, le lien entre elles devrait se renforcer. La phrase même de Hebb est plus prudente que le slogan qu’elle devint plus tard — « les cellules qui s’activent ensemble se connectent ensemble » est une paraphrase, forgée des décennies après par Siegrid Löwel, qui aplatit une véritable hypothèse sur l’activité corrélée et la croissance synaptique en quelque chose de plus net que ce que Hebb n’a jamais prétendu démontrer. Mais l’idée sous-jacente tient : la force d’une connexion n’est plus fixée à l’installation. C’est un enregistrement de la fréquence à laquelle deux choses se sont produites ensemble.

Étendez l’ascenseur, avec prudence, et vous obtenez quelque chose comme ceci : l’immeuble remarque que les demandes pour l’étage 3 et l’étage 7 se regroupent chaque matin de semaine, à quelques minutes d’intervalle, les deux mêmes noms sur la feuille de présence. Un système de répartition hebbien renforcerait l’association — commençant à traiter une demande pour l’un comme une preuve faible que l’autre arrive — sans que personne ne reprogramme le panneau. Rien ici ne compare un résultat à un objectif. Il n’y a pas de terme d’erreur, aucune notion qu’une erreur ait été commise. C’est plus proche de l’habitude que du jugement : deux choses qui continuent de se produire ensemble commencent à se produire ensemble plus facilement, ce qui est une forme réelle de plasticité et une distance réelle, et courte, de l’apprentissage par l’erreur.

III. Le Panneau Qui Note Ses Propres Erreurs

La version de 1958 est la première qui reconnaîtrait le mot « apprendre » tel qu’un lecteur moderne l’entend. Le perceptron de Frank Rosenblatt reprit des unités pondérées et à seuil — la machinerie de McCulloch et Pitts — et leur donna quelque chose qu’aucun modèle précédent n’avait : une règle pour modifier les poids en réponse à une erreur. Montrez à la machine une entrée, laissez-la deviner, comparez la supposition à la bonne réponse, et poussez chaque poids un peu dans la direction qui aurait rendu la supposition moins fausse. Répétez. J’ai déjà écrit sur la distance que cette seule idée finit par parcourir — à travers la rétropropagation, à travers les GPU, jusqu’à tout ce qu’on appelle aujourd’hui un modèle de langage — mais le détail qui compte ici est plus étroit et vient en premier : la règle de Rosenblatt a besoin d’un objectif contre lequel échouer. La corrélation seule ne peut le produire. La logique fixe ne peut le produire. Elle exige un système construit pour remarquer l’écart entre ce qu’il a fait et ce qu’il aurait dû faire, et traiter cet écart comme une instruction.

Donnez à l’ascenseur cette amélioration et l’histoire mérite enfin le mot. L’immeuble enregistre des plaintes — l’étage 7 attend toujours trop longtemps — et le système de répartition ne se contente pas de renforcer une association, il ajuste un poids spécifique dans la direction qu’implique la plainte, puis vérifie si l’ajustement a aidé, puis ajuste à nouveau s’il y a surcorrection. C’est une boucle de rétroaction fermée sur un résultat, pas une règle câblée par un ingénieur ni une habitude accumulée par répétition. C’est la première des trois étapes qu’on pourrait, avec une certaine plausibilité, poursuivre en justice pour négligence, parce que c’est la première qui prend des décisions dont on peut démontrer, après coup, qu’elles étaient erronées.

IV. Trois Mots Qui Ne Sont Pas Synonymes

Placez les trois côte à côte et le mot « apprendre » se sépare en morceaux constamment confondus, y compris par des gens qui devraient mieux savoir. McCulloch-Pitts a donné au domaine un dispositif — une manière de calculer des fonctions logiques à partir d’unités à seuil — sans aucune adaptation. Hebb lui a donné un mécanisme de changement : des connexions qui croissent avec un usage corrélé, sans signal d’erreur requis, sans notion que la corrélation puisse être fausse. Rosenblatt lui a donné un critère : un objectif, une comparaison, et une règle pour mettre à jour les poids selon l’ampleur et la direction de l’erreur. Logique fixe, puis corrélation, puis correction d’erreur — trois réponses différentes à « qu’est-ce qui devrait changer, et pourquoi », arrivées à quinze ans d’écart, de trois personnes qui n’étaient pas en dialogue autour d’une feuille de route commune et n’avaient aucun moyen de savoir qu’elles en construisaient une.

Il est tentant, avec soixante et quelques années de recul, de lire cela comme une ascension planifiée : des règles grossières, puis de meilleures règles, puis enfin la bonne règle, chacune attendant patiemment sa suivante. Ce n’est pas ce qui s’est passé. McCulloch et Pitts n’essayaient pas de construire une machine apprenante et n’y échouaient pas ; ils répondaient à une question sur la calculabilité qui n’avait rien à voir avec l’adaptation. Hebb était un psychologue proposant une hypothèse physiologique sur la mémoire, des décennies avant que quiconque puisse la tester sur du tissu neuronal réel. Rosenblatt construisit du matériel — le Mark I, une pièce de potentiomètres motorisés — parce que la Marine finançait la reconnaissance de formes, pas parce qu’il se proposait de compléter le plan en trois parties de quelqu’un d’autre. L’arc est réel. C’est aussi quelque chose que les historiens ont assemblé après coup, à partir de trois personnes résolvant trois problèmes différents qui, rétrospectivement, se sont transmis exactement ce dont la suivante avait besoin.

V. Ce Que l’Immeuble Démontre Vraiment

Rien de tout cela ne fait de l’ascenseur un documentaire. Les vrais systèmes de répartition n’ont jamais été construits ainsi, et les deux dernières étapes sont des extensions franches d’une analogie inventée pour la première, pas des descriptions de quoi que ce soit qu’un fabricant d’ascenseurs ait jamais livré. Ce n’est pas grave — l’analogie n’a jamais prétendu être une histoire des ascenseurs. Ce qu’elle peut faire honnêtement, c’est séparer trois choses que la conversation courante sur l’IA appelle toutes « la machine a appris », hier comme aujourd’hui : un système qui exécute des règles écrites par quelqu’un d’autre, un système dont la structure dérive vers tout ce qui continue de se répéter, et un système qui compare sa propre sortie à un objectif et se révise lorsque les deux divergent. Seul le troisième répond de ses erreurs. Les deux autres peuvent être sophistiqués, même utiles, et n’avoir jamais, pas une seule fois, à remarquer une erreur — ce qui se révèle être toute la distance entre une serrure très élaborée et quelque chose qu’on peut enseigner.

Pour aller plus loin