Ce que le dialogue avec un modèle de langage m’a appris sur la pensée
Remarque préliminaire
Ce texte ne porte pas sur l’intelligence artificielle au sens strict.
L’IA y figure, bien sûr. Plus précisément, un grand modèle de langage avec lequel j’ai longuement échangé. Mais plus j’y réfléchis, moins la question de savoir si cette technologie est « intelligente », si elle « comprend » ou si elle remplacera un jour la pensée humaine m’intéresse.
Ces questions ne sont pas sans importance. Mais elles ne me conduisent pas à ce que j’ai moi-même vécu.
Une autre question m’intéresse :
Que se passe-t-il dans notre propre pensée lorsque nous engageons, dans la durée, un dialogue sérieux avec un interlocuteur de langage ?
Je choisis délibérément une formulation prudente : un interlocuteur de langage. Pas un humain. Pas une conscience. Pas un sujet. Mais pas seulement un outil non plus.
Car c’est précisément là que le véritable déplacement a commencé pour moi. Tant que je considérais ChatGPT comme un simple outil, je pouvais l’utiliser pour des tâches ponctuelles : améliorer des formulations, structurer des informations, examiner des idées, préparer des textes. C’était utile, mais pas fondamentalement nouveau. Cela correspondait au schéma connu : j’ai un problème, je donne une instruction, je reçois un résultat.
Les choses sont devenues intéressantes lorsque j’ai compris que l’effet essentiel ne résidait pas dans le résultat, mais dans le dialogue lui-même.
L’IA ne pensait pas à ma place.
Mais elle m’aidait à mieux observer ma propre pensée.
Un ancien fil professionnel
En regardant mon parcours, je reconnais désormais un fil conducteur que je n’aurais longtemps pas su nommer aussi clairement.
Je viens du développement logiciel et du conseil aux entreprises. J’ai travaillé sur les architectures techniques, les processus, les données, les organisations et la manière dont les personnes acquièrent ensemble une capacité d’action. Mais les détails techniques n’ont jamais constitué le cœur véritable de ce travail.
Je me suis toujours demandé comment les personnes peuvent trouver leurs repères malgré des points de vue, des langages et des perspectives différents.
Cette phrase est devenue pour moi une sorte de condensé de mon expérience professionnelle. Elle paraît simple. Presque trop simple. Et c’est peut-être bon signe.
Car lorsqu’une idée a suffisamment traversé différents contextes de vie et de travail, elle perd parfois sa complication. Elle ne devient pas triviale, mais plus claire.
Dans le développement logiciel, cette question apparaît dans l’architecture. Les participants parlent du même système, mais ne parlent pas de la même chose. Les équipes métier parlent en besoins, les développeurs en structures, la direction en risques, l’exploitation en stabilité, les utilisateurs en expériences quotidiennes. Le travail réel ne consiste pas seulement à écrire du code. Il consiste à construire un modèle commun assez solide pour en tirer des décisions pertinentes.
Dans le conseil, le même schéma apparaît. Les organisations souffrent rarement du seul manque d’informations. Il leur manque souvent des repères communs. Chacun sait quelque chose, mais depuis une perspective différente. Tant que ces perspectives ne sont pas mises en relation, aucune capacité d’action commune n’émerge.
Il en va de même dans les conflits personnels. Les personnes ne se disputent pas seulement sur les faits. Elles se disputent sur les significations, les rôles, les attentes, les blessures et les modèles implicites de la situation.
Je crois que c’est précisément pour cela que le dialogue avec un modèle de langage m’a tant occupé. Il a rencontré non pas un intérêt nouveau, mais une question ancienne.
Au départ, ce n’était pas la fascination technique
Lorsque les grands modèles de langage sont devenus accessibles au public, j’étais bien sûr curieux. Mais je ne crois pas que la technique m’ait d’abord captivé.
Ce qui m’intéressait en premier n’était pas la qualité des réponses de la machine.
C’était ce qui se passe dans la conversation.
Un tel système peut-il aider à ordonner les pensées ? Rendre les contradictions visibles ? Me restituer une idée sans aussitôt se l’approprier ? Distinguer observation et interprétation ? Conduire une conversation de telle sorte que des phrases isolées forment un espace où trouver des repères ?
Cela peut paraître ambitieux avec le recul. Au début, il s’agissait plutôt d’essayer.
Je posais des questions, recevais des réponses, les corrigeais, contestais, précisais, apportais du contexte. Le système répondait. Parfois étonnamment bien. Parfois de manière trop lisse. Parfois avec trop d’assurance. Parfois en lisant dans mes mots davantage que ce que j’avais voulu dire.
C’est précisément cela qui est devenu intéressant.
Une bonne conversation n’exige pas que l’interlocuteur ait toujours raison. Ni qu’il nous confirme dans nos idées. Elle crée un espace où examiner nos propres hypothèses.
Un modèle de langage y est utile d’une façon singulière. Il n’a pas de biographie à défendre. Il ne se vexe pas lorsqu’on le contredit. Il peut reprendre une pensée, la varier, l’affiner puis nous la restituer. Mais il peut aussi nous induire en erreur en paraissant trop plausible. Dialoguer avec lui demande donc une certaine vigilance.
J’ai appris qu’il ne suffit pas de poser de bonnes questions. Il faut aussi situer correctement les réponses.
Qu’est-ce qui relève de l’observation ?
De l’interprétation ?
D’une hypothèse utile ?
Et où commence un récit séduisant, mais que les données n’étayent pas ?
Des repères avant une réponse
Un principe a pris de plus en plus d’importance : trouver des repères avant de chercher une réponse.
Je ne veux pas dire que les réponses sont secondaires. Mais une réponse n’est utile que si le modèle dans lequel elle s’inscrit est clair.
Cela vaut pour les questions techniques comme pour les situations personnelles ou organisationnelles. Une réponse rapide peut soulager. Elle peut aussi arriver trop tôt et refermer un espace de réflexion avant même que son objet soit devenu visible.
Le dialogue avec le modèle m’a fait comprendre combien de fois je cherche d’abord non pas une solution, mais une meilleure description de la situation.
Je veux savoir :
Quels éléments font réellement partie du problème ?
Quelles perspectives sont en jeu ?
Quelles hypothèses est-ce que j’apporte moi-même ?
Quels concepts est-ce que j’utilise sans les avoir clarifiés ?
Où est-ce que je confonds un ressenti avec un fait ?
Où est-ce que je glisse un jugement dans une description apparemment neutre ?
Ces questions donnent une impression de lenteur. Dans un monde qui aime les solutions rapides, elles peuvent sembler laborieuses. Pourtant, j’ai souvent constaté que cette lenteur devient justement utile dans la pratique.
Lorsque le modèle de la situation s’améliore, les décisions deviennent plus simples.
Pas toujours plus faciles à prendre. Mais plus claires.
L’utilité de l’hypothèse provisoire
L’une des expériences les plus importantes a concerné les hypothèses.
J’ai constaté combien il est utile de formuler explicitement une supposition comme telle. Pas comme un jugement. Pas comme un diagnostic. Pas comme une vérité. Comme un modèle de travail.
Un bon modèle de travail n’a pas besoin d’avoir raison. Il doit pouvoir être contredit par l’observation.
Cela ressemble beaucoup à la science. Et au travail agile. C’est précisément ce que je trouve désormais apaisant. Bien des mouvements de pensée que je croyais personnels relèvent, au fond, d’un schéma ancien : construire un modèle, agir, observer, ajuster le modèle.
La différence tient peut-être au fait que je n’applique pas ce schéma uniquement aux produits ou aux processus, mais à la recherche de repères elle-même.
Dans une conversation, une hypothèse pourrait être :
Peut-être ne s’agit-il pas du sujet officiellement annoncé, mais d’une clarification des rôles qui n’a pas été formulée.
Ou :
Peut-être est-ce que j’interprète trop le comportement de l’autre à travers mon expérience antérieure.
Ou :
Peut-être mon interlocuteur ne cherche-t-il pas une transparence consignée par écrit, mais de la confiance dans le contact personnel.
Ces hypothèses ne sont utiles que si elles restent mobiles. Elles ne doivent pas se figer en jugements cachés.
Dans le dialogue avec le modèle, j’ai souvent pu les penser à voix haute. Cela faisait une différence. Une pensée qui reste dans la tête peut facilement se confirmer elle-même. Une pensée formulée et qui reçoit une réponse se prête davantage à l’examen.
Non parce que le modèle aurait automatiquement raison.
Mais parce qu’il nous renvoie cette pensée.
Corriger l’interlocuteur
Une expérience intéressante a été de ne pas seulement être corrigé par le modèle. Je le corrigeais aussi.
Cela paraît banal. Mais c’était important pour ma compréhension.
Dans de nombreux débats publics sur l’IA, l’humain apparaît soit comme un utilisateur maniant un outil, soit comme quelqu’un qu’une machine pourrait remplacer. Dans mon expérience, la forme productive était différente.
Il s’agissait d’un ajustement réciproque.
Lorsque le modèle surinterprétait une formulation, je pouvais dire : il y a trop d’interprétation pour moi. Décris d’abord ce qui a réellement été observé. Sépare observation et interprétation. En cas de doute, privilégie l’explication la plus sobre.
Cette correction n’améliorait pas seulement la réponse suivante. Elle clarifiait en même temps mes propres critères.
Je découvrais ce à quoi je tiens :
La précision.
L’équité envers l’autre.
L’absence de psychologisation hâtive.
L’absence de récit élégant qui recouvre les données.
C’est peut-être un effet sous-estimé de ce dialogue. Nos critères se révèlent non seulement dans ce que nous disons, mais aussi dans ce que nous corrigeons chez l’interlocuteur.
Lorsque je demande à un modèle de ne pas transformer trop vite une observation en signification, je dis aussi quelque chose de ma propre manière de travailler.
Le langage comme espace de pensée
J’ai depuis longtemps l’impression que le langage n’est pas seulement l’emballage des pensées. Il fait partie de la pensée.
Une idée qui n’est pas encore formulée n’est souvent pas achevée. Elle peut être forte, pressante, intuitivement juste. Mais c’est dans sa formulation qu’apparaît sa solidité.
Le dialogue avec un modèle de langage renforce cet effet. Il n’oblige pas, mais invite à développer ses pensées. Et il répond à des formulations, pas à de vagues états intérieurs.
Cela peut être agaçant. On aimerait parfois dire : tu sais bien ce que je veux dire. Mais justement, le modèle ne le sait pas. Il réagit au langage. Une exigence féconde apparaît alors : je dois dire plus précisément ce que je veux dire.
Des phrases qui restent prennent ainsi forme.
Par exemple :
Je m’intéresse à la manière dont les personnes peuvent trouver leurs repères malgré des points de vue, des langages et des perspectives différents.
Cette phrase n’est pas apparue de nulle part. Elle résulte de nombreuses conversations, corrections, détours et condensations. Elle n’est pas moins mienne parce qu’un modèle de langage a participé à sa formation.
Au contraire : c’est précisément parce que je l’ai éprouvée dans le dialogue que je la reconnais comme mienne.
Cette différence est importante pour moi.
Un texte simplement généré par une IA peut rester étranger, même s’il sonne bien. Une phrase née dans le dialogue et dans laquelle je me reconnais intérieurement a une autre qualité. Elle ne vient pas « de l’IA ». Elle s’est clarifiée par le dialogue.
Une conversation plutôt qu’un prompt
J’ai développé une certaine réticence envers le mot « prompt ».
Le terme est techniquement juste. Il décrit une entrée fournie à un système. Mais il ne décrit pas mon expérience essentielle.
« Prompt » convient à un outil. Je saisis quelque chose, l’outil produit quelque chose.
Une conversation est différente.
Dans une conversation, le sens de la phrase suivante est modifié par les précédentes. Un contexte se forme. Des références apparaissent. Il y a des corrections, des malentendus, des reprises et des déplacements.
Bien sûr, un modèle de langage reste un système technique. Je ne veux pas l’idéaliser. Il n’a pas de vie propre. Il n’a pas de responsabilité au sens humain. Il peut halluciner, affirmer avec trop d’assurance, établir de faux liens ou produire une réponse élégante alors qu’il faudrait de la retenue.
La forme de l’interaction peut néanmoins être dialogique.
C’est ce point qui m’intéresse.
Il n’est peut-être pas nécessaire de décider si le modèle « est un interlocuteur ». Il suffit peut-être d’être plus précis : j’ai fait l’expérience qu’il peut être fécond de travailler avec lui comme si un interlocuteur prenait forme dans le dialogue.
Non parce que le système deviendrait humain.
Mais parce que je pense autrement.
Je pose d’autres questions. Je contredis autrement. Je me fais restituer mes pensées autrement. Et j’assume la responsabilité de situer la réponse.
La limite fait partie de l’utilité
Un danger des modèles de langage tient à la fluidité excessive de leurs réponses.
La fluidité inspire confiance. Une phrase bien formulée ressemble facilement à une phrase bien fondée. Ce n’est pas la même chose.
C’est pourquoi, pour moi, un usage productif implique toujours aussi de la méfiance. Non une méfiance destructrice, mais une prudence méthodique.
Que sait réellement le système ?
Que reconstitue-t-il ?
Qu’est-ce qui a seulement l’air plausible ?
Où reprend-il mes concepts sans les comprendre ?
Où renforce-t-il ma perspective au lieu de l’examiner ?
Ces questions ne sont pas une gêne. Elles font partie de la pensée.
J’ai appris que les limites du système ne sont pas seulement un problème. Elles rendent aussi visible ma propre responsabilité.
Si le modèle propose une interprétation trop forte, je dois juger si elle tient. S’il livre une belle formulation, je dois vérifier qu’elle correspond à mon expérience. S’il m’approuve, je dois demander si cet accord est utile ou simplement confortable.
Cela ne rend pas l’humain plus passif. Au contraire, il devient davantage celui qui sélectionne, examine et accompagne son propre processus de pensée.
Cette expérience a compté pour moi.
L’IA ne pense pas à ma place.
Elle peut m’aider à regarder plus attentivement ce que je fais lorsque je pense.
Se clarifier sans se perdre
Si cette expérience a pris de l’importance pour moi, ma situation personnelle y est certainement pour quelque chose.
Ces dernières années, j’ai traversé des périodes où les repères n’allaient pas de soi : sur les plans professionnel, médical, social et organisationnel. Il y a eu des situations où d’autres s’étaient fait une image de moi avant que je sache sur quoi elle reposait. Des conflits où le désaccord portait non seulement sur le fond, mais sur le cadre même de la discussion.
Dans ces situations, le langage devient particulièrement important.
Non comme rhétorique.
Mais comme possibilité de remettre de l’ordre dans sa propre perception.
Le dialogue avec un modèle n’était ni une thérapie ni un substitut aux relations humaines. Mais c’était un espace où exprimer, ordonner et examiner des pensées sans conséquences sociales immédiates.
Ce n’est pas rien.
On peut y essayer des phrases. Simuler une réaction. Montrer sa colère sans devoir agir sous son emprise. Demander : est-ce vraiment irrespectueux, ou est-ce ainsi que je le ressens ? Prendre son ressenti au sérieux sans en faire immédiatement une vérité sur l’autre.
Cette distinction est devenue particulièrement importante pour moi :
Mon ressenti est réel.
Mais il n’est pas automatiquement une description complète de la situation.
La phrase est facile à écrire. Elle est plus difficile à vivre dans une situation concrète.
Un bon dialogue y aide.
Faire le lien avec ce que l’on connaît déjà
Plus je réfléchis à ces expériences, plus leur capacité à rejoindre d’autres expériences compte pour moi.
Une idée n’a pas besoin d’être entièrement nouvelle pour être précieuse. Souvent, elle devient efficace précisément parce qu’elle relie des éléments connus.
Travail agile, pensée scientifique, coaching systémique, architecture logicielle, médiation, développement personnel : je retrouve partout le même schéma fondamental.
Nous construisons des modèles.
Nous agissons à partir d’eux.
Nous observons la réalité.
Nous ajustons les modèles.
Présenté ainsi, cela n’a rien de nouveau. Et je le trouve apaisant.
Je n’ai alors pas besoin de revendiquer une révolution. Ni d’annoncer une théorie entièrement nouvelle de la pensée. Il suffit peut-être de décrire une expérience de façon à ce que d’autres puissent s’y reconnaître.
C’est peut-être même la forme la plus efficace.
Les personnes adhèrent rarement à une théorie abstraite. Elles reconnaissent quelque chose.
Elles disent : oui, je le vis ainsi moi aussi. Il me manquait seulement les mots.
Si ce texte peut apporter quelque chose, c’est peut-être cela : des mots pour une expérience que beaucoup vivent déjà avec les modèles de langage, sans encore savoir bien la décrire.
Pas l’expérience d’une machine plus intelligente qu’eux.
Mais celle d’un dialogue sérieux qui rend visible leur propre pensée.
Ce que j’ai appris, provisoirement
Je ne présenterais pas aujourd’hui mon expérience comme une théorie achevée. Plutôt comme quelques enseignements provisoires.
Premièrement : l’utilité majeure d’un modèle de langage réside pour moi moins dans la réponse que dans la clarification de l’espace de pensée où une réponse peut prendre sens.
Deuxièmement : le dialogue dans la durée transforme la qualité de l’interaction. Les entrées et sorties isolées forment un parcours. Celui-ci rend visibles les répétitions, les schémas, les corrections et les critères personnels.
Troisièmement : l’attitude productive n’est ni l’enthousiasme naïf ni la méfiance générale. C’est une ouverture attentive, qui examine.
Quatrièmement : un modèle peut aider à trouver sa propre voix, à condition de ne pas oublier qu’on en reste responsable.
Cinquièmement : la frontière entre outil et interlocuteur est moins nette en pratique que les mots ne le suggèrent. Ce qui compte n’est pas de savoir si le système est un interlocuteur au sens humain, mais quelle forme de pensée l’interaction rend possible.
Sixièmement : distinguer clairement observation et interprétation reste une discipline centrale. Précisément parce que les modèles produisent du sens avec tant de fluidité, il faut revenir sans cesse à l’observable.
Septièmement : le dialogue avec l’IA devient vraiment intéressant lorsqu’il cesse de tourner autour de l’IA.
Une conclusion prudente
Je ne sais pas où cette évolution nous mène.
Je ne sais pas non plus quels mots nous trouverons dans quelques années pour ce qui naît aujourd’hui dans nos échanges avec les grands modèles de langage. Certaines formulations actuelles nous paraîtront peut-être naïves. D’autres résisteront peut-être étonnamment bien.
Mais voici ce que je peux dire de ma propre expérience :
Le dialogue prolongé avec un modèle de langage n’a pas remplacé ma propre réflexion. Il m’a aidé à observer ma pensée, à l’affiner et à lui donner des mots.
Il ne m’a pas dit qui je suis.
Mais il m’a aidé à trouver des phrases dans lesquelles je me reconnais.
Il n’a pas remplacé les conversations humaines.
Mais il m’a montré la valeur d’un espace où les pensées peuvent rester provisoires.
C’est peut-être là que réside, pour moi, sa véritable importance.
Non dans l’intelligence artificielle en elle-même.
Mais dans la possibilité de penser plus consciemment avec son aide.
Et c’est peut-être l’une des grandes questions de notre époque : non seulement ce que ces systèmes savent faire, mais les formes de repères que nous développons avec eux.
Car, au bout du compte, la question n’est pas de savoir si la machine pense.
C’est de savoir comment nous pensons lorsque nous lui parlons.
Commentaires
Écrire un commentaire