Intelligence artificielle et intuition : les algorithmes d’apprentissage profond comme occasion de décrire l’intuition

Grâce aux succès techniques remportés par l’école connexionniste dans les années 2010, dont la victoire d’AlphaGo, la notion d’intuition, longtemps mise à l’écart par l’école symbolique, a repris droit de cité dans le champ de l’intelligence artificielle (IA). Selon leurs inventeurs, les algorithmes dits « d’apprentissage profond » (deep learning) font preuve d’intuition. Afin d’apprécier la pertinence de cette affirmation, cette thèse présente les réseaux de neurones d’apprentissage profond – leur histoire, leur fonctionnement, leur usage –, et s’arrête sur leur manière de simuler certaines de nos facultés (perception, induction, imagination), puis propose une définition du projet d’intelligence artificielle. En aspirant à matérialiser l’intelligence, et plus précisément l’intuition et la créativité, le projet d’intelligence artificielle s’immisce dans le champ de la philosophie et invite à rouvrir la question de la genèse de la pensée : suffit-il de réunir certaines conditions matérielles pour susciter l’intelligence, ou bien d’autres « ingrédients », dont l’intuition serait le nom, sont nécessaires ? En s’appuyant sur l’histoire de la philosophie, notamment le différend entre Descartes et Leibniz autour de la « pensée aveugle », sur des penseurs plus contemporains (Bateson, Rosset, Derrida), sur les textes des fondateurs du projet d’IA (McCarthy, Turing) et de chercheurs actuels (LeCun, Hinton), cette thèse offre une description de l’intuition, de phénomènes récalcitrants à la simulation (compréhension, réflexivité, invention), et mène une réflexion sur le hasard afin de afin de statuer sur la possibilité, pour les machines, d’être à l’origine de formes nouvelles.