Après un bon moment à discuter avec une IA, on a parfois l’impression d’en savoir beaucoup plus. La conversation portait sur les animaux, et voilà qu’on se sent capable d’expliquer aussi le sommeil ou les façons de travailler. Cette sensation est agréable.
Mais une fois la conversation fermée, les explications ne viennent pas toujours. Pour faire de la conversation un moment d’apprentissage, il faut se ménager des occasions de proposer sa propre hypothèse, d’en vérifier les fondements et, à la fin, d’expliquer soi-même ce qu’on a compris.
À la question « Suffit-il de parler avec une IA pour devenir plus intelligent ? », la réponse dépend donc de ce qu’on fait pendant l’échange. Suivons un exemple pour voir comment approfondir ses questions, vérifier les sources et repérer une compréhension encore fragile.
« Les taupes aussi ont le moral dans les chaussettes ? » : décomposer une question
Le point de départ peut être léger. Prenons cette question : « Les taupes aussi ont le moral dans les chaussettes ? » Si l’IA évoque des recherches sur le stress chez les animaux, la suite ne se limite pas à demander quels autres animaux sont concernés.
- Dans cette étude, qu’a-t-on mesuré pour parler d’un état « de type dépressif » ?
- Comment les chercheurs ont-ils vérifié que la baisse d’activité ne s’expliquait pas simplement par la fatigue ou une diminution des capacités motrices ?
- Jusqu’où ces résultats permettent-ils de tirer des conclusions sur les humains ?
Ces questions transforment une histoire intéressante en un sujet qu’on peut examiner. Si l’étude porte sur des mouches, par exemple, mieux vaut regarder quels comportements ont été observés avant d’en déduire qu’elles vivent la même baisse de moral que nous.
On peut ensuite élargir la discussion à l’hibernation, aux variations saisonnières de l’humeur ou aux pensées qui tournent en boucle. Mais après avoir relié ces sujets, il faut vérifier ce qui justifie chaque lien. Des phénomènes qui se ressemblent ne relèvent pas nécessairement d’un seul et même mécanisme.
Demander à l’IA de proposer des pistes plutôt que d’allonger la réponse
Répéter « Explique plus en détail » peut simplement produire des réponses de plus en plus longues. Mieux vaut préciser le point qui pose question.
« Explique cette baisse d’activité sous trois angles : les capacités physiques, l’environnement et les comportements appris. Pour chaque explication, quelles observations permettraient de la vérifier ? »
Cette formulation aide à choisir ce qu’on veut examiner ensuite. Face à un terme technique, on peut aussi demander : « Quelle distinction ce terme permet-il de faire ? »
On peut commencer par proposer sa propre hypothèse : « J’ai l’impression que la fatigue suffit à expliquer pourquoi l’animal ne bouge plus. Quelle observation montrerait que cette explication ne suffit pas ? » Que l’hypothèse soit juste ou non, on voit mieux ce qu’il faut corriger.
Inutile de trouver d’emblée une question très fine. On peut aussi dire : « Je n’arrive même pas à cerner ce que je ne comprends pas », puis demander à l’IA de poser des questions de clarification, une par une.
Quand l’explication semble parfaitement cohérente, revenir aux sources
Dans cet exemple, le risque est de faire de la « baisse d’activité » une explication passe-partout. Il est donc utile de distinguer ce qu’apporte chaque source.
- L’expérience de Ries et ses collègues sur les mouches rapporte une diminution des comportements spontanés après un stress provoqué par des vibrations.
- La synthèse de Dantzer et ses collègues examine les liens entre inflammation, changements de comportement liés à la maladie et dépression.
- Le NIMH présente le trouble affectif saisonnier comme une forme de dépression qui revient selon un rythme saisonnier.
- L’article de Suddendorf et Corballis de 1997 traite du « voyage mental dans le temps », c’est-à-dire de la capacité à se représenter le passé ou l’avenir.
Si l’on résume tout cela par « la dépression hivernale est une hibernation légère » ou « la dépression a évolué pour nous aider à limiter les pertes », on mélange résultats de recherche, métaphores et hypothèses. L’image du « mode basse consommation » peut être parlante, sans pour autant expliquer une cause ou un traitement. De même, citer un débat de 1997 ne suffit pas à établir les conclusions actuelles sur les capacités des autres animaux.
On peut demander à l’IA :
« Sépare ce qui a été établi par les recherches, les hypothèses des chercheurs et les métaphores utilisées pour expliquer. Pour chaque étude, indique le titre, l’année, les sujets étudiés, ce qui a été mesuré et l’URL. »
Il reste ensuite à ouvrir les liens, à vérifier les titres et les auteurs, puis à lire les résumés ou les passages concernés. Un lien peut exister sans étayer l’affirmation à laquelle il est associé. Si l’on ne retrouve pas la source d’une affirmation, elle reste non vérifiée. Ce petit effort permet de distinguer un récit séduisant de connaissances effectivement examinées.
Un « modèle utile » indique ce qu’on peut vérifier ensuite
Ici, un modèle est un schéma simple qui aide à organiser une situation et à décider quoi essayer. Il n’a pas besoin d’être une grande théorie capable de tout expliquer.
Prenons une situation banale : on est à son bureau, mais le travail n’avance pas. Au lieu de conclure « Je manque de concentration », on peut envisager trois possibilités.
- Les notifications arrivent sans arrêt et interrompent l’attention.
- La consigne « Préparer le document » est trop vaste pour qu’on sache par où commencer.
- On a sommeil et on n’arrive pas à retenir ce qu’on lit.
Chaque possibilité appelle un essai différent : couper les notifications pendant une courte séance de travail, commencer par écrire trois intertitres, ou faire une pause et regarder comment on dort en ce moment. Il s’agit ici d’ajustements dans le travail quotidien. Si les difficultés d’humeur ou de sommeil persistent et perturbent la vie courante, consulter un professionnel de santé fait aussi partie des options.
Pour reprendre la taupe, avant de se demander « Que suis-je sans terre ? », on peut chercher : « Où est-ce qu’il y a de la terre à creuser ? » Et même ajouter : « Au fait, est-ce que j’ai vraiment besoin de creuser ? »
Une bonne métaphore vaut par les questions qu’elle permet de faire avancer. On change concrètement une condition, puis on regarde si cela facilite le démarrage. Si l’essai ne fonctionne pas, on redessine le schéma.
Peut-on l’expliquer sans l’écran et l’appliquer à un autre exemple ?
Quand une explication de l’IA donne envie de dire « Ah, d’accord ! », on peut faire une courte vérification.
D’abord, masquer la conversation et résumer l’essentiel en trois phrases, avec ses propres mots. Ensuite, trouver un exemple absent de la conversation. Enfin, citer un cas où l’explication ne s’applique pas.
L’idée « changer les conditions peut changer le comportement » serait-elle utile pour ranger ? Avant de se demander quels objets jeter, on pourrait remarquer qu’ils n’ont tout simplement pas de place attitrée. Mais si l’on ramène toutes les difficultés à un problème de rangement, l’explication devient trop grossière.
Pour soumettre son explication à l’IA, on peut remplacer « Reformule mieux » par :
« Signale ce qui manque dans mon explication et les passages où j’affirme plus que ce que les éléments disponibles permettent de conclure. Ne donne pas tout de suite la bonne réponse : pose-moi une question qui m’aide à reprendre mon raisonnement. »
On passe ainsi de la copie d’une réponse à la révision de sa propre compréhension. C’est en ce sens que cet article parle de « musculation intellectuelle ». La durée de la conversation et le nombre de termes techniques accumulés n’ont pas à servir de mesure de réussite.
À la fin de la conversation, garder trois choses
Suivre une idée puis une autre peut être plaisant indéfiniment. Pour pouvoir réutiliser ce qu’on a appris, mieux vaut terminer par une courte note.
- Ce que je peux maintenant expliquer : constater une baisse d’activité et en expliquer la cause sont deux choses à vérifier séparément.
- Ce que je ne sais pas encore : l’expérience évoquée donnerait-elle les mêmes résultats dans d’autres conditions ?
- Ce que je vais faire ensuite : lire le résumé de l’article cité et le comparer à l’explication de l’IA.
Cette note fournit un point de départ pour ouvrir un livre ou un article scientifique. La conversation avec l’IA dessine une carte des questions ; les sources permettent de la vérifier, puis de la remanier après lecture. Savoir quels points méritent une lecture attentive aide à mieux utiliser le temps consacré aux documents.
Aller jusqu’à pouvoir reprendre soi-même le raisonnement
L’un des plaisirs de la conversation avec une IA est de partir d’une question anodine pour arriver dans un domaine voisin auquel on n’aurait pas pensé. On peut commencer par les taupes, ou par « Pourquoi est-ce si pénible de se mettre à ranger ? »
Proposer une hypothèse. Ouvrir la source. Essayer un autre exemple. Expliquer avec ses propres mots, puis corriger si nécessaire. Quand ces allers-retours ont lieu, la conversation laisse davantage de traces utilisables.
La prochaine question peut encore être « Dis-m’en plus ». Mais, de temps en temps, cela vaut la peine de demander : « Dans tout ce qu’on vient d’expliquer, qu’est-ce qui n’a pas encore été vérifié ? » C’est peut-être là que la discussion devient encore plus intéressante.
Références (4)
- Suddendorf & Corballis (1997), Mental Time Travel and the Evolution of the Human Mind
- NIMH, Seasonal Affective Disorder
- Ries et al. (2017), Serotonin modulates a depression-like state in Drosophila responsive to lithium treatment
- Dantzer et al. (2008), From inflammation to sickness and depression: when the immune system subjugates the brain
