Catégorie : Non classé

Le syllogisme disjonctif est une règle de raisonnement déductif qui permet de conclure à la vérité de q à partir de la prémisse majeure
p ou q et de la prémisse mineure non-p. Les bébés humains préverbaux disposent-ils d’un langage de la pensée grâce auquel ils effectuent le syllogisme disjonctif ? Ou bien la capacité d’exécuter le syllogisme disjonctif dépend-il de l’apprentissage du sens des mots de la langue maternelle ayant une signification logique ? Le but de mon exposé est de réconcilier les résultats expérimentaux discordants engendrés par la recherche récente en psychologie du développement.

En 1999, Nick Chater prédisait que la Simplicité allait devenir un nouveau paradigme en Sciences Cognitives. Le principe de simplicité apparaît clairement dans la théorie de la Gestalt, dans le principe d’induction ou dans celui du rasoir d’Occam. Depuis, la « théorie de la simplicité » a pu expliquer de nombreux phénomènes cognitifs par le fait que l’esprit humain se révèle sensible aux simplicités anormales, c’est-à-dire aux baisses de complexité. La liste inclut l’intérêt des événements (par ex. les coïncidences), certains aspects de l’intensité émotionnelle et même le jugement de responsabilité. Tout se passe comme si le cerveau raisonnait sur la compression d’information qu’il est en train d’effectuer.

La vision reste un paradoxe : comment un processus aussi complexe qu’apprendre à « faire sens de nos sens » peut-il être si simple à acquérir et à utiliser ? Pas besoin de mode d’emploi pour le nouveau-né qui ouvre les yeux pour la première fois ! La démarche scientifique permet de percer certains aspects de ce mystère, notamment en révélant les failles de notre perception.

Nous explorerons ensemble cette frontière entre art et sciences cognitives à travers un parcours allant des illusions visuelles jusqu’à l’art contemporain. Grâce à ma collaboration avec l’artiste plasticien Étienne Rey, je montrerai comment ces créations deviennent des outils pour décrypter certains mécanismes cachés de la vision — à l’heure où l’IA interroge notre rapport au réel.

Le raisonnement est souvent perçu comme une capacité essentiellement individuelle : en examinant les raisons sur lesquelles reposent nos opinions, nous devrions parvenir à les affiner ; en pesant le pour et le contre avant de prendre des décisions, nous devrions faire de meilleurs choix. Cependant, des travaux de psychologie expérimentale, ainsi que de nombreuses observations historiques ou de la vie de tous les jours montrent que c’est loin d’être toujours le cas. Il semble même que le raisonnement soit un outil particulièrement mal adapté pour améliorer nos opinions ou nos décisions. En effet, le raisonnement est biaisé : plutôt que de se montrer critique envers nos propres opinions, il cherche systématiquement à les défendre ; plutôt que d’évaluer objectivement une décision, il nous pousse vers la décision la plus facile à justifier, qu’elle soit la meilleure ou non.

Ces résultats nous ont amené à repenser la fonction du raisonnement. Le raisonnement aurait une fonction sociale : il aurait évolué pour nous permettre de défendre nos actions et nos opinions, et pour évaluer les arguments et justifications que d’autres nous offrent. Envisagés sous cet angle, les biais du raisonnement apparaissent comme des traits adaptatifs. Penser aux fonctions sociales du raisonnement attire aussi l’attention sur les contextes dans lesquels il fonctionne le mieux : lorsque nous débattons avec des pairs de bonne volonté.

Le terme « métacognition » désigne un ensemble de compétences permettant de planifier ses efforts cognitifs, d’identifier ses erreurs, de réviser ses stratégies et d’accepter ou de rejeter ses propres conclusions. Nous examinerons leur rôle dans les motivations et les décisions cognitives les plus quotidiennes des élèves.

Les applications technologiques que l’on appelle intelligence artificielle, occupent aujourd’hui une place croissante dans la vie quotidienne et suscitent de nombreux débats, auxquels le champ artistique participe activement. Diverses pratiques artistiques mobilisant ces technologies ont émergé, donnant lieu à des œuvres, des expositions et à une réflexion critique soutenue.
Cette communication analyse des œuvres recourant directement aux modèles génératifs, capables de produire des contenus à partir de données d’entraînement et de probabilités statistiques. Certains critiques y voient une délégation du geste créatif à l’algorithme, l’acte artistique se rapprochant alors de la formulation d’une requête plutôt que d’un processus de production.

Contrairement à ceux qui, pour ces raisons, y perçoivent une rupture majeure dans l’histoire de l’art, il s’agira de montrer, à l’aide d’exemples, que ces pratiques s’inscrivent dans une continuité historique. Depuis le début du XXe siècle, notamment avec le dadaïsme, puis dans des démarches telles que le cut-up ou le mashup, les artistes ont mis à distance la figure du sujet créateur, réemployé des matériaux préexistants et interrogé les oppositions entre original et copie, production et reproduction. Dans cette perspective, les technologiques génératives apparaît moins comme une rupture que comme l’extension de logiques déjà à l’œuvre dans l’histoire des pratiques artistiques.

Concevoir des activités d’apprentissage ni trop faciles ni trop difficiles est essentiel pour optimiser l’apprentissage à long terme. On peut se demander comment définir et sélectionner cette « difficulté optimale ». Dans cette présentation, on montre comment les modèles de type Elo ou de réponse à l’item peuvent être utilisés pour estimer conjointement le niveau de l’apprenant et la difficulté des items à partir d’un historique de données passées. Ces représentations permettent d’analyser la dynamique d’apprentissage au sein de populations d’apprenants, ce qui peut également aider la métacognition.

Quelle tâche proposer ensuite à un apprenant ? J’aborde la conception des récompenses pour les tuteurs intelligents et montre pourquoi des objectifs simplistes (par exemple, le taux de réussite immédiat) ne sont pas optimaux. Erva Kandemir a montré comment la difficulté relative de la préparation était corrélée au score final à un concours de médecine. Enfin, je montre comment utiliser cette recherche pour développer des IA d’évaluation adaptative en classe, et je souligne les défis d’enseigner à la fois à des grands débutants et à des champions du monde de programmation dans une même classe.

Chaque jour, nous prenons des centaines de décisions, de la plus anodine à la plus cruciale. Mais décidons-nous vraiment de la meilleure manière possible ? Les recherches en psychologie démontrent que nos émotions sont des alliées précieuses, tandis que l’intelligence artificielle peut nous aider à prendre de meilleures décisions que celles que nous prenons seuls.

Alors, pourquoi continuons-nous si souvent à penser que les émotions nous perturbent et à préférer notre propre jugement, même lorsque de nouveaux outils pourraient réellement nous aider ? Cette conférence propose d’explorer ce paradoxe fascinant : comment nos émotions et l’IA pourraient faire de nous de véritables « super-décideurs »… et pourquoi, malgré cela, nous résistons encore à les écouter.

Avoir un corps change tout. Les intelligences naturelles interagissent avec le monde : elles agissent, perçoivent et donnent du sens à leur environnement. Les intelligences artificielles, elles, enchaînent des calculs sans interaction directe avec le monde physique.

Mais les intelligences incarnées restent fondamentalement ignorantes face à la complexité du réel. La vérité complète leur échappe.

Comment alors raisonner et agir malgré l’incertitude ? Entre logique et probabilités, cette conférence explore les formes de raisonnement qui permettent d’agir intelligemment dans un monde que l’on ne peut jamais connaître entièrement.