Cet article vous est offert Pour lire gratuitement cet article réservé aux abonnés, connectez-vous Se connecter Vous n'êtes pas inscrit sur Le Monde ? Inscrivez-vous gratuitement Débats Débats Débats Intelligence artificielle Intelligence artificielle Intelligence artificielle Tribune Alain Grandjean économiste L’économiste Alain Grandjean s’interroge, dans une tribune au « Monde », sur la meilleure manière possible de corriger les biais de l’intelligence artificielle dans le domaine de la transition écologique, et appelle à penser et à construire l’« argument de la souveraineté cognitive ». Publié aujourd’hui à 09h00 Temps de Lecture 3 min. Article réservé aux abonnés On salue les grands modèles de langage (ChatGPT, Claude, Gemini) pour leurs performances en mathématiques et en rédaction. Cependant, il existe un angle mort systématique, encore peu documenté, qui concerne précisément les domaines où ces outils pèsent sur les décisions collectives, à savoir l’économie, l’écologie et les politiques climatiques. Ce biais n’est pas un bug, mais une propriété structurelle, et il penche presque mécaniquement du mauvais côté de la transition écologique. Pour l’appréhender, il faut comprendre comment ces modèles apprennent. Ils ingèrent des centaines de milliards de fragments de textes issus d’Internet, de la littérature académique et de rapports institutionnels, puis produisent le texte le plus conforme à ce qu’ils ont lu. Ce qui est fréquent dans leurs données devient leur repère de vérité. Ce mécanisme fonctionne – mais toujours avec un risque d’erreur – là où existe un signal non ambigu. Ainsi, en mathématiques, une démonstration est juste ou fausse. Le modèle reçoit une rétroaction qui sanctionne ses erreurs. Toutefois, elle s’affaiblit à mesure qu’on s’éloigne des sciences formelles. En psychologie sociale, les grands projets de réplication conduits depuis dix ans peinent à confirmer la moitié des résultats publiés. En macroéconomie, les modèles dominants n’ont pas prévu la crise financière de 2008. En écologie, les effets systémiques de long terme résistent à toute quantification rapide. Dans ces domaines, le risque de biais est maximal, surtout pour l’utilisateur qui n’est pas un expert. Modèles surconfiants Le modèle ne signale pas l’incertitude. Il produit du consensus statistique à partir de son corpus. Or, ce corpus est profondément orienté : la littérature économique dominante – modèles néoclassiques, modèles DSGE des banques centrales [outils destinés à évaluer l’impact des politiques monétaires], hypothèse d’efficience des marchés – est massivement surreprésentée dans les revues à fort impact, les manuels, les rapports du Fonds monétaire international et de l’Organisation de coopération et de développement économiques. Il vous reste 65.89% de cet article à lire. La suite est réservée aux abonnés.