Des IA suisses à la conquête du raisonnement

Tous les jours, des millions de personnes interagissent avec des intelligences artificielles conversationnelles. Malgré leurs performances impressionnantes, ces systèmes restent cependant très éloignés d’une intelligence comparable à celle de l’être humain. Dans les laboratoires et les start-up, les chercheurs poursuivent désormais un objectif plus ambitieux: mettre au point des outils d’intelligence artificielle générale (IAG), capables de comprendre, d’apprendre et de s’adapter à des situations nouvelles.

Un des terrains où se mesure le progrès des machines est le benchmark ARC-AGI, un test de raisonnement abstrait basé sur des puzzles visuels, similaires à ceux utilisés pour la mesure du quotient intellectuel. Le principe? Montrer à la machine quelques exemples d’une transformation visuelle et lui demander ensuite d’en déduire la règle pour produire une nouvelle image de la série. Les êtres humains parviennent en général à résoudre plus de 90% des problèmes proposés sans entraînement préalable.

Plusieurs entreprises et projets suisses s’illustrent sur ce terrain de jeu. En 2025, le système IA mis au point par la start-up lausannoise Giotto.ai est parvenu à résoudre près de 27% des énigmes du test ARC-AGI, un score supérieur à celui de certains grands modèles de langage (LLM) réputés tels que Gemini ou GPT. Les meilleurs systèmes expérimentaux au monde dépassent aujourd’hui à peine la barre des 30%, très loin encore des performances humaines.

De son côté, l’institut de recherche Lab42, basé à Davos (GR), a atteint 34% de réussite dans le cadre d’un défi similaire, l’ARCathon. Des performances impressionnantes qui illustrent cependant l’écart qui sépare encore les machines du raisonnement humain.

Raisonnement en temps réel

«Les modèles existants sont très bons pour reproduire des éléments mémorisés, alimentés par des ensembles de données toujours plus grands, explique Aldo Podestà, directeur et cofondateur de Giotto.ai. Mais ils manquent de raisonnement et de compréhension profonde du contexte. Ces outils sont aussi extrêmement gourmands en infrastructure.»

La plupart des IA actuelles reposent sur une architecture appelée «transformer». Elle consiste à analyser les relations entre tous les mots d’une phrase grâce à un mécanisme «d’attention». En s’entraînant sur d’immenses corpus de textes, ces modèles apprennent à prédire le mot suivant et peuvent ainsi générer des réponses ou des textes cohérents.

L’approche de Giotto.ai vise à reproduire une forme de raisonnement plus abstraite. Les chercheurs lausannois veulent permettre à l’IA de comprendre des règles ou des motifs à partir de très peu d’exemples, un peu comme le ferait un être humain face à une nouvelle énigme. «L’efficacité est un pilier fondamental de notre projet. Nous privilégions des modèles de «transformers» plus petits, capables de raisonner en temps réel, plutôt que des modèles géants qui mémorisent tout à l’avance.»

Pour Pascal Kaufmann, neuroscientifique et cofondateur de l’institut Lab42, les performances actuelles des modèles de langage donnent une image trompeuse de leur véritable fonctionnement. «Un LLM n’est finalement rien d’autre qu’une sorte de bibliothèque dynamique. On n’a plus besoin d’aller chercher les livres soi-même. On pose une question et le livre est créé à la volée, mais toujours à partir de fragments existants. Cela n’a pas grand-chose à voir avec l’intelligence, même si c’est extrêmement utile.»

Collaboration mondiale

Contrairement aux grandes entreprises technologiques qui misent sur des volumes gigantesques de données, Lab42 explore lui aussi une approche «small data», fondée sur des quantités d’informations plus limitées. «Quand il faut 300 millions d’images à l’IA pour distinguer un chat d’un cheval ou d’une vache, il est difficile de parler d’intelligence. A l’inverse, un enfant peut regarder un chat, le caresser, et savoir pour toujours que c’est un chat. C’est ce type de capacité dont nous souhaitons nous rapprocher avec le Lab42.»

A terme, l’objectif est de développer une intelligence artificielle de niveau humain, conçue par des humains et pour les humains. «Contrairement à d’autres laboratoires d’IA dans le monde, nous essayons d’organiser ce projet à l’échelle mondiale en misant fortement sur la collaboration», explique Pascal Kaufmann.

A Davos, Lab42 dispose aujourd’hui d’une équipe de six personnes qui coordonnent l’ensemble des activités avec environ 150 partenaires répartis aux quatre coins du monde. Il s’agit principalement d’étudiants et de chercheurs qui participent avec la structure grisonne à des défis et à des compétitions en IA. «Notre positionnement consiste aussi à observer ce qui se fait dans le monde entier, à identifier qui travaille sur quoi. C’est pour cette raison que, chaque année pendant le Forum économique mondial, Lab42 remet, avec la Fondation Mindfire, le Global AI Award.»

Pour le chercheur, l’idée même d’une intelligence artificielle générale (IAG) reste discutable. «Cela impliquerait une intelligence capable de résoudre des problèmes sur n’importe quelle planète de l’univers. Je pense au contraire que l’intelligence est toujours liée à une niche spécifique.»

Et de relever qu’il manque un élément essentiel aux algorithmes actuels: l’«embodiment», ou incarnation cognitive. «L’intelligence a besoin d’un corps pour interagir avec le monde.» Ce concept repose sur l’idée que l’intelligence émerge de l’interaction d’un agent avec son environnement physique à travers des capteurs, des actions motrices et des expériences sensorimotrices.

«Les grands modèles de langage disposent d’un nombre immense d’éléments de connaissance qu’ils peuvent recombiner, mais sont privés d’une compréhension ancrée dans le monde réel, de raisonnement intuitif et d’adaptation dynamique aux contextes imprévus.»

Aldo Podestà se montre lui aussi sceptique concernant l’émergence d’une intelligence artificielle générale. «D’une part, l’IAG n’a pas de définition claire. D’autre part, c’est plutôt quelque chose vers lequel on peut vouloir tendre, mais pas nécessairement quelque chose qu’il est possible d’atteindre.»

Enjeu géostratégique

Les deux experts s’accordent sur la portée stratégique du sujet. «L’Europe et la Suisse risquent de perdre en autonomie si elles ne maîtrisent pas cette technologie», souligne Aldo Podestà. Pour le chercheur, il est donc essentiel de commencer à construire notre propre avenir technologique.

«Nos cerveaux humains sont encore ceux de l’âge de pierre, relève Pascal Kaufmann. Ils ne sont pas conçus pour résoudre des problèmes complexes et multivariés comme ceux que l’on rencontre en médecine ou dans la recherche scientifique. Si nous faisons les choses correctement, nous pourrions entrer dans un âge d’or grâce à de nouveaux outils d’IA.» Pour lui, tout dépendra cependant de qui réalisera les percées décisives. «Si ce sont des régimes autoritaires, cela pourrait poser un problème. C’est pourquoi je pense que l’Europe et la Suisse ont un rôle historique à jouer dans ce domaine.»