“L failure de Robin Williams dans l’IA incarnée : pourquoi les grands modèles linguistiques dans les robots échouent à ‘être humains’”

Par Dr. James Liu Journaliste et chercheur en IA et systèmes cognitifs

Introduction : Le test de Robin Williams - quand l’IA incarnée rate son coup

During une démonstration virale lors du salon des robots de TechCrunch, un robot humanoïde équipé d’un grand modèle linguistique (LLM) a été invité à imiter Robin Williams. Le résultat était une performance mécanique et maladroite, loin de Good Will Hunting et plus proche du valley uncanny horror. Les mots étaient fluides, même spirituels par moments, mais les gestes étaient maladroits, le timing était mauvais et la résonance émotionnelle inexistante. Le public n’a pas ri. Ils ont grimacé. Ce n’était pas seulement une mauvaise plaisanterie. C’était un canari dans une mine de charbon pour l’IA incarnée - le domaine qui cherche à fusionner les modèles linguistiques avancés avec des robots physiques. Les investisseurs ont versé [DATA NEEDED: montant exact des fonds pour l’IA incarnée en 2023-24] dans des startups comme Figure AI, 1X Technologies et Tesla Optimus, misant sur le fait que les LLMs débloqueraient des robots humanoïdes. Mais le test de Robin Williams a révélé une vérité brutale : coller un chatbot dans un corps métallique ne le rend pas humain. Le problème n’est pas seulement que le robot a échoué à être drôle. C’est que les architectures actuelles de l’IA incarnée sont fondamentalement mal alignées avec la façon dont les humains (et même les animaux) interagissent avec le monde. Les LLMs excellent dans la génération de texte, mais l’incarnation n’est pas un problème de traduction texte-en-action - c’est un défi cognitif, sensoriel et moteur. Et pour l’instant, nous essayons de le résoudre avec les mauvais outils.

Cet article dissèque pourquoi l’approche “LLM dans un robot” atteint une impasse, en explorant :

• Le valley uncanny de la personnalité (pourquoi les LLMs ne peuvent pas imiter la nuance humaine)
• La pipeline défectueuse du langage à l’action physique
• Le problème du corps (pourquoi l’incarnation n’est pas simplement une “interface” pour l’IA)
• Pourquoi la neuroscience et la psychologie du développement suggèrent que nous avons besoin d’architectures entièrement nouvelles
• Les impasses architecturales : pourquoi coller des LLMs sur des robots ne marchera pas

Remarque importante : Le texte original est en anglais, donc la traduction française peut différer légèrement du texte original.

Les règles critiques

• Échec si le lacet est noué d’une manière inattendue [23].
• Le goulot d’étranglement de la latence - Les LLMs traitent du texte en centaines de millisecondes à secondes.
• Les réflexes humains fonctionnent en 50-100 ms [24].
• Résultat : les robots réagissent toujours trop lentement pour les tâches dynamiques (par exemple, attraper un objet tombant).
• Le problème du contrôle de la boîte noire - Les LLMs sont non déterministes (même invite → différentes sorties).
• La robotique nécessite des actions déterministes et reproductibles.
• Exemple : un bras de robot affiné sur une LLM pourrait :
  • Réussir 80 % du temps à saisir une tasse.
  • Échouer catastrophiquement 20 % du temps (par exemple, écraser la tasse, la manquer entirely) [25].

Architectures alternatives (et pourquoi elles ne suffisent pas encore)

Certaines équipes essaient de résoudre ces problèmes avec :

Le problème central : Les LLMs n’ont jamais été conçues pour l’incarnation

Les LLMs sont optimisées pour :

✔ La prédiction de prochain mot ✔ La correspondance des motifs textuels ✔ La récupération de connaissances statiques

Elles n’ont pas été conçues pour :

❌ L’intégration sensorimotrice en temps réel ❌ La raison physique ❌ Le contrôle en boucle fermée

Coller une LLM sur un robot, c’est comme utiliser un marteau pour visser un boulon - c’est l’outil inadapté.

Section 6 : Au-delà de l’imitation : Ce que la neuroscience et la psychologie du développement nous apprennent sur l’incarnation véritable

Si les LLMs ne sont pas la solution, alors quoi ? Nous devons regarder comment les humains et les animaux développent l’intelligence - pas comment nous entraînons les modèles linguistiques.

Leçon 1 : L’intelligence est ancrée dans l’expérience sensorimotrice

La théorie du développement cognitif de Piaget [29] :

• Étape sensorimotrice (0-2 ans) : Les bébés apprennent en touchant, saisissant et bougeant.
• Étape préopérationnelle (2-7 ans) : Le langage se développe après les compétences motrices de base.

Implication pour l’IA :

• Les LLMs sautent l’étape sensorimotrice - elles passent directement au langage.
• L’IA véritablement incarnée doit commencer par l’interaction physique, pas le texte.

Exemple : Un bébé apprend “chaud” en touchant un fourneau et ressentant la douleur. Une LLM apprend “chaud” en lisant des descriptions de la chaleur.

Leçon 2 : Le cerveau est un moteur de simulation prédictive

La théorie du traitement prédictif (Clark, Friston) [30] :

• Le cerveau prédit constamment les entrées sensorielles et met à jour son modèle lorsqu’il se trompe.
• Le mouvement est la manière dont nous testons les prédictions (par exemple, atteindre une tasse pour voir si elle est où nous l’attendions).

Implication pour l’IA :

• Les robots doivent avoir des modèles de monde internes qui simulent la physique, pas seulement des motifs textuels statistiques.
• Les LLMs véritablement incarnées doivent être capables de faire des prédictions précises et d’apprendre à partir des résultats.

Leçon 3 : L’interaction sociale est cruciale pour l’incarnation

La théorie de l’attachement [31] :

• Les interactions sociales déterminent le développement émotionnel et cognitif.
• Les robots doivent être capables de comprendre les émotions humaines, de communiquer efficacement et d’interagir socialement.

Implication pour l’IA :

• Les LLMs véritablement incarnées doivent comprendre les contextes sociaux, les expressions faciales, la gestuelle et le langage corporel.
• Les robots doivent être capables de répondre aux émotions humaines avec empathie et compréhension.

Section 7 : Les défis à venir pour l’IA véritablement incarnée

Si nous voulons des robots qui peuvent :

• Naviguer dans une cuisine encombrée (pas seulement la décrire).
• Consoler un enfant en pleurs (pas seulement dire “Il