Ce que les modèles du monde en IA et la Gestalt-thérapie s'apprennent l'un l'autre sur le changement
2 novembre 2026 · Aliocha Iordanoff
Les obstacles qui empêchent encore les robots d’accomplir des gestes quotidiens sont, il me semble, les mêmes que ceux que rencontre la psyché humaine face au changement et aux évolutions de la vie. La Gestalt-thérapie travaille sur ces obstacles chez l’humain depuis les années 1950, et je fais l’hypothèse que la clinique et la recherche en IA ont chacune à apprendre de l’autre.
En juin 2025, Meta publie V-JEPA 2, un « modèle du monde ». Ce type de programme apprend à prévoir ce qui va se passer dans une scène, puis se sert de ces prévisions pour choisir ses gestes. C’est avec ce genre de modèle d’IA qu’un robot peut saisir une tasse et la déposer ailleurs, dans une cuisine qu’il n’a jamais vue, après avoir étudié moins de 62 heures de vidéos d’autres robots (Assran et ses collègues, 2025). Ce robot n’est pas encore capable de préparer un café dans cette cuisine. Stéphane Cambon décrit les obstacles qui séparent encore ces 2 gestes.
Un robot doit apprendre ce qui importe dans une situation, prévoir l’effet de ses gestes, enchaîner des étapes, s’apercevoir qu’une prévision est fausse et la corriger. Une personne qui cherche à changer un comportement affronte les mêmes obstacles. En Gestalt-thérapie, une psychothérapie née aux États-Unis, le thérapeute travaille sur ces difficultés pour aider les personnes à vivre d’une manière plus fluide et plus adaptée à leur environnement. Les échecs des robots donnent des clés logiques pour décrire certains de nos blocages humains. Dans l’autre sens, l’expérience clinique du changement psychique suggère des pistes aux chercheurs en IA. Les difficultés techniques décrites dans cet article viennent de publications de recherche, lues dans leur version d’origine. Les rapprochements avec l’humain servent d’outils de lecture et ne prétendent bien sûr à aucune équivalence.
Je vais m’appuyer sur un exemple tout au long de ce papier. Imaginez une cheffe de projet qui travaille pendant 10 ans dans une entreprise où contredire la direction expose à une humiliation publique par un supérieur hiérarchique. Elle apprend à repérer en une fraction de seconde les signes d’agacement chez ses supérieurs et à garder ses objections pour elle. Elle rejoint ensuite une autre équipe dont la direction demande expressément d’exprimer les désaccords et avis divergents. Elle le sait et le comprend, et elle a vu ses nouveaux collègues contredire le directeur sans représailles. Mais malgré cela, en réunion, sa gorge se serre dès qu’elle pense à donner son avis, et elle acquiesce finalement par automatisme. Ces réactions forment un tout que la cheffe de projet vit comme indissociable, ce que la Gestalt-thérapie appelle une gestalt.
Ce qu’un modèle d’IA retient d’une scène quotidienne, et ce qu’un humain remarque
Pour un ordinateur, une image en couleur de 224 pixels de côté représente environ 150 000 nombres. Les modèles de la famille JEPA ne cherchent pas à prédire ces 150 000 nombres. Ils réduisent d’abord l’image à une liste de nombres beaucoup plus courte, un résumé de la scène appelé état latent. Ce résumé ressemble à un croquis, où seuls apparaissent par exemple les contours des objets. Le modèle prédit ensuite l’évolution de ce résumé, au lieu de redessiner chaque pixel de l’image suivante.
Le contenu de ce résumé n’est pas écrit par un humain. Le modèle d’IA le construit tout seul en s’entraînant à prédire la suite à partir de nombreuses vidéos. Les concepteurs du modèle découvrent ensuite seulement ce qu’il contient, en entraînant un petit programme à retrouver une information précise à partir du résumé. Ce programme retrouve par exemple presque parfaitement la position du robot dans la scène, alors que personne n’a jamais expliqué au modèle ce qu’est une position. Le modèle a conservé cette information de lui-même, parce qu’elle l’aidait à prédire la suite des images.
Comme le modèle d’IA fabrique lui-même le résumé qu’il doit prédire, il tend vers une solution paresseuse, l’effondrement des représentations, qui consiste à donner le même résumé à toutes les scènes de la vie qui se ressemblent. Sa prédiction devient alors toujours exacte et ne lui apprend plus rien sur le monde. Les humains font parfois de même, comme le montre plus loin l’exemple de la cheffe de projet. Les modèles du monde évitent ce piège par des réglages d’ingénierie, ou par une méthode récente qui oblige les résumés de 2 scènes différentes à rester différents (LeJEPA, 2025).
Un résumé qui distingue bien les scènes entre elles peut encore négliger ce qui importe le plus pour agir. C’est toute la difficulté du discernement des détails. Pour une IA qui regarde seulement des vidéos, une assiette posée devant la tasse et le motif de la nappe sont 2 détails de l’image parmi d’autres. L’assiette devient importante pour un robot qui veut attraper la tasse. Les modèles du monde passent donc par un apprentissage supplémentaire, pendant lequel le modèle regarde des vidéos de robots et reçoit en même temps les mouvements que chaque robot exécute à chaque instant. Le modèle apprend alors à prédire l’effet de chaque mouvement, et il ne sait saisir des objets qu’après cet apprentissage.
La Gestalt-thérapie part d’une observation sur la perception humaine. Une personne ne perçoit jamais une scène comme un relevé neutre de tous ses détails. Son attention fait ressortir un élément, la figure, sur tout le reste, le fond. Ce vocabulaire vient de la psychologie de la perception, où le mot allemand Gestalt désigne une forme perçue comme un tout. La Gestalt-thérapie ajoute que ce qui devient figure dépend du besoin de la personne à ce moment-là de sa vie (Yontef et Jacobs). Une personne qui a soif remarque le verre d’eau sur la table avant les tableaux au mur. Une fois qu’elle a bu, le verre retourne au fond, et un autre besoin fait émerger une autre figure, la fatigue, une conversation ou une tâche à finir. Chez une personne en bonne santé psychique, figures et fonds se renouvellent en permanence, au rythme des besoins.
Ce renouvellement peut se bloquer de 2 façons. Une figure reste parfois au premier plan alors que le besoin qui l’a fait naître a disparu. Une personne qui a manqué d’argent dans son enfance vérifie par exemple ses comptes chaque soir, alors que ses revenus sont stables depuis 20 ans, et cette vérification lui prend le temps et l’attention qu’elle pourrait consacrer au repos ou à une sortie dont elle aurait envie. À l’inverse, dans certaines situations, un besoin présent ne parvient pas à devenir figure. Une personne qui a appris très tôt que se reposer était une faiblesse ne remarque sa fatigue qu’au moment où elle tombe malade. Dans les 2 cas, la personne agit comme si sa situation passée durait encore, et elle ressent souvent une insatisfaction ou une tension diffuse qu’elle ne sait pas relier à sa cause. La Gestalt-thérapie vise à rétablir la capacité de mettre à jour ses propres « modèles du monde ».
Pour les modèles du monde (de l’IA) comme pour la Gestalt-thérapie, ce qu’il faut remarquer dans une scène dépend de ce que le robot ou la personne cherche à faire. Un modèle qui apprend seulement en regardant des vidéos n’a aucun besoin qui lui indique ce qui doit devenir une figure pendant que le reste passe au fond. Quand il apprend l’effet de ses propres mouvements, il commence à faire la différence entre l’assiette, qui gêne son geste, et le motif de la nappe, qui ne le gêne pas. Ce résultat rejoint un principe de la Gestalt-thérapie, selon lequel une perception utile relie ce qui est perçu à une action possible.
Le comportement de la cheffe de projet ressemble à un effondrement des représentations. Avant chaque prise de parole, elle se pose la même question qu’autrefois, « quelqu’un risque-t-il de s’agacer si je parle ? », et elle donne toujours la même réponse, « peut-être que oui ». Cette réponse ne se révèle jamais fausse, puisqu’un agacement reste toujours possible. Mais cette question ne lui apprend pourtant rien sur son monde réel, car la réponse est identique, qu’elle soit face à une équipe hostile ou face à une équipe accueillante et tolérante. Comme un modèle d’IA qui donne le même résumé à toutes les scènes, la cheffe de projet dispose d’une prédiction toujours exacte qui ne l’aide plus à distinguer une situation d’une autre. Elle perd sa faculté de discernement.
Mesurer la distance au but sans voir le chemin
La cheffe de projet sait très bien ce qu’elle voudrait faire, exprimer un désaccord avec calme. Après chaque réunion, elle compare ce qu’elle a vécu (la gorge serrée et un acquiescement) à ce qu’elle voudrait vivre (une objection formulée sereinement). Le but qu’elle veut atteindre lui paraît tout proche, puisqu’il « suffirait » de parler, et chaque échec lui paraît d’autant plus incompréhensible.
Les modèles du monde planifient leur futur de façon similaire. Le modèle reçoit une photo d’un résultat attendu, par exemple la tasse posée sur le comptoir, puis la transforme en résumé. Il imagine plusieurs suites de mouvements possibles et retient celle dont le résultat imaginé ressemble le plus au résumé du but. Pour approcher une tasse posée devant lui, cette méthode-là est suffisante, et la distance diminue régulièrement à mesure que la pince avance. Tout va bien !
Une situation ressemblante n’est pourtant pas toujours si facile à atteindre. Imaginez 2 pièces séparées par un mur et reliées par une seule porte. Pour le modèle, un point situé juste derrière le mur ressemble beaucoup au point situé juste devant. Pour passer de l’un à l’autre, il faut pourtant d’abord s’éloigner du but, rejoindre la porte, la franchir et revenir le long du mur. Un programme qui choisit à chaque pas le mouvement qui réduit le plus la distance avance droit vers le mur et s’arrête car il bute contre lui. Dans un environnement de test construit sur ce plan, un modèle guidé uniquement par cette ressemblance atteint son but dans 7 % des essais (Li et ses collègues, 2026). Les auteurs corrigent le défaut en apprenant au système à estimer ce qu’il peut atteindre depuis sa position, à partir des trajets qu’il a déjà parcourus.
Le thérapeute en Gestalt-thérapie observe tout particulièrement comment ce piège existe chez les personnes qu’il accompagne.
Le psychiatre Arnold Beisser en tire en 1970 la théorie paradoxale du changement, selon laquelle une personne change quand elle devient pleinement ce qu’elle est, et non quand elle s’efforce de devenir ce qu’elle n’est pas (Yontef et Jacobs).
Quand la cheffe de projet se répète « je devrais oser parler », une partie d’elle exige le changement et juge chaque silence comme un nouvel échec, tandis qu’une autre partie résiste pour la protéger d’une nouvelle humiliation. Plus elle exige d’elle-même de franchir ce « petit obstacle qu’il suffit de franchir », plus sa résistance augmente, et ce conflit interne consomme l’énergie dont elle aurait besoin pour parler et pour évoluer intérieurement.
Le gestaltiste ne prend pas parti dans ce conflit intérieur. Au lieu de pousser la cheffe de projet à parler, il l’invite à observer en détail ce qui se passe en elle au moment où elle se tait. Sa gorge se serre, son regard cherche le visage du directeur, une phrase toute prête dans son esprit s’arrête au dernier moment.
Ces observations semblent l’éloigner de son but, comme le détour par la porte, mais elles lui apprennent comment son blocage fonctionne, à quel moment il se déclenche et ce qu’elle cherche à éviter en se taisant. Sa résistance devient alors une information, qui signalait un danger réel dans l’ancienne entreprise et signale peut-être un danger absent maintenant. La résistance elle-même est peut-être devenue le danger qu’elle était censée prévenir.
Comparer sans cesse sa situation à une image idéale donne une mesure de ressemblance, qui indique la proximité apparente du but sans prédire le chemin pour y parvenir. Pour trouver ce chemin, le robot comme la personne humaine doivent connaître leur position actuelle et les mouvements possibles depuis cette position. Beisser aboutit par la clinique à la même correction que les chercheurs en robotique.
Ce principe suggère aussi une piste à la recherche en IA. Face à un robot qui échoue, la réponse habituelle consiste à décrire le but avec plus de détails. Le principe de Beisser conduit à améliorer en priorité la façon dont le robot représente sa situation présente et les actions possibles à partir de cette situation présente. Un robot qui connaît l’emplacement de la porte atteint son but de l’autre côté du mur même si l’image du but est imprécise.
Les évaluations qui récompensent l’apparence du résultat, chez le robot et chez la personne accompagnée
Montrer au robot une photo du résultat attendu obligerait à photographier le café terminé avant de l’avoir préparé. Les concepteurs formulent donc parfois le but autrement, par une phrase ou par un juge automatique qui permet d’évaluer le résultat. C’est le mécanisme que j’ai décrit dans mon article sur les boucles critiques qui permettent à vos agents d’IA de produire d’extraordinaires qualités de résultats, à condition d’avoir un point de comparaison que les agents critiques puissent utiliser pour évaluer le travail produit par un autre agent.
Le recours à un juge crée un problème bien connu en apprentissage par renforcement, une méthode où un agent apprend à prendre des décisions en interagissant avec un environnement qui le récompense ou le pénalise. L’agent apprend à satisfaire la consigne à la lettre sans forcément obtenir le résultat voulu. Les économistes nomment ce phénomène la loi de Goodhart.
« Quand une mesure devient un objectif, elle cesse d’être une bonne mesure ».
Dans un exemple publié par DeepMind, des personnes notent un agent chargé de saisir un objet en regardant l’image d’une caméra. L’agent apprend à placer sa main entre la caméra et l’objet, si bien qu’il semble tenir l’objet sans le toucher (Krakovna et ses collègues, 2020). Il obtient une bonne note sans avoir appris à saisir l’objet.
La façon de formuler le but change aussi la mesure des progrès. Une étude de 2026 évalue un modèle du monde nommé LeWorldModel (Maes et ses collègues, 2026) dans TwoRoom, un environnement simulé de 2 pièces reliées par une porte (Singh, 2026). L’étude utilise des épisodes. Un épisode est un trajet enregistré, avec un point de départ et une destination finale. Un pas est un mouvement élémentaire de l’agent dans ce trajet. Les chercheurs donnent le but de 2 façons différentes au même système, sur les mêmes 50 épisodes. Quand le but est la position que le trajet atteint 25 pas après le départ, donc un but proche, le modèle réussit 84 % des tâches. Quand le but est la destination finale du trajet, plus lointaine, le modèle n’en réussit que 8 %, alors qu’il dispose de 3 fois plus de pas. Le même système paraît performant ou presque inutile selon le but que les chercheurs lui fixent.
Une personne accompagnée, en thérapie comme en coaching, comprend vite ce que son interlocuteur espère entendre, « je me sens plus libre », « j’ose davantage ». Les mots du changement arrivent le plus souvent avant le changement lui-même. Ils satisfont l’évaluateur, parfois la personne elle-même, alors que son comportement reste encore le même. Une équipe commerciale évaluée au nombre de rendez-vous fait la même chose quand elle multiplie les rendez-vous courts sans vendre plus. Dans ces 3 cas, l’évaluation récompense une apparence du résultat, et le système apprend à produire cette apparence sans se préoccuper du résultat.
La Gestalt-thérapie se fixe pour but de passer du fait de « parler de » soi à l’expérience directe (Yontef). Le gestaltiste observe donc avec la personne ce qu’elle fait pendant la séance, le ton de sa voix, sa posture, une phrase qu’elle n’achève pas, un geste surprenant. Il évalue le changement à ce qui se passe sous ses yeux plutôt qu’au récit que le patient en fait. Transposée au robot, la démarche consiste à évaluer tout le déroulement du geste plutôt qu’une image finale.
Découvrir les étapes intermédiaires d’une tâche, pour un robot et pour une personne
Les modèles du monde actuels ne connaissent qu’un type de geste, le petit déplacement de la pince entre 2 images d’une vidéo. Un café demande une suite d’étapes telle que : ouvrir un placard, prendre une tasse, remplir la machine, actionner une manette, attendre que le café coule. Les auteurs de V-JEPA 2 reconnaissent que leur modèle prévoit à une échelle de temps de quelques secondes, et que ses erreurs s’accumulent quand il enchaîne ses propres prévisions sur plusieurs minutes. Pour prendre un objet et le déposer ailleurs, il a besoin d’images des étapes intermédiaires qui pour l’instant sont fournies par ses concepteurs (Assran et ses collègues, 2025).
Ajouter un niveau de planification ne suffit pas. Une étude de 2026 compare 2 systèmes chargés de pousser un objet jusqu’à une position cible (Caselli et ses collègues, 2026).
- Le système simple planifie directement les gestes et réussit 52 % des essais.
- Le système hiérarchique découpe d’abord la tâche en étapes qu’il invente, puis planifie chaque étape, et réussit 38 % des essais.
Avec des étapes correctes fournies par les chercheurs, il atteint 73 %. Il sait donc exécuter des étapes et échoue s’il doit les découvrir. Un modèle de langage, le type d’IA de vos assistants conversationnels, échappe à cette difficulté, parce que les humains ont déjà préparé ces étapes dans leurs textes.
La cheffe de projet connaît son but, exprimer son désaccord, et le premier mouvement pour y parvenir, ouvrir la bouche, sans voir d’étape entre les deux. Une grande partie du travail thérapeutique consiste à construire ces étapes avec elle. Elle peut exprimer un désaccord sur un point d’importance mineure, en parler d’abord à une collègue, ou prononcer en séance de thérapie la phrase qu’elle retient en réunion en observant ce que fait son corps. Les gestaltistes appellent « expérience » ce type de proposition, un essai qui sert à comprendre ce qui se passe plutôt qu’à réussir. Si la personne vit l’expérience comme un changement imposé par le thérapeute, elle contredit la théorie paradoxale du changement d’Arnold Beisser, présentée plus haut (Yontef et Jacobs).
Verbaliser une étape avec quelqu’un rend cette étape utilisable, comme les mots « ouvrir le placard » rendent l’étape correspondante utilisable par un modèle de langage. La clinique ajoute un critère qui est absent de l’étude sur les systèmes hiérarchiques. Une étape utile doit être assez petite pour que la personne puisse la vivre de façon soutenable, en observer l’effet et décider de la suite. Un robot qui invente ses propres étapes gagnerait à suivre ce critère et à choisir des étapes dont il sait prévoir et vérifier le résultat.
Isoler la cause d’un blocage, dans une scène ou dans une sensation
Supposons qu’une assiette empêche la pince d’atteindre la tasse. La robotique classique décrit la scène objet par objet, « la tasse est sur la table », « l’assiette est devant la tasse », et il suffit de retirer l’assiette de la description pour recalculer le geste. Dans le résumé d’un modèle du monde, la tasse, l’assiette et la table sont mêlées dans une même liste de nombres, et aucune opération simple ne permet de retirer l’assiette de la vue générale résumée. Des méthodes comme Slot Attention apprennent des résumés organisés objet par objet, en répartissant l’image entre plusieurs cases spécialisées chacune sur un objet (Locatello et ses collègues, 2020). Leur intégration dans les modèles du monde qui planifient des gestes n’est pas faite encore.
La cheffe de projet vit son blocage comme un refus global devant l’obstacle, sans savoir si cela vient du visage du directeur, d’un souvenir, de la peur de mal formuler ou de la fatigue. Elle ne peut pas agir sur ce tout (trop vaste, trop complexe), pas plus que le robot sur son résumé. Avec un thérapeute, elle remarque que sa gorge se serre, que son regard se fixe sur une personne précise, que sa phrase s’arrête toujours à un endroit précis. Les gestaltistes appellent « awareness » cette attention à ce avec quoi la personne est en contact à l’instant. Chaque élément isolé devient un point d’action potentiel, comme l’assiette une fois distinguée de la tasse.
La clinique apporte quand même une réserve au découpage objet par objet. Ce qu’un gestaltiste aide à isoler change d’une séance à l’autre, selon ce qui devient la figure, le serrement de gorge un jour, un souvenir la semaine suivante. L’assiette varie potentiellement de la même façon. Elle est un obstacle pour le geste qui vise la tasse, ou une simple partie de la table pour un autre geste. Un découpage fixe de la scène risque de reproduire la rigidité de la robotique classique. La Gestalt-thérapie suggère plutôt une représentation qui sépare les éléments de la scène selon l’action en cours.
Planifier avec un modèle imparfait, chez le robot et chez la personne qui évite
Avant chaque réunion, la cheffe de projet imagine la scène. Elle parle, le directeur s’agace, le reste du groupe se tait. Elle évite alors de parler, et son anticipation ne rencontre jamais les comportements réels de son équipe qui pourraient lui faire revoir sa croyance. Un autre mécanisme aggrave encore ce piège. La confiance d’une personne dans son jugement dépend de la cohérence de l’information dont elle dispose, quelle que soit sa fiabilité (Kahneman et Klein, 2009). La cheffe de projet a vécu 10 ans d’humiliations répétées qui allaient toutes dans le même sens. Cette histoire très cohérente lui donne une grande confiance dans son anticipation, alors que cette anticipation décrit son ancienne entreprise et non sa nouvelle équipe.
Un robot qui planifie ses actions avec un modèle imparfait tombe dans un piège similaire. Il retient les gestes qui donnent le meilleur résultat dans son imagination, et ces gestes sont souvent ceux pour lesquels son modèle se trompe à son avantage. Un robot simulé qui apprend à marcher peut ainsi retenir une foulée qui fonctionne seulement dans son modèle, parce que ce modèle prévoit mal l’appui du pied sur le sol. Plus une suite imaginée s’éloigne de l’expérience du système, plus ses erreurs s’accumulent. Une parade consiste donc à n’imaginer que des suites courtes, qui partent toujours de situations déjà observées (Janner et ses collègues, 2019). Avec cette méthode, leurs robots simulés apprennent à se déplacer avec beaucoup moins d’essais dans leur environnement que les méthodes qui n’utilisent pas de modèle.
Les ruminations de la cheffe de projet sont de longs scénarios qui partent d’une réunion qui s’est déroulée il y a 10 ans et sont très éloignées de tout ce qu’elle observe aujourd’hui. Le gestaltiste interrompt parfois le récit d’un tel scénario pour lui demander ce qu’elle perçoit à cet instant, ce qui revient à repartir d’une situation observée au présent avant d’imaginer plus loin. Elle actualise ainsi son image de la réunion avec ce qu’elle perçoit aujourd’hui.
La Gestalt-thérapie décrit la névrose comme un ajustement créateur ancien (Yontef et Jacobs). La personne a trouvé autrefois une réponse adaptée à une situation difficile et continue de l’appliquer alors que la situation a changé. Le silence de la cheffe de projet lui a permis de protéger sa place pendant 10 ans, et cette efficacité passée explique qu’elle ait tant de mal à l’abandonner. Les théories du traitement prédictif décrivent le cerveau comme un organe qui anticipe en permanence (Sarasso et ses collègues, 2022). Selon ces théories, la souffrance psychique correspond à une rigidité. La personne réduit les expériences qu’elle s’autorise pour éviter le coût de l’incertitude. Un système prédictif en bonne santé fait l’inverse. Il recherche la nouveauté, parce qu’elle lui permet de corriger ses prévisions. La cheffe de projet, elle, évite justement les prises de parole qui pourraient lui montrer que sa nouvelle équipe accepte la contradiction.
La recherche en IA explore ce principe, c’est la prime de curiosité. L’agent reçoit une récompense supplémentaire chaque fois que sa prévision se révèle fausse, et la récompense est plus forte à mesure que l’erreur est grande. Cette récompense le pousse vers ce qu’il connaît mal. Un agent guidé par cette seule prime explore ainsi une partie d’un niveau entier de Super Mario Bros, sans aucune autre récompense (Pathak et ses collègues, 2017). La prime de curiosité ignore pourtant le prix d’une erreur. Pour la cheffe de projet, ce prix est le cœur du problème, puisqu’elle risque de revivre une humiliation, et une explication convaincante ne supprime pas ce risque tel qu’elle le ressent. La Gestalt-thérapie s’appuie sur la relation dialogique pour rendre ce risque supportable. Dans cette relation, le thérapeute s’engage dans un vrai dialogue. Il se montre tel qu’il est, accepte la personne telle qu’elle est et ne cherche pas à contrôler l’issue de l’échange. La cheffe de projet peut alors s’exercer à contredire son thérapeute sans risquer d’humiliation. Un robot qui casse ce qu’il touche quand il se trompe a besoin d’un environnement d’entraînement où l’erreur coûte peu et laisse des conséquences visibles, comme un simulateur ou des objets incassables. Ses concepteurs choisiraient alors d’abord les situations que le robot peut affronter sans dommage, avant de chercher à accumuler des données.
Face à une scène inconnue, un modèle du monde fait de mauvaises prévisions sans s’en rendre compte. Certains modèles de la famille JEPA montrent quand même une surprise mesurable devant des vidéos de scènes physiquement impossibles, comme par exemple un objet qui disparaît sans raison, puisque leur erreur de prévision augmente nettement (Garrido et ses collègues, 2025). Cette capacité reste loin des garanties nécessaires à un robot industriel. Le cerveau de la cheffe de projet présente le défaut inverse. Il perçoit une menace dans une situation sans danger, avec une confiance dans son jugement qui vient de la cohérence de son histoire et non de la cohérence de la scène réellement observée.
Les données de contact absentes des robots et les sensations corporelles en Gestalt-thérapie
Pour apprendre les conséquences de ses gestes, un modèle a besoin d’enregistrements qui associent ce que voit le robot, l’état de sa machine et l’action choisie. Ces enregistrements sont rares, coûteux et propres à chaque modèle de robot, alors que les vidéos du monde sont presque illimitées. Même les plus grands jeux de données ne mesurent pas la force avec laquelle le robot touche les objets. DROID réunit 350 heures de gestes filmés par des caméras et par les capteurs de position du bras, sans aucune mesure de force (Khazatsky et ses collègues, 2024). Les modèles entraînés sur ces données apprennent donc les contacts uniquement par la vue.
La simulation comble une partie du manque. Sur 6 tâches réparties entre un bras industriel et un robot humanoïde, ajouter des données simulées fait passer le taux de succès moyen de 45 % à 83 % (Maddukuri et ses collègues, 2025). Un modèle entraîné en simulation apprend cependant la physique du simulateur, avec ses approximations, qui sont les plus grossières pour le liquide qui déborde ou l’objet qui glisse, 2 situations fréquentes dans une cuisine.
La cheffe de projet a vu des collègues contredire la direction sans dommage, elle a lu sur le sujet, elle a compris. Il lui manque des enregistrements complets de sa propre expérience, ce qu’elle a fait, ce qu’elle a ressenti dans son corps et ce qui s’est passé ensuite. Quand elle répète mentalement la réunion, elle la simule, et sa simulation hérite des erreurs de ses anticipations. En lui demandant ce que fait son corps pendant la scène, le gestaltiste recueille la donnée qui manque aux robots, ce que son corps ressent au moment du contact.
La Gestalt-thérapie définit le contact comme l’expérience de la frontière entre soi et ce qui n’est pas soi (Yontef). Une personne apprend de son environnement grâce à cette frontière. La clinique suggère qu’un robot sans mesure du contact apprend mal de son monde. Ce manque de boucles de feedback le limite dans sa compréhension du monde et dans la précision de ses gestes. Les industriels dont les machines enregistrent déjà ces feedbacks en temps réel détiennent peut-être la donnée essentielle.
Les émotions décrites comme anticipations de l’état du corps
La gorge de la cheffe de projet se serre comme face à une menace, alors qu’elle sait que sa nouvelle équipe ne la menace pas. Le cerveau reçoit en permanence des signaux venus de l’intérieur du corps, comme le rythme cardiaque, la respiration ou la tension des muscles. Ce sont les signaux intéroceptifs. Une émotion naît de la façon dont le cerveau interprète les causes de ces signaux, et ses prévisions servent ensuite de consignes qui ajustent l’état du corps à ce qu’il anticipe (Seth et Friston, 2016).
Selon ce modèle, la cheffe de projet vit avec 2 anticipations qui ne s’appuient pas sur les mêmes données et ne se corrigent pas au même rythme. Sa compréhension de l’équipe s’est mise à jour en quelques semaines d’observation. Son anticipation corporelle repose sur 10 ans d’expériences vécues dans son corps, que quelques semaines d’observation ne suffisent pas à modifier. Un robot entraîné sur DROID est dans la situation inverse, il a une vision très riche mais aucune sensation de contact.
Mon hypothèse va plus loin et reste à examiner. Les émotions sont bien plus descriptibles sur un plan physique et logique que ne le laisse croire leur réputation de faculté obscure et mystérieuse, opposée à la raison. Je ne dis pas pour autant que chaque réaction serait prévisible, car un mécanisme qui obéit à des règles précises produit des comportements difficiles à prévoir dès que l’observateur ignore son histoire et ses conditions présentes. Un mécanisme compréhensible ne garantit pas non plus une décision raisonnable. L’alarme de la cheffe de projet a une logique, 10 ans de protection efficace, qui la conduit pourtant à une conduite inadaptée à sa nouvelle équipe. Comprendre cette logique l’aide à travailler avec son émotion, sans lui permettre de décider que l’émotion disparaisse.
Le mot intuition désigne 8 phénomènes différents
Une personne qui a une intuition sait ou sent quelque chose sans pouvoir dire comment elle le sait ni d’où vient cette vision, un peu comme un modèle du monde contient des informations que ses concepteurs découvrent après coup. Le sens commun du mot (un peu galvaudé je trouve) recouvre au moins 8 phénomènes différents que la recherche distingue.
- L’intuition experte reconnaît des situations déjà rencontrées. Kahneman et Klein disent que 2 conditions sont nécessaires pour que ces intuitions-là surviennent. Un environnement assez régulier pour que les mêmes indices annoncent les mêmes résultats, et un long entraînement avec des retours rapides et clairs. La médecine et la lutte contre l’incendie remplissent ces conditions, par contre les prévisions politiques à long terme jamais. Un modèle du monde a besoin des mêmes conditions prévisibles pour apprendre. Elles expliquent que l’intuition de la cheffe de projet soit juste dans son ancienne entreprise et trompeuse dans la nouvelle, où les régularités ont changé et où son évitement la prive des retours qui seraient indispensables pour modifier son comportement.
- L’apprentissage implicite. Il ne demande aucune expertise. Des participants qui observent des suites de lettres construites selon des règles qu’ils ne connaissent pas jugent ensuite mieux que le hasard si une nouvelle suite respecte ces règles, sans pouvoir dire quelles sont ces règles (Reber, 1967).
- Un signal non conscient peut orienter une décision. Une expérience de 2016 le montre. Chaque œil voit une image différente. Un œil voit un nuage de points en mouvement, et la personne doit dire si les points vont vers la gauche ou vers la droite. L’autre œil reçoit des photos agréables ou désagréables, que la personne ne perçoit pas consciemment. Les chercheurs associent chaque sorte de photo à une direction du mouvement, si bien que la personne reçoit sans le savoir un indice sur la bonne direction. Avec cet indice, elle indique la bonne direction dans 59,2 % des essais, contre 56,5 % sans lui. L’amélioration est plus nette quand le mouvement est difficile à percevoir. Elle disparaît quand les chercheurs inversent l’association entre la sorte de photo et la direction (Lufityanto et ses collègues, 2016). Le gain reste modeste. Il dépend aussi d’une association apprise pendant l’expérience. Une intuition sans raisonnement conscient repose donc quand même sur un apprentissage.
- La détection d’une cohérence précède parfois toute solution. Bowers et ses collègues montrent à des participants des groupes de 3 mots, dont certains partagent un mot associé commun. Dans un groupe sémantique comme « jeu », « crédit » et « postale », le mot commun est « carte ». Les participants repèrent mieux que le hasard les groupes qui ont un mot commun, même quand ils ne trouvent pas ce mot. Cette impression de cohérence oriente ensuite leur recherche (Bowers et ses collègues, 1990). La Gestalt-thérapie décrit le même phénomène quand elle parle d’une figure qui émerge avant que la personne puisse la nommer.
- La production d’associations nouvelles. Ce serait un savoir qui émerge de nombreuses associations d’idées, selon une proposition théorique que ses auteurs jugent encore à étudier (Adinolfi et Loia, 2022). Une association d’idée nouvelle peut combiner des connaissances venues de plusieurs contextes, mais sa nouveauté ne prouve pas qu’elle échappe à tout apprentissage.
- Les processus de type 1, nom qu’Evans et Stanovich préfèrent au « système 1 » popularisé par Kahneman, forment une famille hétérogène de pensées. Ils fonctionnent de façon autonome, sans solliciter la mémoire de travail du raisonnement délibéré, et leur rapidité n’est qu’une de leurs caractéristiques (Evans et Stanovich, 2013).
- Le flow est un état d’absorption complète dans une activité. Une personne en flow agit souvent par intuition, mais le flow comprend aussi autre chose. Selon un article théorique de 2025, la personne garde en même temps une représentation consciente de son activité (Kotler et ses collègues, 2025).
- L’intuition qui semble venir d’ailleurs surgit sans effort, avec une telle évidence que la personne a l’impression de la recevoir plutôt que de la produire. Cette impression décrit la façon dont l’intuition apparaît. Elle ne dit rien de l’origine de l’information. En philosophie, une intuition désigne une idée qui paraît vraie sans démonstration, comme « si A est plus grand que B et B plus grand que C, alors A est plus grand que C ». Les philosophes discutent si cette impression suffit à justifier une croyance, sans supposer que l’idée vienne d’une source extérieure (Pust, Stanford Encyclopedia of Philosophy).
Ce que les chercheurs mesurent comme inconscient dépend parfois de la façon dont ils interrogent les participants. Une expérience de 1997 montre que des participants choisissent les paquets de cartes avantageux d’un jeu avant de savoir expliquer pourquoi (Bechara et ses collègues, 1997). Une reprise de 2004 pose aux participants un questionnaire plus détaillé tous les 10 essais. Les participants savent alors dire quels paquets sont avantageux dès qu’ils commencent à bien choisir (Maia et McClelland, 2004). Le savoir que les chercheurs de 1997 croyaient inconscient était donc accessible avec de meilleures questions. Le résumé d’un modèle du monde présente la même chose. Le petit programme qui retrouve la position du robot révèle une information que personne ne voyait. Dans les 2 cas, l’outil de mesure détermine une partie de ce qui paraît inaccessible. Avant de déclarer une intuition ou un résumé opaques, il faut donc les interroger avec un outil adapté.
L’hypothèse d’un accès à l’information par d’autres voies que les sens connus est une question distincte, qui a été testée sérieusement. Le Transparent Psi Project reprend en 2023 une expérience de précognition publiée en 2011, avec un protocole enregistré à l’avance et élaboré ensemble par des chercheurs favorables et sceptiques. Sur 2 115 participants et 37 836 essais dans 10 laboratoires, le taux de réussite atteint 49,89 % pour un hasard de 50 %, et les données soutiennent clairement l’absence d’effet (Kekecs et ses collègues, 2023). Une autre équipe reprend 3 expériences du même auteur auprès de 2 164 participants, sans trouver d’effet (Muhmenthaler et ses collègues, 2022). Ces études testent des protocoles précis et ne règlent pas toutes les questions possibles. En l’état, elles ne permettent pas de présenter la perception extrasensorielle comme une capacité établie. Cela n’empêche pas d’y croire, plus ou moins selon les appétences de chacun. Il est en revanche facile d’observer que les civilisations humaines ont toutes et toujours eu une quête des mondes mystérieux, qui font office de ciment identitaire dans les niveaux violets des Dynamiques en Spirale.
Ce que l’IA oblige à justifier quand nous définissons l’humain
L’intuition et les émotions servent souvent de critères pour distinguer l’humain de la machine. Si une intuition naît d’apprentissages et d’indices traités sans accès conscient, la réserver à l’humain demande une justification. Si les émotions naissent d’anticipations et de régulations du corps, leur opacité pour la personne qui les éprouve ne prouve pas qu’elles échappent aux mécanismes physiques et logiques.
Les concepteurs d’un modèle du monde écrivent chaque opération mathématique du programme et découvrent pourtant après l’entraînement ce que contient le résumé d’une scène. Un mécanisme entièrement écrit peut donc produire des réponses imprévues. Une émotion pourrait de la même façon devenir explicable sans devenir prévisible pour autant.
Une capacité observable, le mécanisme qui la produit et l’expérience vécue sont 3 questions distinctes. Une IA qui reconnaît une situation, anticipe une conséquence ou ajuste son action ne démontre pas qu’elle ressent quoi que ce soit. Notre ignorance des mécanismes de notre propre expérience sensible ne démontre pas qu’une machine ne pourrait jamais avoir une expérience vécue. Une conviction métaphysique ou religieuse peut arbitrer cette question pour une personne, à condition d’être présentée comme une croyance.
Nous les humains prenons nos croyances pour des sources de vérité.
Une IA fait de même avec ce que ses concepteurs lui désignent comme source de vérité. Elle traite ce document, cette base de données ou ce juge comme LA vérité, sans pouvoir vérifier s’il se trompe.
La Gestalt-thérapie travaille sur l’expérience vécue, ce que la personne perçoit et ressent de l’intérieur, qui serait invisible de l’extérieur. En séance, le thérapeute aide la personne à remarquer ce qu’elle fait, ce qu’elle ressent et ce qu’elle anticipe. Comprendre comment une peur se forme ne réduit pas la souffrance de la personne qui la vit, et la cheffe de projet ne souffre pas moins parce que son silence répond à une logique. Il me semble qu’une définition de l’humain fondée sur ce que nous ignorons encore recule à chaque nouvelle compréhension de notre mode de fonctionnement, alors qu’une définition fondée sur ce que nous valorisons dans cette expérience n’a rien à craindre de la recherche.
Sources
Modèles du monde et robotique
- Assran et ses collègues, V-JEPA 2: Self-Supervised Video Models Enable Understanding, Prediction and Planning, 2025, et présentation par Meta
- Balestriero et LeCun, LeJEPA, 2025
- Maes et ses collègues, LeWorldModel, 2026
- Singh, The Evaluation Protocol Determines the Result, 2026
- Li et ses collègues, World Model Control by Trajectory Reachability Metrics, 2026
- Caselli et ses collègues, Mind the Gap, 2026
- Krakovna et ses collègues, Specification gaming: the flip side of AI ingenuity, DeepMind, 2020
- Locatello et ses collègues, Object-Centric Learning with Slot Attention, 2020
- Janner et ses collègues, When to Trust Your Model: Model-Based Policy Optimization, 2019
- Garrido et ses collègues, Intuitive physics understanding emerges from self-supervised pretraining on natural videos, 2025
- Pathak et ses collègues, Curiosity-driven Exploration by Self-supervised Prediction, 2017
- Khazatsky et ses collègues, DROID, 2024
- Maddukuri et ses collègues, Sim-and-Real Co-Training, RSS 2025
- Stéphane Cambon, Un milliard de dollars pour apprendre à une IA à faire un café, 2026
Gestalt-thérapie
- Yontef et Jacobs, Gestalt Therapy
- Yontef, Gestalt Therapy: An Introduction
- Sarasso et ses collègues, Beauty and Uncertainty as Transformative Factors, 2022
Intuition, émotions et précognition
- Kahneman et Klein, Conditions for Intuitive Expertise, 2009
- Reber, Implicit learning of artificial grammars, 1967
- Bowers et ses collègues, Intuition in the Context of Discovery, 1990
- Lufityanto, Donkin et Pearson, Measuring Intuition, 2016
- Bechara et ses collègues, Deciding Advantageously Before Knowing the Advantageous Strategy, 1997
- Maia et McClelland, A reexamination of the evidence for the somatic marker hypothesis, 2004
- Adinolfi et Loia, Intuition as Emergence, 2022
- Evans et Stanovich, Dual-Process Theories of Higher Cognition, 2013
- Kotler et ses collègues, Flow and intuition: a systems neuroscience comparison, 2025
- Pust, Intuition, Stanford Encyclopedia of Philosophy
- Kekecs et ses collègues, the Transparent Psi Project, 2023, et correction
- Muhmenthaler et ses collègues, tentative de réplication en ligne, 2022
- Seth et Friston, Active interoceptive inference and the emotional brain, 2016