L’intelligence artificielle, en particulier les grands modèles de langage (LLM), fonctionne selon un principe simple : elle génère du texte en fonction des modèles contenus dans ses données d’entraînement. Cela signifie qu’une IA ne peut pas prédire les avancées futures, car celles-ci n’ont pas encore été écrites. Comme l’a si bien dit Adam Mastroianni, une IA ne disposant que de connaissances anciennes conclurait logiquement que les alunissages sont impossibles.
Cette limitation a donné lieu à une expérience intrigante : et si une IA était délibérément confinée à la connaissance d’une période historique spécifique ? Hayk Grigorian, étudiant au Muhlenberg College, a construit TimeCapsuleLLM – une IA formée exclusivement sur 90 Go de texte du Londres du XIXe siècle (1800-1875). Bien qu’il s’agisse encore d’un projet de loisir, le modèle a démontré sa capacité à rappeler des détails historiques. Lorsqu’on lui a demandé « C’était l’année de notre Seigneur 1834 », il faisait référence avec précision aux protestations contemporaines et à la politique de Lord Palmerston.
Le potentiel de la recherche historique
Ce n’est pas seulement une curiosité ; les chercheurs explorent comment de tels « grands modèles linguistiques historiques » (HLLM) pourraient révolutionner l’étude des sociétés passées. Un article récent paru dans les Proceedings of the National Academy of Sciences suggère que ces modèles pourraient fournir un aperçu de la psychologie historique. Imaginez comparer les comportements économiques des Vikings, des Romains ou des Japonais médiévaux grâce à des simulations d’IA. Cette approche pourrait potentiellement permettre une compréhension plus approfondie de la nature humaine à travers différentes époques.
« Les réponses de ces faux individus peuvent refléter la psychologie des sociétés passées, permettant ainsi une science plus solide et interdisciplinaire de la nature humaine », déclare l’article du PNAS.
Défis et mises en garde
Cependant, la méthode n’est pas sans défauts. Les textes historiques survivants sont orientés vers les perspectives des élites et non celles du peuple. Cela signifie que les HLLM pourraient ne pas représenter avec précision la pensée quotidienne des populations passées. De plus, les préjugés des chercheurs qui construisent ces modèles pourraient influencer par inadvertance le texte généré. Toute tentative de reconstruction de la psychologie passée doit reconnaître que les résultats de l’IA seront inévitablement filtrés à travers une lentille moderne.
Il reste à voir si les HLLM deviendront un outil courant dans la recherche en psychologie ou resteront une activité de niche pour les passionnés. Néanmoins, l’expérience met en évidence une manière unique d’exploiter l’IA : non pas pour prédire l’avenir, mais pour réexaminer le passé.
En fin de compte, ces modèles sont limités par les données qu’ils alimentent – mais ils offrent une méthode nouvelle, bien qu’imparfaite, pour sonder l’esprit de ceux qui nous ont précédés.
