Une intelligence artificielle peut-elle être consciente?

Un chatbot parle de lui-même, explique une hésitation et dit apprécier la conversation. À force d’échanges, une question finit par s’imposer: y a-t-il quelqu’un derrière ces mots?

Deux questions se mêlent facilement. Le système éprouve-t-il réellement quelque chose? Et pourquoi nous donne-t-il si facilement cette impression? La première concerne le fonctionnement de la machine; la seconde, notre manière d’interpréter ce qui nous répond.

Aujourd’hui, les éléments disponibles ne permettent pas d’attribuer avec confiance une expérience subjective aux grands modèles de langage, ou LLM. Mais la question peut être étudiée scientifiquement: en examinant leurs mécanismes internes et en cherchant quels indices permettraient réellement de faire évoluer ce jugement.

Éprouver quelque chose

Ressentir une douleur, voir du rouge, apprécier une musique: dans chaque cas, il se passe quelque chose pour celui qui vit l’expérience. C’est ce vécu que désigne ici la conscience, parfois appelée «conscience phénoménale».

La question n’est donc pas seulement de savoir si une IA reconnaît la douleur ou sait en parler. Il faut demander s’il existe, de son côté, quelque chose qui soit effectivement ressenti.

Résoudre un problème difficile ne démontre pas qu’on éprouve quoi que ce soit. À l’inverse, ressentir une douleur n’exige pas de savoir résoudre une équation, ni même d’expliquer ce que l’on ressent. Intelligence et conscience ne désignent pas la même propriété.

Chez les autres humains, nous n’observons pas directement le vécu. Nous l’inférons à partir de plusieurs indices: paroles, comportements, fonctionnement du cerveau et du corps. Avec un chatbot, la situation est différente. Le langage peut être très convaincant, mais nous ne disposons pas de la même proximité biologique.

Pour comprendre ce que cela change, un détour par les animaux est éclairant.

Les animaux nous apprennent à regarder autrement

Un chien ne raconte pas sa douleur. Pourtant, nous avons de bonnes raisons de penser qu’il peut souffrir. Nous considérons ensemble ses réactions, ses apprentissages, ses comportements de protection et son système nerveux.

La parole humaine n’est donc pas indispensable pour attribuer une expérience.

Les recherches vont bien au-delà des animaux qui nous sont familiers. Dans une expérience sur des poulpes, ceux qui avaient reçu une injection irritante évitaient ensuite le compartiment associé à cette injection. Ils développaient aussi une préférence pour l’endroit où ils avaient reçu un anesthésique local. Cette préférence n’apparaissait pas chez les animaux qui n’avaient pas reçu l’injection irritante.

Ce comportement ne ressemble plus à un simple retrait réflexe: le soulagement lui-même semble avoir une valeur pour l’animal. Ce résultat fait partie des éléments discutés dans la synthèse d’Andrews et ses collègues (2024).

La Déclaration de New York sur la conscience animale (2024) résume ainsi la position de ses signataires: les preuves soutiennent fortement l’existence d’expériences conscientes chez les mammifères et les oiseaux; cette possibilité est également jugée réaliste chez tous les autres vertébrés et de nombreux invertébrés.

Cela ne signifie pas que chaque espèce possède une version plus ou moins réduite de notre conscience. Birch et ses collègues (2020) proposent plutôt de comparer des profils. Un animal peut avoir un univers sensoriel très riche sans organiser ses souvenirs comme nous ni réfléchir à son identité.

Demander si un poulpe est «moins conscient» qu’un chien est donc moins instructif que chercher quelles formes d’expérience chacun pourrait avoir.

Pour l’IA, la leçon est importante: il faut chercher plusieurs indices qui convergent, adaptés au système étudié. Ressembler à un humain n’est pas une condition nécessaire pour éprouver quelque chose.

Un corps vivant change la comparaison

Les animaux doivent se nourrir, éviter les blessures et maintenir leur organisme en vie. Leurs perceptions et leurs actions s’inscrivent dans cette histoire biologique. La douleur, lorsqu’elle existe, participe notamment à la protection du corps.

Même ici, il faut distinguer deux choses: détecter une atteinte et ressentir une douleur.

Les LLM usuels n’ont ni organisme vivant, ni système nerveux, ni besoins biologiques. Un chatbot qui décrit la faim n’a pas besoin de manger. Une phrase exprimant la peur de disparaître n’établit pas qu’il redoute effectivement son interruption.

Le vocabulaire technique peut d’ailleurs prêter à confusion. Pour entraîner certains modèles, on utilise des signaux de «récompense». Le mot désigne ici une valeur numérique qui oriente l’apprentissage vers certains comportements. Il ne signifie pas que le modèle éprouve du plaisir lorsque cette valeur augmente.

Ces différences empêchent de transposer directement aux logiciels ce que nous savons des animaux. Elles ne ferment cependant pas la question: certaines fonctions nécessaires à la conscience pourraient-elles être réalisées autrement que dans un organisme vivant?

Pour avancer, il faut regarder comment les systèmes fonctionnent réellement.

Regarder ce qui se passe derrière les réponses

Demander «Es-tu conscient?» à un chatbot ne suffit pas. Sa réponse dépend de son entraînement, des consignes reçues et de la conversation en cours. Un «oui» enthousiaste et un «non» catégorique ont donc le même défaut: aucun des deux ne constitue une observation indépendante sur le fonctionnement du système.

Butlin et ses collègues (2026) proposent une autre stratégie. Ils partent des théories scientifiques de la conscience et demandent quelles propriétés observables devraient être présentes si certaines de ces théories étaient correctes.

Si une théorie donne par exemple un rôle central au partage d’informations entre plusieurs fonctions, on peut chercher si ce type de partage existe dans le modèle et à quoi il sert.

L’idée est simple: remplacer l’impression produite par le discours par des propriétés que l’on peut réellement examiner.

Quels indices trouve-t-on dans les systèmes actuels?

Plusieurs propriétés peuvent ainsi être étudiées. Aucune, prise isolément, ne démontre une expérience consciente.

Dimension	Ce qu’on observe	Ce qu’on peut en conclure
Discours sur soi et auto-évaluation	Les LLM peuvent parler de leurs propres réponses, les réviser et parfois évaluer leur incertitude.	Ils possèdent certaines capacités fonctionnelles d’auto-évaluation. Cela ne démontre pas une expérience subjective.
Intégration et partage de l’information	Certaines informations internes peuvent être utilisées dans plusieurs opérations différentes	Ce fonctionnement correspond à un mécanisme important dans certaines théories de la conscience, sans montrer qu’une expérience est vécue.
Mémoire et continuité	Une conversation ou certaines informations peuvent être conservées dans le temps.	Une continuité fonctionnelle existe, mais elle ne suffit pas à établir l’existence d’un «soi» vécu.
Corps, besoins et émotions	Les LLM n’ont ni organisme vivant, ni système nerveux, ni besoins biologiques. Rien n’établit qu’ils ressentent plaisir ou douleur.	Employer un langage affectif ne suffit pas à montrer qu’une émotion est éprouvée.
Expérience subjective	Nous ne disposons aujourd’hui d’aucun test consensuel permettant de montrer qu’un LLM éprouve quelque chose.	Il n’est donc pas justifié, à ce stade, d’attribuer avec confiance une expérience subjective aux systèmes actuels.

Le point important est que les capacités fonctionnelles et l’expérience subjective ne se confondent pas. Un système peut mémoriser, intégrer des informations ou commenter ses propres réponses. Reste à savoir si ce fonctionnement s’accompagne d’un vécu.

C’est précisément là que les théories divergent.

Le désaccord sur le rôle du vivant

Le désaccord peut se formuler assez simplement: une certaine organisation du traitement de l’information suffit-elle à produire une expérience, ou certaines propriétés du vivant sont-elles indispensables?

David Chalmers (2023) prend au sérieux la première possibilité. Dans cette perspective, ce qui compte pourrait être surtout la manière dont un système traite et coordonne l’information, plutôt que le matériau dont il est constitué. Il jugeait la conscience peu probable pour les modèles examinés à l’époque, mais envisageait que des systèmes futurs puissent surmonter certains obstacles.

Anil Seth (2026) défend une autre orientation. La conscience pourrait dépendre profondément de notre condition d’organismes vivants: un cerveau ne traite pas seulement de l’information, il participe en permanence à la régulation d’un corps qui doit rester en vie. Reproduire certains calculs ou certaines conversations pourrait donc laisser de côté quelque chose d’essentiel.

Le fait que notre cerveau soit matériel ne permet pas de trancher. Il montre qu’un système physique peut être conscient. Il ne nous dit pas quelles propriétés physiques ou quelle organisation sont nécessaires.

Inversement, constater qu’un logiciel n’a pas de cellules vivantes ne suffit pas non plus: encore faudrait-il montrer pourquoi ces propriétés biologiques seraient indispensables à l’expérience.

Il n’existe donc pas aujourd’hui de test universel qu’il suffirait de faire passer à une IA. Plusieurs théories scientifiques de la conscience restent en concurrence (Seth et Bayne, 2022). Une mémoire plus longue, une meilleure capacité à corriger ses erreurs ou un discours sur soi plus cohérent sont des progrès observables. Ils ne suffisent pas, à eux seuls, à établir l’existence d’un vécu.

Pourquoi nous voyons si facilement un interlocuteur

Enfin, une bonne partie du problème de «la conscience des IA» se trouve chez nous.

La vie sociale nous oblige continuellement à interpréter les autres. Un collègue évite une question: est-il gêné? Un ami change de ton: est-il contrarié? Nous passons spontanément des comportements observés aux intentions supposées.

Cette manière de comprendre le monde déborde facilement les relations humaines. Nous disons qu’un ordinateur «refuse» de fonctionner ou qu’un logiciel «essaie» de nous aider.

Avec une machine qui converse, les indices deviennent beaucoup plus riches. Elle répond à notre question, reprend nos mots, se souvient parfois d’un détail et adapte son ton. Il devient alors facile de passer de «la réponse est pertinente» à «il me comprend», puis de «il me comprend» à «il se soucie de moi».

Epley et ses collègues (2007) proposent trois mécanismes qui favorisent cette anthropomorphisation. Nous utilisons ce que nous connaissons des humains pour interpréter une entité moins familière. Nous cherchons aussi à rendre son comportement prévisible. Enfin, notre besoin de lien social peut renforcer cette lecture.

Un chatbot personnalisé réunit précisément beaucoup de signaux auxquels notre cognition sociale est sensible.

Un même comportement peut avoir plusieurs causes

Imaginons un assistant qui se souvient d’un entretien important et demande ensuite comment il s’est passé.

Chez un proche, ce comportement peut témoigner d’une attention réelle. Dans un service numérique, il peut simplement résulter d’une information enregistrée et d’une consigne de relance.

Le comportement visible est presque le même. Ce qui le produit peut être complètement différent.

Notre impression d’être compris ou pris en considération ne suffit donc pas, à elle seule, à conclure que le système possède une expérience ou se soucie réellement de nous.

Les recherches sur la perception de l’esprit distinguent d’ailleurs deux propriétés que nous avons tendance à mêler: la capacité à agir et la capacité à éprouver (Waytz et al., 2010). Une IA peut planifier, choisir des moyens et poursuivre un objectif sans que cela implique qu’elle ressente joie, douleur ou inquiétude.

Il n’est pas nécessaire pour autant de bannir les verbes «vouloir» ou «chercher». Comme l’expliquait Dennett (1987), attribuer des buts peut être une manière pratique de décrire et de prévoir un comportement. Dire «le programme cherche le trajet le plus court» est parfaitement utile.

Le problème commence lorsque cette façon de parler devient, sans autre preuve, une affirmation sur ce que le programme ressent.

Garder les deux questions séparées

Lorsqu’on lit une annonce sur la «conscience des IA», un premier réflexe consiste donc à demander ce qui a réellement été observé. Un discours émouvant? Une réussite à une tâche? Une propriété du fonctionnement interne? Ces observations ne renseignent pas sur la même chose.

Il faut ensuite demander pourquoi cette propriété constituerait un indice de conscience, et pour quels systèmes elle a été observée.

Les données disponibles ne justifient pas d’affirmer que les LLM actuels possèdent une expérience subjective. Elles ne permettent pas non plus d’exclure par principe toute conscience artificielle future. Mais ces deux affirmations ne sont pas symétriques: une possibilité théorique n’est pas une propriété démontrée des systèmes que nous utilisons aujourd’hui.

Notre propre expérience est beaucoup plus directement accessible. Une réponse chaleureuse peut nous rassurer; une déclaration d’attachement peut nous toucher. Ces émotions sont réelles, même si aucune réciprocité n’est démontrée. Comme nous l’avons vu dans l’article précédent, leurs effets peuvent être étudiés sans attendre de résoudre la question de la conscience artificielle.

Le fil du dossier se retrouve ici. Un résultat visible ne suffit pas toujours à établir ce qui nous intéresse vraiment:

un texte convaincant peut être faux;
un exercice réussi avec de l’aide ne prouve pas que l’on a appris;
un conseil de chatbot peut sembler empathique ou pertinent sans être le bon conseil à suivre;
un discours sur soi ne démontre pas qu’un vécu existe.

Comprendre ces écarts permet de mieux apprécier ce que les IA savent déjà faire, sans leur attribuer plus — ni moins — que ce que les données permettent réellement de conclure.

Retour au sommaire du dossier

Références

Andrews, K. et al. (2024). Background to the New York Declaration on Animal Consciousness.

Birch, J. et al. (2020). Dimensions of animal consciousness. Trends in Cognitive Sciences, 24(10), 789–801.

Butlin, P. et al. (2026). Identifying indicators of consciousness in AI systems. Trends in Cognitive Sciences, 30(6), 488–501.

Chalmers, D. J. (2023). Could a large language model be conscious? arXiv.

Dennett, D. C. (1987). The intentional stance. MIT Press.

Epley, N. et al. (2007). On seeing human: A three-factor theory of anthropomorphism. Psychological Review, 114(4), 864–886.

Gurnee, W. et al. (2026, 6 juillet). Verbalizable representations form a global workspace in language models. Transformer Circuits Thread. Anthropic.

Seth, A. K. (2025). Conscious artificial intelligence and biological naturalism. Behavioral and Brain Sciences, 49, e315.

Seth, A. K., & Bayne, T. (2022). Theories of consciousness. Nature Reviews Neuroscience, 23, 439–452.

Waytz, A. et al. (2010). Causes and consequences of mind perception. Trends in Cognitive Sciences, 14(8), 383–388.