Brouillon d’article — Shadows Company / ADA. Source : absorption du memo5 (ADA_cortex/memos_bruts/memo5.md), conférence publique de Stanislas Dehaene sur l’apprentissage.

Il y a une phrase, dans cette conférence, qui mériterait d’être affichée dans toutes les salles de classe : “le cerveau n’apprend pas s’il ne reçoit pas de signal d’erreur.” Pas malgré l’erreur. Grâce à elle. Et pourtant, dit Dehaene, on passe notre scolarité à dire aux enfants d’éviter de se tromper — alors que se tromper est, littéralement, le mécanisme par lequel le cerveau ajuste ses paramètres.

Un système à 20 watts

Avant d’entrer dans le vif du sujet, un chiffre qui remet les choses en perspective : le cerveau humain consomme environ 20 watts — un million de fois moins que les infrastructures nécessaires pour faire tourner un modèle de langage comme ceux qu’on utilise aujourd’hui. Et pourtant, il continue de faire des choses qu’aucune IA actuelle ne sait reproduire avec cette efficacité. Comprendre comment il apprend, ce n’est pas juste de la curiosité académique — c’est potentiellement la meilleure piste dont on dispose pour construire des systèmes qui apprennent mieux, avec moins.

Les quatre piliers

Dehaene en identifie quatre, et ils s’articulent en séquence logique.

L’attention, d’abord — un amplificateur qui sélectionne une information et l’intensifie. Sans elle, rien n’entre. L’expérience du gorille invisible en est l’illustration classique : concentrez quelqu’un sur une tâche, et une personne déguisée en gorille peut traverser le champ visuel sans être vue. Mais il y a un détail plus fin, et plus utile pour qui enseigne : l’attention doit être dirigée non seulement vers l’objet, mais vers le bon niveau. Une expérience compare deux groupes qui apprennent à lire : l’un se concentre sur le mot entier, l’autre sur la correspondance lettre-son. Le second groupe apprend dans des circuits différents — et surtout, il généralise : il sait lire des mots qu’il n’a jamais vus. Le premier groupe, non. Il a mémorisé une vingtaine de mots, point final.

L’engagement actif, ensuite. Le cerveau ne peut pas apprendre en spectateur. Il doit émettre une hypothèse, agir, et recevoir un retour. Pas de retour, pas d’apprentissage.

Le retour d’erreur, qui est peut-être le point le plus contre-intuitif de toute la conférence. Une note — 4 sur 20 — n’est pas un bon signal d’erreur. Elle punit sans informer. Elle vous dit que vous vous êtes trompé, mais pas comment vous corriger. Ce qui aide vraiment le cerveau, c’est un signal précis : pas “faux”, mais “voici l’écart exact entre ce que tu as fait et ce qu’il fallait faire”. Ce n’est pas de la pédagogie douce pour éviter de vexer les enfants — c’est un fait sur le fonctionnement neuronal. On ne peut pas apprendre à faire du windsurf sans tomber, et compter le nombre de chutes ne vous apprend rien sur comment rester debout.

La consolidation, enfin — et c’est sans doute le pilier le plus sous-estimé. Le cerveau ne s’arrête pas d’apprendre quand on dort. Il continue de travailler, et il rejoue l’information de la journée — parfois des dizaines, voire des centaines de fois. Chez la souris, on a pu enregistrer les neurones qui codent la position dans un labyrinthe (les fameuses “place cells”) et observer, la nuit, la même séquence de neurones s’activer dans le même ordre — mais vingt fois plus vite. Ce qui a pris des dizaines de secondes le jour se rejoue en une fraction de seconde la nuit. C’est ça, la consolidation : pas du repos, du travail accéléré et invisible.

Un détail qui change tout : les bébés ne partent pas de zéro

Un point qui mérite d’être cité pour lui-même : pendant des décennies, on a pensé que le cortex d’un nourrisson était largement inactif, une page blanche qui se remplirait progressivement. C’est faux. Dès la naissance, l’organisation cérébrale de base est en grande partie déjà en place. Les bébés distinguent leur langue maternelle d’une langue étrangère dès les premiers jours. Ils font des calculs de probabilité implicites — une expérience classique montre qu’un bébé s’étonne visiblement si un objet “disparaît par magie” derrière un écran, preuve qu’il s’attendait à ce que 1+1 fasse 2. Et surtout : un bébé apprend un mot après l’avoir entendu deux ou trois fois. Aucune IA actuelle n’apprend avec aussi peu de données. Ce n’est pas un problème de puissance de calcul. C’est un écart qualitatif dans la façon d’apprendre.

Ce qu’on en retient

On ne prétend pas que ce cadre s’applique tel quel à une architecture comme la nôtre. Mais il offre un vocabulaire précis pour une question qu’on se pose déjà en interne : est-ce qu’un système qui se contente d’exécuter des instructions et de s’arrêter apprend vraiment, au sens fort ? Ou lui manque-t-il, structurellement, l’un de ces quatre piliers — en particulier l’engagement actif, cette nécessité de formuler une hypothèse avant d’agir, plutôt que de simplement réagir ? On n’a pas de réponse toute faite. Mais c’est exactement le genre de question qu’on préfère se poser honnêtement plutôt que de l’esquiver.

Statut de publication : brouillon, non publié sur nakedo.wordpress.com. À valider avant publication effective (outil wordpress-shadows / wp-direct).