Une réflexion personnelle inspirée du manifeste Phase Lock de Saturnin Pugnet, sur les interfaces cerveau-machine, les limites du langage et notre avenir avec l’intelligence artificielle.
Je viens de terminer Phase Lock, un manifeste publié en octobre 2026 par Saturnin Pugnet. L’idée qui traverse ce texte est aussi simple que vertigineuse : nous construisons des intelligences qui progressent bien plus vite que notre capacité biologique à communiquer avec elles. Et si les interfaces cerveau-machine étaient l’une des façons de ne pas devenir de simples spectateurs de cette évolution ?
Je préfère être transparent dès le départ : ce qui suit est largement inspiré de cette lecture. Les intuitions technologiques viennent en bonne partie du manifeste ; j’y ajoute mes expériences avec les outils d’IA, un vieux questionnement sur le langage et une prospective qui m’est plus personnelle. Je suis séduit par cette thèse, sans considérer ses prédictions comme acquises.
D’ailleurs, le sujet ne m’est pas entièrement nouveau. En 2017, j’écrivais sur le décodage des signaux neuronaux grâce au machine learning. Puis, en 2019, après avoir lu Superintelligence de Nick Bostrom, je m’interrogeais déjà sur la bande passante des interfaces cerveau-machine et notre place face à une intelligence supérieure. Sept ans plus tard, nous commençons à voir certaines pièces du puzzle s’assembler.
1. Une intelligence qui ne lit que les sous-titres de nos vies
Saturnin Pugnet propose une métaphore remarquable : nous entraînons aujourd’hui les IA à comprendre nos vies comme si nous leur donnions les sous-titres d’un film. Elles ont accès à ce que nous écrivons, disons ou produisons, mais pas directement à ce qui s’est passé dans notre esprit pour en arriver là.
Lorsqu’on regarde un film avec les seuls sous-titres, on peut suivre les dialogues et saisir une partie de l’histoire. Mais on perd les silences, les intonations, les regards, les hésitations, et toutes ces choses qui changent radicalement le sens d’une scène. Les modèles actuels disposent certes aussi d’images, d’audio et de vidéos : la métaphore ne décrit pas littéralement leurs seules entrées. Elle souligne surtout ce qui leur manque encore, à savoir un accès aux processus cognitifs dont nos productions sont issues.
Lorsque j’écris un prompt, l’IA reçoit quelques phrases. Pourtant, avant de les écrire, j’ai mobilisé des souvenirs, visualisé plusieurs scénarios et éliminé certaines idées. Une partie de cette activité n’est même pas consciente. Mon message est la version incroyablement compressée d’un processus beaucoup plus riche.
Cette différence explique peut-être une impression familière : une IA peut résoudre un problème complexe tout en passant à côté d’une évidence humaine. Je retrouve ici une sorte de vallée de l’étrange intellectuelle. Elle nous ressemble suffisamment pour que nous pensions être compris, mais son raisonnement peut encore nous sembler étranger. Un « alien », pour reprendre l’image de Pugnet.
Et si l’on pouvait lui donner accès à davantage que les traces finales de notre pensée ? Elle ne penserait pas forcément comme nous, ce qui n’est d’ailleurs pas souhaitable à tous égards : nous avons nos propres biais. En revanche, elle pourrait peut-être mieux comprendre ce qui donne du sens à nos choix, à nos intuitions ou à nos réactions.
2. Nous déléguons déjà notre charge mentale, mais à quel prix ?
Cette question me parle d’autant plus que je délègue désormais une quantité considérable de tâches à l’IA. Un email délicat ? Je fournis le contexte à ChatGPT et lui demande de préparer une réponse. Un rendez-vous professionnel approche ? Je lui demande de me coacher sur les objections possibles. Un projet de développement ? Je peux en confier une partie à Codex.
J’utilise également beaucoup Wispr Flow : je dicte, je commente mes actions à voix haute, et je laisse l’outil transformer cette parole en instructions exploitables. Le clavier n’a pas disparu de ma vie, mais il n’est plus l’unique porte d’entrée vers mes idées.
Le gain de confort est réel. Pendant que ChatGPT prépare un email compliqué, je peux aller plier du linge. Mon attention n’est plus monopolisée par chaque phrase à écrire. Pourtant, un paradoxe apparaît dès que j’utilise des agents plus autonomes. Avec Codex, il m’arrive de rester derrière mon écran pour ne pas perdre une seule minute entre la fin d’une tâche et l’instruction suivante. Je ne code pas nécessairement moi-même, mais je supervise, vérifie, arbitre et relance. C’est parfois un véritable épuisement cognitif.
Nous avons diminué le coût d’exécution de certaines tâches sans toujours diminuer le coût mental de leur coordination. À mesure que les agents gagnent en autonomie, je me demande si notre rôle ne va pas se transformer en un travail de supervision permanente. Nous disposons d’une intelligence rapide, mais nous la pilotons encore principalement avec notre voix, nos doigts et des écrans.
Une expérience récente m’a pourtant montré à quel point cette interface évolue. Je révisais une présentation en marchant dans la rue avec mes lunettes Ray-Ban Meta. Je parlais si doucement que je ne voulais même pas que les passants m’entendent. Des voitures circulaient autour de moi, mais les lunettes ont tout de même capté mes paroles. Ce n’était pas de la lecture de pensée : je produisais bien un signal vocal, même minime. Mais j’ai été stupéfait de pouvoir dialoguer ainsi avec une machine, presque sans effort apparent.
Après le clavier, la parole ; après la parole, peut-être une partie de l’intention elle-même. C’est ici que les interfaces cerveau-machine prennent tout leur intérêt.
3. Le langage est-il nécessaire pour penser ?
Je retrouve ici une vieille question de philosophie : avons-nous besoin de mots pour réfléchir ? La réponse est plus subtile qu’il n’y paraît. Je peux imaginer une interface, un objet ou une scène avec une certaine précision, et pourtant ne pas savoir décrire ce que j’ai en tête. Il me manque le vocabulaire, les références techniques ou simplement la bonne formulation.
Cela m’arrive régulièrement dans mes projets numériques. Je sais reconnaître ce qui correspond à mon idée lorsque je le vois, mais je peine parfois à expliquer ce que je veux avant qu’une première version existe. L’IA peut me proposer des solutions, à condition que je sois parvenu à lui transmettre suffisamment d’informations. Or le langage constitue parfois le principal goulot d’étranglement.
Une synthèse scientifique publiée dans Nature en 2024, signée par Evelina Fedorenko, Steven Piantadosi et Edward Gibson, défend l’idée que le langage sert principalement à communiquer plutôt qu’à rendre toute pensée possible. Certaines formes de raisonnement, de représentation spatiale ou de calcul peuvent subsister malgré des atteintes importantes du langage. Cela ne signifie pas que les mots ne façonnent jamais nos idées, mais que la pensée ne se réduit pas à une succession de phrases intérieures.
Alors imaginons une interface capable de décoder certains aspects d’une représentation mentale. Au lieu de passer vingt minutes à décrire un meuble que j’imagine, je pourrais peut-être transmettre des caractéristiques visuelles à une IA. Celle-ci produirait une proposition, puis l’ajusterait en fonction de mes réactions. Je ne serais plus entièrement limité, dans ce que je peux créer, par ma capacité à l’expliquer.
Les premières recherches rendent cette piste crédible, tout en soulignant la distance qu’il reste à parcourir. En 2023, une étude publiée dans Nature Neuroscience montrait qu’un système pouvait reconstruire approximativement le sens de certains contenus à partir de mesures d’activité cérébrale, après un entraînement individualisé et dans des conditions expérimentales précises. Nous sommes très loin d’une lecture libre et fiable de toutes les pensées.
Il y a d’ailleurs une limite à mon intuition : ne pas trouver les mots ne prouve pas que mon idée était déjà parfaitement formée. Parfois, c’est précisément en essayant d’expliquer quelque chose que je découvre ce que je pense. Une interface neuronale pourrait améliorer la transmission, mais ne garantirait pas la clarté. L’intérêt serait alors de combiner le signal neuronal, le langage et les propositions de l’IA pour construire une idée ensemble.
C’est l’un des prolongements les plus séduisants de Phase Lock : une IA qui ne se contente plus d’attendre des instructions explicites, mais qui pourrait recevoir une partie du contexte cognitif permettant de les interpréter. Un exocortex, en quelque sorte, susceptible d’étendre notre mémoire, notre capacité à créer ou à agir.
Cette perspective s’accompagne évidemment d’un immense enjeu de confidentialité. J’ai tendance à penser qu’une entreprise proposant un tel dispositif serait condamnée à mériter la confiance de ses utilisateurs : une trahison pourrait être fatale à sa réputation. Pourtant, la confiance commerciale ne suffit pas. On peut ne pas savoir que ses données sont utilisées, ou devenir dépendant d’un service dont il est difficile de se passer. Il faudrait donc des garanties vérifiables, un contrôle des données neuronales et un véritable droit à la déconnexion cognitive.
4. 2036 : et si l’IA produisait en un an davantage que toute notre histoire ?
Le manifeste de Pugnet devient particulièrement vertigineux lorsqu’il aborde ce qu’il appelle Out-Thought. Selon son scénario, au milieu des années 2030, une année de production des systèmes d’IA pourrait dépasser l’ensemble de la production intellectuelle humaine cumulée depuis l’apparition de notre espèce, il y a environ 300 000 ans.
Il faut préciser immédiatement ce que signifie cette comparaison. Un token, unité utilisée pour traiter du texte, ne constitue pas une unité scientifique de pensée. Produire un grand volume de texte ne revient ni à avoir autant d’idées nouvelles ni à multiplier les découvertes. Mais si nous acceptons cette approximation uniquement comme une expérience de pensée, l’ordre de grandeur frappe.
Supposons que ce seuil soit atteint en 2036, puis que le volume de production des IA soit multiplié par environ 4,4 chaque année. En 2038, il suffirait d’environ dix-neuf jours pour produire le même volume ; en 2040, d’un peu plus d’une journée. Ces dates sont mon extrapolation conditionnelle, pas une prévision démontrée ni des échéances précises garanties par Pugnet.
Je ne crois pas qu’un éventuel éclatement de la bulle financière de l’IA arrêterait nécessairement la diffusion de cette technologie. L’histoire d’Internet suggère qu’une crise des valorisations n’empêche pas une innovation utile de continuer à transformer les usages. Cela ne signifie pas que les capacités des IA suivront éternellement une courbe exponentielle : l’énergie, les infrastructures, les expériences physiques et les rendements décroissants restent des limites réelles. Mais les effets d’une technologie générale peuvent être considérables même lorsque sa progression est irrégulière.
Une autre question se profile : que se passera-t-il si l’IA participe de plus en plus à la conception de ses propres outils ? Nous connaissons déjà des agents capables d’écrire du code, de le tester et de proposer des améliorations. Il existe des boucles d’optimisation automatisées, ce qui n’équivaut pas encore à une superintelligence se reproduisant librement. L’amélioration récursive de l’IA mériterait d’ailleurs un article à part entière.
Imaginons maintenant une civilisation dans laquelle une part majeure de la recherche, de la production et de l’organisation repose sur des systèmes beaucoup plus compétents que chacun d’entre nous. Nous serions peut-être comme une vache qui regarde passer un train : elle en voit les effets sans comprendre le réseau ferroviaire, les décisions économiques et les mécanismes techniques qui le rendent possible.
La comparaison est provocatrice, car notre civilisation est déjà trop complexe pour un seul individu. Mais aujourd’hui, les connaissances nécessaires à son fonctionnement restent, dans une certaine mesure, accessibles à notre intelligence collective. Si demain une grande partie de ces connaissances était produite par des systèmes dont aucun humain ne pourrait suivre le raisonnement, notre rapport au contrôle changerait profondément.
C’est là que Pugnet propose son idée centrale : plutôt que de tenter seulement de contraindre une intelligence extérieure, nous pourrions chercher à maintenir un couplage étroit entre les intentions humaines et les systèmes artificiels. Cette intégration pourrait préserver une partie de notre capacité d’action, à condition de ne pas confondre compréhension de nos préférences et respect de celles-ci.
5. Et si cette intelligence nous rendait enfin du temps ?
C’est à ce stade que je m’éloigne davantage du manifeste pour rejoindre une réflexion déjà développée sur mon blog : si l’IA nous libère du travail, pourquoi faudrait-il encore gagner sa vie ? Je ne vais pas reprendre ici l’analyse économique du capital citoyen. Ce qui m’intéresse aujourd’hui, c’est le changement plus intime que pourrait provoquer une délégation massive des tâches, de la charge mentale et d’une partie de la production.
Depuis des millénaires, l’essentiel de notre activité est organisé autour de la nécessité de produire pour vivre. Or une civilisation capable de satisfaire une grande partie des besoins essentiels grâce à l’automatisation pourrait laisser beaucoup plus de place à ce que chacun choisit de faire. Enseigner par plaisir, apprendre pendant vingt ans, construire, entreprendre, écrire, voyager ou simplement passer du temps avec les siens : le travail ne disparaîtrait pas, mais il pourrait cesser d’être une obligation économique.
J’aime imaginer une personne de la fin du XXIe siècle ouvrant un roman de 1840 et découvrant avec stupeur ce que la vie quotidienne pouvait imposer à nos ancêtres. Peut-être porterait-elle sur notre époque un regard semblable : pourquoi fallait-il consacrer autant d’années à travailler pour se loger, se nourrir et se soigner, alors que la civilisation possédait déjà tant de moyens techniques ?
Bien sûr, la production automatisée n’apporte pas mécaniquement l’abondance pour tous. Elle pourrait aussi concentrer les richesses et le pouvoir. C’est précisément pourquoi je continue à m’intéresser à la propriété du capital productif, à sa répartition et à la liberté de chacun. Et le confort matériel, aussi extraordinaire soit-il, ne remplace ni la possibilité de choisir ni le sentiment de participer à une histoire collective.
La lecture de Phase Lock m’aura finalement ramené à une interrogation que j’avais déjà en 2019, lorsque je découvrais chez Bostrom l’idée d’une société administrée en partie par une intelligence supérieure. Nous pouvons souhaiter qu’elle nous libère de nos contraintes, mais que se passe-t-il si, pour y parvenir, nous devons lui laisser un pouvoir que nous ne saurons plus exercer nous-mêmes ?
Je n’ai pas de réponse définitive. Je crois seulement que cette perspective mérite autre chose que le choix habituel entre enthousiasme aveugle et catastrophe annoncée. Si les interfaces cerveau-machine nous permettent un jour de créer ce que nous imaginons sans parvenir à le décrire, de mieux coopérer avec l’IA et de récupérer une partie de notre temps, ce sera déjà une transformation considérable.
La vraie question sera alors moins de savoir ce que ces intelligences pourront faire à notre place que de décider ce que nous voudrons faire de la liberté qu’elles pourraient nous rendre.
Sources et prolongements : Saturnin Pugnet, Phase Lock (2026) ; Fedorenko et al., « Language is primarily a tool for communication rather than thought » (Nature, 2024) ; Tang et al., « Semantic reconstruction of continuous language from non-invasive brain recordings » (Nature Neuroscience, 2023) ; mon article sur Superintelligence (2019).