Les machines pourront-elles jamais être intelligentes ?

L'enjeu dépasse la simple curiosité académique : la réponse déterminera si les grands modèles de langage (LLMs) actuels sont sur une trajectoire capable de surpasser l'intelligence humaine, ou si leurs architectures fondamentalement différentes les condamnent à exceller dans des domaines distincts sans jamais converger. Pour les décideurs politiques, les entreprises technologiques et la société en général, comprendre cette distinction est crucial pour anticiper l'impact réel de la transition IA.

Le débat oppose deux visions de l'intelligence. Nicolò Fusi, chercheur à Microsoft Research spécialisé en modèles transformeurs et théorie de l'information, représente l'approche numérique dominante. Face à lui, Subutai Ahmad de Numenta défend la perspective biologique, s'appuyant notamment sur les travaux de Jeff Hawkins, auteur de A Thousand Brains (2022) et On Intelligence (2005), qui modélisent le fonctionnement du néocortex via les cellules de grille. Les deux approches divergent sur des points fondamentaux : efficacité énergétique, représentation distribuée, apprentissage continu et ancrage sensori-moteur.

Le podcast s'inscrit dans un moment charnière où la communauté scientifique multiplie les travaux sur l'alignement entre architectures biologiques et numériques, comme en témoigne la publication de mars 2026 sur le fine-tuning basé sur l'énergie pour les modèles de langage (Matching Features, Not Tokens). La série promet d'explorer ces tensions sur le long terme, avec l'ambition affichée de construire une compréhension partagée pour que la transition IA soit un bilan positif net pour l'humanité.