Test de Turing
Pourquoi c’est important
En profondeur
Le geste de Turing a été de contourner entièrement la philosophie. Au lieu de définir « penser », il a décrit un jeu de salon : un interrogateur tape des questions à deux joueurs cachés, un humain et une machine, et tente de deviner qui est qui à partir de leurs seules réponses. Si l'interrogateur ne fait pas mieux que le hasard, la machine gagne. Le montage retire tout sauf le comportement conversationnel — personne ne demande comment la machine fonctionne à l'intérieur, si elle est consciente, ni de quoi elle est faite. Cette étroitesse délibérée explique à la fois pourquoi le test a pris et pourquoi il est critiqué depuis : il mesure la performance, pas le mécanisme. À l'ère moderne des grands modèles de langage, dont tout l'objectif d'entraînement est de produire du texte plausible, le test est entré de plein fouet en collision avec des systèmes extraordinairement bons dans exactement ce qu'il mesure.
Le jeu de l'imitation original
L'article de Turing de 1950 décrit un jeu à trois joueurs : un homme, une femme et un interrogateur de l'un ou l'autre genre, tous communiquant par messages tapés pour que la voix et l'apparence ne trahissent rien. Le travail de l'interrogateur est de déterminer quel joueur est la femme, tandis que l'homme tente de l'induire en erreur. Turing a ensuite demandé ce qui arrive quand une machine prend la place de l'homme — l'interrogateur se trompera-t-il à peu près aussi souvent? Ce cadrage compte parce que le test n'a jamais porté sur la récitation de faits; il portait sur la capacité d'une machine à soutenir le genre de conversation souple et ouverte qui semblait exiger un esprit. Turing a prédit que d'ici l'an 2000 les machines joueraient assez bien pour qu'un interrogateur moyen n'ait pas plus de 70 % de chances de faire la bonne identification après cinq minutes de questions, une remarque qui s'est plus tard durcie en la barre souvent citée des « 30 % des juges pendant cinq minutes ».
D'ELIZA au prix Loebner
Le premier avertissement que le test récompense la ruse est venu tôt. En 1966, Joseph Weizenbaum a bâti ELIZA, un agent conversationnel qui parodiait un psychothérapeute en renvoyant les affirmations des utilisateurs sous forme de questions par simple appariement de motifs — et certains utilisateurs se sont convaincus qu'il les comprenait. Weizenbaum a été assez troublé par cette réaction pour passer le reste de sa carrière à plaider contre la confusion entre simulation et compréhension. Le motif s'est répété pendant des décennies au prix Loebner, un concours annuel tenu de 1990 à 2019 qui décernait des médailles au programme le plus humain; aucune participation n'a jamais réussi un test long et sans restriction. En 2014, un programme appelé Eugene Goostman, se faisant passer pour un garçon ukrainien de 13 ans à l'anglais imparfait, a convaincu un tiers des juges lors d'un événement de cinq minutes et a été déclaré vainqueur — une prétention largement rejetée parce que le personnage excusait ses esquives et que les conversations étaient courtes.
Les grands modèles de langage ont brisé le test
Les grands modèles de langage modernes ont complètement changé le tableau. Le pré-entraînement sur d'énormes corpus de texte en fait par construction d'habiles imitateurs de la conversation humaine, ce qui est précisément l'habileté que note le jeu de l'imitation. Dans des études contrôlées de 2024 et 2025, les juges de jeux d'imitation à trois parties ont identifié des systèmes de la classe de GPT-4 comme étant l'humain environ la moitié du temps ou plus, un modèle guidé par un personnage étant même jugé plus humain que le participant humain réel dans une étude de 2025. Élément crucial, ce qui a fait pencher la balance n'était pas un raisonnement profond mais le style de surface : vitesse de frappe, fautes de frappe, usage d'émojis, brièveté et personnage crédible. Réussir une conversation textuelle de cinq minutes, autrefois traitée comme un jalon lointain sur la route vers l'AGI, s'est avéré être quelque chose qu'un prompt bien réglé pouvait largement accomplir.
Un test de tromperie, pas d'intelligence
L'idée fausse la plus profonde, c'est que réussir le test de Turing démontre de l'intelligence. Le test mesure si un juge peut être dupé, et ça dépend autant des attentes du juge, de la limite de temps et du format que des capacités de la machine — ce qui explique pourquoi les résultats varient énormément entre un chercheur en IA sceptique et un participant occasionnel. L'expérience de pensée de la chambre chinoise de John Searle a appuyé là-dessus en 1980 : un système peut produire des réponses conversationnelles parfaites en manipulant des symboles sans rien comprendre. Les critiques des agents conversationnels modernes reprennent une version du même argument, qualifiant les modèles de langage de perroquets stochastiques qui remixent du texte d'entraînement. En pratique, le domaine est passé à autre chose sans bruit : l'évaluation sérieuse s'appuie maintenant sur des bancs d'essai de capacités, des protocoles d'évaluation humaine et des plateformes de préférence comme Chatbot Arena, tandis que le test de Turing survit surtout comme repère historique et générateur de manchettes.