Une prépublication déposée sur arXiv explore une question centrale en IA: l’organisation modulaire de l’intelligence est-elle propre au cerveau humain, ou apparaît-elle aussi dans d’autres systèmes d’apprentissage? Les auteurs examinent cette hypothèse dans les grands modèles de langage (LLM), en s’appuyant sur des analyses de circuits internes.
L’étude porte sur 46 tâches réparties en quatre domaines cognitifs: le langage, le raisonnement formel, le raisonnement social et le raisonnement sur le monde physique. Selon le résumé, les chercheurs observent que les tâches associées à un même réseau fonctionnel chez l’humain mobilisent, dans les LLM, des ensembles de neurones qui se recoupent. À l’inverse, les tâches relevant de domaines distincts activeraient des neurones différents.
Ce résultat conduit les auteurs à avancer que les LLM développent une architecture modulaire qui rappelle celle du cerveau humain, malgré des processus d’optimisation très différents. Si cette observation se confirme, elle renforcerait l’idée que la spécialisation fonctionnelle n’est pas seulement un accident de l’évolution biologique, mais peut émerger plus largement dans des systèmes intelligents complexes.
Comme il s’agit d’une prépublication arXiv, ces conclusions doivent toutefois être lues avec prudence en l’absence d’évaluation par les pairs mentionnée dans la source. Le résumé ne détaille pas ici la méthodologie complète, les modèles testés ni les limites expérimentales. Mais le travail alimente un débat stratégique pour la recherche en IA: comprendre si les capacités avancées des modèles reposent sur des sous-systèmes spécialisés pourrait influencer à la fois leur interprétabilité, leur fiabilité et leur conception future.