La détection des malentendus devient un enjeu central à mesure que les interactions quittent les échanges en temps réel et en face à face au profit de canaux numériques, parfois médiés par des systèmes d’IA. Selon les auteurs, cette évolution prive les interlocuteurs de certains mécanismes de “réparation” habituels, alors même que les outils de détection adaptés restent encore incomplets.
L’article propose une lecture du malentendu comme un processus en plusieurs étapes : une divergence de sens est d’abord générée, peut ensuite être amplifiée, puis soit détectée et corrigée, soit laissée en l’état. En consolidant des apports issus de neuf champs de recherche qui se croisent peu, les auteurs identifient onze modes d’échec précis. Huit relèveraient principalement de la génération d’une divergence, deux de son amplification, et un de sa détection puis de sa réparation.
Le cœur de la contribution repose sur une taxonomie en huit couches analytiques, dérivées de la littérature plutôt que reprises d’un modèle existant. Les auteurs soutiennent que chaque mécanisme intervient à un point spécifique du processus de communication, et non de manière diffuse. Ils proposent aussi une modélisation formelle de ces huit couches, avec l’ambition d’étendre les cadres classiques de la théorie de l’information et de la communication, du simple transfert de signaux vers la reconstruction du sens.
Pour étayer cette proposition, le papier mentionne une matrice de preuves traçable source par source, un manuel de codage et l’analyse de neuf cas de dialogue. À ce stade, il s’agit d’une publication arXiv annoncée comme nouvelle, donc à considérer avec la prudence habituelle avant validation par les pairs. Le travail peut néanmoins intéresser les équipes IA, produit et recherche qui cherchent à mieux qualifier les points de rupture dans les interactions homme-machine ou machine-machine.