Du prompt au geste : en décrivant le monde à l’IA, préparons-nous son incarnation ?

« Je n’ai jamais autant écrit que depuis que j’utilise l’IA. » L’expérience paraît paradoxale. L’intelligence artificielle devait nous dispenser d’écrire ; elle produit parfois l’effet inverse. Pour obtenir une réponse pertinente, nous détaillons nos intentions, nos contraintes, nos métiers et jusqu’aux évidences que nous n’avions jamais eu besoin de formuler.

Cette mise en mots du monde n’est pas seulement une nouvelle manière de travailler avec une machine. Elle participe à un mouvement plus profond : contexte, règles, critères, exceptions et savoir-faire deviennent progressivement lisibles et manipulables par des systèmes numériques. Les prompts n’entraînent pas directement les futurs robots, et aucun lien causal de cette nature n’est établi. Mais les systèmes qui relient langage, perception et action physique donnent une portée stratégique nouvelle à cette explicitation.

La question traverse alors le travail comme la philosophie : un monde décrit est-il pour autant un monde compris ?

L’IA qui devait écrire à notre place nous oblige à mieux décrire

Un usage exigeant de l’IA ne consiste pas seulement à formuler une consigne : il oblige à reconstruire une partie de la situation dans laquelle cette consigne prend sens. Un résultat utile dépend souvent de l’objectif poursuivi, de l’environnement, des interlocuteurs, des contraintes, des critères de réussite, des exceptions et de ce qui a déjà été décidé.

Cette exigence apparaît vite lorsque la première réponse est correcte dans l’absolu, mais inadéquate dans le contexte. Le texte est trop générique parce que le public n’a pas été précisé. La recommandation ignore une contrainte commerciale tenue pour évidente par l’équipe. Le plan respecte la demande littérale, mais pas l’intention. Chaque correction nous contraint à écrire ce que nous pensions pouvoir laisser implicite.

Le phénomène dépasse largement le prompt engineering. Le véritable travail porte sur l’explicitation. Pour demander à une IA d’analyser une situation, de préparer une décision ou d’exécuter une tâche, il faut rendre transmissible une partie du monde professionnel qui entourait jusque-là naturellement les personnes. La machine agit comme un révélateur des non-dits de l’organisation.

Contextualiser, c’est tenter de rendre explicite ce qui ne l’était pas

L’entreprise sait souvent davantage qu’elle ne peut l’écrire dans une procédure. Michael Polanyi a donné à cet écart une formule devenue classique dans The Tacit Dimension : la connaissance humaine excède ce qu’une personne parvient à énoncer. Ce savoir tacite n’est pas une connaissance mystérieuse. Il se manifeste dans une capacité à reconnaître une configuration, ajuster un geste, interpréter un indice ou décider sans dérouler consciemment une liste complète de règles.

Un commercial peut « sentir » qu’un prospect n’est pas prêt. Un technicien reconnaît parfois une anomalie à un bruit ou à une vibration. Un dirigeant perçoit qu’une situation devient risquée par l’accumulation de signaux faibles. Un opérateur expérimenté adapte son geste sans consulter de procédure. Ces exemples sont illustratifs, non des observations mesurées ; ils montrent néanmoins pourquoi une organisation ne se résume jamais à ses documents.

Lorsque l’entreprise confie une tâche à une IA, elle cherche à convertir une partie de cette expérience en éléments transmissibles. Elle demande au commercial d’identifier les indices de maturité, au technicien de nommer les variations significatives, au dirigeant d’exposer ses seuils d’alerte, à l’opérateur de décrire les conditions de l’ajustement. La démarche peut renforcer la formation, la mémoire collective et la continuité. Elle rencontre aussi une limite : ce qui est écrit n’épuise pas nécessairement ce qui est su.

La formalisation transforme en outre le savoir qu’elle saisit. Une personne s’adapte à une situation singulière ; une règle vise une classe de situations. Une personne peut hésiter parce qu’un détail lui semble étrange ; une procédure ne reconnaît que les exceptions déjà nommées. L’enjeu n’est donc pas de choisir entre le savoir humain et sa documentation, mais de savoir ce que la documentation préserve, simplifie ou perd.

Décrire le monde ne suffit pas à l’éprouver

Une description peut représenter une situation sans restituer l’expérience corporelle, sociale et pratique qui lui donne sens. La phénoménologie de Maurice Merleau-Ponty invite à considérer la perception non comme la réception passive d’un inventaire de propriétés, mais comme une manière incarnée d’habiter et d’explorer le monde. Hubert Dreyfus a prolongé cette critique face aux projets d’intelligence artificielle fondés sur l’idée que l’expertise pourrait être entièrement réduite à des règles et à des représentations.

Une tasse permet de saisir la différence. Connaître sa description n’est pas l’identifier dans une image. L’identifier n’est pas la saisir. La saisir ne suffit pas à sentir qu’elle glisse, anticiper son poids ou percevoir qu’elle est brûlante. Et réussir ces opérations physiques ne garantit pas que le système comprenne qu’elle appartient à quelqu’un et qu’il serait inapproprié de la prendre.

Ces niveaux engagent des capacités différentes : catégorisation, perception, coordination motrice, retour sensoriel, anticipation physique et interprétation sociale. Les réunir dans un même système peut produire des comportements plus adaptés. Cela ne tranche pas la question de savoir si la machine comprend la situation au sens où une personne la comprend.

Dans The Embodied Mind, Francisco Varela, Evan Thompson et Eleanor Rosch proposent la notion d’énaction : la cognition ne consisterait pas seulement à représenter un monde déjà découpé, mais à faire émerger du sens par l’interaction entre un organisme et son environnement. Cette perspective ne fournit pas un test simple de la compréhension artificielle. Elle rappelle toutefois qu’ajouter des descriptions à un système n’équivaut pas automatiquement à lui donner une expérience.

Du symbole au geste, le problème de l’ancrage devient concret

La robotique contemporaine cherche précisément à relier les représentations numériques à la perception et à l’action physique, sans avoir pour autant résolu le problème général de la compréhension. En 1990, Stevan Harnad formulait le symbol grounding problem : si les symboles ne sont définis que par d’autres symboles, comment acquièrent-ils un lien avec ce qu’ils désignent ? Son image d’un dictionnaire monolingue dont aucun mot ne serait initialement compris montre la difficulté d’un sens qui ne reposerait que sur d’autres signes.

Harnad proposait d’ancrer les représentations symboliques dans des représentations non symboliques, notamment iconiques et catégorielles, liées à la perception. Trente-six ans plus tard, cette question devient techniquement très concrète. Les grands modèles conversationnels ont longtemps travaillé principalement sur des représentations numériques du monde. La robotique contemporaine cherche à relier ces capacités au traitement d’images, à la perception spatiale, à la planification et aux commandes motrices.

Le 25 septembre 2025, Google DeepMind a présenté Gemini Robotics 1.5, un modèle vision-langage-action qui transforme des informations visuelles et des instructions en commandes pour un robot. Son modèle d’action restait alors accessible à des partenaires sélectionnés. Les démonstrations et les résultats sur des bancs d’essai établissent des capacités dans des protocoles donnés ; ils ne prouvent ni une compréhension générale ni une fiabilité suffisante pour tout environnement.

NVIDIA décrivait en juin 2025 GR00T N1.5 comme un modèle généraliste pour robots humanoïdes, entraîné à partir de données robotiques, de simulations, de vidéos humaines et de données synthétiques. Les résultats publiés montrent à la fois les progrès et leur périmètre : sur une tâche réelle consistant à placer le bon fruit sur une assiette, NVIDIA annonçait 83 % de réussite globale ; sur la manipulation sans apprentissage supplémentaire de dix objets nouveaux, le taux rapporté tombait à 15 %. Ce contraste ne compare pas des tâches équivalentes. Il rappelle que la généralisation dépend fortement du protocole, des données et de l’adaptation.

La recherche ouverte expose les mêmes tensions. OpenVLA rapporte des progrès sur 29 tâches et plusieurs types de robots, tandis que ReVLA étudie les difficultés de généralisation visuelle lorsque l’environnement s’écarte des données d’entraînement. La fiabilité, la dextérité, le coût des données physiques, la récupération après erreur et la sécurité restent des problèmes de recherche et d’intégration. Une démonstration prometteuse ne devient pas, par extrapolation, une capacité industrielle générale.

Ce que nous transmettons aux machines n’est pas le réel, mais une représentation du réel

Contextualiser une IA revient moins à lui donner le monde qu’à lui transmettre la manière dont nous avons choisi de le découper. Une description encode une sélection : les éléments jugés pertinents, les catégories disponibles, les objectifs poursuivis, les normes appliquées, les critères de réussite, les exceptions connues et les biais de ceux qui formalisent.

La chaîne réel → expérience → représentation → donnée distingue quatre niveaux qui ne sont pas synonymes. Le réel désigne ce qui arrive, dans une complexité qui excède notre saisie. L’expérience est la rencontre située d’une personne ou d’un collectif avec cette réalité. La représentation organise cette expérience à partir de catégories et de finalités. La donnée inscrit certains éléments dans un format qui permet leur conservation et leur traitement.

La doctrine de l’Observatoire ajoute une seconde chaîne : donnée → information → connaissance → décision. Une donnée devient information lorsqu’elle est replacée dans un contexte. L’information devient connaissance lorsqu’elle peut être interprétée, confrontée et mobilisée. La décision engage enfin un objectif, un arbitrage et une responsabilité. Le passage d’un niveau à l’autre n’est jamais une simple accumulation de détails.

Une représentation plus complète peut réduire des ambiguïtés sans devenir automatiquement plus vraie. Un dossier client très renseigné peut ignorer un changement récent dans la relation. Une procédure très précise peut figer une pratique devenue inadaptée. Une base d’incidents peut surreprésenter ce qui a été facile à signaler. Le système traite alors fidèlement une sélection infidèle ou dépassée.

Cette limite prend une portée nouvelle lorsque la représentation commande une action physique. Une erreur qui produisait hier une réponse médiocre pourrait, dans certains usages progressifs de robotique, provoquer un mauvais geste : saisir le mauvais objet, appliquer une force inadaptée, franchir une zone ou poursuivre une action malgré une situation imprévue. Tous les systèmes ne disposent pas de telles capacités et de nombreux contrôles peuvent intervenir. Mais le déplacement est réel : l’erreur de représentation peut quitter l’écran.

Pour l’entreprise, formaliser devient un acte de gouvernance

Structurer une connaissance en vue de l’automatisation n’est pas seulement un travail documentaire ou informatique : l’entreprise décide quelle représentation de son activité elle accepte de rendre opérable par une machine. Cette décision engage les métiers qui décrivent la pratique, les personnes concernées par ses effets et les responsables qui autorisent l’action.

La première question ne devrait donc pas être : « Quel robot ou quelle IA peut faire cette tâche ? » Une direction doit d’abord établir ce que l’organisation sait réellement, où cette connaissance se trouve et quelle part repose sur l’expérience de personnes identifiées. Elle doit distinguer les règles stables des habitudes, les faits des interprétations, les exceptions observées des scénarios imaginés et les critères mesurables des jugements qui exigent encore une discussion.

Le travail de formalisation doit ensuite devenir contradictoire. L’opérateur qui exécute le geste, le responsable qui porte le résultat, la personne chargée de la sécurité et celle qui subira une erreur ne voient pas la même situation. Croiser leurs représentations ne supprime pas tous les biais, mais évite qu’un seul point de vue devienne silencieusement la réalité officielle de la machine.

Pour une PME ou une ETI, cette exigence n’impose pas de construire un jumeau numérique exhaustif. Elle invite à commencer par une tâche précise et réversible. Quels signaux sont nécessaires ? Quelle source fait autorité ? Que perd-on en transformant le savoir-faire en règle ? Quels éléments doivent être vérifiés au moment d’agir ? Quelles décisions peuvent être déléguées ? À partir de quel risque une validation humaine est-elle requise ? Qui peut arrêter le système, expliquer l’action et en assumer les conséquences ?

Comprendre consiste ici à cartographier la connaissance et ses limites. Décider revient à choisir ce qui peut devenir opérable et sous quelles conditions. Agir suppose enfin un pilote étroit, observable, réversible, avec des critères d’arrêt et une responsabilité qui ne disparaît pas derrière l’outil.

Peut-être que la transformation la plus importante provoquée par l’IA ne sera pas d’abord ce qu’elle apprendra de nous, mais ce qu’elle nous obligera à apprendre sur nous-mêmes. Pour expliquer nos métiers à une machine, nous devons découvrir ce que nous faisions jusque-là sans avoir besoin de l’expliquer. Et c’est peut-être seulement après cette étape que vient le robot.