Peter Denning : l'hypothèse centrale de Turing sur l'IA, posée en 1950, était fausse

Peter Denning, professeur d'informatique, affirme dans un nouveau livre publié en juillet 2026 que l'IA moderne repose sur des fondations fausses : une hypothèse formulée par Alan Turing dans son célèbre article de 1950, « Computing Machinery and Intelligence » (« Les machines informatiques et l'intelligence »). Selon Denning, cela rend une véritable AGI fondamentalement inatteignable, quelle que soit la taille que atteindront les modèles de langage.

Où Turing s'est-il trompé ?

En 1950, Turing a avancé l'hypothèse que la pensée humaine est entièrement décrite par des règles calculables et peut donc être simulée par un ordinateur. Toute la trajectoire de la recherche en IA depuis repose sur cette hypothèse, des systèmes experts des années 1970 aux LLM à architecture transformer des années 2020.

Denning juge cette hypothèse erronée. Selon lui, quatre composantes clés de l'intelligence échappent par principe à toute formalisation :

• Le bon sens — une compréhension contextuelle des situations, qui ne se décrit pas par des règles explicites et ne s'en déduit pas
• L'intuition — la capacité à tirer des conclusions justes sans passer par une déduction logique formelle ; elle se forge au fil d'années d'expérience
• La culture — un système de valeurs et de normes assimilé en vivant au sein d'une communauté, et non en étudiant des textes à son sujet
• Le savoir-faire pratique (know-how) — des compétences qui ne se transmettent que par la pratique aux côtés d'un maître, et non par un mode d'emploi

«

Les aspects les plus importants de l'intelligence humaine, dont le bon sens, l'intuition, la culture et les connaissances pratiques, ne peuvent pas être codés dans des ordinateurs », — Peter Denning.

Pourquoi la taille des LLM ne règle pas le problème

Denning s'oppose frontalement à la vision dominante dans l'industrie : il suffirait de rendre un modèle assez grand pour qu'il « comprenne » le monde. À ses yeux, c'est une illusion. Les grands modèles de langage manipulent des régularités statistiques entre symboles, mais ils n'ont pas cette expérience vécue — culturelle, corporelle, sociale — qui façonne la compréhension humaine.

L'argument de Denning fait écho à la critique classique de la « chambre chinoise » formulée en 1980 par le philosophe John Searle : un ordinateur manipule des symboles selon des règles, sans en comprendre le sens. Denning actualise cet argument pour les LLM modernes et soutient que l'architecture transformer ne comble pas cet écart. Selon Science Daily, dans un article du 13 juillet 2026, le livre se présente comme l'une des critiques académiques les plus systématiques de ces dernières années portant sur les fondements mêmes de la recherche en IA.

Ce que cela signifie

Si Denning a raison, la stratégie actuelle pour atteindre l'AGI — mise à l'échelle des données et des paramètres — ne rapproche pas d'une intelligence humaine. L'utilité pratique des LLM demeure : génération de texte, automatisation de tâches et analyse de données restent des outils précieux. Mais selon Denning, il est incorrect de qualifier les systèmes actuels d'« intelligence » au sens plein du terme.

Questions fréquentes

Qu'affirmait Turing dans son article de 1950 ?

Dans « Computing Machinery and Intelligence », Alan Turing proposait d'évaluer l'intelligence d'une machine au moyen d'un jeu d'imitation : si un juge ne parvient pas à distinguer un ordinateur d'un humain lors d'un dialogue écrit, la machine peut être considérée comme pensante. Denning estime que ce critère a imprimé une mauvaise direction à la recherche, en réduisant l'intelligence à un comportement linguistique et en ignorant la nécessité d'une expérience vécue.

Denning nie-t-il l'utilité de l'IA actuelle ?

Non. Denning distingue l'« outil intelligent » de la « véritable intelligence ». Les LLM sont utiles pour automatiser des tâches et travailler sur des textes, mais, selon lui, ils ne peuvent par principe pas devenir une AGI, car ils n'ont pas l'expérience culturelle et pratique nécessaire à la compréhension humaine.