Pourquoi les modèles de langage ne deviendront jamais une AGI : la leçon de Wittgenstein, il y a un siècle

Il y a plus de cent ans, un instituteur de l'Autriche-Hongrie écrivait une phrase qui sonne aujourd'hui comme un verdict sur toute l'industrie des grands modèles de langage. « Les limites de mon langage signifient les limites de mon monde » : cette thèse de Ludwig Wittgenstein, tirée du Tractatus logico-philosophicus de 1921, s'est révélée, de façon inattendue, le diagnostic le plus juste pour une technologie dans laquelle le monde a investi des centaines de milliards de dollars.

Pour comprendre pourquoi cela compte maintenant, il faut rappeler le contexte. Il y a seulement deux ou trois ans, l'industrie était en pleine euphorie. Chaque nouvelle version de GPT, Claude ou Gemini affichait un bond impressionnant de capacités.

Les modèles ont appris à écrire du code, à analyser des images, à résoudre des problèmes d'olympiade. L'intelligence artificielle générale (AGI) semblait toute proche : il suffisait de plus de données, de plus de paramètres, de plus de puissance de calcul. Les investisseurs injectaient de l'argent, les groupes remaniaient leurs stratégies et les intervenants publics rivalisaient de pronostics sur la date exacte à laquelle la machine dépasserait l'humain.

Aujourd'hui, en 2026, le ton a nettement changé. Le mot « bulle » revient de plus en plus souvent et les sceptiques gagnent des arguments.

C'est le moment de revenir à Wittgenstein. Son idée centrale est à la fois simple et radicale : le langage n'est pas seulement un outil pour décrire la réalité, c'est la frontière même de ce que nous pouvons penser. Tout ce qui existe au-delà du langage n'existe tout simplement pas pour un être de langage.

Appliquez ce principe aux LLM et vous n'obtenez pas une métaphore, mais une description littérale d'une limite architecturale. Un grand modèle de langage opère sur des tokens. Il prédit le fragment de texte suivant à partir de régularités statistiques extraites d'un corpus gigantesque.

Il ne perçoit pas le monde directement : il ne voit pas, n'entend pas, ne ressent pas la douleur, n'éprouve pas la faim. Tout son « monde » est du texte. Et les limites de ce texte sont bel et bien les limites de son monde.

Les critiques peuvent objecter que les modèles multimodaux actuels travaillent déjà avec des images, du son et de la vidéo. N'est-ce pas une sortie du langage ? Il faut ici distinguer le traitement d'un signal de la perception authentique.

Quand un modèle « voit » une photographie, il convertit les pixels en représentations numériques et les associe à des descriptions textuelles de son jeu d'entraînement. Ce n'est pas de la vision au sens humain : c'est un système complexe de références croisées. Le modèle ne comprend pas ce qu'est la couleur rouge ; il connaît seulement les contextes où le mot « rouge » apparaît à côté de certains motifs numériques.

Wittgenstein dirait que le modèle joue à un jeu de langage sans accès à ce que ce jeu désigne.

Un second aspect de la philosophie de Wittgenstein touche juste. Dans sa période tardive, il en vient à l'idée de « jeux de langage » : le sens d'un mot est déterminé par son usage dans une pratique concrète. Comprendre, ce n'est pas extraire un sens abstrait d'un dictionnaire, mais savoir agir dans le monde d'une certaine manière.

Quand nous disons « je sais ce qu'est un marteau », nous ne parlons pas de connaître la définition, mais de l'expérience d'enfoncer des clous, du poids de l'outil dans la main, de la mémoire musculaire du geste. Un LLM peut décrire un marteau sans faute, en énumérer les types, citer la notice d'utilisation, mais il n'a pas, et ne peut pas avoir, l'expérience d'enfoncer un clou. Sa « compréhension » est une simulation dépourvue de fondement corporel.

Cela ne signifie pas que les modèles de langage soient inutiles ; au contraire, ils sont extrêmement utiles dans les limites de leur univers linguistique. Ils excellent dans les tâches qui tiennent entièrement dans l'espace du texte : édition, traduction, génération de code, synthèse, recherche de régularités dans les données. Le problème ne vient pas des modèles eux-mêmes, mais des attentes démesurées placées en eux. Quand des dirigeants de la tech promettent l'AGI d'ici deux ou trois ans, soit ils ne comprennent pas la nature des limites, soit ils entretiennent sciemment l'engouement des investisseurs.

La voie vers l'intelligence artificielle générale, si elle existe, se situe presque certainement hors du paradigme purement linguistique. Elle exigera des systèmes capables de cognition incarnée : interagir avec le monde physique et former des modèles internes de la réalité par l'expérience, et non par la lecture de textes sur l'expérience. La robotique, le calcul neuromorphique et les architectures hybrides associant approches symboliques et connexionnistes sont des pistes potentielles, mais aucune ne s'est encore approchée d'une solution au problème fondamental.

Wittgenstein est mort en 1951, sans soupçonner l'existence des ordinateurs, des réseaux de neurones ni de la tokenisation. Mais son intuition sur la nature du langage et de la compréhension s'est révélée prophétique. Les limites du langage sont bien les limites du monde. Et tant que nous construirons une intelligence enfermée dans le langage, nous construirons quelque chose d'impressionnant mais fondamentalement limité. Reconnaître cette limite n'est pas du pessimisme, mais une étape nécessaire vers une discussion honnête sur la direction que prend réellement l'industrie de l'intelligence artificielle.