La revue de la semaine — IA, robotique et cognition (12–19 octobre 2026)

Chaque semaine, l'essentiel de ce qui s'est publié en intelligence artificielle et à la croisée des sciences cognitives, dans une version resserrée et accessible.

Trois mots pour suivre cette édition

Prépublication : une étude mise en ligne par ses auteurs (le plus souvent sur arXiv) avant d'avoir été relue par d'autres chercheurs. Des pistes sérieuses, pas encore des certitudes.

Modèle du monde : une IA qui apprend à prédire les conséquences d'une action — ce qui arrivera si l'on pousse cet objet — plutôt qu'à produire seulement du texte ou des images.

Modèle de fondation : un grand modèle entraîné une fois sur des données massives, puis réutilisé pour de nombreuses tâches sans avoir à tout reprendre depuis le début.

Intelligence artificielle

Semaine plus universitaire que la précédente, sans annonce de produit : les signaux viennent des laboratoires.

Une étude vient contredire une idée reçue sur les modèles du monde. Dans ce domaine, on sélectionne habituellement les modèles sur un critère simple : celui qui prédit le mieux l'instant suivant est censé être aussi celui qui planifiera le mieux une action. Deux chercheurs ont mis cette hypothèse à l'épreuve dans trois environnements de contrôle : passé les tout premiers moments de l'entraînement, les deux qualités n'ont pratiquement plus aucun rapport. Mieux prédire ne veut pas dire mieux agir — un résultat qui remet en cause une pratique courante, et qui vient d'une équipe indépendante des promoteurs de cette approche (Cheung & He, prépublication arXiv, 14 oct.).

Une architecture pensée pour les décisions rapides et pour ses propres angles morts. Les psychologues distinguent une pensée rapide et intuitive d'une pensée lente et délibérative. Certaines IA sont conçues pour la première : décider vite plutôt que raisonner longuement. Deux chercheurs relèvent quatre faiblesses négligées dans ces systèmes : savoir reconnaître qu'aucune des options proposées n'est la bonne, ne pas se laisser influencer par l'ordre dans lequel elles sont présentées, accepter un nombre variable de choix, et réutiliser les calculs déjà faits. Leur architecture traiterait les quatre ensemble, avec une insensibilité complète à l'ordre de présentation (Li & Wang, prépublication arXiv, 13 oct.).

Un modèle unique pour restaurer sept types d'imagerie médicale. Plutôt qu'un outil par technique d'imagerie, une équipe propose un seul modèle capable d'améliorer et de restaurer des images issues de sept modalités différentes. Précision de méthode : titre, date et premiers auteurs sont confirmés, mais la page de l'article n'a pas pu être consultée cette semaine, donc le détail des résultats reste à vérifier (Cao, Wu, Shi et al., Nature Machine Intelligence, 13 oct.).

À noter : aucune nouvelle déclaration ni publication de Yann LeCun cette semaine, après son intervention à Séoul rapportée dans la précédente édition.

Robotique

Semaine particulièrement dense, autour d'un même mouvement : les modèles du monde passent du texte et de l'image au pilotage de robots réels.

Des agents IA qui conçoivent eux-mêmes un laboratoire de chimie. À partir d'un simple objectif de recherche, un système autonome dessine l'agencement du laboratoire, sa simulation virtuelle, les gestes robotiques nécessaires et les protocoles — en s'adaptant au matériel disponible, d'un poste unique à plusieurs robots. Validé par une véritable synthèse de nanocristaux. Les auteurs, dont le chimiste Alán Aspuru-Guzik, y voient un déplacement du rôle du chercheur : formuler des objectifs plutôt que programmer chaque geste (Bai, Zhao et al., prépublication arXiv, 16 oct.).

Deux robots humanoïdes jouent un double au tennis de table. Un niveau de commande gère l'équipe — qui se place où, comment éviter la collision — et un autre le joueur, jambes et raquette. En conditions réelles, la paire a tenu plus de dix échanges consécutifs en alternant strictement, avec une précision de placement d'environ 2 cm. Les auteurs reconnaissent deux limites : la dépendance à un système de capture de mouvement externe, et l'effet donné à la balle, encore ignoré (Université de Hong Kong, Shanghai Innovation Institute et NVIDIA, prépublication arXiv, 14 oct.).

Un humanoïde qui apprend seul à tenir debout. En s'entraînant par essais et erreurs, sans étiquettes fournies par un humain, un robot construit une représentation commune de sa posture et de sa position dans l'espace. Sur une machine réelle, l'erreur de position du corps diminue de 61,7 % par rapport à une méthode de référence, et le robot sait se relever après une chute et revenir à son objectif après avoir été bousculé (Yan, Li et al., prépublication arXiv, 16 oct.).

Un même modèle pour vingt familles de robots. Un modèle de fondation qui prédit à la fois les conséquences visuelles d'une action et l'action à effectuer, applicable à vingt morphologies différentes — bras à deux mains, mains articulées humanoïdes — grâce à un langage de commande commun. Travail issu d'un laboratoire d'entreprise, à distinguer d'une recherche académique indépendante (prépublication arXiv, 13 oct.).

Sciences cognitives & neurosciences

Un résultat négatif qui vaut mieux qu'une promesse. Décoder la « parole imaginée » — les mots que l'on articule mentalement sans les prononcer — depuis l'activité électrique du cerveau nourrit beaucoup d'espoirs. Deux chercheurs ont testé si un décodeur entraîné sur une personne fonctionne sur une autre. Sur 482 paires de participants et trois bases de données publiques, aucune ne montre de transfert réel : la précision reste à 0,6 point du simple hasard. Ils montrent en outre que le contraste utilisé pour entraîner ces systèmes — imaginer un mot contre ne rien faire — reflète en partie le fait d'obéir à une consigne, plus qu'une véritable image mentale. Un rappel utile pour tout le domaine des interfaces cerveau-machine (Adeika & Osuagwu, prépublication arXiv, 14 oct.).

Et une piste qui avance, du même côté. Une autre équipe aligne les signaux électriques du cerveau avec la façon dont un modèle de langage représente le sens des mots, pour décoder cette même parole imaginée. Testée sur cinq personnes, l'approche égale un outil dédié tout en permettant une recherche par proximité de sens (Namdari, Iacomi et al., prépublication arXiv, 14 oct.).

Prédire les décisions d'une personne, et non celles d'un groupe. Les modèles de langage utilisés pour simuler le comportement humain reproduisent en général des moyennes. Une équipe a constitué une base reliant les mêmes 591 participants à travers douze épreuves de psychologie — prise de risque, choix social — soit plus de 261 000 décisions, puis entraîné un modèle à prédire la conduite d'un individu sur une épreuve d'après son comportement sur une autre. Il fait mieux que les modèles existants, et semble capter des traits propres à chaque personne (Asano, Suganuma et al., prépublication arXiv, 16 oct.).

Deux questions ouvertes cette semaine. Lire un texte écrit par une IA coûte-t-il plus d'effort mental qu'un texte humain ? Et les IA connaissent-elles l'équivalent du mot « sur le bout de la langue », ce moment où l'on sait qu'on sait sans retrouver le mot ? Deux travaux s'y attellent (arXiv 2610.23715 et 2610.23400, 17 et 19 oct.). Précision de méthode : pour ces deux-là, seuls le titre, les auteurs et le sujet ont pu être vérifiés ; les résultats restent à confirmer.

Sur les étagères

• The Collision: What AI Does to Us (Eric C. So, W. W. Norton, 6 octobre 2026, en anglais) : le professeur du MIT distingue deux usages de l'IA, s'en servir pour mieux penser, ou s'en servir à la place de penser. Il montre comment le second affaiblit le raisonnement et propose des parades : connaître ses capacités sans IA, traiter la machine comme un entraîneur plutôt qu'un remplaçant. Critique étoilée de Publishers Weekly.
• Why We Ask Why (Tania Lombrozo, Ecco, 6 octobre 2026, en anglais) : la psychologue de Princeton explore notre besoin presque irrépressible d'expliquer, ce qui rend une explication satisfaisante, et pourquoi nous préférons les explications simples même incomplètes. Elle termine par des pistes pour mieux juger les explications que l'on reçoit, y compris d'une IA.
• Neurorobotics (Tiffany J. Hwu & Jeffrey L. Krichmar, The MIT Press, janvier 2023, en anglais) : l'ouvrage de référence sur la conception de robots autonomes inspirés du cerveau biologique. Manuel universitaire exigeant, mais incontournable sur le sujet.

À surveiller : Co-Existence: The Next Phase of AI, d'Ethan Mollick, annoncé pour le 20 octobre.

Revue construite à partir des prépublications scientifiques (arXiv), des revues à comité de lecture, de la presse spécialisée et des fiches éditeur, pour la semaine du 12 au 19 octobre 2026.