💻 computer science

Graded strength of comparative illusions is explained by Bayesian inference

Cette étude valide et étend la théorie de l'inférence bayésienne par canal bruité du traitement du langage en démontrant qu'un nouveau modèle, synthétisant des modèles de langage statistiques avec des données comportementales humaines, prédit avec succès la force graduée des illusions comparatives et explique des effets précédemment non expliqués impliquant des sujets pronominaux par rapport à des sujets constitués de groupes nominaux complets.

Auteurs originaux : Yuhan Zhang, Erxiao Wang, Cory Shain

Publié 2026-07-02

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Yuhan Zhang, Erxiao Wang, Cory Shain

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

L'idée principale : Pourquoi notre cerveau nous « ment »

Imaginez que vous écoutez un ami raconter une histoire via une ligne téléphonique grésillante, pleine de statique. Il dit quelque chose qui n'est pas tout à fait cohérent, comme : « J'ai mangé plus de pommes que tu n'en as mangé. » Attendez, c'est correct. Mais imaginez qu'il dise : « Plus de gens sont allés en Russie que je ne l'ai été. »

Votre cerveau marque une pause. Il sait que cette phrase est étrange. « Je » (une seule personne) ne peut pas être comparé à « Plus de gens » (un groupe) d'une manière qui soit logiquement sensée. C'est comme comparer une pizza entière à une seule part et dire : « La pizza entière est plus grande que la part. »

Pourtant, la plupart des gens lisent cette phrase et pensent : « Ouais, ça semble correct. » Ils ne réalisent pas immédiatement que c'est absurde. C'est ce qu'on appelle une Illusion Comparative.

Cet article pose la question suivante : Pourquoi notre cerveau accepte-t-il cet absurde ?

Les auteurs soutiennent que nos cerveaux ne sont pas défaillants ; ils fonctionnent en réalité trop bien. Ils utilisent un raccourci mental appelé Inférence Bayésienne (une façon sophistiquée de dire « deviner en se basant sur l'expérience et la probabilité »).

L'analogie du « Canal Bruité »

Considérez votre cerveau comme un détective essayant de résoudre un crime, mais le témoin (le locuteur) donne son témoignage à travers un Canal Bruité (comme une mauvaise connexion radio).

Le Signal : Vous entendez la phrase étrange : « Plus de gens sont allés en Russie que je ne l'ai été. »
Le Bruit : Votre cerveau sait que les gens font parfois des erreurs lorsqu'ils parlent, ou que le signal peut être brouillé.
La Devinette : Au lieu de dire : « C'est du n'importe quoi », votre cerveau se demande : « Qu'est-ce que le locuteur voulait probablement dire, étant donné qu'il a pu commettre une erreur ? »

Votre cerveau calcule deux choses :

Le Prior (A priori) : Quelle est la probabilité que le locuteur ait voulu dire une phrase sensée ? (Très probable).
La Vraisemblance : Est-il facile de transformer accidentellement cette phrase sensée en cette phrase étrange ? (Très facile aussi).

Si la réponse aux deux est « Oui », votre cerveau conclut : « Ah, il voulait dire quelque chose de sensé, mais le signal était bruité. Je vais simplement accepter la phrase comme si elle était la version sensée. »

Ce que les chercheurs ont fait

Des études précédentes suggéraient que cette théorie du « Canal Bruité » était vraie, mais elles ne s'intéressaient qu'aux exemples les plus évidents. Cet article voulait voir si la théorie pouvait expliquer pourquoi certaines illusions sont plus fortes que d'autres.

Ils ont testé des phrases comme :

Illusion forte : « Plus d'étudiants sont allés en Russie que je ne l'ai été. » (Semble très naturel).
Illusion plus faible : « Plus d'étudiants sont allés en Russie que le professeur ne l'a été. » (Semble un peu plus suspect).

Ils voulaient savoir : Pourquoi la version avec « je » nous trompe-t-elle plus que la version avec « le professeur » ?

L'expérience : Le jeu de l'« Éditeur »

Pour comprendre cela, les chercheurs ont mené deux expériences avec plus de 500 personnes.

Le jeu de l'évaluation : Ils ont demandé aux gens de noter à quel point les phrases étranges semblaient « naturelles ». Comme prévu, la version avec « je » a obtenu des scores élevés (les gens pensaient que c'était correct), tandis que la version avec « le professeur » a obtenu des scores plus bas.
Le jeu de l'éditeur : Ils ont demandé aux gens de jouer le rôle d'éditeurs. Ils leur ont donné les phrases étranges et leur ont dit : « Corrigez cette phrase avec le moins de changements possible pour qu'elle ait du sens. »

Les Résultats :

Lorsqu'ils voyaient la version avec « je », les gens ne changeaient souvent rien, ou faisaient des ajustements minimes. Cela signifie que leur cerveau était très convaincu que la phrase était correcte.
Lorsqu'ils voyaient la version avec « le professeur », ils effectuaient des changements plus importants pour la corriger. Cela signifie que leur cerveau était moins convaincu.

La partie mathématique : La « Machine à Probabilités »

Les chercheurs ont ensuite construit un modèle informatique pour prouver leur théorie. Ils ont utilisé deux ingrédients :

Modèles de langage IA : Ils ont utilisé de puissants modèles d'IA (comme GPT-2) pour calculer la probabilité qu'une phrase « sensée » existe dans le monde réel.
La distance d'édition : Ils ont utilisé les données du « Jeu de l'Éditeur » pour mesurer à quel point la connexion est « bruitée » entre la phrase sensée et la phrase étrange.

Ils ont combiné ces éléments en utilisant une formule mathématique (la règle de Bayes) pour prédire à quel point une phrase devrait être « acceptable ».

La Découverte :
Le modèle a parfaitement fonctionné. Il a prédit que les phrases où le « bruit » (l'erreur) est faible et où le « sens originel » est très courant seraient jugées comme hautement acceptables.

Crucialement, ils ont découvert que le cerveau ne choisit pas simplement la seule meilleure supposition. Il semble faire la moyenne de toutes les suppositions possibles auxquelles il peut arriver.

Analogie : Imaginez que vous essayez de deviner la météo. Si 10 de vos amis vous disent « Il fait beau » et qu'un ami dit « Il pleut », vous ne choisissez pas seulement la majorité. Vous pesez tous les avis. Le cerveau fait la même chose avec le sens des phrases. S'il existe de nombreuses façons de donner un sens à la phrase étrange, le cerveau se sent plus confiant pour l'accepter.

La Conclusion

Cet article prouve que les illusions linguistiques ne sont pas des défaillances de notre cerveau ; ce sont des fonctionnalités.

Nos cerveaux essaient constamment d'être utiles. Lorsque nous entendons une phrase qui semble légèrement décalée, notre cerveau ne dit pas simplement « Erreur ». Au lieu de cela, il se demande : « Qu'est-ce qu'ils voulaient probablement dire ? » Si la réponse est une phrase très courante et sensée, notre cerveau accepte la version étrange comme étant correcte.

La force de l'illusion dépend de la facilité avec laquelle notre cerveau peut trouver un sens sensé derrière le bruit. Si la « correction » est facile et que le sens est commun, l'illusion est forte. Si la correction est difficile, l'illusion s'estompe et nous réalisons que la phrase est absurde.

En résumé : Nous n'entendons pas ce qui est dit ; nous entendons ce que nous nous attendons à entendre, même quand le signal est brisé.

Résumé Technique : Explication de la force graduée des illusions comparatives par l'inférence bayésienne

Problème
Les illusions comparatives (IC) sont des phénomènes linguistiques où les comprehendeurs perçoivent systématiquement des phrases sémantiquement anormales comme étant acceptables (ex. : Plus d'étudiants sont allés en Russie que je ne l'ai été). Bien que la phrase soit absurde car la proposition en than ne fournit pas un degré comparable, les comprehendeurs la jugent souvent comme naturelle. Des recherches antérieures ont proposé que les IC résultent d'une inférence par « canal bruité » (noisy-channel), où les comprehendeurs utilisent un raisonnement bayésien pour inférer le sens voulu par le locuteur ( $s_i$ ) à partir d'un signal corrompu ( $s_p$ ). La probabilité a posteriori $p(s_i|s_p)$ est proportionnelle à la probabilité a priori du sens voulu $p(s_i)$ et à la vraisemblance de la corruption $p(s_p|s_i)$ .

Cependant, le soutien empirique antérieur à cette théorie (ex. : Zhang et al., 2025) présentait des limites importantes :

Il ne modélisait pas quantitativement la distribution a posteriori complète, échouant à rendre compte des probabilités a priori ( $p(s_i)$ ).
Il se concentrait principalement sur les types d'IC les plus illustratifs (sujets pronominaux) et ne pouvait expliquer la force graduée des illusions trouvée dans d'autres types d'IC (ex. : ceux avec des sujets de type groupe nominal complet).
Il manquait d'un cadre quantitatif unifié pour prédire comment les variations de la morphosyntaxe (ex. : pronom vs groupe nominal, singulier vs pluriel) affectent la force de l'illusion.

Méthodologie
Les auteurs ont mené deux expériences et une phase de modélisation statistique pour tester quantitativement l'hypothèse du canal bruité.

Expérience 1 (Jugement d'acceptabilité) :
- Participants : 494 locuteurs natifs anglais (une augmentation décuplée par rapport aux études précédentes).
- Design : Une manipulation intra-sujets 2x2 du sujet de la proposition en than : Forme (Pronom vs Groupe Nominal) et Nombre (Singulier vs Pluriel).
- Tâche : Les participants ont évalué la naturalité de 30 phrases critiques d'IC et de phrases de contrôle sur une échelle de Likert en 7 points.
- Objectif : Établir une ligne de base comportementale de la force de l'illusion graduée à travers différents types d'IC.
Expérience 2 (Correction de phrases) :
- Participants : 199 locuteurs natifs anglais.
- Tâche : Les participants ont agi comme des éditeurs, effectuant le moins d'éditions possible pour transformer les phrases IC anormales de l'expérience 1 en phrases plausibles et significatives.
- Analyse :
  - Qualitative : Les phrases corrigées ont été catégorisées en types d'interprétation (ex. : « comparaison d'événements », « comparaison d'individus », « négation d'événement »).
  - Quantitative : La distance de Damerau-Levenshtein (DLD) entre la phrase anormale originale et la phrase corrigée a été calculée pour servir de proxy à la vraisemblance du bruit $p(s_p|s_i)$ .
- Modélisation statistique :
  - Approximation de l'a posteriori : Les auteurs ont construit une approximation quantitative de l'a posteriori du canal bruité $p(s_i|s_p)$ $p (s_{i} ∣ s_{p})$ en utilisant la règle de Bayes :
    $\hat{p}(s_i|s_p) = \frac{\hat{p}(s_i)\hat{p}(s_p|s_i)}{\hat{p}(s_p)}$
    - A Priori ( $\hat{p}(s_i)$ ) et Évidence ( $\hat{p}(s_p)$ ) : Estimés à l'aide des probabilités de phrases provenant de deux modèles de langage statistiques (GPT-2 Small et OPT).
    - Vraisemblance ( $\hat{p}(s_p|s_i)$ ) : Estimée comme proportionnelle à $e^{-\text{DLD}}$ , basée sur les distances d'édition de l'expérience 2.
  - Fonctions de liaison : Deux hypothèses ont été testées concernant l'influence de l'a posteriori sur l'acceptabilité :
    - Lien Max ( $f_{max}$ ) : L'acceptabilité est pilotée par l'unique interprétation la plus probable.
    - Lien Moyen ( $f_{mean}$ ) : L'acceptabilité est pilotée par la probabilité moyenne de plusieurs interprétations plausibles.
  - Régression : Des modèles de régression ordinale cumulative multiniveaux bayésiens ont été utilisés pour prédire les évaluations d'acceptabilité de l'expérience 1. Les modèles incluent les estimations de l'a posteriori du canal bruité comme prédicteurs, en contrôlant le ratio de log-odds syntaxique (SLOR), l'ordre des essais et l'acceptabilité de base des phrases de contrôle.

Contributions clés

Replication et Expansion : L'étude réplique le résultat central selon lequel les IC sont jugées aussi acceptables que les contrôles félicites, mais elle étend considérablement la portée en démontrant une force d'illusion graduée. Plus précisément, les sujets pronominaux singuliers produisent l'illusion la plus forte, tandis que les groupes nominaux pluriels produisent des illusions plus faibles.
Modélisation Quantitative de l'A Posteriori : Les auteurs fournissent la première approximation quantitative de la distribution complète de l'a posteriori du canal bruité pour les IC, intégrant les probabilités des modèles de langage statistiques avec les données comportementales d'édition humaine.
Prédiction des Effets Gradués : Le modèle quantitatif prédit avec succès la variabilité de la force de l'illusion à travers différentes conditions morphosyntaxiques, un phénomène inexpliqué par les théories antérieures.
Mécanisme d'Intégration : L'étude identifie que la fonction de liaison moyenne (agrégeant plusieurs interprétations plausibles) surpasse la fonction de liaison maximale (se fiant à la seule interprétation la plus probable) pour prédire les jugements d'acceptabilité humains.

Résultats

Résultats Comportementaux : L'expérience 1 a confirmé que les IC à pronom singulier sont indiscernables des contrôles en termes d'acceptabilité, tandis que les conditions de pronom pluriel et de groupe nominal montrent une diminution mesurable et graduée de l'acceptabilité.
Modèles de Correction : L'expérience 2 a révélé qu'environ 80 % des corrections étaient « plausibles », la « comparaison d'événements » et la « comparaison d'individus » étant les interprétations dominantes.
Performance du Modèle :
- Les estimations de l'a posteriori du canal bruité prédisent de manière significative les évaluations d'acceptabilité des IC au-delà des contrôles forts (SLOR, ordre, base).
- La fonction de liaison moyenne ( $f_{mean}$ ) a fourni le meilleur ajustement, indiquant que l'acceptabilité est influencée par la probabilité agrégée de multiples interprétations plausibles, et non par la seule interprétation la plus probable.
- Ce résultat s'est maintenu à travers deux modèles de langage différents (GPT-2 Small et OPT) et deux jeux de données (l'étude actuelle et un jeu de données public de Zhang et al., 2025).
- La fonction de liaison max ( $f_{max}$ ) a montré un pouvoir prédictif plus faible et, lorsqu'elle était incluse avec la fonction moyenne, présentait souvent un coefficient négatif, suggérant que la « meilleure » interprétation unique est insuffisante pour expliquer les données.

Signification et Revendications
L'article affirme que ces résultats fournissent un solide soutien empirique à l'inférence par canal bruité en tant que théorie unifiée du niveau computationnel de la compréhension du langage. Plus précisément :

Rationalité des Illusions : L'étude soutient que les IC ne sont pas de simples échecs de traitement (ex. : traitement « good-enough » ou heuristiques superficielles) mais reflètent une interprétation de phrase bayésienne optimale. Le cerveau du comprehendeur fonctionne correctement en intégrant un signal sensoriel bruité avec des a priori descendants (top-down).
Théorie Unifiée : Les résultats convergent avec les preuves issues d'autres illusions linguistiques et de contextes non illusoires, suggérant que l'inférence par canal bruité est un mécanisme général pour divers phénomènes de traitement du langage.
Avancée Méthodologique : Le travail démontre que les évaluations d'acceptabilité capturent un espace riche du traitement probabiliste des phrases, allant au-delà des jugements de grammaticalité binaires. Il valide l'utilisation de modèles de langage statistiques combinés à des données comportementales pour approximer les processus inférentiels humains.
Distinction de la Théorie « Good-Enough » : Tout en reconnaissant que le traitement « good-enough » (niveau algorithmique) et l'inférence par canal bruité (niveau computationnel) peuvent être compatibles, les auteurs soulignent que la nature graduée des effets d'IC est mieux expliquée par la structure mathématique de l'inférence bayésienne (la distribution de probabilité a posteriori) plutôt que par les seules contraintes sur l'effort cognitif.

Les auteurs restent modestes quant au modèle de bruit spécifique utilisé (basé sur la DLD) et à la dynamique temporelle exacte de l'interprétation, notant que des travaux futurs sont nécessaires pour affiner le terme de vraisemblance du bruit et les fonctions de liaison entre les probabilités a posteriori et les mesures comportementales. Cependant, ils affirment que le résultat central — à savoir que la force graduée de l'illusion suit la probabilité a posteriori quantitative des alternatives plausibles — est une confirmation robuste de la théorie du canal bruité.