Can LLMs Perceive Time? An Empirical Investigation
Cette étude empirique démontre que les grands modèles de langage, bien qu'ils possèdent des connaissances propositionnelles sur la durée, sont incapables d'estimer ou de se souvenir de la durée réelle de leurs propres tâches d'inférence, commettant des erreurs systématiques d'un ordre de grandeur qui compromettent leur fiabilité dans les scénarios de planification et d'agents temporels.
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
🕰️ Le Grand Malentendu : Les IA ne savent pas combien de temps elles prennent
Imaginez que vous demandez à un ami très intelligent, mais qui n'a jamais quitté sa chambre, de vous dire combien de temps il lui faudra pour cuisiner un gâteau. Il vous répondrait : "Eh bien, un gâteau prend généralement 45 minutes !"
C'est exactement ce qui se passe avec les Grands Modèles de Langage (IA) comme GPT-5 ou les modèles open-source. Cette étude, présentée à une conférence de recherche, révèle un problème surprenant : les IA ne savent pas combien de temps elles mettent pour réfléchir et répondre.
Voici les quatre expériences clés, racontées avec des analogies :
1. L'Horloge Déconnectée (Estimation avant l'action)
L'expérience : On demande à l'IA : "Combien de temps vas-tu mettre pour écrire ce code ?" Avant qu'elle ne commence.
Le résultat : L'IA est terriblement pessimiste. Elle imagine qu'elle va mettre 4 à 7 fois plus de temps que la réalité.
- L'analogie : C'est comme si vous deviez courir un sprint de 100 mètres, mais que vous prédisiez que cela vous prendra une heure parce que vous avez lu dans un livre que "courir est fatiguant". L'IA confond la difficulté du concept (écrire un algorithme complexe) avec la vitesse de son exécution. Pour elle, une tâche qui prend 5 secondes sur un super-ordinateur lui semble prendre 30 minutes, car elle imagine le temps qu'un humain y passerait.
2. Le Jeu de Comparaison (Qui est plus lent ?)
L'expérience : On donne deux tâches à l'IA et on lui demande : "Laquelle va te prendre le plus de temps ?"
Le résultat : L'IA se trompe souvent, parfois même moins bien que le hasard !
- L'analogie : Imaginez que l'IA doit comparer deux voitures. Elle regarde l'étiquette "Sportive" sur l'une et "Citadine" sur l'autre. Elle devine que la "Sportive" va rouler plus vite (ou prendre plus de temps selon le contexte). Mais en réalité, la "Sportive" a un moteur défectueux et la "Citadine" est neuve. L'IA se fie aux étiquettes (la complexité apparente du texte) plutôt qu'à la réalité mécanique de son propre fonctionnement. Dans l'étude, sur des paires de tâches piégeuses, la meilleure IA (GPT-5) n'a eu raison que 18 % du temps (alors qu'elle aurait dû avoir 50 %).
3. La Mémoire Factice (Après l'action)
L'expérience : L'IA a fini sa tâche. On lui demande : "Combien de temps as-tu mis ?"
Le résultat : Elle invente des chiffres.
- L'analogie : C'est comme si vous aviez mangé un sandwich en 10 secondes, mais que, en regardant en arrière, vous disiez : "Tiens, j'ai dû mettre 40 minutes, c'était un gros sandwich !" L'IA n'a pas de "sentiment du temps" interne. Elle ne ressent pas le temps qui passe pendant qu'elle génère des mots. Elle ne fait que deviner en se basant sur ce qu'elle pense avoir fait.
4. Le Chef d'Orchestre Perdu (Tâches complexes)
L'expérience : On demande à l'IA de faire plusieurs choses à la suite (comme un agent qui utilise des outils, écrit du code, etc.).
Le résultat : Les erreurs s'accumulent. L'IA pense que cela va prendre 5 à 10 fois plus de temps que la réalité.
- L'analogie : Imaginez un chef d'orchestre qui doit diriger un concert. Il dit aux musiciens : "On va jouer pendant 3 heures !" alors que la partition ne dure que 30 minutes. Le chef est si confus sur le temps qu'il ne peut pas gérer les ressources (l'énergie, l'argent, le temps réel) correctement. Si l'IA doit gérer des urgences médicales ou des systèmes critiques, cette erreur de calcul peut être catastrophique.
🧠 Pourquoi est-ce si étrange ?
Le problème vient du fait que les IA sont entraînées sur des livres et des textes, pas sur des horloges.
- Ce qu'elles savent : Elles savent qu'un humain met 10 minutes pour écrire un rapport.
- Ce qu'elles ignorent : Elles ne savent pas que leur "cerveau" numérique (le processeur) peut faire la même chose en 2 secondes. Elles n'ont pas de "corps" qui ressent le temps qui passe. Elles voient des mots (des jetons), pas des secondes.
C'est comme si vous appreniez à conduire en lisant un manuel, mais sans jamais toucher à une voiture. Vous savez que "conduire" est une activité, mais vous ne savez pas à quelle vitesse vous roulez réellement.
🚀 La Leçon à retenir
Si nous voulons utiliser ces IA pour gérer des projets réels, planifier des rendez-vous ou agir dans le monde physique, nous ne pouvons pas leur faire confiance pour dire "combien de temps cela va prendre".
Il faut leur installer une "montre externe" (un système qui leur dit : "Tu as mis 3 secondes, pas 30 minutes !"). Sans cette aide, l'IA restera un génie théorique qui perd complètement la notion du temps réel.
En résumé : Les IA sont comme des romanciers brillants qui peuvent décrire une course de 100 mètres avec des détails poétiques, mais qui, une fois sur la piste, pensent qu'ils vont mettre une heure pour la parcourir. Elles ont besoin d'un coach (nous) pour les aider à voir le chronomètre.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.