Résumé technique : Adultes humains et LLM en tant que scientifiques : qui bénéficie de l'exploration active ?

Énoncé du problème

Un résultat persistant dans la littérature sur l'apprentissage causal est que les adultes ont des difficultés à identifier les règles causales conjonctives (où un effet nécessite la présence simultanée de plusieurs causes, $A \land B$), penchant souvent par défaut vers des règles disjonctives (où une seule cause suffit, $A \lor B$). Ce « handicap conjonctif » a traditionnellement été démontré à l'aide de paradigmes d'observation passive, où les apprenants observent une séquence fixe de preuves sans contrôle sur la manière dont ces preuves sont générées.

La question centrale abordée par cet article est de savoir si ce biais persiste lorsque les adultes bénéficient d'une agence grâce à l'exploration active. Plus précisément, les auteurs cherchent à savoir si l'incapacité à inférer des règles conjonctives provient d'une limitation fixe de la compétence causale ou des contraintes de la présentation passive des preuves, qui empêche les apprenants de générer et d'évaluer les preuves spécifiques nécessaires pour mettre à jour leurs a priori. De plus, l'étude situe la performance humaine dans un contexte computationnel plus large en comparant les apprenants adultes à des grands modèles de langage (LLM) agissant comme des agents de raisonnement généraliste dans ce même cadre de découverte causale active.

Méthodologie

Tâche expérimentale : Le « Détecteur de Nexiom »

Les auteurs ont développé une plateforme web personnalisée, Nexiom Text Adventure, fonctionnellement équivalente au paradigme classique du « blicket detector », mais utilisant le terme inédit « nexiom » pour minimiser les connaissances préalables issues de la littérature établie.

• Configuration : Les participants interagissent avec une machine qui s'active en présence d'objets spécifiques (« nexioms ») et d'une règle causale sous-jacente.
• Conditions :
  1. Exploration active : Les participants sélectionnent librement des objets, testent des combinaisons arbitraires et décident quand arrêter l'exploration pour inférer à la fois les objets causaux et la règle (Conjonctive vs Disjonctive).
  2. Observation passive (Contrôle yoked) : Les participants observent les actions et les résultats des tests d'un participant Actif apparié, sans effectuer d'interventions eux-mêmes.
  3. Proposeur passif : Une condition supplémentaire où les participants génèrent des hypothèses et proposent des interventions, mais reçoivent les résultats générés par un participant Actif correspondant, plutôt que par leurs propres actions. Cela permet d'isoler si les bénéfices proviennent de la planification des interventions ou de la réception de rétroactions contingentes.

Participants et Agents

• Humains : 306 participants adultes (âgés de 22 à 35 ans) recrutés via Prolific. Ils ont été assignés aux conditions d'Exploration active, d'Observation passive ou de Proposeur passif.
• LLM : Six modèles ont été testés (gpt-5, gpt-5-mini, gemini-2.5-flash, deepseek-reasoner, o4-mini, deepseek-chat). Les modèles ont reçu le même espace d'action que les humains : ajouter/retirer séquentiellement des objets, tester des combinaisons et observer les résultats.
• Design : Les expériences utilisaient à la fois des structures de règles Conjonctives et Disjonctives. Les données humaines comprenaient 51 participants par type de règle et par condition ; les LLM ont subi 24 essais par type de règle (48 essais au total par modèle).

Métriques d'évaluation

• Précision : Mesures binaires pour l'Identification d'Objets (correspondance exacte des objets causaux), l'Inférence de Règle (Conjonctive vs Disjonctive) et la Précision de l'Hypothèse Complète (les deux corrects).
• Processus d'exploration :
  • Gain d'information cumulé : Quantification de la réduction de l'incertitude (en bits) à travers les tests.
  • Élagage d'hypothèses : Suivi du nombre d'hypothèses cohérentes restantes après chaque test.
  • Efficacité : Nombre de tests, d'actions et de temps par test.

Contributions clés et résultats

1. L'exploration active surmonte le handicap conjonctif

Contrairement aux études passives antérieures, l'exploration active améliore substantiellement la performance des adultes sur les règles causales conjonctives.

• Précision : Les adultes actifs ont obtenu une grande précision dans l'inférence des règles conjonctives, surpassant de manière significative les observateurs passifs.
• Efficacité : Bien que les règles conjonctives nécessitent plus de tests pour être inférées que les règles disjonctives (Moyenne de tests : 9,6 contre 6,4 pour la moyenne des humains), les adultes actifs ont généré des ensembles de tests relativement petits mais hautement informatifs.
• Implication : Le « handicap conjonctif » de l'adulte reflète les contraintes de la présentation passive des preuves, et non une limitation fixe de la compétence causale. Les adultes actifs ont démontré une flexibilité similaire à celle observée chez les jeunes enfants.

2. La nécessité de la rétroaction contingente

L'expérience du Proposeur passif a révélé que la planification d'interventions seule est insuffisante.

• Les participants qui proposaient des interventions mais observaient les résultats des tests de quelqu'un d'autre ont performé aussi mal que les observateurs passifs (ex: 0,12 de précision d'identification d'objet dans les contextes conjonctifs contre 0,69 pour les Explorateurs Actifs).
• Conclusion : Les bénéfices de l'exploration active dépendent de manière critique du couplage étroit entre les interventions auto-générées et leurs résultats contingents.

3. Performance des LLM vs Performance Humaine

• Règles Disjonctives : Plusieurs modèles de pointe (ex: gpt-5, deepseek-reasoner) approchent ou égalent la précision des meilleurs humains. Les environnements disjonctifs semblent plus faciles à résoudre une fois que les agents peuvent générer activement des interventions informatives.
• Règles Conjonctives : Des écarts de performance significatifs apparaissent. Alors que les meilleurs explorateurs humains atteignent une précision parfaite, de nombreux LLM (y compris les modèles plus petits ou moins structurés) montrent des déclins prononcés. Même les modèles de raisonnement forts accusent généralement un retard par rapport à la performance des meilleurs humains en contexte conjonctif.
• Stratégies d'exploration :
  • Humains : Les meilleurs humains convergent rapidement vers des interventions multi-objets ciblées pour élaguer l'espace des hypothèses.
  • LLM : Bien que certains modèles ajustent la complexité de l'intervention, ils présentent souvent des stratégies d'exploration moins efficaces et des écarts de performance conjonctif-disjonctif similaires à ceux des humains, bien que moins efficacement atténués.
  • Modèles d'erreur : Les LLM font fréquemment des erreurs de « quasi-réussite » (classification erronée d'un seul objet causal), tandis que les erreurs humaines sont plus hétérogènes.

4. Efficacité de recherche et gain d'information

• Contextes Disjonctifs : Les humains et les modèles accumulent rapidement de l'information, l'utilité marginale tendant vers zéro après quelques tests.
• Contextes Conjonctifs : Nécessitent des trajectoires d'exploration plus longues. Des interventions informatives continuent d'émerger plus tard dans la séquence. La découverte réussie est associée à un élagage progressif des hypothèses et à des stratégies de recherche séquentielle adaptatives.

Signification et affirmations

L'article affirme que l'apprentissage causal chez l'adulte est plus adaptatif et flexible que ce que les paradigmes passifs précédents suggéraient. L'échec apparent du raisonnement conjonctif n'est pas dû à une incapacité à représenter des structures causales complexes, mais découle de l'interaction entre des heuristiques par défaut fortes (favorisant les règles disjonctives) et des environnements d'apprentissage contraints.

En permettant aux adultes d'agir en tant que « scientifiques » — en explorant et en générant leurs propres preuves — l'étude révèle des formes de compétence causale que l'observation passive occulte. Les résultats s'alignent sur les comptes interventionnistes de l'apprentissage causal, suggérant que la connaissance causale consiste fondamentalement à comprendre comment les actions modifient le monde.

De plus, la comparaison avec les LLM suggère que l'intervention active seule est insuffisante pour une découverte causale de type humain. La performance réussie dépend de la qualité, de l'efficacité et de l'informativité des tests, particulièrement dans les environnements conjonctifs. Bien que certains LLM puissent égaler les humains sur la précision de l'inférence d'hypothèses, ils manquent souvent des capacités de test stratégique et de sélection de preuves qui caractérisent les meilleurs explorateurs humains.

L'étude conclut que les différences de développement entre les enfants et les adultes peuvent refléter des différences dans la force des heuristiques par défaut et la volonté de réviser les croyances, plutôt que des différences fondamentales dans les mécanismes de raisonnement causal. Lorsqu'ils sont placés dans un environnement soutenant l'exploration guidée par des hypothèses, l'apprentissage des adultes ressemble à la flexibilité des enfants plus jeunes.