A Computational Implementation of a Goal-Directed Theory of Affect

Les êtres humains naviguent constamment dans un monde d'objectifs, du simple désir de rattraper un bus à l'ambition complexe de bâtir une carrière. Depuis des décennies, les scientifiques tentent de comprendre le moteur invisible qui alimente ces poursuites : l'émotion. Dans le domaine de l'informatique affective, les chercheurs construisent des programmes informatiques capables de reconnaître ou de simuler des sentiments, espérant créer des machines qui interagissent plus naturellement avec les humains. Cependant, une tension de longue date tourmente ce travail. De nombreux modèles existants traitent les émotions comme une étiquette finale apposée sur une situation après coup, comme un timbre sur une lettre. D'autres s'appuient sur des signaux de données brutes qui manquent d'une connexion profonde avec la psychologie humaine. Le résultat est souvent une « boîte noire » où un ordinateur produit un sentiment sans explication claire et étape par étape de la manière dont ce sentiment est réellement né des processus internes de la machine.

Une nouvelle étude présentée lors de la Conférence internationale 2026 sur l'informatique affective et l'interaction intelligente cherche à résoudre cela en construisant un modèle informatique basé sur une idée psychologique spécifique appelée la Théorie de la Direction vers un But (Goal-Directed Theory). Cette théorie suggère que l'émotion n'est pas un événement séparé qui se produit après la pensée, mais un sous-produit fonctionnel de l'acte même de tenter d'accomplir quelque chose. Elle propose que nos sentiments émergent continuellement à mesure que nous détectons l'écart entre là où nous sommes et là où nous voulons être, et à mesure que nous évaluons nos chances de combler cet écart. Les chercheurs, dirigés par Bernhard Hilpert et son équipe, ont traduit cette théorie en une simulation informatique de haute fidélité. Leur travail démontre que des schémas émotionnels complexes, tels que l'espoir croissant de l'anticipation ou la chute soudaine de l'échec, peuvent émerger naturellement d'interactions mécaniques simples, sans nécessiter de modules dédiés spéciaux pour les générer.

Pour tester cette idée, l'équipe a créé un agent numérique et l'a placé dans deux environnements simples et contrôlés. Le premier était un jeu de dés virtuel. Dans ce scénario, l'agent avait un objectif clair : obtenir un six. Les chercheurs ont programmé l'agent pour calculer ses sentiments en fonction de deux facteurs principaux. Premièrement, l'agent mesurait la distance entre son état actuel et son objectif. S'il était loin, il enregistrait un sentiment négatif proportionnel à cette distance. Deuxièmement, l'agent considérait ses attentes. Si l'agent savait qu'il avait une chance de lancer le dé, il calculait la probabilité de succès. La simulation a montré qu'avant même que le dé ne soit lancé, la simple présence d'une action viable créait un subtil « ascendant » dans l'état émotionnel de l'agent. Cet ascendant se produisait parce que l'agent avait une voie de progression, même si l'issue restait incertaine. Lorsque l'agent lançait enfin le dé, le sentiment changeait instantanément. S'il atteignait la cible, l'écart disparaissait et le sentiment culminait en un pic positif aigu. S'il échouait, le sentiment retombait vers une base négative.

Les chercheurs ont ensuite introduit un second défi, plus complexe : un couloir virtuel. Ici, l'agent devait marcher pas à pas vers la fin d'un couloir. En chemin, il y avait une petite chance de tomber dans un piège à chaque étape. Cette configuration a permis à l'équipe de voir comment les sentiments évoluaient au fil du temps à mesure que l'agent se rapprochait de son but. Ils ont fait tourner la simulation avec différents types d'agents. Certains étaient « de l'aveugle », signifiant qu'ils ne réalisaient pas qu'il y avait un piège et supposaient qu'ils atteindraient la fin avec certitude. D'autres étaient « précis », signifiant qu'ils connaissaient la probabilité exacte de tomber dans un piège à chaque étape. Les résultats ont révélé une interaction fascinante entre le progrès et l'attente. À mesure que l'agent précis avançait, son sentiment d'espoir grandissait non seulement parce qu'il était physiquement plus proche de la ligne d'arrivée, mais aussi parce que le risque cumulé de tomber dans un piège diminuait à chaque pas sûr. Cela créait une montée non linéaire du sentiment positif, un « ascendant » qui devenait plus fort à mesure que l'agent se rapprochait du succès.

En revanche, l'agent aveugle, qui ne percevait pas le changement de risque, présentait une ligne émotionnelle plate jusqu'à la toute fin. Cela a mis en évidence une découverte clé de l'étude : la forme spécifique d'une expérience émotionnelle dépend entièrement de la manière dont l'agent traite son environnement et ses chances de succès. Les simulations ont également capturé la mécanique de l'échec. Lorsque l'agent précis tombait finalement dans un piège, il expérimentait un « crash ». Ce n'était pas seulement un retour à un état négatif ; c'était une chute soudaine et brutale causée par deux phénomènes se produisant simultanément. Le progrès de l'agent vers le but s'évanouissait, et son attente de succès futur tombait instantanément à zéro. Dans les versions plus simples et binaires des tâches, où l'agent réussissait ou échouait sans milieu, le sentiment d'échec était moins dramatique mais tout de même distinct, piloté par la perte totale de tout espoir restant.

La portée de ce travail réside dans sa transparence. Contraق aux modèles précédents qui pourraient utiliser des règles complexes et cachées pour décider quand un agent est heureux ou triste, ce nouveau cadre est entièrement construit sur la mécanique visible de la poursuite d'un but. Chaque résultat émotionnel dans la simulation est un calcul direct de l'écart entre la réalité et un résultat souhaité, combiné à la probabilité de combler cet écart. Les chercheurs ont découvert qu'ils n'avaient pas besoin de programmer un module séparé pour l'« espoir » ou la « peur ». Au lieu de cela, ces profils émotionnels complexes émergeaient automatiquement de la mathématique de base de la divergence et de l'attente. Cela suggère que le sentiment d'anticipation n'est pas un ajout mystérieux au comportement humain, mais une conséquence naturelle du fait d'avoir un but et un plan pour l'atteindre.

Bien que l'étude soit actuellement limitée à des simulations informatiques et ne fasse pas encore intervenir de participants humains, elle établit un nouvel outil puissant pour le domaine. Les auteurs décrivent leur modèle comme un « laboratoire computationnel » où différentes théories psychologiques peuvent être testées et affinées. En veillant à ce que chaque partie du code informatique corresponde directement à un concept de la psychologie humaine, les chercheurs ont créé un système qui est entièrement inspectable. Cela permet aux scientifiques de prédire comment un agent devrait se sentir dans une situation spécifique avant même de le tester sur une personne réelle. Ce travail éloigne le domaine du traitement des émotions comme des heuristiques de type « boîte noire » pour l'orienter vers une compréhension granulaire et mécanique, où les sentiments sont vus comme des parties intégrantes du processus d'action dans le monde. Il offre une voie claire pour construire des machines qui ne font pas que mimer l'émotion humaine, mais qui la génèrent à travers les mêmes processus fondamentaux qui dirigent le comportement humain.