💻 computer science

Data-Environment Coverage and the Path from Narrow to General AI:A Cyber-Physical-Social-ThinkingSurvey

Cet article soutient que les limites persistantes de l'IA actuelle en matière de raisonnement causal, de cognition sociale et de composition symbolique découlent d'un manque d'environnements de données diversifiés plutôt que d'une échelle insuffisante, démontrant à travers une enquête sur quatre-vingts systèmes que l'intégration de signaux physiques, sociaux et de l'espace de la pensée est essentielle pour passer de la reconnaissance de formes étroite à l'intelligence générale.

Auteurs originaux : yi peng, Huansheng Ning, Jianguo Ding

Publié 2026-08-07

📖 9 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : yi peng, Huansheng Ning, Jianguo Ding

Article original sous licence CC BY 4.0 (https://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

Imaginez que vous essayez d'apprendre à un robot à comprendre le monde. Depuis une décennie, les plus grandes percées de l'intelligence artificielle (IA) sont venues du fait de nourrir ces robots avec des quantités massives d'informations numériques : textes, images, code et vidéos. C'est comme donner à un étudiant une bibliothèque infinie de livres sur l'océan. Il peut mémoriser chaque fait sur les marées, les poissons et les tempêtes, et il peut écrire de magnifiques essais sur la mer. Mais si vous lui demandez de nager réellement, de ressentir l'eau froide ou de naviguer dans un courant qu'il n'a jamais vu, il pourrait s'enfonter. C'est l'état actuel de l'« IA étroite » : des systèmes qui sont brillants pour traiter des données numériques mais qui peinent avec les choses désordonnées du monde réel, comme la cause et l'effet, la compréhension des intentions humaines ou le raisonnement logique qui nécessite plus que la simple reconnaissance de formes. Les scientifiques appellent l'objectif de construire une machine capable de tout cela l'« Intelligence Artificielle Générale » (IAG). La grande question que tout le monde se pose est la suivante : pourquoi ne l'avons-nous pas encore construite ? Est-ce parce que nos ordinateurs ne sont pas assez grands, ou y a-t-il quelque chose qui manque dans la façon dont nous enseignons à ces machines ?

Ce document, écrit par les chercheurs Yi Peng, Huansheng Ning et Jianguo Ding, soutient que le problème n'est pas la taille de l'ordinateur ou la quantité de données dont nous disposons. Au contraire, le problème est l'origine de ces données. Les auteurs suggèrent que l'IA actuelle est coincée dans une bulle « uniquement cybernétique », apprenant uniquement à partir de registres numériques. Pour devenir véritablement intelligente, ils soutiennent que l'IA doit sortir de la bibliothèque et entrer dans le monde réel. Ils proposent une nouvelle façon d'envisager l'apprentissage de l'IA appelée le cadre « CPST », qui signifie Cyber-Physique-Social-Pensée. Voyez cela comme une carte quadridimensionnelle de la réalité :

Cyber : Le monde numérique du texte, du code et des fichiers (où vit l'IA actuelle).
Physique : Le monde des objets, de la gravité et de la cause à effet (où vous pouvez pousser une tasse et la voir tomber).
Social : Le monde des sentiments, des intentions et des règles humaines (où vous devez deviner ce que quelqu'un d'autre pense).
Pensée : Le monde de la logique stricte, des mathématiques et des symboles structurés (où vous pouvez prouver un théorème).
Le document suggère que pour passer d'une « calculatrice intelligente » à une « intelligence générale », une IA doit boucler la boucle dans ces quatre mondes, et pas seulement dans le monde numérique.

La Grande Bulle de Données

Les chercheurs ont examiné quatre-vingts systèmes d'IA différents, allant des premiers classificateurs d'images aux robots et agents conversationnels les plus avancés d'aujourd'hui. Ils ont classé ces systèmes en fonction du nombre de ces quatre « mondes » (Cyber, Physique, Social, Pensée) avec lesquels ils interagissent réellement dans une « boucle fermée ». Une boucle fermée signifie que le système ne se contente pas de lire des données ; il agit sur le monde, observe le résultat et apprend de celui-ci.

Voici ce qu'ils ont trouvé, et c'est un peu un choc pour ceux qui prônent le « plus gros est mieux » : aucun système d'IA unique dans leur liste de quatre-vingts n'a réussi à boucler des cycles dans plus de deux de ces mondes.

Les systèmes les plus avancés qui sont purement numériques (uniquement Cyber) atteignent un plafond dur. Ils sont incroyables pour reconnaître des motifs dans les données qu'ils ont vues, mais ils échouent lamentablement dans les tâches qui nécessitent une compréhension du monde réel. Par exemple :

Raisonnement causal : Si vous montrez une vidéo d'un robot empilant des blocs, une IA uniquement numérique pourrait deviner le mouvement suivant. Mais si vous lui demandez : « Que se passerait-il si je retirais le bloc du bas ? » (une question contrefactuelle), elle se trompe souvent. Elle n'a pas ressenti la gravité ou poussé les blocs, elle ne comprend donc pas vraiment la physique.
Cognition sociale : L'IA actuelle peut imiter la conversation humaine, mais elle a du mal à comprendre ce qu'une personne pense si celle-ci cache ses véritables sentiments. C'est comme jouer au poker où vous pouvez lire les cartes mais ne pouvez pas lire le visage ou le langage corporel du joueur.
Raisonnement logique : Bien que l'IA puisse résoudre des problèmes mathématiques en devinant des motifs, elle échoue souvent lorsqu'on lui demande de suivre un chemin logique strict, étape par étape, qui nécessite de vérifier son propre travail par rapport à un ensemble de règles.

Le document exclut explicitement l'idée que le simple fait de rendre l'IA plus grande (en ajoutant plus de paramètres ou en l'entraînant sur plus de textes) réglera ces problèmes. Ils soulignent que même les modèles les plus grands et les plus puissants sont toujours coincés dans la zone « Cyber ». Ils sont comme un chef qui a lu tous les livres de cuisine du monde, mais qui n'a jamais touché un fourneau ni goûté un plat. Aucune lecture ne lui apprendra à cuisiner un repas parfait s'il ne se salit jamais les mains.

Les Ingrédients Manquants

Les auteurs utilisent une analogie habile pour expliquer pourquoi l'approche « uniquement Cyber » échoue. Ils disent que chacun des quatre mondes fournit un type de « signal » unique que les autres ne peuvent tout simplement pas produire.

Pour apprendre la causalité (la cause et l'effet), vous avez besoin de données Physiques. Vous devez réellement faire quelque chose et voir ce qui se passe. Vous ne pouvez pas apprendre cela simplement en lisant un livre sur la physique.
Pour apprendre l'intelligence sociale (comprendre les gens), vous avez besoin de données Sociales. Vous devez interagir avec de vrais humains, observer leurs réactions et ajuster votre comportement. Vous ne pouvez pas apprendre cela simplement en lisant des journaux de discussion.
Pour apprendre la logique complexe, vous avez besoin de données de Pensée. Vous avez besoin d'un système structuré de symboles et de règles que vous pouvez interroger et modifier, et non d'un tas de textes.

Le document présente des preuves solides pour cela. Ils ont comparé des systèmes d'IA identiques à tous les égards, à l'exception des données qui leur ont été injectées.

Lorsqu'un robot a été entraîné uniquement sur des vidéos d'autres robots en mouvement, il ne pouvait pas planifier ses propres mouvements. Mais lorsque ce même robot a été entraîné sur de vraies vidéos de lui-même en train d'interagir avec des objets, il a soudainement appris à planifier et à manipuler des choses qu'il n'avait jamais vues auparavant.
De même, une IA de résolution mathématique qui n'était qu'un modèle de langage obtenait presque zéro réponse correcte. Mais lorsqu'ils ont connecté ce même modèle de langage à un moteur de logique strict (un outil de « Pensée »), ses performances ont grimpé en flèche.

Les données montrent un schéma clair : les systèmes qui interagissent avec un seul monde supplémentaire (comme le Physique ou la Pensée) sont beaucoup plus susceptibles d'atteindre un niveau de capacité supérieur. Mais le « Saint Graal » de l'IAG — où un système peut gérer les quatre mondes à la fois — reste vide. Dans leur étude de quatre-vingts systèmes, zéro système n'a réussi à boucler des cycles dans trois mondes ou plus. Toute la région de la carte où une véritable « Intelligence Générale » devrait se trouver est actuellement une ville fantôme.

La Feuille de Route vers l'Intelligence Générale

Alors, où allons-nous à partir de là ? Les auteurs ne se contentent pas de pointer le problème ; ils proposent une feuille de route en trois étapes pour le résoudre.

Alignement Sémantique : Nous devons apprendre à l'IA à traduire entre ces différents mondes. Actuellement, une IA peut comprendre une lecture de capteur physique, mais ne pas savoir comment cela se connecte à une règle sociale ou à un fait logique. Nous devons construire des ponts pour que l'IA puisse dire : « Le robot a heurté la tasse (Physique), ce qui a rendu l'humain en colère (Social), donc je devrais m'excuser (Pensée) ».
Modèles de Monde Unifiés : Nous devons construire un « cerveau » unique capable de contenir tous ces différents types d'informations à la fois. Au lieu d'avoir un cerveau pour la physique, un autre pour les règles sociales et un autre pour les mathématiques, nous avons besoin d'un système capable de tout jongler simultanément.
Gouvernance : À mesure que l'IA commence à interagir avec le monde réel (Physique) et les vraies personnes (Social), nous avons besoin de nouvelles règles de sécurité. Nous ne pouvons pas nous contenter de vérifier le code ; nous devons nous assurer que l'IA comprend les conséquences de ses actions dans le monde réel.

Le document conclut par une prédiction audacieuse : le chemin vers l'IAG ne consiste pas à construire des ordinateurs plus grands ou à extraire plus de textes d'Internet. Il s'agit de construire des robots qui peuvent toucher, ressentir et interagir avec le monde physique ; de créer des systèmes qui peuvent véritablement converser et négocier avec les humains ; et de concevoir des outils qui peuvent raisonner avec une logique stricte. Tant que les systèmes d'IA ne pourront pas sortir de la bibliothèque numérique pour entrer dans la réalité complexe et désordonnée du Cyber-Physique-Social-Pensée, ils resteront des étudiants brillants mais limités, incapables d'obtenir leur diplôme au niveau d'une véritable intelligence générale.

Les auteurs précisent avec prudence qu'il s'agit d'une hypothèse soutenue par des preuves solides, mais pas encore d'une loi prouvée. Ils suggèrent que si une IA purement numérique résolvait soudainement tous ces problèmes sans jamais toucher le monde réel, leur théorie serait fausse. Mais jusqu'à présent, les preuves pointent toutes dans une seule direction : pour construire une intelligence générale, nous devons cesser de traiter le monde comme un ensemble de données et commencer à le traiter comme un terrain de jeu.

Résumé Technique : Couverture de l'Environnement de Données et le Passage de l'IA Étroite à l'IA Générale

1. Énoncé du Problème

Les systèmes d'intelligence artificielle actuels, malgré une croissance rapide de l'échelle des modèles et de la puissance de calcul d'entraînement, présentent des plafonds de capacité persistants dans trois domaines critiques : le raisonnement causal (planification et inférence contrefactuelle), la cognition sociale (théorie de l'esprit et attribution d'intention) et le raisonnement symbolique compositionnel.

L'article soutient que ces limitations ne sont pas des artefacts d'architectures, de modalités ou de régimes d'entraînement spécifiques, mais plutôt des défaillances de l'environnement de données. Les systèmes actuels tirent leurs signaux d'entraînement presque exclusivement de l'espace « Cyber » (enregistrements numériques statiques tels que le texte, le code et les images). Les auteurs postulent que les signaux requis pour une intelligence générale n'existent que dans des environnements avec lesquels les systèmes actuels ne s'engagent que superficiellement ou pas du tout : l'espace Physique (données interventionnelles), l'espace Social (données intentionnelles) et l'espace de la Pensée (données symboliques structurées). La thèse centrale est que la transition de l'Intelligence Artificielle Étroite (IAE) vers l'Intelligence Artificielle Générale (IAG) nécessite d'étendre la couverture de l'environnement de données d'un mode « Cyber uniquement » vers un engagement en boucle fermée multi-espaces.

2. Méthodologie

L'article emploie un cadre Cyber-Physique-Social-Pensée (CPST), réinterprété comme une taxonomie des environnements de données de l'IA, pour analyser 80 systèmes d'IA.

2.1 Le Cadre CPST et les Critères Opérationnels

Les auteurs définissent quatre espaces interagissant :

Cyber (C) : Information numérique et calcul (motifs de cooccurrence statistique).
Physique (P) : Objets matériels et dynamique (données interventionnelles, $P(Y|do(X))$).
Social (S) : Relations et institutions (signaux intentionnels, états mentaux).
Pensée (T) : Cognition formalisée (données symboliques structurées, règles logiques).

Pour déterminer si un système s'engage réellement dans un espace, l'article introduit un critère d'engagement en boucle fermée. Un système $A$ opère en boucle fermée avec l'espace $X$ si trois conditions sont satisfaites simultanément lors de l'opération :

Perception ( $P_X$ ) : Acquisition continue de signaux provenant de $X$ .
Action ( $A_X$ ) : Les sorties de $A$ modifient l'état de $X$ .
Feedback ( $F_X$ ) : Les changements dans $X$ sont observés par $A$ .

Les systèmes échouant à l'une de ces conditions restent en mode « C-seul » concernant cet espace, même s'ils traitent des données provenant de celui-ci.

2.2 Métriques : Couverture ( $K$ ) et Capacité ( $L$ )

Couverture ( $K$ ) : Un compte entier d'engagements en boucle fermée. $K=1$ (C-seul), $K=2$ (C + un espace non-cyber), $K=3$ (C + deux espaces), $K=4$ (CPST complet).
Capacité ( $L$ ) : Une échelle ordinale de maturité comportementale, ancrée à des résultats de benchmarks observables :
- $L0$ : Niveau humain sur un benchmark unique.
- $L1$ : Transfert inter-tâches au sein d'une seule modalité.
- $L2$ : Succès dans la planification multi-étapes, le raisonnement contrefactuel ou les tests de théorie de l'esprit à asymétrie d'information.
- $L3$ : Auto-amélioration sans réentraînement externe.

2.3 Analyse Empirique

Les auteurs ont passé au crible un corpus de 80 systèmes d'IA (allant des premiers CNN aux robots VLA modernes et agents sociaux) et les ont cartographiés dans l'espace $(K, L)$ . L'analyse comprend :

Contrastes Contrôlés : Comparaison de systèmes ayant des architectures identiques mais des environnements de données différents (ex: V-JEPA 2 avec ou sans données d'interaction robotique ; AlphaGeometry avec ou sans couplage symbolique).
Tests Statistiques : Utilisation du test exact de Fisher pour évaluer l'association entre la couverture et la capacité.
Diagnostics de Domaine : Application du cadre aux domaines « Smart City » et « Internet Industriel » pour identifier les contraintes limitantes.

3. Principales Contributions

Cadre CPST Opérationnel : L'article ajoute une couche opérationnelle à l'ontologie CPST existante, définissant un axe de couverture dénombrable ( $K$ ) et un axe de capacité indépendant ( $L$ ). Cela transforme les arguments qualitatifs sur l'« incarnation » ou l'« ancrage » en observations empiriques falsifiables.
La Découverte de la « Région Vide » : L'étude révèle que la région multi-espaces en boucle fermée ( $K \ge 3$ ) est vide parmi les 80 systèmes étudiés. Aucun système actuel ne ferme réellement les boucles dans trois espaces ou plus.
Le Plafond du « Cyber-seul » : L'étude établit qu'aucun système cyber-seul ( $K=1$ ) n'a atteint le niveau de capacité $L2$ (planification fiable et raisonnement contrefactuel), quelle que soit l'architecture ou l'échelle.
Preuve Causale via des Contrastes Contrôlés : Deux contrastes spécifiques sur des architectures identiques apportent un poids causal à la thèse de l'environnement de données :
- Physique : V-JEPA 2 acquiert des capacités de planification de manipulation uniquement après un post-entraînement sur des données d'interaction robotique réelle.
- Pensée : AlphaGeometry atteint un niveau Olympiades en géométrie uniquement lorsqu'un proposeur neuronal est couplé à un moteur de déduction symbolique ; aucun des deux composants n'y parvient seul.
Association Statistique : Une association statistique significative ( $p \approx 1,23 \times 10^{-6}$ ) est trouvée entre le fait de fermer une boucle non-cyber ( $K=2$ ) et l'atteinte du niveau $L1,5$ ou supérieur. 28 des 48 systèmes $K=2$ ont atteint ce palier, contre seulement 2 des 32 systèmes $K=1$ .
Diagnostics de Domaine : Le cadre identifie des contraintes spécifiques dans les applications réelles :
- Smart Cities : Entravées par une intégration superficielle des espaces Social (S) et Pensée (T) avec des données Physiques (P) riches.
- Internet Industriel : Entravé par l'absence quasi totale de données Sociales (S) (connaissances tacites des opérateurs, dynamiques de confiance), malgré des données P et T riches.

4. Résultats et Constats

Plafonds de Capacité : L'IA actuelle échoue aux benchmarks exigeant le raisonnement causal (IntPhys 2, CausalVQA), la cognition sociale (FANToM, ExploreToM) et le raisonnement abstrait (ARC-AGI-3). Ces lacunes persistent malgré le passage à l'échelle.
Rareté des Données : L'article note que les données textuelles de haute qualité générées par l'humain (données Cyber) devraient être épuisées à la fin des années 2020, et que les données synthétiques ne peuvent introduire de types de signaux absents des données d'entraînement du générateur.
La Voie vers l'IAG : Les données suggèrent que le passage à l'échelle au sein d'un seul espace (Cyber) atteint un plafond. La transition vers $L2$ et au-delà nécessite l'ajout de boucles fermées non-cyber.
Le Phénomène du « Contact Superficiel » : Les systèmes qui touchent un troisième espace (ex: un robot avec une recherche symbolique) mais le font via des canaux unidirectionnels ou en lecture seule ne gagnent pas les bénéfices de capacité d'une boucle fermée complète ; ils restent effectivement à $K=2$ .

5. Signification et Feuille de Route

L'article affirme que sa portée réside dans le déplacement de l'attention de la recherche de la mise à l'échelle des paramètres vers l'expansion de l'environnement de données. Il soutient que l'IAG est limitée par la capacité à fermer des boucles dans les espaces Physique, Social et de la Pensée, et non simplement par l'augmentation du calcul.

Les auteurs proposent une feuille de route à trois voies pour étendre la couverture CPST de l'intelligence étroite à l'intelligence générale :

Alignement Sémantique Inter-Espaces : Développer des méthodes pour aligner les structures causales (physiques), intentionnelles (sociales) et logiques (pensée), qui opèrent actuellement de manière isolée.
Construction de Modèles de Monde Unifiés : Créer des architectures capables d'héberger des entités dotées de règles de mise à jour hétérogènes (dynamiques continues, logique intentionnelle, composition discrète) sans les faire s'effondrer.
Gouvernance Proportionnelle à la Couverture : Passer des audits externes à des contraintes internes qui tiennent compte des interactions entre les contextes physiques, sociaux et de connaissance.

Projection Future : L'article postule qu'une Intelligence Artificielle Superieure (IAS) serait un système qui, ayant atteint $K=4$ et $L3$ , peut déployer de manière autonome de nouveaux capteurs ou protocoles pour étendre davantage son propre environnement de données, créant ainsi un environnement qualitativement plus riche que celui construit par les humains.

Limites et Falsifiabilité : Les auteurs déclarent explicitement que l'affirmation selon laquelle $K=4$ est nécessaire pour l'IAG est une conjecture, car aucun système $K=3$ ou $K=4$ n'existe encore. La revendication causale pour l'espace Social est actuellement soutenue uniquement par une preuve d'existence (CICERO) et une expérience proposée (agent à architecture identique avec ou sans boucles humaines réelles) qui n'a pas encore été menée. Le cadre est falsifiable : un système cyber-seul ( $K=1$ ) atteignant un niveau humain sur les benchmarks de la théorie de l'esprit et du raisonnement contrefactuel réfuterait la thèse centrale.