Histoire des sciences cognitives : de Macy aux machines

[!NOTE] TL;DR: Les sciences cognitives et l'IA ne sont pas deux histoires parallèles mais une seule, née en 1943, scindée en deux voies rivales vers 1956, puis recousue par le deep learning. Je relis cette généalogie (conférences Macy, révolution cognitive, hivers de l'IA, connectionnisme, LLM) pour en tirer une thèse: nos modèles d'aujourd'hui sont les héritiers directs d'un programme formulé il y a plus de 80 ans.

1943, la triple fondation

Trois publications paraissent en 1943. Personne à l'époque ne salue leur rendez-vous, et pourtant elles disent la même chose: l'esprit est une machine qui traite de l'information. Warren McCulloch et Walter Pitts réduisent le neurone à un opérateur du calcul propositionnel dans "A Logical Calculus of the Ideas Immanent in Nervous Activity" (un article de 1943, paru dans un bulletin de biophysique mathématique, ce qui comme vitrine tient du match de foot joué dans un couloir). Norbert Wiener, Arturo Rosenblueth et Julian Bigelow publient la même année "Behavior, Purpose and Teleology": le comportement orienté vers un but cesse d'être un mystère vitaliste pour devenir une boucle de feedback négatif. Kenneth Craik, lui, propose dans The Nature of Explanation que le cerveau construise des "modèles cérébraux" du monde et simule l'action avant de l'exécuter. Boden en fait sa première date clé, Dupuy le geste fondateur de la "mécanisation de l'esprit".

Ma question directrice tient en une phrase: comment un seul creuset a-t-il pu produire deux traditions ennemies, et laquelle, en 2026, a effectivement gagné? Pour y répondre, il faut descendre dans les archives d'une décennie de réunions semi-privées. J'y suis descendu pendant ma thèse, avec le sentiment de visiter la cave d'un immeuble dont j'habitais le dernier étage.

La parenthèse de Macy, 1946-1953

De 1946 à 1953, la fondation Macy finance dix réunions à New York sous le titre "Circular Causal and Feedback Mechanisms in Biological and Social Systems", rebaptisées "Cybernetics" après le livre de Wiener (1948). Autour de la table: Wiener, McCulloch, von Neumann, Margaret Mead, Gregory Bateson, Claude Shannon, Heinz von Foerster (secrétaire du groupe à partir de 1949), puis Ross Ashby. Le programme commun mélange l'information, le feedback, la circularité causale et l'auto-organisation, appliqués sans hiérarchie aux machines, aux sociétés et au système nerveux. Une seule communauté, donc. Le schisme viendra plus tard, et il n'est pas encore consommé quand la série s'interrompt en 1953.

Le maillon le plus sous-estimé m'a semblé être le neurophysiologiste Rafael Lorente de Nó, membre du noyau dur. Une analyse publiée dans The Neuroscientist par Espinosa-Sánchez, Gómez-Marín et de Castro (2023) rappelle que ses "circuits réverbérants", chaînes fermées de neurones internunciaux décrites avant les conférences, constituaient la première démonstration neurobiologique d'une boucle de feedback dans le système nerveux central. Le cerveau cessait d'être un organe réflexe. Il devient, dans le vocabulaire de la cybernétique, un système auto-entretenu, et cette image nourrira aussi bien McCulloch que les théoriciens de l'auto-organisation.

flowchart TD
    A["1943: neurone formel (McCulloch & Pitts), feedback (Rosenblueth, Wiener, Bigelow), modèles cérébraux (Craik)"] --> B["Conférences Macy 1946-1953: une seule communauté cybernétique"]
    B --> C["Voie symbolique: Logic Theorist 1955, Dartmouth 1956, GOFAI"]
    B --> D["Voie connectionniste: Hebb 1949, Perceptron 1957, Werbos 1974, PDP 1986"]
    C --> E["Hiver de l'IA: Lighthill 1973, effondrement des systèmes experts fin des années 1980"]
    E -. affaiblissement du camp symbolique .-> F
    D --> F["Deep learning: LeCun 1989, ImageNet 2012-2015"]
    F --> G["LLM et agents: le cerveau redevient modèle, 2020s"]

La scission de 1956

La révolution cognitive se joue en trois actes très rapides. Le Hixon Symposium de 1948 pose déjà la question des automates et de la mémoire chez Lashley et von Neumann. Puis vient le 11 septembre 1956: lors d'un symposium au MIT, trois communications sont présentées, à savoir celle de George Miller sur le nombre magique 7 ± 2, celle de Noam Chomsky sur les grammaires génératives, et celle de Newell et Simon sur le Logic Theorist. Boden y reconnaît la date de naissance effective des sciences cognitives. Quelques semaines plus tôt, l'été, le workshop de Dartmouth avait baptisé "artificial intelligence" le programme concurrent. La revue de Chomsky (1959) contre le Verbal Behavior de Skinner achève de discréditer le béhaviorisme, et Neisser donne son nom au domaine en 1967 avec Cognitive Psychology.

Ce que cette génération garde de Macy, c'est la métaphore de l'ordinateur: esprit = logiciel, cerveau = matériel. Ce qu'elle abandonne, c'est la machine elle-même. Dupuy le dit crûment: les sciences cognitives auront "honte de leur héritage cybernétique". La boucle de feedback, le substrat neuronal, l'apprentissage distribué passent la porte de sortie avec Wiener, pendant que le symbole et la règle s'installent au premier étage. Deux voies, deux métaphores:

Les hivers racontés par les vaincus

One spontaneously imagines that the artificial intelligence winters were caused by a lack of computing power. I'll switch back to French, parce que l'anglais ne pardonne pas la digression. Minsky et Papert publient Perceptrons en 1969: leur démonstration mathématique, honnête mais étendue bien au-delà de son périmètre (le Perceptron monocouche), gèle les financements du connectionnisme pour près de vingt ans. Le rapport Lighthill (1973) fait de même au Royaume-Uni pour l'IA symbolique. Puis les systèmes experts s'effondrent à la fin des années 1980, emportant avec eux la génération de promesses non tenues.

La plus belle histoire de l'intelligence (Dehaene, Le Cun et Girardon, 2023) donne de cette période un témoignage de première main, sous forme de dialogue entre le neuroscientifique et le futur prix Nobel... pardon, le futur prix Turing. LeCun y raconte le mépris ambiant des années 1980 envers les réseaux de neurones, et Dehaene ce que les neurosciences pouvaient en attendre. Ce que j'y trouve de plus utile n'est pas l'anecdote, c'est la structure: chaque hiver correspond au triomphe temporaire d'une des deux voies de Macy sur l'autre, jamais à une invalidation scientifique. Le froid est social et budgétaire. Les résultats, eux, attendaient les GPU.

Le retour du refoulé connectionniste

Le connectionnisme n'est pas une nouveauté des années 1980, contrairement à ce que suggère une histoire amputée de ses fondateurs. La chaîne est presque continue: Hebb et sa règle d'apprentissage (1949), le Perceptron de Rosenblatt (1957), la rétropropagation de Werbos (1974, dans une thèse restée confidentielle), les deux volumes PDP de Rumelhart et McClelland (1986), puis les réseaux convolutifs de Le Cun sur les codes postaux (1989). Chaque maillon répare un goulot d'étranglement du précédent: la règle locale, la couche cachée, l'algorithme, l'architecture. Il ne manquait que la donnée et le calcul.

Ils arrivent avec ImageNet. Entre 2010 et 2015, l'erreur top-5 du système gagnant du ILSVRC passe de 28,2 % à 3,57 % (Russakovsky et al., arXiv:1409.0575), franchissant en 2015 le niveau de l'annotateur humain entraîné mesuré par Andrej Karpathy (5,1 %). Je mets ce chiffre devant mes étudiants parce qu'il résume, en une courbe, la revanche d'une voie déclarée morte en 1969.

{
  "type": "bar",
  "data": {
    "labels": ["2010", "2011", "2012", "2013", "2014", "2015"],
    "datasets": [
      { "label": "Erreur top-5 du vainqueur ILSVRC (%)", "data": [28.2, 25.8, 16.4, 11.7, 6.7, 3.57], "backgroundColor": "#3b82f6" },
      { "label": "Annotateur humain (Karpathy)", "data": [5.1, 5.1, 5.1, 5.1, 5.1, 5.1], "backgroundColor": "#ef4444" }
    ]
  },
  "options": {
    "responsive": true,
    "plugins": { "title": { "display": true, "text": "ILSVRC 2010-2015: l'erreur top-5 des gagnants franchit le niveau humain" } },
    "scales": { "y": { "title": { "display": true, "text": "Erreur top-5 (%)" } } }
  }
}

Le tournant incarné, critique interne

Bien que le connectionnisme soit la lignée qui gagne sur le plan empirique, il aurait été trompeur d'en faire la fin de l'histoire. Dès 1991, Varela, Thompson et Rosch publient The Embodied Mind, une critique venue de l'intérieur des sciences cognitives: la cognition n'est ni calcul de symboles ni simple apprentissage statistique, elle est action d'un corps situé dans un environnement. Ce courant (la cognition dite "4E") et le predictive processing qui le prolonge anticipent étonnamment les débats actuels sur le grounding des LLM, ces modèles qui manipulent le langage sans jamais avoir rien touché. Les deux grandes voies héritées de Macy se retrouvent devant le même mur: le monde. C'est, à ma connaissance, la seule objection que l'histoire n'a pas encore démontée.

LLM: le cerveau redevenu instrument

La boucle se referme dans l'autre sens, et c'est là le point que je veux défendre. Les sciences cognitives ont enfanté l'IA; l'IA redevient aujourd'hui un instrument de modélisation du cerveau. Le débat de 2024-2026 sur les LLM comme modèles cognitifs rejoue, à quatre-vingts ans de distance, la question posée à McCulloch. Frank et Goodman (Annual Review of Psychology, 2026) plaident que les modèles actuels, "stimulus computable", peuvent servir de modèles cognitifs évalués par sondes expérimentales. Hagendorff et ses collègues proposent une "machine psychology" dans Science Advances (octobre 2026). Et la synthèse de Hussain, Mata et Wulff décrit un alignement "jagged" entre humains et LLM, variable selon les dimensions.

Le contrepoint existe, et il est sérieux: Futrell et Mahowald soutiennent que les LLM échouent à chacun des trois niveaux de Marr comme modèles cognitifs (arXiv:2601.10421). Je range ce débat dans la même catégorie que la scission de 1956: une bataille de légitimité entre héritiers d'un même testament. Sur le terrain, mes architectures d'agents réutilisent déjà le vocabulaire de la mémoire hippocampique (indexation, consolidation, rappel reconstructif, comme je le détaillais dans la compression du souvenir) sans que personne ne cite Teyler et Discenna. La mémoire des LLM est un problème d'ingénierie traité comme une découverte. Bref, nous bricolons Macy en production.

Ce que ma relecture ne prouve pas

Trois limites, assumées. 1) Ma relecture est rétrospective: lire l'histoire des sciences cognitives comme un fil unique vers les LLM est un choix narratif, conforté par Dupuy mais contesté par les historiens qui insistent sur les contingences. 2) Les données live que j'utilise (les débats 2024-2026) sont encore chaudes; les positions de Frank, Futrell ou Hagendorff bougeront d'ici deux ans, et mon tableau d'héritage symbolique/connectionniste en 2026 est une lecture, pas un fait. 3) Je n'ai pas testé moi-même l'alignement cognitif des LLM; je m'appuie sur les études citées, dont certaines (le 5,1 % de Karpathy) mesurent un annotateur unique et entraîné, pas un humain générique. Cela pourrait être testé facilement en répliquant ses mesures sur des modèles multimodaux actuels.

Zoom final: la discipline qui freine

Plus généralement, une discipline qui ignore ses fondateurs ne gagne pas en dynamisme, elle freine: c'est la thèse que Dupuy oppose à Whitehead, et je la fais mienne après avoir construit, sans le savoir, des systèmes que 1943 avait déjà dessinés. Le deep learning n'est pas une rupture mais la revanche retardée de la voie cybernétique; les LLM ne sont pas une théorie de l'esprit mais le retour de l'analogie esprit-machine comme instrument de recherche. Si cette généalogie te parle, mon offre de services couvre précisément ce point de rencontre entre architectures cognitives et systèmes d'IA en production, ou écris-moi via contact. La suite de la série s'attachera au predictive processing comme troisième voie, après l'architecture reconstructive de la mémoire.

Et si un lecteur de 2070 relisait un jour mes pipelines d'agents comme je relis Macy... eh bien, il trouverait probablement les mêmes réunions, avec un meilleur café et des pertes de gradient en moins!