S4 — Calcul, raisonnement, abduction

Nous voici à la question qui t'intrigue vraiment, celle qui justifie tout le détour. On a vu le sens devenir géométrie, dans la machine et dans le cerveau ; on a vu qu'on pouvait lire et manipuler cet espace. Reste à savoir ce qu'on peut en attendre. Quand on dispose d'un espace sémantique, qu'est-ce qu'on peut faire avec, vraiment ? Peut-on calculer ? Planifier ? Raisonner ? Et cette forme si particulière d'inférence qu'est l'abduction peircienne — le saut vers la bonne hypothèse — trouve-t-elle sa place dans une géométrie ? Pour répondre, il faut convoquer un vieux philosophe anglais, parce qu'il a posé la question avant tout le monde.

Hobbes : raisonner, c'est calculer

En 1651, dans le Léviathan, Thomas Hobbes écrit une phrase qui sonne comme une provocation et qui s'est révélée prophétique. « Raisonner n'est rien d'autre que calculer. » Pour Hobbes, penser, c'est faire des additions et des soustractions — non pas sur des nombres, mais sur des conceptions, sur des notions générales. Quand tu te représentes un homme, dit-il en substance, tu additionnes les conceptions « corps », « animé », « rationnel », et la somme te donne « homme ». Quand tu retires « rationnel », il reste « animal ». La pensée serait une arithmétique de concepts.

Au dix-septième siècle, c'est une intuition sans machine pour la réaliser, une métaphore philosophique audacieuse. Hobbes n'avait aucun moyen de faire concrètement la somme de « corps » et « animé ». Mais regarde ce qui s'est passé. Au chapitre un, on a vu word2vec faire « roi moins homme plus femme égale reine ». Au chapitre trois, on a vu Anthropic ajouter la feature « Golden Gate » à l'état d'un modèle pour en changer le comportement. L'arithmétique des conceptions de Hobbes, l'addition et la soustraction de notions, est devenue littéralement réalisable. Les embeddings sont des conceptions devenues vecteurs ; les additionner et les soustraire, c'est exactement le programme hobbesien, trois siècles et demi plus tard. Il y a là une coïncidence vertigineuse entre une intuition philosophique et une technique d'ingénierie qui l'ignorait totalement.

Mais — et tout ce chapitre tient dans ce « mais » — réaliser le programme de Hobbes pour quelques analogies ne veut pas dire que toute la pensée se réduit à de l'arithmétique vectorielle. C'est là qu'il faut être précis sur ce que la géométrie sait faire et sur ce qu'elle rate.

Ce que la géométrie fait merveilleusement bien

Commençons par les forces, parce qu'elles sont réelles et souvent sous-estimées. L'espace sémantique excelle à trois choses, et ces trois choses ne sont pas rien.

La première, c'est la similarité. Mesurer à quel point deux idées se ressemblent, retrouver dans une masse de textes ceux qui parlent de la même chose, regrouper des concepts apparentés. C'est ce que fait ta bibliothèque RAG, et elle le fait mieux qu'aucun système à mots-clés ne l'a jamais fait. La similarité de sens est devenue une distance qu'on calcule. Pour tout ce qui est recherche, association, mise en relation, l'espace sémantique est un outil d'une puissance inédite.

La deuxième, c'est l'analogie. On l'a vu : certaines relations conceptuelles sont des directions régulières dans l'espace, et l'analogie devient un déplacement. C'est plus qu'un tour de passe-passe. L'analogie est au cœur de l'intelligence humaine — comprendre le nouveau par le déjà-connu, transférer une structure d'un domaine à un autre. Qu'une part de cette capacité soit réalisable géométriquement est un résultat profond, et c'est ce qui relie directement à la machine de Tolman-Eichenbaum du chapitre deux : faire le même trajet dans deux régions de l'espace, c'est ça, une analogie.

La troisième, c'est une certaine composition. On peut, dans une mesure réelle, combiner des concepts en combinant leurs vecteurs. « Capitale » plus « France » pointe vers « Paris ». Le sens de combinaisons simples émerge de la combinaison des positions. C'est une forme rudimentaire de la combinatoire de la pensée, et elle fonctionne assez bien tant qu'on reste dans le simple.

Ces trois forces — similarité, analogie, composition simple — couvrent une part étonnamment large de ce qu'on demande à l'intelligence au quotidien. Beaucoup de ce qui paraît « réfléchi » dans les réponses d'un modèle repose en réalité sur ces opérations géométriques. Hobbes avait raison sur une moitié du tableau.

Ce que la géométrie rate

Mais l'autre moitié résiste, et il faut la regarder en face, car c'est elle qui fixe les limites de ce qu'on peut attendre.

Premier échec : la négation. La géométrie sémantique gère très mal le « non ». Dans l'espace, « bon » et « mauvais » sont souvent proches, parce qu'ils fréquentent les mêmes contextes — on parle de la qualité d'une chose avec l'un comme avec l'autre. Mais ils sont contraires ! La similarité de distribution les rapproche alors que la logique les oppose. Un système purement géométrique a tendance à confondre une chose et son contraire, parce que la négation n'est pas une direction simple dans l'espace. C'est une faiblesse structurelle, pas un détail.

Deuxième échec : la composition profonde et la structure. La géométrie additionne bien deux ou trois concepts, mais elle peine sur les structures imbriquées, les relations qui dépendent de l'ordre, les portées. « Le chien que le chat a poursuivi » et « le chat que le chien a poursuivi » contiennent les mêmes mots, donc des vecteurs de mots presque identiques, mais disent le contraire. Qui poursuit qui ? La réponse tient à la structure grammaticale, pas au sac de concepts. Une simple addition de vecteurs perd cette information. C'est exactement le point de Dehaene au chapitre deux : l'étage symbolique, combinatoire, qui manipule des structures imbriquées, n'est pas réductible à la géométrie associative.

Troisième échec : le calcul en plusieurs étapes et la logique stricte. L'espace sémantique donne une réponse en un saut, par proximité. Mais beaucoup de problèmes exigent une chaîne d'étapes exactes, où chaque étape doit être juste pour que la suivante le soit — une multiplication, une déduction logique, la planification d'une séquence d'actions. La géométrie, par nature, interpole, approxime, ramène vers le plausible. Or le calcul exact ne tolère pas l'approximation. C'est pourquoi les modèles, si brillants par ailleurs, se trompent sur une multiplication de grands nombres ou perdent le fil d'un raisonnement à dix maillons. La proximité sémantique n'est pas la rigueur logique.

Comment les machines contournent ces limites

Ici intervient une chose remarquable, et qui éclaire ce qu'on peut espérer. Les modèles modernes ne se contentent plus de la géométrie en un saut. Ils ont appris à compenser leurs faiblesses par une astuce qui rejoint, encore une fois, une intuition profonde.

Cette astuce, c'est le raisonnement en chaîne — penser à voix haute, étape par étape, avant de répondre. Quand un modèle déroule un raisonnement, il transforme un problème qui exigerait un calcul exact impossible en géométrie pure, en une suite de petits pas dont chacun, lui, est à la portée de la géométrie. Plutôt que de sauter d'un coup de la question à la réponse, il pose une étape, l'écrit, puis repart de cette étape écrite pour la suivante. Le texte produit devient une mémoire externe, un échafaudage qui supplée à ce que l'espace ne sait pas tenir tout seul. C'est une manière de simuler l'étage symbolique avec les moyens du bord géométriques. Et ça marche : les modèles de raisonnement récents résolvent, par cette méthode, des problèmes que la géométrie en un saut ne touchait pas.

Il y a même une frontière de recherche qui consiste à faire ce raisonnement non plus en mots, mais directement dans l'espace latent — enchaîner des positions dans l'espace sémantique sans repasser par le texte, un « raisonnement continu ». Et, du côté de la planification, les modèles de monde apprennent à se déplacer dans un espace d'états pour anticiper les conséquences d'une action, ce qui est une forme de planification géométrique. Ce sont des pistes ouvertes, encore fragiles, mais elles montrent la direction : on ne remplace pas la géométrie par la logique, on apprend à faire émerger des bribes de logique au-dessus de la géométrie.

L'abduction de Peirce : la place inattendue dans l'espace

Et maintenant, le point qui couronne ta question, parce qu'il relie ta philosophie à toute cette histoire. Charles Sanders Peirce a distingué trois formes d'inférence. La déduction, qui tire le nécessaire de prémisses — si tous les hommes sont mortels et que Socrate est homme, alors Socrate est mortel ; rien de neuf, mais du certain. L'induction, qui généralise à partir de cas — j'ai vu mille corbeaux noirs, je conjecture que tous le sont. Et l'abduction, la plus mystérieuse, la plus créative : face à un fait surprenant, sauter vers l'hypothèse qui, si elle était vraie, rendrait ce fait naturel. Tu trouves la pelouse mouillée au matin ; tu abductes « il a plu cette nuit ». Ce n'est ni certain ni une simple généralisation : c'est un bond vers l'explication plausible.

Peirce était fasciné et troublé par l'abduction, parce qu'elle semble échapper à toute règle. Comment, parmi l'infinité d'hypothèses concevables, l'esprit saisit-il presque toujours, du premier coup, une hypothèse pertinente ? Il parlait d'un « instinct » de deviner juste, presque d'un don, et il y voyait le moteur de toute découverte scientifique. L'abduction est le saut hors du déjà-su, et c'est précisément ce que la déduction et l'induction ne savent pas faire.

Or — et c'est là que l'espace sémantique offre quelque chose que Peirce n'attendait pas — ce saut ressemble étrangement à un déplacement dans un espace de plausibilité. Face à un fait surprenant, trouver l'hypothèse qui le rendrait naturel, c'est chercher, dans l'espace des explications possibles, la région la plus proche, la plus cohérente avec ce qu'on sait. L'espace sémantique est, par construction, une machine à proximité et à plausibilité : il place naturellement près les unes des autres les choses qui « vont ensemble ». L'abduction, comme saut vers le plausible, trouve dans cette géométrie un substrat possible. Quand un modèle, face à un symptôme, propose un diagnostic vraisemblable ; quand il complète un indice fragmentaire par l'explication qui « tient » — il exécute quelque chose qui a la forme d'une abduction, réalisée par la géométrie de son espace. La machine à deviner juste dont rêvait Peirce a peut-être trouvé, dans l'espace sémantique, un mécanisme.

Il faut tenir les deux bouts, sans céder à l'enthousiasme. D'un côté, c'est profond et nouveau : pour la première fois, l'inférence la plus créative, celle qui résistait à toute formalisation logique, reçoit un modèle mécanique plausible — non pas une règle, mais une géométrie de la pertinence. De l'autre, restons lucides : ce que fait la machine est l'abduction privée de ce que Peirce y mettait de plus essentiel, le contrôle. Car Peirce ne s'arrêtait pas au saut. L'abduction n'était pour lui que le premier temps d'une méthode : on devine, puis on déduit les conséquences de l'hypothèse, puis on les met à l'épreuve de l'expérience. Le saut vers le plausible n'a de valeur que soumis ensuite à la vérification. La géométrie fait bien le saut ; elle ne fait pas, à elle seule, le travail de tester, de réfuter, de corriger. C'est le même partage que tout au long de ce module : la géométrie excelle au bond vers le plausible, et reste démunie pour la vérification rigoureuse qui doit le suivre.

Ce qu'on peut vraiment en attendre

Concluons, et donc répondons à ta question. Que peut-on attendre de l'espace sémantique pour la planification, le calcul, le raisonnement, l'abduction ?

Pour la similarité, l'association, la recherche par le sens : énormément, et c'est déjà là, opérationnel, dans tes outils. Pour l'analogie et la composition simple : beaucoup, et c'est ce qui donne aux modèles leur fluidité bluffante. Le programme de Hobbes, l'arithmétique des conceptions, est réalisé pour cette part-là.

Pour le calcul exact, la logique stricte, la planification en longues séquences : peu, par la géométrie seule. Ces capacités ne sortent pas spontanément de l'espace sémantique, qui interpole et approxime là où il faudrait de la rigueur. Elles émergent partiellement, et c'est nouveau, quand on échafaude un raisonnement par étapes au-dessus de la géométrie — le raisonnement en chaîne, les modèles de monde, le calcul latent. Mais c'est un étage qu'on construit laborieusement sur la géométrie, pas une propriété qu'elle offre gratuitement. C'est exactement la tension que Dehaene pointe pour le cerveau humain : la géométrie associative en bas, le symbolique combinatoire en haut, et l'énigme de leur articulation au milieu.

Pour l'abduction enfin, le saut peircien vers la bonne hypothèse : l'espace sémantique offre, de façon inattendue, un mécanisme plausible du saut lui-même — une géométrie de la pertinence où l'hypothèse qui « tient » est la voisine la plus cohérente. C'est peut-être le résultat le plus philosophiquement chargé de toute cette histoire. Mais ce mécanisme ne livre que le premier temps de la méthode peircienne ; il devine, il ne vérifie pas. Et c'est, au fond, la leçon de tout le module. L'espace sémantique est une découverte immense : il a rendu calculable une part du sens qu'on croyait incalculable, réalisé un rêve de Hobbes, donné un corps à une intuition de Peirce, et trouvé un écho dans notre propre cortex. Mais il est une moitié de l'intelligence, la moitié de l'intuition et de la pertinence, qui appelle l'autre moitié, celle de la rigueur et de la preuve. Comprendre cette articulation — entre le bond géométrique et le contrôle logique — c'est peut-être la grande question des années qui viennent, pour les machines comme pour nous.