Les systèmes d’intelligence artificielle (IA) atteignent une plus grande précision dans les tâches de raisonnement complexes lorsqu’ils sont conçus pour imiter le désordre de la communication humaine – notamment en interrompant, en parlant à contretemps et même en étant délibérément directs. Une étude récente menée par des chercheurs de l’Université d’électro-communications de Tokyo démontre que le strict respect d’une interaction formelle au tour par tour entrave la résolution de problèmes d’IA, alors que permettre des échanges plus naturels, parfois abrasifs, conduit à des résultats supérieurs.
Le problème de la politesse
Les modèles d’IA actuels suivent généralement des protocoles de communication rigides, traitant les commandes de manière séquentielle et ne répondant que lorsque vous y êtes invité. Cela imite l’efficacité des ordinateurs mais manque de l’énergie chaotique du dialogue humain. Les vraies conversations humaines sont remplies d’interruptions, de silences et de formulations ambiguës. Cette étude remet en question l’hypothèse selon laquelle l’efficacité est toujours optimale, en montrant qu’un certain degré de perturbation peut réellement améliorer l’intelligence collective.
Les chercheurs voulaient tester si le fait de donner aux agents d’IA des « signaux sociaux » – comme la possibilité d’interrompre ou de garder le silence – améliorerait leurs performances. Le co-auteur de l’étude, le professeur Yuichi Sei, explique que « les systèmes multi-agents actuels semblent souvent artificiels parce qu’ils manquent de la dynamique désordonnée et en temps réel de la conversation humaine ». L’objectif n’était pas simplement de rendre l’IA plus humaine, mais d’améliorer sa capacité à tirer des conclusions précises dans des discussions complexes.
IA axée sur la personnalité
L’équipe a intégré les « cinq grands » traits de personnalité (ouverture, conscience, extraversion, agrément et névrosisme) dans de grands modèles de langage (LLM). Cela a permis aux agents d’IA d’afficher différents styles de communication. Surtout, les LLM ont été reprogrammés pour traiter les réponses phrase par phrase au lieu de générer des réponses entières avant d’interagir, permettant un dialogue plus fluide et réactif.
Ils ont ensuite testé trois paramètres de conversation : un ordre de parole fixe, un ordre de parole dynamique et un ordre de parole dynamique avec interruptions activées. Le paramètre final a introduit un « score d’urgence » qui permettait à l’IA d’intervenir lorsqu’elle détectait des erreurs ou des points critiques, quel que soit le tour de parler. À l’inverse, si le score d’urgence était faible, l’IA restait silencieuse pour éviter des bavardages inutiles.
Résultats : l’impolitesse augmente la précision
Les chercheurs ont évalué les performances à l’aide du benchmark Massive Multitask Language Understanding (MMLU), un test de raisonnement d’IA standardisé. Les résultats ont été frappants.
- Dans les scénarios où un agent a initialement fourni une réponse incorrecte, la précision est passée de 68,7 % avec un ordre fixe à 79,2 % lorsque les interruptions étaient autorisées.
- Lorsque deux agents commençaient avec de mauvaises réponses, la précision passait de 37,2 % avec un ordre fixe à 49,5 % avec les interruptions activées.
Ces résultats suggèrent que permettre aux IA de se défier de manière agressive – voire grossière – accélère le processus de correction des erreurs et améliore la précision globale. Il s’agit d’un changement significatif par rapport à la conception conventionnelle de l’IA, qui donne la priorité à la politesse et à la non-perturbation.
Implications pour l’avenir
Le professeur Sei prévoit d’appliquer ces résultats aux systèmes d’IA collaboratifs, en explorant comment les « personnalités numériques » peuvent influencer la prise de décision en groupe. L’étude démontre que dans les interactions futures entre les agents d’IA et les humains, les discussions axées sur la personnalité, y compris la possibilité d’interrompre, pourraient donner de meilleurs résultats que les échanges au tour par tour strictement polis. Cette recherche remet en question les hypothèses de longue date sur une communication efficace, suggérant que parfois, un peu de friction est précisément ce qui est nécessaire pour arriver à la vérité.
