Langage et IA

L’intelligence artificielle ne parle pas, elle génère.
Dans un monde bouleversé par les modèles de langage comme ChatGPT ou GPT-4, EFL interroge scientifiquement ce que ces IA disent de notre propre langage, de nos structures cognitives… et de leurs limites. Le langage devient à la fois objet d’analyse et outil technique, à la croisée des sciences humaines et de l’informatique.

Pourquoi croiser linguistique et IA aujourd’hui ?

Depuis l’émergence des grands modèles de langage (Large Language Models, ou LLMs), le langage est devenu à la fois une matière première, une interface et une problématique technique pour l’intelligence artificielle. Cette thématique vise à répondre à une double interrogation :

1. Que peuvent nous apprendre les IA sur le langage humain ?

2. Quelles sont les limites linguistiques et cognitives des IA actuelles ?

Il ne s’agit pas seulement d’améliorer les performances techniques des modèles, mais de saisir les enjeux épistémologiques, linguistiques, sociaux et éthiques liés à leur utilisation.

Questionnements scientifiques de la thématique

1. Comprendre le langage à travers les modèles

   • Utiliser les IA comme outils pour explorer des régularités linguistiques (morphologie, syntaxe, sémantique, discours).

   • Tester des hypothèses sur la structuration cognitive du langage en comparant modèles humains et artificiels.

2. Analyser les modèles comme objets linguistiques

   • Étudier la « grammaire » interne des LLMs (ex. GPT-4) et leurs modes d’apprentissage.

   • Interroger leur capacité à gérer la variation, la polyphonie, l’ambiguïté, la pragmatique.

3. Explorer les usages sociaux et applications du langage automatisé

   • IA génératives et inclusion/exclusion linguistique.

   • Impacts des biais de corpus sur les réponses générées.

   • Enjeux de responsabilité, d’interprétabilité et d’appropriation des technologies langagières.

Méthodologies mobilisées

• Linguistique computationnelle : modélisation formelle, extraction de régularités, annotation de corpus.

• Analyse expérimentale comparée : performance humaine vs performance machine sur des tâches linguistiques spécifiques.

• Corpus générés vs naturels : comparaison des structures, des registres, des cohérences.

• Critique des données d’entraînement : diversité linguistique, représentativité, zones d’ombre.

• Interdisciplinarité : croisement linguistique – informatique – philosophie – sociologie.

Applications concrètes et questionnements sociétaux

• Formation : développement d’outils pédagogiques intelligents sensibles à la variation linguistique.

• Éthique et régulation : évaluation critique des usages de LLMs dans des contextes sensibles (éducation, santé, justice).

• Inclusion : exploration de solutions IA pour des publics éloignés du langage standardisé.

• Amélioration des systèmes : intégration des apports linguistiques pour concevoir des IA plus robustes, explicables et justes.

Partenariats et ancrage dans le consortium EFL

• Collaboration avec des équipes spécialisées en linguistique formelle et computationnelle (LLF, LaTTiCe, LIPN).

• Dialogue avec les autres workpackages : diversité linguistique (pour enrichir les données), cognition (pour comparer les modèles de traitement), société (pour interroger les usages).

• Mise en place de plateformes mutualisées de traitement automatique du langage et de corpus générés vs observés.

En résumé

L’IA offre une opportunité unique de repenser le langage comme système, comme pratique et comme technologie. Le projet EFL entend en faire un terrain d’expérimentation critique, pour éclairer à la fois les fondements cognitifs du langage et les contours éthiques de son automatisation.