# For the First Time, AI Analyzes Language as Well as a Human Expert **Date de l'événement :** 14/12/2025 * Publié le 14/12/2025 ## Notre decryptage Résumé Longtemps considérée comme le propre de l'Homme, la capacité à raisonner sur le langage était jugée hors de portée des machines. Une étude récente de l'Université de Californie à Berkeley bouleverse cette certitude : le modèle o1 d'OpenAI parvient à analyser des structures linguistiques complexes avec la finesse d'un expert humain. En maîtrisant la récursivité et l'ambiguïté, l'IA dépasse la simple imitation pour toucher aux mécanismes fondamentaux de la créativité linguistique. Article complet Depuis Aristote, le langage est perçu comme la frontière ultime séparant l'humanité du règne animal et, par extension, de la machine. Si les modèles de langage comme ChatGPT savent imiter la parole humaine, possèdent-ils pour autant la compréhension structurelle nécessaire à la véritable créativité ? Jusqu'à récemment, des linguistes éminents comme Noam Chomsky affirmaient que non, arguant que ces systèmes ne faisaient que brasser des mégadonnées sans réelle capacité de raisonnement. Pour eux, l'IA pouvait utiliser la langue, mais pas l'analyser ni en saisir la sophistication intrinsèque. Cette vision est aujourd'hui remise en cause par des travaux menés par Gašper Beguš, linguiste à l'Université de Californie à Berkeley. Accompagné de son équipe, il a soumis plusieurs grands modèles de langage (LLM) à une batterie de tests rigoureux. L'objectif était de voir si une IA pouvait non seulement parler, mais comprendre la mécanique créative du langage, comme le ferait un doctorant en linguistique : diagrammes de phrases, résolution d'ambiguïtés et généralisation de règles à partir de langues inventées. Le résultat est frappant. Si la plupart des modèles ont échoué, le modèle o1 d'OpenAI a démontré des capacités métalinguistiques inattendues. Il ne s'est pas contenté de prédire le mot suivant ; il a fait preuve d'une capacité à penser le langage. Pour valider cette prouesse, les chercheurs ont dû s'assurer que l'IA ne recrachait pas des manuels de linguistique appris par cœur. Ils ont donc conçu des tests originaux. L'un des piliers de cette évaluation reposait sur la récursivité, souvent citée comme le moteur de la créativité humaine. C'est ce mécanisme qui nous permet de générer une infinité de phrases à partir d'un vocabulaire fini, en imbriquant des idées les unes dans les autres (comme dans la phrase : "Marie se demandait si Sam savait que Omar avait entendu que..."). Le modèle o1 a réussi à décortiquer des structures récursives complexes, notamment celles utilisant l'encastrement central, une forme particulièrement difficile à maîtriser. Face à une phrase alambiquée sur l'astronomie et l'astrologie, l'IA a non seulement tracé l'arbre syntaxique correct, mais elle a su complexifier la phrase en ajoutant une nouvelle couche de récursivité, prouvant ainsi sa maîtrise des règles de construction. Au-delà de la syntaxe, la créativité repose sur la gestion du sens et de ses nuances. L'ambiguïté est un terrain glissant pour les machines, qui manquent souvent du sens commun nécessaire pour trancher. Pourtant, face à des phrases à double sens, le modèle o1 a su produire deux analyses syntaxiques distinctes, capturant les différentes interprétations possibles avec une précision humaine. L'expérience a été poussée jusqu'à la phonologie, l'étude des sons. Les chercheurs ont inventé de toutes pièces trente mini-langues imaginaires, avec leurs propres règles sonores. Sans aucune connaissance préalable, l'IA a dû déduire les lois régissant ces nouveaux idiomes. Là encore, le modèle a identifié correctement des règles phonétiques complexes, comme la transformation d'une voyelle en présence de certaines consonnes, démontrant une capacité d'abstraction et d'apprentissage inédite. Ces résultats marquent un tournant. Ils suggèrent que les modèles d'IA commencent à acquérir une compétence "métalinguistique" : la faculté de réfléchir sur le code même de la communication. David Mortensen, linguiste computationnel à l'Université Carnegie Mellon, souligne que ces travaux invalident l'idée selon laquelle les LLM ne font que du traitement de surface. Si les modèles actuels restent limités par leur mode d'entraînement, cette étude ouvre la voie à des systèmes capables de généraliser mieux à partir de moins de données, se rapprochant ainsi d'une forme de créativité plus authentique. Comme le note Gašper Beguš, nous assistons à une érosion progressive de ce que nous considérions comme le domaine exclusif de l'intelligence humaine. L'IA ne se contente plus de parler ; elle commence à comprendre les rouages intimes de la création linguistique. ### Galerie d'image ![1.jpeg](https://firebasestorage.googleapis.com/v0/b/memory-miacc.firebasestorage.app/o/prod%2FAWAgCCVMWK3hFgdeEHAY%2FprojectsMedias%2F8k98LqVQQmiXarac2PpT%2Fthumbs%2F1_1600x900.png?alt=media&token=25781e7e-c43f-4a11-9f0b-d2f6d8f76185) ### Source **[Wired](https://www.miacc.fr/structure/wired_8OrXCDvPiYDBnrPCdunw)** ## Article original écrit par Steve Nadis ## Article If language is what makes us human, what does it mean now that large language models have gained “metalinguistic” abilities? **Lien :** [https://www.wired.com/story/in-a-first-ai-models-analyze-language-as-well-as-a-human-expert/](https://www.wired.com/story/in-a-first-ai-models-analyze-language-as-well-as-a-human-expert/) ### ICC `#Édition numérique & nouveaux médias` `#Livre & Presse` `#Publicité & Communication` --- ### Navigation pour IA - [Index de tous les contenus](https://www.miacc.fr/llms.txt) - [Plan du site (Sitemap)](https://www.miacc.fr/sitemap.xml) - [Retour à l'accueil](https://www.miacc.fr/)