Le théoricien de la décision qui a cofondé l'IA : comment la machine à penser de Noël d'Herbert Simon a tout changé

Janvier 1956. Carnegie Institute of Technology. Un professeur de 39 ans — un scientifique politique de formation, déjà célèbre parmi les économistes pour avoir soutenu que personne n'optimise quoi que ce soit — ouvre son cours de modélisation mathématique avec une phrase qui n'aurait jamais dû être vraie : Au cours de Noël, Al Newell et moi avons inventé une machine à penser.

La machine n'existait guère en tant que machine. Pendant les vacances, Simon, Allen Newell et le programmeur Cliff Shaw avaient élaboré le Logic Theorist — et avant qu'il ne fonctionne jamais sur un ordinateur, ils l'avaient simulé à la main : les sous-programmes du programme écrits sur des cartes index 3×5, distribuées à la famille et aux étudiants de Simon, chaque humain exécutant les règles d'un composant. Une machine pensante, d'abord exécutée sur des personnes. Cet été-là, elle fonctionnait sur du matériel et a été présentée lors de l'atelier de Dartmouth — la réunion qui a donné son nom à l'intelligence artificielle.

L'histoire est généralement classée sous l'histoire de l'informatique. Elle appartient également à la science de la décision — car le Logic Theorist n'était pas un calculateur plus rapide. C'était la théorie de Simon de la rationalité limitée mise en œuvre dans le code : si l'intelligence humaine fonctionne par des raccourcis et une recherche sélective plutôt que par un calcul exhaustif, alors une machine utilisant des raccourcis et une recherche sélective peut aussi être intelligente. Tout ce que Simon a construit en IA découle de ce seul mouvement.

Le CV qui ne devrait pas exister

Herbert Alexander Simon (1916–2001) a obtenu un doctorat en sciences politiques (Chicago, 1943), a écrit Administrative Behavior (1947) sur la manière dont les organisations prennent réellement des décisions, et a passé cinq décennies à Carnegie Mellon à travailler dans les domaines de l'économie, de la psychologie, de l'informatique et de la philosophie des sciences. Les récompenses témoignent de l'étendue de son travail : le Prix Turing ACM 1975 avec Allen Newell, pour des contributions fondamentales à l'intelligence artificielle et à la psychologie de la cognition humaine ; le Prix Nobel de la mémoire en économie 1978, pour des recherches pionnières sur la prise de décision dans les organisations économiques ; la Médaille nationale des sciences des États-Unis 1986. Il reste l'une des seules personnes à avoir reçu à la fois le prix Turing et le prix Nobel — pour ce qu'il a insisté être un programme de recherche unique.

Ce programme : comprendre l'intelligence telle qu'elle fonctionne réellement — chez les personnes, dans les organisations, dans les machines — sous les limites réelles de l'information, du calcul et du temps. La partie théorique a mis de côté l'homme économique parfaitement rationnel. La partie ingénierie a posé la question évidente suivante : si l'intelligence est une recherche limitée, pouvons-nous la construire ?

Le théoricien de la logique : Preuve par raccourci

Le Logic Theorist a attaqué les théorèmes de Principia Mathematica de Whitehead et Russell — le monument de la logique formelle du début du siècle — et a prouvé 38 des 52 premiers dans le chapitre deux. La méthode était le message : au lieu de passer par chaque dérivation (une force brute que le matériel de l'époque n'aurait pas pu supporter), elle utilisait des heuristiques pour sélectionner des chemins prometteurs, travaillait à rebours à partir des objectifs, et s'arrêtait lorsqu'elle avait une preuve valide plutôt que la meilleure. Recherche heuristique et satisficing — la science de la décision de Simon, fonctionnant à la vitesse de la machine.

Pour le théorème 2.85, une preuve plus élégante que l'original a été trouvée. Bertrand Russell, alors dans sa quatre-vingtaine, a répondu avec joie lorsque Simon lui en a parlé. Le Journal of Symbolic Logic a été plus difficile à charmer : il a refusé de publier le résultat, jugeant qu'une nouvelle preuve d'un théorème élémentaire n'était pas digne de publication — apparemment sans tenir compte du détail qu'un des auteurs était un programme informatique.

Le Résolveur de Problèmes Général : Stratégie Sans Contenu Spécifique

Le programme successeur était plus ambitieux dans exactement la direction que l'on pourrait attendre de l'auteur de Administrative Behavior. Le General Problem Solver — première version fonctionnant en 1957, le rapport publié en 1959 par Newell, Shaw et Simon — a introduit l'analyse des moyens et des fins : mesurer la différence entre l'état actuel et l'état objectif, trouver un opérateur qui réduit cette différence, l'appliquer, répéter. Navigation par fermeture de l'écart.

L'innovation réelle du GPS était architecturale : elle séparait la stratégie de résolution de problèmes du contenu du problème. Le même moteur pouvait s'attaquer à des énigmes, des preuves ou des plans, à condition d'avoir une description des états et des opérateurs. Cette séparation — méthode générale, domaine interchangeable — est devenue un principe de conception fondateur de l'IA, et l'analyse des moyens et des fins est toujours reconnaissable dans les systèmes de planification modernes.

La Grande Réclamation : Symboles et Recherche

Lors de leur conférence de remise du prix Turing en 1976, intitulée "L'informatique comme enquête empirique", Newell et Simon ont distillé deux décennies de travail en l'hypothèse la plus célèbre du domaine : un système de symboles physiques dispose des moyens nécessaires et suffisants pour une action intelligente générale. Les esprits manipulent des symboles ; les ordinateurs manipulent des symboles ; donc, correctement programmés, les ordinateurs peuvent agir de manière intelligente — et rien au-delà de la manipulation de symboles n'est requis. Cela est devenu la charte de ce que l'on appelle maintenant l'IA symbolique, ou GOFAI.

Ils ont également fait des prédictions avec des dates, et les dates étaient incorrectes. Dans leur article de 1958 Operations Research, Simon et Newell ont prédit que dans les dix ans, un ordinateur numérique serait le champion du monde d'échecs, à moins que les règles ne l'empêchent de concourir. Le champion du monde est tombé entre les mains d'un ordinateur en 1997 — 39 ans après la prédiction, et non dix. Il convient de noter quel type d'erreur cela représente : le mécanisme (recherche heuristique dans un espace qu'aucune machine ne pouvait épuiser) était exactement correct ; la chronologie était décalée d'une génération. Les deux faits doivent être consignés dans les archives.

Le Deep Learning n'a-t-il pas prouvé Simon faux ?

Voici l'objection qu'un lecteur de 2026 soulève : l'IA moderne n'est pas symbolique. Les réseaux de neurones apprennent des motifs à partir des données ; personne n'écrit à la main les heuristiques ; et l'essai influent de Richard Sutton de 2019, The Bitter Lesson, ressemble à un verdict contre toute l'approche de Simon — soixante-dix ans d'histoire de l'IA montrant que les méthodes générales qui se développent avec le calcul surpassent les systèmes construits sur des connaissances de domaine élaborées par l'homme.

L'objection atterrit — partiellement. La forte revendication symbolique n'a pas survécu : il s'est avéré que les symboles n'étaient pas suffisants, et les programmes de connaissance construits à la main des années 1970 et 80 ont stagné exactement comme Sutton le décrit. Un compte rendu honnête de Simon le dit si clairement. Mais lisez la propre conclusion de The Bitter Lesson : les deux familles de méthodes qui se développent sont la recherche et l'apprentissage. La recherche heuristique est la contribution de Simon et Newell au domaine, vivante aujourd'hui, allant de la recherche dans les arbres de jeu aux boucles de raisonnement délibéré des systèmes d'IA actuels. Et ce que font les réseaux profonds — reconnaître des motifs accumulés à partir d'une expérience massive — est étrangement proche de la définition de l'expertise de Simon. L'apprentissage par renforcement, dont les fondateurs Andrew Barto et Richard Sutton ont reçu le prix Turing 2024 (annoncé en mars 2025), est une recherche sélective par essais et erreurs sous des contraintes computationnelles — un programme de recherche que Simon aurait reconnu comme parent.

Ainsi, le tableau de bord est partagé, et cette division est instructive : l'architecture sur laquelle il a parié a échoué ; la théorie de l'intelligence qui la sous-tend a gagné. Les machines ne sont pas devenues intelligentes en calculant de manière exhaustive. Elles sont devenues intelligentes par une recherche limitée, heuristique et axée sur la reconnaissance — sur laquelle Simon a fondé sa carrière. Des travaux récents bouclent la boucle de l'autre côté : des études de 2025 montrent que les grands modèles de langage présentent eux-mêmes une rationalité limitée, s'écartant de l'optimalité théorique des jeux de manière semblable à celle des humains, tandis que le satisficing a été intégré dans l'alignement des modèles en tant que contraintes de niveau d'aspiration.

Les empreintes digitales de Simon sur l'IA moderne

Chronologie : La vie d'un polymathe

Ce qu'il faut retenir de Simon pour la décennie de l'IA

Quatre principes de travail pour quiconque construit avec, ou décide aux côtés de, des machines limitées :

Où Argumentree s'intègre

Simon a traité l'intelligence humaine et l'intelligence machine comme un seul sujet : des agents limités cherchant sous des contraintes. Argumentree est construit sur la même prémisse. Les arguments humains et les arguments extraits par l'IA se retrouvent dans une structure inspectable — l'arbre — où le raisonnement est visible, les évaluations dirigent l'attention limitée vers les points les plus forts, et l'enregistrement persiste en tant que mémoire organisationnelle.

Pour les équipes dont l'utilisation de l'IA doit être auditable, le produit sœur AIAgentree étend la même idée au raisonnement machine lui-même — retraçant comment un système d'IA a atteint sa conclusion, dans la structure que Simon aurait demandé à voir.

Le Long Pari

L'horloge d'échecs de Simon a fonctionné quatre fois, l'architecture symbolique a cédé, et le domaine qu'il a cofondé fonctionne désormais avec des méthodes qu'il n'a pas construites. Jugé comme une prophétie, un bilan mitigé. Jugé comme une science, quelque chose de plus rare : la revendication centrale — que l'intelligence, où qu'elle se manifeste, est une recherche limitée guidée par la reconnaissance — a survécu à chaque architecture utilisée pour la tester, y compris la sienne.

C'est pourquoi la phrase en classe résonne encore soixante-dix ans plus tard. Il n'annonçait pas un gadget. Il annonçait que la pensée était devenue un sujet d'ingénierie — pour les esprits, pour les organisations, et maintenant pour les machines.