Alors que la Silicon Valley court après les chatbots et l’IA générale, la Chine développe des systèmes d’IA capables de percevoir et de s’adapter à un monde en constante évolution. Cette différence va bien au-delà de l’IA, elle a trait au fondamental la lutte des classes et en quoi le socialisme représente un autre rapport aux forces productives techniques mais humaines. L’idée de carte et de boussole est fondamentale y compris pour le devenir de l’espèce humaine. (note et traduction de danielle Bleitrach pour histoireetsociete)
Tous les quelques mois, une nouvelle avancée chinoise en intelligence artificielle (IA) fait la une des journaux du monde entier. Un modèle d’IA chinois se rapproche de ses concurrents américains, une équipe de recherche chinoise surpasse un test de référence, une usine chinoise devient plus intelligente, une ville plus connectée, une chaîne d’approvisionnement plus prédictive.
Les explications habituelles sont les suivantes : la Chine possède plus d’ingénieurs, plus d’usines, un soutien étatique plus important et davantage de données. Bien que souvent vraies, elles occultent un aspect plus profond.1
La Chine ne se contente pas de construire des systèmes d’IA plus puissants que les États-Unis. Des jumeaux numériques aux villes intelligentes, en passant par la logistique prédictive et la production intelligente, elle développe de plus en plus des systèmes conçus moins pour la communication que pour la coordination, moins pour l’imitation que pour la gestion.
Cette différence soulève une question plus vaste : pourquoi la Chine accorde-t-elle autant d’importance à l’IA pour gérer le changement, alors que la plupart des discussions occidentales se concentrent sur les chatbots, les logiciels de productivité et l’intelligence artificielle générale ?
La réponse ne réside pas seulement dans l’économie ou la politique industrielle, mais dans une conception chinoise beaucoup plus ancienne de l’intelligence elle-même.
Le binaire et le livre
Il y a plus de trois siècles, un échange de lettres entre l’Europe et Pékin a mis en contact deux conceptions très différentes de l’intelligence.
En 1701, Gottfried Wilhelm Leibniz envoya une explication de son arithmétique binaire nouvellement développée à Joachim Bouvet, un jésuite français à la cour de l’empereur Kangxi. Leibniz avait démontré que tout nombre pouvait être exprimé à l’aide de seulement deux symboles — 0 et 1 — une découverte qui allait devenir fondamentale pour l’informatique numérique.
La réponse de Bouvet le surprit. Il lui envoya un diagramme des 64 hexagrammes du Yi Jing, ou Livre des Mutations, l’un des plus anciens classiques philosophiques chinois. Chaque hexagramme est composé de six lignes continues ou brisées, produisant exactement 64 combinaisons possibles.
Pour Leibniz, la ressemblance était frappante. Il en conclut que les anciens Chinois avaient, en réalité, anticipé l’arithmétique binaire bien avant que l’Europe ne la formalise.
Cette affirmation est trop simpliste pour être prise au pied de la lettre. Le Yi Jing n’a jamais été un système mathématique. Mais Leibniz a remarqué un phénomène réel : les hexagrammes agencent des symboles discrets de manière à susciter des schémas, des classifications et des transformations.
Autrement dit, le Yi Jing n’est pas qu’un simple système de formes, mais un guide vers le changement. Lorsqu’un hexagramme est tiré, certaines lignes « bougent », transformant un motif en un autre. Ce qui importe, ce n’est pas seulement ce qui apparaît, mais ce qui devient.
Leibniz considérait les hexagrammes principalement comme un code symbolique. Il n’a pas saisi qu’ils possèdent deux dimensions simultanées : la structure et la transformation. Leurs six lignes sont des symboles discrets, dénombrables et classifiables.
Mais ces symboles n’ont de sens qu’en relation avec le processus de changement qu’ils étaient censés représenter. Sans mouvement, un hexagramme n’est plus qu’un motif. Avec le mouvement, il devient un instant au sein d’un ensemble plus vaste et continu.
Il ne s’agit pas ici de prétendre que le Yi Jing a d’une manière ou d’une autre « prédit » l’IA moderne, ni que les ingénieurs chinois d’aujourd’hui canalisent consciemment d’anciennes formes de divination.
L’I Ching illustre plutôt une orientation intellectuelle qui a persisté sous diverses formes dans la pensée chinoise : une attention portée au flux, à l’interdépendance et à la direction du changement plutôt qu’aux catégories fixes et aux représentations statiques.
Cette orientation plus large n’a pas disparu de la vie intellectuelle chinoise. Bien que l’IA moderne s’appuie sur la science et l’ingénierie mondiales, il est frappant de constater que certaines de ses applications les plus importantes en Chine — les jumeaux numériques, les infrastructures intelligentes et la gestion urbaine prédictive — placent l’adaptation continue au cœur de leur fonctionnement.
Cette orientation n’a pas déterminé la stratégie chinoise en matière d’IA, mais elle a peut-être rendu certaines questions d’ingénierie plus naturelles à poser — et certains types de systèmes plus naturels à construire.
La grande scission
Les mathématiciens ont par la suite donné des noms formels aux deux dimensions en jeu ici : discrète et continue.
Aristote avait déjà distingué la quantité discrète de la quantité continue, et Euclide a intégré cette distinction dans la structure des Éléments. Ce qui a changé au XIXe siècle, c’est l’émergence de deux traditions rigoureuses fondées sur cette distinction.
Les mathématiques continues, façonnées par le calcul infinitésimal, sont devenues le langage du flux, du mouvement et du changement. Les mathématiques discrètes se sont développées en parallèle, s’intéressant aux nombres, à la logique et aux opérations symboliques.
L’informatique a hérité de la tradition discrète. George Boole a transformé la logique en algèbre. Claude Shannon a montré comment la logique booléenne pouvait être implémentée par des circuits électriques. Alan Turing a démontré comment les opérations symboliques pouvaient se transformer en calcul. Dès lors que le monde a pu être représenté par des bits, la technologie numérique a progressé à une vitesse fulgurante.
L’IA a hérité de la même logique de représentation. Toute interaction avec un système d’IA commence par une traduction : le langage devient des jetons, les images deviennent des pixels, le comportement devient des données. Un monde continu est rendu sous des formes discrètes que les machines peuvent manipuler.
Cette stratégie a connu un succès retentissant. Mais les systèmes que l’IA cherche de plus en plus à comprendre — villes, chaînes d’approvisionnement, marchés financiers, écosystèmes — sont en perpétuelle évolution. Ils se transforment au fur et à mesure que des décisions sont prises.
Une carte peut devenir infiniment plus détaillée et ne capturer qu’un instant. Une boussole, en revanche, remplit une fonction différente : elle nous aide à nous orienter dans un paysage qui se déploie déjà sous nos pieds.
La distinction entre carte et boussole n’est plus philosophique – elle représente un problème d’ingénierie.
L’intelligence en tant qu’infrastructure
Aujourd’hui, la plupart des gens découvrent l’IA sous forme de chatbot, d’outil de recherche, de traducteur ou de générateur d’images. L’IA apparaît comme une application parmi d’autres : utile, de plus en plus performante, mais toujours un outil que nous consultons au besoin.
Imaginez maintenant l’IA dans un rôle différent. Au lieu de répondre à des questions, elle ajuste les feux de circulation en fonction des embouteillages. Elle équilibre la production d’électricité sur le réseau en fonction de la demande. Elle prédit les pannes d’équipement avant qu’elles ne surviennent, redirige le fret en cas de perturbations ou met à jour en continu un modèle numérique d’une ville entière au fur et à mesure que des millions de personnes y circulent.
Dans cette perspective, l’IA n’est plus seulement un outil. Elle devient partie intégrante de l’infrastructure qui fait fonctionner la société.
La Chine, contrairement aux États-Unis, a particulièrement bien concrétisé cette vision. Elle a investi massivement dans les jumeaux numériques, l’industrie intelligente, la logistique prédictive et les systèmes de gestion urbaine. L’accent est moins mis sur les chatbots que sur les systèmes qui coordonnent l’évolution continue.
Le système « City Brain » de Hangzhou en est un bon exemple. Au lieu de se contenter de collecter des données de trafic, il analyse en temps réel la circulation des véhicules, les embouteillages, les itinéraires d’urgence et les transports en commun, puis ajuste la signalisation et les itinéraires en conséquence.
La ville n’est pas envisagée comme un ensemble d’intersections distinctes, mais comme un système unique et évolutif dont les composantes interagissent constamment. Un modèle de trafic statique peut décrire les embouteillages d’hier. Un jumeau numérique, mis à jour en continu, tente d’anticiper ceux de demain.
Cette même orientation se retrouve dans les débats chinois sur l’IA. Le cadre DIKWP de Yucong Duan — Données, Information, Connaissance, Sagesse et Finalité — enrichit la hiérarchie classique en y intégrant la finalité comme cinquième élément. L’idée est simple : l’intelligence ne se limite pas au traitement des données ; elle concerne aussi la compréhension de leur importance et des objectifs qu’elles servent.
Un autre concept utile est celui de « gongsheng » (共生), souvent traduit par symbiose ou coévolution. Plutôt que de considérer les humains, les machines et les institutions comme des entités séparées, il met l’accent sur l’interaction continue et l’adaptation mutuelle. Dans cette perspective, l’intelligence émerge non seulement du calcul, mais aussi de la relation.
Là où le Yi Jing interrogeait la lecture du sens du changement à travers les lignes mouvantes, DIKWP cherche à déterminer comment un système d’IA peut maintenir sa finalité malgré l’évolution constante des données qu’il traite. Tous deux conçoivent la stabilité comme une relation dynamique plutôt que comme un état figé.
Ce sont des idées d’ingénierie contemporaines, et non des réinterprétations de philosophies antiques. Elles n’en abordent pas moins un problème ancien avec une remarquable continuité : comment agir face à un monde en mouvement ?
Carte et boussole
Leibniz n’a jamais pleinement compris sa découverte. Il mourut en 1716, toujours convaincu que les hexagrammes étaient une ancienne version chinoise de l’arithmétique binaire. Il avait raison sur le plan mathématique, mais se trompait sur le sens profond. Ces lignes n’étaient jamais de simples codes ; elles étaient la trace de transformations.
Trois siècles plus tard, ce même fossé sépare encore de nombreux systèmes d’IA. Un chatbot effectue un échange statique : une phrase à la fois. Un système de gestion urbaine, lui, fonctionne différemment : il observe l’évolution d’une ville et s’y adapte.
Aucun des deux n’est plus intelligent que l’autre en théorie, car ils sont conçus pour des tâches différentes. L’un s’intéresse à ce qui est dit ; l’autre à ce qui va se passer ensuite.
Les investissements chinois dans l’IA, notamment dans les jumeaux numériques, la logistique prédictive et les systèmes de gestion urbaine, ne témoignent pas d’une philosophie supérieure. Ils reflètent plutôt des priorités d’ingénierie différentes, façonnées par un État qui a longtemps considéré les infrastructures et la gouvernance comme étroitement liées, et par une tradition intellectuelle plus ancienne privilégiant l’orientation à la stabilité.
Ce serait toutefois une erreur de présenter cela comme un affrontement civilisationnel entre un « Orient holistique » et un « Occident analytique ». La recherche américaine et européenne en IA s’oriente déjà vers des domaines connexes : modèles du monde, contrôle continu, systèmes incarnés et agents capables de suivre un environnement en mouvement plutôt que de décrire un environnement statique. Les cadres de référence diffèrent, mais le défi sous-jacent reste le même.
Et ce défi ne fera que s’amplifier. Les villes, les réseaux électriques et les chaînes d’approvisionnement ne s’arrêtent pas pendant l’entraînement d’un modèle. Les systèmes destinés à les gérer devront accomplir deux tâches simultanément : représenter le monde en éléments discrets et calculables, et suivre l’évolution continue qui sous-tend ces éléments.
Pour les chercheurs et les ingénieurs en IA, le défi devient de plus en plus concret : comment combiner une représentation précise avec une adaptation continue ?
Une carte et une boussole répondent à des besoins différents : la première permet de se repérer géographiquement, la seconde de s’orienter. Elles sont interchangeables, et personne ne s’aventurerait en terrain inconnu avec une seule de ces deux pièces. Le défi n’est pas de choisir entre elles, mais d’apprendre à les utiliser conjointement.
Views: 154
