Corpus VOCE · 4 septembre 2026

Nous pensions avoir laissé aux machines la partie la plus facile de la rencontre amoureuse.

Trier des profils. Comparer des goûts. Calculer une proximité. Puis laisser commencer ce qui semblait impossible à réduire en données: deux personnes parlent et quelque chose passe, ou ne passe pas.

VOCE Association16:00Archive canonique
VOCE

Publié le 4 septembre 2026 à 16:00 · Publication originale

Trier des profils. Comparer des goûts. Calculer une proximité. Puis laisser commencer ce qui semblait impossible à réduire en données: deux personnes parlent et quelque chose passe, ou ne passe pas.

En mai 2026, une équipe réunissant notamment Sandra Matz à Columbia Business School, Paul Eastwick à l'University of California Davis et Eli Finkel à Northwestern publie dans Scientific Reports une expérience beaucoup plus troublante.

Les chercheurs disposent des conversations de 964 speed dates.

Ils donnent leurs transcriptions à ChatGPT et Claude 3. Pas les visages. Pas les regards. Pas les gestes. Pas l'intonation. Seulement les mots échangés et leur dynamique.

Puis ils demandent aux modèles d'estimer l'attraction et surtout un résultat parfaitement observable: les deux personnes vont-elles décider d'échanger leurs coordonnées?

Les prédictions restent modestes. Selon les mesures, leurs corrélations avec les résultats réels vont de 0,12 à 0,23. Nous sommes très loin d'une machine qui "comprend l'amour".

Mais le résultat remarquable est ailleurs.

Pour prédire l'échange réel de coordonnées, ChatGPT atteint une performance comparable à celle d'observateurs humains disposant des mêmes informations.

Plus étrange: sa prédiction apporte de l'information supplémentaire à celle des personnes qui viennent elles-mêmes de vivre le rendez-vous.

En clair, après avoir été assis devant quelqu'un, parlé avec lui et ressenti directement sa présence, nous pouvons encore laisser dans nos propres phrases des indices qu'un modèle détecte et que notre jugement conscient n'exploite pas entièrement.

Les chercheurs ont cherché lesquels.

Humour, intérêts communs, valeurs alignées, tonalité de l'échange, engagement mutuel et références à des activités sociales participent aux jugements du modèle. L'analyse porte aussi sur 117 dimensions linguistiques LIWC, des pronoms aux catégories affectives et sociales.

Tout n'est pas prédictif. L'IA partage même certains mauvais raccourcis avec les observateurs humains.

C'est précisément ce qui rend l'expérience intéressante.

L'algorithme ne découvre pas une formule secrète de la compatibilité. Il détecte une couche beaucoup plus discrète: ce que deux personnes révèlent ensemble pendant qu'elles essaient encore de comprendre ce qui leur arrive.

La prochaine fois qu'une conversation semblera simplement "bien se passer", il restera désormais une question difficile à chasser: combien de la réponse était déjà présente dans les mots avant d'être claire pour ceux qui les prononçaient?

PELLÉAS

Le désir ne commence peut-être pas lorsqu'il se reconnaît, mais lorsqu'il laisse ses premières traces.

Sources

Matz S.C., Peters H., Cerf M. et al., 11 mai 2026
Columbia Business School
UC Davis
Northwestern University
University of Münster

#IntelligenceArtificielle #RelationsHumaines #Attraction #Algorithmes #Langage #Science #VOCEASSOCIATION

Faire découvrir cette publication

Partager cette recherche, ses sources et sa version intégrale.

#VOCEAssociation #Robotics #Industry40 #FutureOfWork

LinkedIn Facebook

VOCE Academy

Continuer

← Nous imaginons la conscience artificielle comme un problème futur.
Nous avons appris un réflexe face aux caméras: détourner le visage. →

Ce texte appartient au corpus pédagogique et éditorial de VOCE Association. Lecture, découverte et citation sont publiques; les droits sur le texte et le corpus restent détenus par VOCE Association, sauf mention contraire. Droits du corpus.