Publié le 6 octobre 2026 à 16:00 · Publication originale
23 septembre 2026.
Des macaques rhésus doivent résoudre des choix perceptifs de difficulté variable.
Arnaud Lespart, Juliette Bénon, Jean Daunizeau, Sebastien Bouret et leurs collègues confrontent précision et temps de réponse à plusieurs modèles mathématiques.
Les animaux n'engagent pas toujours la même quantité de contrôle. Leur comportement est compatible avec un arbitrage entre le bénéfice attendu d'un effort supplémentaire et son coût.
Nature Human Behaviour avait identifié chez le macaque deux régions préfrontales impliquées dans une autre forme de métacognition prospective: les aires 45a et 47/12o.
Les animaux peuvent estimer leurs chances de réussir une tâche future. Lorsque les chercheurs perturbent ces régions par ultrasons focalisés, certaines estimations se dégradent.
En 2026, cette idée devient économique.
Un agent peut rechercher une information, appeler plusieurs outils, refaire une analyse, demander une vérification ou transmettre le cas à un modèle plus puissant.
Chaque étape consomme calcul, énergie, temps et argent.
À l'échelle d'une banque ou d'un assureur exécutant des millions de tâches, réfléchir une fois de plus devient une ligne de coût.
ULTRA®
L'allocation dynamique du calcul pourrait devenir une discipline centrale de l'IA.
Un rapprochement simple de factures ne justifie pas le même budget qu'une transaction susceptible de déclencher une enquête anti-blanchiment.
L'architecture peut distribuer l'effort selon difficulté, confiance, risque et valeur économique: modèle léger d'abord, vérification supplémentaire lorsque l'incertitude monte, modèle plus puissant, humain lorsque l'erreur devient trop coûteuse.
Le parallèle avec le macaque doit rester précis.
Un agent ne possède pas nécessairement une métacognition biologique. Il peut néanmoins être conçu pour estimer l'incertitude et déclencher davantage de calcul lorsque l'amélioration attendue le justifie.
Pour un CFO ou un CIO, une nouvelle métrique apparaît: le coût marginal d'un point supplémentaire de qualité.
Quelques points de précision peuvent valoir cher sur un dossier critique et coûter inutilement des millions sur des tâches banales.
La gouvernance des agents devra suivre profondeur de calcul, taux d'escalade, qualité obtenue et coût par décision.
Le modèle le plus puissant ne sera pas toujours l'architecture la plus rentable.
MÉLISANDE
L'intelligence devient coûteuse lorsqu'elle calcule après que la décision a cessé de s'améliorer.
Sources
Lespart et al., Scientific Reports, 23 septembre 2026
Miyamoto et al., Nature Human Behaviour, 2026
Fleming, Nature Reviews Neuroscience, 16 septembre 2026
#VOCEASSOCIATION #IntelligenceArtificielle #GouvernanceIA #Métacognition #Cognition