Une étude publiée dans iScience relance le débat sur les capacités réelles des grands modèles de langage. Des chercheurs de l’Université hébraïque de Jérusalem et du Hadassah Medical School ont demandé à GPT-4 d’estimer les réponses moyennes de 600 participants à des questionnaires de personnalité, avant même que ces personnes ne répondent.
Le résultat ne signifie pas que le système lit les pensées individuelles. Il indique plutôt qu’un modèle entraîné sur d’immenses volumes de textes peut repérer, dans la formulation des questions, des régularités proches des réponses collectives humaines. Cette nuance est centrale, car elle sépare une performance statistique impressionnante d’une véritable évaluation psychologique.
Monsa et Arzy testent GPT-4 sur 600 participants
L’équipe formée par Rotem Monsa, Aviv Zohar et Shahar Arzy a conçu une expérience simple dans son principe, mais ambitieuse dans ses implications. Les chercheurs ont demandé à GPT-4 de produire des questionnaires de personnalité à partir de deux sources très différentes, puis d’anticiper les réponses moyennes à chaque question. Cette prédiction a été réalisée avant la collecte des réponses humaines, ce qui limite le risque d’ajustement après coup.
Les 600 participants ont ensuite rempli les questionnaires générés, avec une échelle de Likert en cinq points, allant du désaccord à l’accord. Ils ont aussi répondu au Big Five Inventory, souvent présenté comme l’un des outils les plus robustes pour mesurer cinq grands traits de personnalité, dont l’extraversion, l’agréabilité, la conscience, la stabilité émotionnelle et l’ouverture à l’expérience.
Le choix méthodologique des chercheurs vise à évaluer un point précis. Il ne s’agissait pas seulement de savoir si une intelligence artificielle pouvait rédiger des questions crédibles. Les auteurs ont voulu mesurer si le modèle pouvait anticiper la manière dont un groupe réel répondrait, en s’appuyant uniquement sur la langue, les associations d’idées et les descriptions psychologiques présentes dans les textes sources.
Cette distinction est importante pour les psychologues comme pour les spécialistes de l’IA. Un questionnaire bien formulé peut sembler sérieux sans rien mesurer correctement. À l’inverse, une prédiction moyenne élevée peut révéler que le modèle détecte des stéréotypes, des conventions culturelles ou des liens statistiques présents dans les corpus d’entraînement. L’étude observe donc un phénomène collectif, pas un diagnostic individuel.
DSM-5 et astrologie affichent 0,71 et 0,85
Les chercheurs ont utilisé le DSM-5, manuel de référence international en psychiatrie, pour créer une première série de questions. Ce texte repose sur des décennies de travaux cliniques et sert notamment à décrire les troubles de la personnalité. La seconde série a été produite à partir d’un manuel d’astrologie, qui associe des traits psychologiques aux douze signes du zodiaque.
Avant la participation humaine, GPT-4 a estimé les scores moyens attendus pour chaque item. La comparaison avec les réponses réelles donne des corrélations élevées. Pour le questionnaire issu du DSM-5, la corrélation atteint 0,71. Pour celui fondé sur l’astrologie, elle monte même à 0,85, un chiffre qui surprend au regard de la faiblesse scientifique des bases astrologiques.
Cette différence ne valide pas l’astrologie comme outil de mesure. Elle montre plutôt que les descriptions astrologiques contiennent des formulations fortement codées, familières et culturellement diffusées. Des phrases sur l’ambition, la sociabilité, la prudence ou la sensibilité suivent souvent des schémas reconnaissables. Un modèle linguistique peut donc prévoir que beaucoup de répondants adhéreront modérément à ces énoncés, surtout lorsqu’ils ressemblent à des formules générales.
Les auteurs ont aussi examiné les relations entre questions. GPT-4 a prédit des corrélations de 0,74 pour le questionnaire DSM et de 0,69 pour celui tiré de l’astrologie. Le DSM présente une cohérence interne plus solide pour certains traits, ce qui correspond mieux à l’usage clinique. L’astrologie, malgré une prédiction moyenne élevée, montre une cohérence plus fragile, signe qu’un score spectaculaire ne suffit pas à établir la qualité psychométrique d’un outil.
Le manuel Bosch expose les risques de surinterprétation
L’étude comporte un élément de contrôle particulièrement parlant. Les chercheurs ont aussi exploré la réaction du modèle face à un texte sans vocation psychologique, un manuel Bosch de four. Ce type de document décrit des consignes d’usage, des réglages, des températures ou des précautions de sécurité. Il n’a pas pour objectif de classer des comportements humains ni de produire des profils de personnalité.
Le fait qu’un modèle puisse extraire ou inventer des traits à partir d’un tel matériau illustre une limite classique des systèmes génératifs. GPT-4 ne vérifie pas spontanément qu’un texte possède une validité clinique. Il repère des mots, des structures, des liens probables, puis transforme ces signaux en énoncés cohérents. Cette cohérence de surface peut donner une impression de pertinence, même lorsque la source ne justifie pas l’interprétation.
Pour les chercheurs, ce point impose une prudence particulière. La performance sur les moyennes de groupe ne transforme pas un modèle de langage en instrument de diagnostic. La psychométrie exige des validations indépendantes, des tests de fiabilité, une stabilité dans le temps et une capacité à distinguer les individus. Un outil peut prédire que beaucoup de personnes répondront de façon proche à une question, sans identifier correctement les différences personnelles.
Cette réserve vaut pour les entreprises, les recruteurs et les plateformes numériques qui pourraient être tentés d’utiliser l’IA pour profiler des utilisateurs à partir de textes courts, de messages ou de comportements en ligne. La tentation est forte, car l’automatisation promet des gains de temps. Mais l’usage d’un modèle mal validé peut produire des classements erronés, renforcer des biais culturels et donner une légitimité technique à des évaluations contestables.
Les experts distinguent prédiction statistique et lecture mentale
Le titre le plus spectaculaire de cette étude tient à l’idée que l’IA ne prédirait plus seulement les mots, mais aussi des tendances de réponse humaines. Cette formulation attire l’attention, mais les experts insistent sur la différence entre prédire une moyenne et connaître une pensée. ChatGPT ne sait pas ce qu’un participant donné va répondre avec certitude. Il estime une probabilité collective à partir de régularités linguistiques.
Les recherches en sciences cognitives rappellent que le cerveau humain fonctionne lui aussi par anticipation. Lors d’une conversation, chacun prévoit en partie les mots à venir, le sens probable d’une phrase et l’intention de l’interlocuteur. Les grands modèles de langage partagent ce principe général de prédiction, mais leur fonctionnement reste différent. Ils n’ont ni expérience vécue, ni corps, ni compréhension sociale au sens humain du terme.
Cette frontière compte dans le débat public de 2026. Les outils conversationnels sont présents dans l’éducation, le service client, la santé, les logiciels de bureau et l’analyse documentaire. Leur capacité à anticiper des réponses peut améliorer des enquêtes, repérer des formulations ambiguës ou tester la cohérence d’un questionnaire avant diffusion. Elle peut aussi encourager des usages intrusifs si les résultats sont présentés comme des vérités personnelles.
La conclusion pratique des chercheurs tient dans cette prudence. Les modèles comme GPT-4 peuvent capturer des tendances de population inscrites dans le langage, surtout lorsque les thèmes abordés sont largement documentés. Leur utilisation exige des garde-fous, une transparence sur les méthodes et une séparation nette entre assistance statistique et évaluation clinique. Dans ce domaine, la puissance de calcul ne remplace pas l’expertise humaine, la validation scientifique et le consentement des personnes évaluées.
Questions fréquentes
- GPT-4 peut-il lire les pensées humaines ?
- Non. L’étude montre une capacité à anticiper des tendances moyennes de réponse dans un groupe, pas à connaître les pensées ou les choix d’une personne précise.
- Pourquoi le questionnaire astrologique obtient-il une corrélation de 0,85 ?
- Les formulations astrologiques utilisent souvent des descriptions générales et culturellement connues. Un modèle de langage peut repérer ces schémas et prévoir des réponses moyennes, sans valider l’astrologie.
- Ces résultats peuvent-ils servir au recrutement ou au diagnostic ?
- Pas sans validation indépendante. Les chercheurs soulignent que la prédiction de moyennes collectives ne suffit pas à mesurer les différences individuelles ni à poser une évaluation fiable.
À retenir
- GPT-4 a anticipé des réponses moyennes avant la collecte humaine.
- La corrélation atteint 0,71 avec le DSM-5 et 0,85 avec l’astrologie.
- Ces résultats ne valent pas diagnostic individuel.
- Le test du manuel Bosch souligne le risque de surinterprétation.
- Les usages sensibles exigent validation scientifique et consentement.
Sources
- GPT-4 guessed how 600 people would answer personality questions before a single person actually responded to any of them | TechRadar
- AI Chatbots Work by Predicting the Next Word. So Do Our Brains. Is There a Connection? | Tufts Now
- The Era of Predictive AI Is Almost Over — The New Atlantis
- AI Isn't Just Predicting Words, It's Mirroring How Our Brains …
- Does the Brain Work Like an LLM in Predicting Words? New Study Spells Out a Complicated Answer
- GPT-4, 600 participants, questionnaires de personnalité, l’étude iScience qui alerte sur nos réponses humaines - 14 août 2026
- 15 millions, JIATF-401, boutique anti-drones invisible au public, ce portail du Pentagone reste réservé aux militaires habilités - 14 août 2026
- Début 2027, trois enjeux industriels, IA physique, puces et robotique, ce que l’alliance LG-Nvidia doit affronter - 14 août 2026
