L'industrie de l'IA traverse une crise terminologique. Nous utilisons un vocabulaire biologique et psychologique (« comprendre », « halluciner », « penser ») pour décrire des processus mathématiques de haute dimension.
Cette Dissonance Lexicale Anthropocentrique (TDLA) crée des attentes fausses, empêche une régulation précise et freine la recherche scientifique.
Ce repository héberge la proposition de Norme ISO/IEC X-TDLA-2026, un cadre normatif visant à remplacer les métaphores humaines par des définitions techniques rigoureuses basées sur l'isomorphisme structurel et la minimisation d'entropie.
L'objectif principal de ce framework est d'assainir le langage technique.
| Terme Proscrit (Anthropocentrique) ❌ | Terme Standardisé (TDLA) ✅ | Définition Opérationnelle |
|---|---|---|
| Compréhension | Isomorphisme Structurel | Capacité à maintenir une topologie interne correspondant à la structure causale du domaine cible (vérifiable par sondage linéaire). |
| Hallucination | Confabulation Stochastique | Génération syntaxiquement valide mais divergeant des contraintes de fidélité (contexte) ou de factualité (poids). |
| Raisonnement | Inférence Séquentielle | Décomposition d'une tâche en étapes de calcul intermédiaires augmentant la probabilité de succès final. |
| Apprentissage | Activation de Schéma Latent | Localisation d'un sous-espace de compétences pré-existant déclenché par le contexte (In-Context Learning). |
| Conscience | Auto-Modélisation Récursive | Présence d'une représentation du système lui-même au sein de ses boucles de traitement. |
Plutôt que de débattre si une IA est "intelligente" ou non, nous classifions les systèmes selon leur niveau d'ancrage vérifiable (GL).
- GL-0 (Syntaxique Pur) : Générateurs stochastiques sans cohérence longue (ex: n-grammes).
- GL-1 (Cohérence Relationnelle) : Manipulation de concepts via relations statistiques internes (ex: LLM text-only).
- GL-2 (Ancrage Multimodal Passif) : Liaison entre texte et perception image/audio (ex: CLIP, GPT-4V).
- GL-3 (Isomorphisme Structurel Vérifié) : Existence prouvée d'un "World Model" interne via sondage (ex: Othello-GPT).
- GL-4 (Ancrage Embodied Actif) : Validation des prédictions par action physique ou simulation (ex: Robotique cognitive).
Pour certifier un système selon la norme TDLA, trois protocoles de test sont proposés :
- Protocole de Sondage Linéaire (Linear Probing) : Mesure de la reconstruction de l'état réel dans les couches cachées.
- Protocole d'Intervention Contrefactuelle : Modification des activations internes pour tester la causalité du modèle.
- Test de Fidélité Contextuelle : Mesure de la résistance aux biais de mémorisation face à des instructions contradictoires.
Ce projet est une initiative de recherche ouverte. Nous cherchons des contributions pour :
- Raffiner les définitions opérationnelles.
- Proposer des scripts de test (Python/PyTorch) pour les métriques GL.
- Traduire le framework en d'autres langues.
Citation Suggérée :
Proposition de Norme ISO/IEC X-TDLA-2026 : Sémantique, Taxonomie et Métrologie des Systèmes Cognitifs Artificiels (2026).
Ce projet vise à traiter l'IA pour ce qu'elle est — un système de traitement de l'information vectorielle — et non pour ce que nous rêvons qu'elle soit.