Fermer le menu
Pieuvre
    Facebook X (Twitter) Instagram
    PieuvrePieuvre
    • Accueil
      • Qui sommes-nous?
      • Travaillez avec nous
      • Work with us
      • Abonnez-vous à l’infolettre
      • Encouragez Pieuvre
      • Nos abonnés
      • Contactez-nous
    • Culturel
      • Festivals
        • Cinémania
        • Fantasia
        • FIFA
        • FIJM
        • FIL
        • FNC
        • Fringe
        • FTA
        • Image+Nation
        • OFFTA
        • Montréal complètement cirque
        • Mutek
        • Nuits d’Afrique
        • RIDM
        • RVQC
        • Vues d’Afrique
        • Zoofest
      • Arts visuels
      • Cinéma / Télévision
      • Danse
      • Littérature
        • Romans
        • Essais
        • Bandes dessinées
        • Beaux livres
        • Biographie
        • Poésie
        • Recettes
      • Musique
      • Théâtre / Cirque
    • Politique / Économie
      • Politique
      • Économie
      • Afrique
      • Amériques
        • Élections québécoises 2026
      • Asie
      • Europe
      • Moyen-Orient
      • Océanie
    • Science
      • Science
      • Environnement
    • Société
      • Société
      • Médias
      • Santé
      • Vie tentaculaire
      • Jeux de société
      • Jeux de rôle
      • 45 ans du Stade olympique
    • Techno / Jeux
      • Technologie
        • Séance de test
      • Jeux vidéo
        • Jeux préférés de…
        • Rétroctopode
    • Podcasts
      • Entretiens journalistiques
      • Rembobinage
        • La Voûte
        • Projection
      • SVGA
      • Pixels et préjugés
      • Heure supplémentaire
      • Des nouvelles de l’Oncle Sam
      • Dans les coulisses de…
    • Encouragez Pieuvre
    Pieuvre
    Accueil»Technologie»Quand l’IA a de la difficulté avec la négation
    Plusieurs modèles d'IA ont encore de la difficulté à comprendre une phrase contenant un ou plusieurs mots négatifs.

    Quand l’IA a de la difficulté avec la négation

    0
    Par Agence Science-Presse le 27 novembre 2025 Technologie

    ChatGPT et les autres formulent parfois des réponses étranges lorsqu’ils sont confrontés à des requêtes contenant des mots négatifs. Le Détecteur de rumeurs a voulu comprendre pourquoi la négation demeure un défi pour l’intelligence artificielle.

    En 2024, le psychologue américain et expert en IA Gary Marcus résumait sur son blogue personnel les histoires d’utilisateurs qui s’étaient amusés à demander à ChatGPT de créer l’image d’une « pièce vide ne contenant absolument aucun éléphant ». En guise de réponse, le logiciel leur avait fourni plusieurs images… avec un éléphant!

    La même année, lui aussi sur son blogue personnel, Sean Trott, professeur adjoint au département d’informatique de l’Université de Californie à San Diego, racontait comment il avait dû faire plusieurs tentatives pour que ChatGPT réussisse à produire une image d’un robot dans un bureau de scrutin, mais sans drapeau américain.

    Les deux experts utilisaient ces exemples pour illustrer les difficultés qu’éprouve l’IA à comprendre le langage humain, mais plus précisément dans ce cas-ci, ses difficultés à comprendre la négation.

    La négation: un vieux défi pour l’IA

    Les problèmes de l’IA avec la négation ne datent pas d’hier. En 2020, Allyson Ettinger, professeure au département de linguistique de l’Université de Chicago, s’était intéressée à la compréhension des négations d’un grand modèle de langage (LLM) très populaire à l’époque, BERT. Elle lui avait demandé de compléter des phrases comme « Un rouge-gorge est un… » ou « Un rouge-gorge n’est pas un… ». Elle avait alors constaté que le logiciel lui proposait les mêmes mots pour les deux phrases, dont « oiseau » et « rouge-gorge ».

    La même année, une équipe de scientifiques du Texas notait que la négation constituait un défi pour les IA qui étaient utilisées en traduction. En effet, les performances de ces logiciels étaient généralement plus basses si la phrase à traduire contenait une négation.

    Un défi même avec les images

    Du coup, cette difficulté à comprendre les négations dans une requête affecte aussi les modèles qui produisent des images. Par exemple, en 2024, une équipe de chercheurs indiens et britanniques a soumis des requêtes à différents modèles d’IA. Ceux-ci devaient générer « une personne sans lunettes », « un éléphant sans défenses » ou « des fleurs sans couleur bleue ». Autant GPT-4 que Gemini ou Copilot ont eu un très bas taux de succès.

    Le Détecteur de rumeurs a procédé à son propre test maison. Nous avons demandé à ChatGPT de produire une carte du monde sans le Canada. Voici ce que nous avons obtenu.

    Ignorer la négation

    Le défi que représente la négation touche également un autre type d’IA, les modèles vision-langage. Ceux-ci combinent des algorithmes de traitement d’images avec des algorithmes de traitement du langage. Ils sont utilisés, par exemple, pour analyser des images médicales et repérer les anomalies.

    En 2025, des chercheurs du MIT ont testé un de ces modèles pour déterminer s’il pouvait traiter les requêtes négatives. Dans une première tâche, le logiciel devait trouver des images qui respectaient certains critères d’inclusion et d’exclusion (par exemple, une image avec un chien, mais pas de gazon). Pour la deuxième tâche, il devait trouver la meilleure description pour une image parmi des phrases contenant des éléments négatifs (par exemple, le sol est visible, mais il n’y a pas de chien).

    Les chercheurs ont constaté que le modèle avait de la difficulté à comprendre les négations. Ainsi, dans la deuxième tâche, il choisissait des phrases qui niaient la présence d’objets alors que ceux-ci étaient bien présents dans l’image. En fait, le modèle semblait carrément ignorer les mots qui marquent la négation.

    Ce comportement peut être problématique dans le domaine médical. Par exemple, l’absence de certaines caractéristiques sur une radiographie peut mener à un diagnostic complètement différent, soulignaient les auteurs.

    Pourquoi autant de mal avec la négation?

    Mais pourquoi les logiciels d’IA ont-ils autant de difficultés à traiter les requêtes négatives? Une des explications vient du mode de fonctionnement des logiciels comme ChatGPT, appelés grands modèles de langage (LLM).

    Pour prédire des séquences de mots, les LLM doivent d’abord convertir les mots en nombres, grâce à une approche appelée la vectorisation de mots. Ils peuvent ainsi regrouper les termes qui ont un sens similaire. La négation est toutefois un processus linguistique qui introduit un niveau de complexité plus élevé : le sens d’une phrase est inversé. En 2025, Saurabh Sarkar, fondateur d’une compagnie qui développe des systèmes d’IA, expliquait que la vectorisation ne permet pas, d’un point de vue mathématique, d’inverser les associations entre les mots.

    De plus, en entrevue pour le magazine The New Scientist en 2025, Karin Verspoor, de l’Institut royal de technologie de Melbourne, soulignait que les mots comme « ne… pas » ou « sans » peuvent se retrouver dans des contextes très variés et que cela rend le travail plus difficile pour les LLM, parce que ceux-ci se fient d’abord au contexte pour saisir le sens d’une phrase.

    Un autre problème est qu’on retrouve plusieurs exemples de phrases affirmatives comme « ceci est un chat » dans les grandes banques de données qui servent à « entraîner » les LLM, mais peu de phrases du genre « ceci n’est pas un chat », comme le notait également Saurabh Sarkar. Cette opinion est partagée par les chercheurs du MIT qui soulignaient que les données d’entraînement des modèles vision-langage contiennent très peu d’images avec des descriptions négatives.

    Enfin, il y a la grande difficulté, pour un LLM, de visualiser ce qui n’existe pas. En 2025, Senjuti Dutta, une chercheuse en intelligence artificielle qui s’intéresse aux LLM, écrivait que les modèles peuvent réussir à produire une image d’une personne sans lunettes parce qu’il existe plusieurs images de ce genre dans leurs données d’entraînement. En comparaison, trouver l’image d’un avion sans ailes est plus difficile. D’ailleurs, lorsque nous avons demandé à ChatGPT pourquoi il ne parvenait pas à produire une carte du monde sans le Canada, il a donné l’explication suivante.

    Réponse de ChatGPT à la question précédente

    Des modèles qui s’améliorent

    Pour améliorer la capacité des LLM à traiter les négations, des experts ont donc proposé de les entraîner avec des banques de données contenant davantage d’expressions négatives, soulignaient déjà en 2023 des chercheurs d’Oxford.

    Ceux-ci ont d’ailleurs évalué la fiabilité de ChatGPT dans différentes situations, dont la compréhension de la négation. Ils ont remarqué que celui-ci s’était amélioré par rapport aux performances des anciens modèles comme BERT. Selon les auteurs, l’incorporation d’étapes de rétroaction humaine aurait joué un rôle crucial pour permettre à certains LLM de mieux comprendre le sens des négations.

    Toutefois, certains experts en IA ont aussi avancé depuis deux ans que la capacité des LLM à s’améliorer en général —par exemple, quand il s’agit d’éviter de dire des faussetés— approchait peut-être de ses limites, en raison à la fois de leur « entraînement » et du fait que les compagnies hésitent à les programmer pour admettre que la réponse qu’ils donnent est incertaine.

    Verdict

    Comprendre les phrases négatives demeure un défi pour les logiciels d’intelligence artificielle, en raison de leur mode de fonctionnement. Ces IA se sont récemment améliorées par rapport aux modèles précédents, mais l’existence d’une limite à leurs capacités demeure possible.

    Abonnez-vous à notre infolettre tentaculaire

    Encouragez-nous pour le prix d’un café

    Partager. Facebook Twitter Pinterest LinkedIn Tumblr E-mail

    Articles connexes

    13 novembre 2026

    Big Tech rate ses cibles de réduction de GES

    25 octobre 2026

    Pour de l’asphalte plus durable, ajoutez-y du plastique

    12 octobre 2026

    Les parents veulent faire interdire les médias sociaux… même s’ils les utilisent

    Agence Science-Presse
    • Site web
    • X (Twitter)

    Laisser un commentaire Annuler la réponse

    Vous cherchez un contenu?
    Abonnez-vous à l’infolettre!

    Suivez-nous
    Dossiers spéciaux
    • Cinémania
    • FNC
    • Élections québécoises 2026
    • Séance de test
    Nos podcasts
    • Entretiens journalistiques
    • Rembobinage
    • Projection
    • Des nouvelles de l’Oncle Sam
    • SVGA
    • Pixels et préjugés
    • Heure supplémentaire
    • Dans les coulisses de…
    Récemment publié
    16 novembre 2026

    La Gradiva: les cendres de Cupidon

    16 novembre 2026

    Les quatre saisons de Vivaldi, « nouvelles et améliorées ».

    16 novembre 2026

    Les ultrariches polluent plus que vous et 3,5 milliards d’autres personnes

    15 novembre 2026

    En haut de la pile: l’amour suffira

    15 novembre 2026

    33 Days Till Extraction, le combat de tous les instants

    Informations
    • Votre semaine tentaculaire
    • Qui sommes-nous?
    • Contactez-nous
    © 2009-2026 Pieuvre.ca. Tous droits réservés.

    Tapez ci-dessus et appuyez sur Entrée pour rechercher. Appuyez sur Échap pour annuler.

    Gérez votre confidentialité

    Pour offrir les meilleures expériences, nous et nos partenaires utilisons des technologies telles que les cookies pour stocker et/ou accéder aux informations de l’appareil. Le consentement à ces technologies nous permettra, ainsi qu’à nos partenaires, de traiter des données personnelles telles que le comportement de navigation ou des ID uniques sur ce site et afficher des publicités (non-) personnalisées. Ne pas consentir ou retirer son consentement peut nuire à certaines fonctionnalités et fonctions.

    Cliquez ci-dessous pour accepter ce qui précède ou faites des choix détaillés. Vos choix seront appliqués uniquement à ce site. Vous pouvez modifier vos réglages à tout moment, y compris le retrait de votre consentement, en utilisant les boutons de la politique de cookies, ou en cliquant sur l’onglet de gestion du consentement en bas de l’écran.

    Fonctionnel Toujours activé
    Le stockage ou l’accès technique est strictement nécessaire dans la finalité d’intérêt légitime de permettre l’utilisation d’un service spécifique explicitement demandé par l’abonné ou l’internaute, ou dans le seul but d’effectuer la transmission d’une communication sur un réseau de communications électroniques.
    Préférences
    L’accès ou le stockage technique est nécessaire dans la finalité d’intérêt légitime de stocker des préférences qui ne sont pas demandées par l’abonné ou l’internaute.
    Statistiques
    Le stockage ou l’accès technique qui est utilisé exclusivement à des fins statistiques. Le stockage ou l’accès technique qui est utilisé exclusivement dans des finalités statistiques anonymes. En l’absence d’une assignation à comparaître, d’une conformité volontaire de la part de votre fournisseur d’accès à internet ou d’enregistrements supplémentaires provenant d’une tierce partie, les informations stockées ou extraites à cette seule fin ne peuvent généralement pas être utilisées pour vous identifier.
    Marketing
    Le stockage ou l’accès technique est nécessaire pour créer des profils d’internautes afin d’envoyer des publicités, ou pour suivre l’internaute sur un site web ou sur plusieurs sites web ayant des finalités marketing similaires.
    Statistiques

    Marketing

    Fonctionnalités
    Toujours activé

    Fonctionnalités spéciales

    Finalités spéciales
    Toujours activé

    • Gérer les options
    • Gérer les services
    • Gérer {vendor_count} fournisseurs
    • En savoir plus sur ces finalités
    Gérer les options
    • {title}
    • {title}
    • {title}

    logo

     Ne manquez aucun article ou épisode de podcast: abonnez-vous à l’infolettre!