Vous racontez une histoire à un ami, et son cerveau semble s'accorder sur votre fréquence — les mêmes zones s'activent en rythme avec vos paroles. Des scientifiques ont enregistré cette « synchronisation neuronale » grâce à la magnétoencéphalographie (un appareil qui capte les champs magnétiques du cerveau) et ont décidé de vérifier si un modèle de langage informatique pouvait reproduire cette danse des significations.
Ils ont pris des récits de personnes réelles et ont demandé à des auditeurs ordinaires ainsi qu'à cinq versions de modèles de langage (des plus petits aux géants comme GPT-4) d'évaluer chaque mot significatif selon dix axes de sens : mouvement, temps, émotions, socialité, etc. Ensuite, ils ont construit un « pont » mathématique entre les évaluations humaines et celles des modèles pour voir à quel point un modèle prédit précisément où le cerveau de l'auditeur s'illuminera à l'unisson avec le narrateur.
Le résultat a surpris : les modèles capturent effectivement une part significative de cette synchronisation neuronale, et plus le modèle est grand, meilleure est la correspondance. Mais lorsqu'il s'agit de mots liés aux intentions, aux émotions ou aux rôles sociaux, l'« auditeur » informatique commence à dérailler. Sa carte des significations reste plus plate — elle contient moins de nuances affectives et volitives.
Cette différence est particulièrement visible avec des verbes comme « vouloir », « craindre » ou « promettre ». Pour le cerveau humain, ils portent une charge sociale puissante, tandis que le modèle n'en voit qu'une ombre statistique. Pourtant, le simple fait qu'un algorithme sans âme puisse partiellement reproduire le motif vivant de la compréhension partagée donne à réfléchir : peut-être que le langage commun n'est pas seulement une affaire de biologie, mais aussi une structure que l'on peut mesurer et même améliorer.
La magnétoencéphalographie utilisée dans l'expérience est si sensible qu'elle peut détecter un champ magnétique un milliard de fois plus faible que celui de la Terre — c'est comme entendre un murmure à l'autre bout d'un terrain de football.
Dans le roman « La Machine à différences » de William Gibson et Bruce Sterling, un « moteur » mécanique tente d'analyser la parole humaine — mais l'automate sans âme ne parvient pas à saisir l'ironie et la douleur, tout comme les modèles d'IA modernes dans cette expérience.