Aller au contenu
  • BTC $63 514 −1,5%
  • ETH $1 799 −0,4%
  • SOL $74,54 −0,5%
  • BNB $587,08 −0,9%
  • XRP $0,9732 −0,7%
  • DOGE $0,0591 −0,4%
  • ADA $0,1527 −0,3%
  • TON $1,60 −0,2%

Théorie des Possibilités : l’IA qui raisonne au-delà de la probabilité

Durante l’AI Week di Milano, il Professor Waldo Lockwin ha portato l’attenzione su un concetto spesso trascurato ma rivoluzionario per lo sviluppo dell’intelligenza artificiale: la théorie des possibilités. Une alternative à l'approche probabiliste traditionnelle, capable de modéliser l'incertitude de manière plus proche de la pensée humaine. Dans un monde dominé par des algorithmes qui se…

intelligenza artificiale possibility theory

Pendant la Semaine de l’IA à Milan, le Professeur Waldo Lockwin a attiré l’attention sur un concept souvent négligé mais révolutionnaire pour le développement de l’intelligence artificielle : la possibility theory.

Une alternative à l’approche probabiliste traditionnelle, capable de modéliser l’incertitude de manière plus proche de la pensée humaine.

Dans un monde dominé par des algorithmes basés sur des données, des fréquences et des statistiques, la possibility theory propose une logique fondée sur des ensembles, des mots et des ambiguïtés. Un paradigme qui pourrait s’avérer fondamental pour les futures IA qui souhaitent vraiment comprendre le langage naturel, le contexte et les nuances de la réalité.

Qu’est-ce que la possibility theory ?

La possibility theory (théorie de la possibilité) est née comme une extension de la logique floue, offrant un outil mathématique pour traiter l’incertitude non pas en termes de fréquence, comme le fait la probabilité, mais en termes de compatibilité avec l’information disponible.

En termes simples : la probabilité répond à la question : « à quelle fréquence X se produit-il ? »

La possibilité répond à la question : « dans quelle mesure X est-il plausible dans ce contexte ? »

Cette distinction est cruciale pour construire des systèmes IA qui se basent sur des mots vagues, des intuitions humaines ou des scénarios où les données sont partielles, incertaines ou subjectives.

Un exemple réel : oncologie et intelligence artificielle

Dans son intervention à la Semaine de l’IA, Lockwin a raconté avoir utilisé la possibility theory pour développer un modèle de radiothérapie personnalisée pour les tumeurs. L’objectif était d’administrer la quantité minimale de radiations capable de tuer une masse tumorale, en se basant sur des descriptions qualitatives fournies par les médecins, comme « dose minimale » ou « effet maximal ».

Ces expressions ne peuvent pas être traduites directement en chiffres ou pourcentages. Mais elles peuvent être représentées à travers des ensembles flous et des modèles possibilistes, qui prennent en compte les multiples interprétations et la subjectivité du langage.

Le résultat ? Un système plus flexible, humain et adaptatif par rapport à un modèle rigide basé exclusivement sur des probabilités statistiques.

Pourquoi est-ce pertinent pour l’IA d’aujourd’hui (et de demain)

Dans le paysage actuel, dominé par le machine learning et les réseaux neuronaux profonds, un débat s’ouvre sur la manière de rendre l’intelligence artificielle plus interprétable, fiable et sémantique.

C’est ici que la possibility theory entre en jeu :

  • 🔹 Langage naturel : Les IA modernes, comme les grands modèles linguistiques (LLM), se heurtent souvent à des concepts nuancés et ambigus. Les modèles possibilistes peuvent offrir un cadre plus cohérent pour traiter des termes comme « très », « presque », « peut-être », « assez ».
  • 🔹 Prise de décision : Dans des contextes comme la finance, la médecine ou la conduite autonome, où les décisions se basent sur des signaux contradictoires ou des informations incomplètes, l’approche possibiliste peut s’avérer plus robuste que la probabilité classique. Un exemple est l’utilisation de l’intelligence artificielle en médecine.
  • 🔹 Éthique et responsabilité : Une IA qui explique « pourquoi elle a choisi cette décision » en termes de possibilités et d’alternatives est potentiellement plus transparente et acceptable aux yeux de l’être humain, comme discuté dans le rôle futur de l’IA dans le droit.

Possibilité vs probabilité : deux mondes à confronter

Aspect Probabilité Possibilité
Basée sur Fréquences, données historiques Cohérence avec la connaissance actuelle
Type de logique Statistique Logique floue / ensembles flous
Applications typiques Prévisions, gestion des risques Interprétation, décisions humaines
Gestion de l’incertitude Quantitative Qualitative et descriptive

Il ne s’agit pas d’un remplacement, mais d’une intégration : possibilité et probabilité peuvent coexister pour donner naissance à des IA plus complètes, capables d’affronter le monde réel dans toute sa complexité, comme le souligne cette étude.

Possibility theory

Dans le grand débat sur l’intelligence artificielle, la possibility theory représente une voie alternative et complémentaire à la probabilité. Elle est moins connue, moins utilisée, mais potentiellement plus proche de la manière dont raisonnent les êtres humains.

Comme démontré à la Semaine de l’IA 2025, cette théorie n’est pas seulement de la philosophie : elle a des applications concrètes, fonctionne et peut faire la différence dans les secteurs les plus délicats, comme la santé ou l’automatisation critique.

À une époque où nous demandons à l’IA non seulement de calculer, mais aussi de comprendre, il est peut-être temps de donner une chance à la possibilité.

Francesco Antonio Russo

Tous les articles de Francesco Antonio Russo