Le problème du larynx

Les grands modèles linguistiques ont atteint une fluidité remarquable dans la production de textes semblables à ceux des humains, ce qui conduit beaucoup à confondre compétence linguistique et intelligence. Cet article soutient que cette confusion est une erreur de catégorie aux racines historiques profondes — analogue à confondre le larynx avec le cerveau. Nous appelons cela le *Problème du larynx* : les LLM sont entraînés sur le canal de sortie de l'intelligence humaine — le langage — et non sur l'intelligence elle-même. Le cerveau ne pense pas en mots ; il traite l'information comme des patterns d'activation distribués à travers des régions fonctionnellement spécialisées, produisant du langage seulement au stade terminal d'encodage. Nous retraçons comment cette erreur est née d'une substitution en 1969 dans les objectifs de la recherche en IA — de « comment l'intelligence émerge-t-elle ? » à « comment programmer un comportement intelligent ? » — une substitution que l'ère des Transformers a rendue invisible en atteignant des performances sans précédent selon ses propres termes. Nous décrivons ensuite une alternative fondée sur le cadre FNC et le Principe d'Énergie Libre, incarnée par le Bisociation Engine : une architecture cognitive où la génération de langage est un module parmi d'autres, les domaines de connaissances spécialisées rivalisent dans un espace de travail global, et la créativité est opérationnalisée comme de la bisociation — la collision productive de cadres de référence structurellement séparés. Une comparaison empirique montre que les classements de paires de domaines du moteur sont négativement corrélés à ceux d'un LLM de premier plan (Spearman ρ = −0,25), confirmant que les deux systèmes optimisent des propriétés structurellement différentes. La destination fixée par les pionniers de Dartmouth en 1956 — des machines qui pensent, pas des machines qui décrivent la pensée — reste la bonne. Le chemin doit être corrigé.