Intelligence collective

Alors que la connaissance des membres d’une communauté est limitée, tout autant que leur perception de l'environnement commun et bien qu'ils n'ont pas conscience de la totalité des éléments pertinents par rapport aux buts, des agents peuvent accomplir des tâches complexes ou trouver des solutions novatrices grâce à différents mécanismes, méthodes…, tel la stigmergie[7].

Les formes d'intelligence collective sont très diverses selon les types de communauté et les membres qu'elles réunissent. Les groupes humains, en particulier, n'obéissent pas à des règles aussi mécaniques que d'autres collectifs, par exemple les animaux sociaux tels les colonies d'insectes ou les associations de robots coopératifs [8]. S’agissant de collectifs humains, une définition très large a été proposée par Geoff Mulgan dans une série de conférences et de rapports diffusés à partir de 2006 [9] dans son livre Big Mind: how collective intelligence can change our world (Princeton, 2017)[10]. Il y propose en effet un cadre d'analyse qu’il considère valable pour tout système de pensée, y compris l'intelligence humaine (vue comme le fruit de la coopération entre neurones) et l'intelligence artificielle. Son cadre d'analyse implique de tenir compte des fonctions exercées (observation, prédiction, créativité, jugement, etc.), de boucles d'apprentissage et de formes d'organisation. L'objectif de Mulgan est ni plus ni moins de fournir un moyen d’évaluer, puis d’améliorer l'intelligence collective d'une ville, d'une entreprise, d'une ONG ou d'un parlement. Pour cet auteur, le cadre d’analyse apporté par l’intelligence collective peut permettre de renforcer la capacité des structures sociales à répondre aux défis du monde moderne en maximisant les capacités créatives et en minimisant les dimensions destructrices des institutions humaines[11].

En l’absence de structure de décision centralisée, l’intelligence collective des systèmes naturels repose sans doute sur des principes d’auto-organisation et d’émergence[12]. Les chercheurs qui veulent appliquer ce paradigme de l’intelligence collective aux collectifs de robots collaboratifs dans une perspective bioinspirée ou biomimétique cherchent à tenir compte de ces principes et cherchent à les implémenter[13].

Dans ce sens, l’intelligence collective peut être lue comme une ingénierie dont le but est de maximiser l’efficacité cognitive d’un groupe humain par exemple en structurant les échanges interpersonnels, en optimisant la composition du groupe ou et utilisant des supports électroniques pour faciliter les échanges [14].

L'intelligence collective animale est un domaine d'étude scientifique qui connaît un grand développement à partir des années 1980, avec des entomologistes comme Edward Osborne Wilson et Bert Hölldobler qui mettent en évidence l'intelligence collaborative des fourmis[15], ou le neurobiologiste Thomas Dyer Seeley (en) qui écrit sur l'intelligence distribuée chez les abeilles[16]. Des travaux sur l’intelligence artificielle distribuée apparaissent également à la même époque.

La recherche sur l'intelligence collective humaine qui se développe au début du XXI^e siècle, s'inspire de ces études, et est popularisée par le best-seller La Sagesse des foules publié en 2004 par le journaliste américain James Surowiecki qui rappelle l'expérience emblématique, et largement ignorée jusque-là, de Francis Galton en 1906[17] sur l'estimation correcte du poids d'un bœuf dans une foire anglaise[18].

Le centre d'intelligence collective du National Endowment for Science, Technology and the Arts (en) a pour objectif d'aider les organisations à devenir plus intelligentes collectivement et à prendre de meilleures décisions de groupe. Pour ce faire, les chercheurs partent d'une séquence de phases théoriques de la décision, qui débute par l'identification des objectifs pour aller vers la génération d'idées et l'évaluation, puis cherchent à voir comment chaque étape peut être optimisée pour tirer le meilleur parti des compétences de l'équipe et au-delà [32] - [33].

Le centre d'intelligence collective du Massachusetts Institute of Technology rassemble des scientifiques pour trouver comment des personnes et les dispositifs informatiques peuvent travailler ensemble de manière plus intelligente, et pour aborder des questions scientifiques sous-jacentes à cette question[34]. Pour ce faire, les membres se centrent sur plusieurs objectifs : concevoir des systèmes collaboratifs intelligents, étudier l’intelligence collective dans des organisations existantes, concevoir des théories autour de l’intelligence collective.

Les développements d’internet sont pointés comme un élément ayant rendu visible les apports de la collaboration dans la génération de solutions pour des problèmes de différentes natures. L’intelligence ne parait plus située dans le seul esprit des individus isolés mais apparait en lien à leur capacité d’échanger pour mieux définir des problèmes et y chercher collectivement des solutions[33].

Mulgan donne l’exemple d’une jeune diabétique indienne qui avait développé une première version d’une application mobile destinée à monitorer son niveau d’insuline, puis l’a partagée sur internet. En un temps très court, plus de 400 insiluno-dépendants se sont coordonnés pour améliorer l’application qui a dès lors surpassé en qualité des produits commerciaux. "Chaque individu, organisation ou groupe pourrait mieux se débrouiller s'il faisait appel... à la matière grise d'autres personnes et d'autres machines".

Le NESTA lie très directement intelligence collective et technologies. Cet institut en arrive à considérer que l'intelligence collective est générée lorsqu'un groupe de personnes diverses travaille ensemble, souvent avec l'aide de la technologie, pour mobiliser un éventail accru d'informations, d'idées et de connaissances afin de résoudre un problème. Elle part du principe que l'intelligence est distribuée. Différentes personnes détiennent différents éléments d'information et apportent différentes compétences qui, une fois combinées, donnent une image plus complète d'un problème et de la manière de le résoudre.

Pour Nature, l'avantage de connecter les gens est évident lorsqu'il s'agit d'agréger rapidement de grandes quantités d'informations distribuées. Ainsi, des applications efficaces du principe de la production participative sont si nombreuses qu’on aurait de la peine à les recenser[35]. Peu après le lancement du projet d'astronomie Galaxy Zoo, par exemple, des centaines de milliers de bénévoles ont classé des galaxies à partir d'images collectées par le Sloan Digital Sky Survey, réalisant en à peine six mois ce qui aurait pris des années à une personne travaillant 24 heures sur 24. Cependant, la démonstration de la puissance du collectif est moins évidente lorsqu’il s’agit de prendre une décision compliquée dans la sphère politique par exemple[10].

Dès lors, pour éviter la stupidité qu’on voit chaque jour démontrée par les réseaux sociaux, Mulgan considère que l’énergie des chercheurs en IC doit être focalisée sur l’identification des structures, règles, compétences, outils et normes qui "transforment des groupes fragmentés et conflictuels en quelque chose de plus proche d'une intelligence collective". Hélène Landemore va dans le même sens [36]. Pour Mulgan, c’est aux institutions publiques de structurer les entités humaines (entreprises, administrations...) dans ce sens, pour Landemore, c’est effectivement une question cruciale.

8 recommendations de Geoff Mulgan du NESTA britannique, tirées de son livre "Big Mind"

Mulgan considère qu’un premier moyen simple de développer l’intelligence collective est d'améliorer la façon dont nous conduisons les réunions[37]. Il préconise des réunions plus courtes assorties d’ordres du jour plus clairs, avec une attribution de tâches définies, d’objectifs bien énoncés et avec une meilleure utilisation de l'espace, de la modération et de supports technologiques simples.

L'étude de l'intelligence collective a pour objectif de comprendre les conditions qui permettent l'émergence du phénomène, répertorier ses variations et de construire des méthodes et outils pour l'optimiser. La recherche sur le sujet puise dans de nombreuses disciplines, des sciences cognitives, à la psychologie sociale, la science des données, l'informatique et le management. La discipline s'appuie également sur les pratiques innovantes issues des mouvements de démocratie participative.

La cinquième conférence annuelle sur l'intelligence collective, qui s'est tenue en juin 2017 à New York, était axée sur la démocratie[36]. Des experts en informatique et en sciences sociales se sont réunis pour examiner ce que les institutions démocratiques doivent faire pour mieux exploiter l'intelligence et l'expertise de ceux qu'elles gouvernent. Celle de 2020 a exploré les impacts de la technologie et du big data sur la façon dont les gens se rapprochent pour communiquer, combiner leurs connaissances et accomplir leur travail[38].

Les groupes raisonnent mieux que les individus

Hugo Mercier, spécialiste du raisonnement à l’institut Jean Nicod, démontre que les groupes peuvent surpasser les individus pour résoudre un problème de logique[39]. Dans une de ses expériences, on présente le scénario suivant aux participants :

"Paul regarde Linda. Linda regarde Jean. Paul est marié, Jean n'est pas marié. On ne sait pas si Linda est mariée ou non. Est-ce qu'une personne mariée regarde une personne qui ne l'est pas ? Réponses possibles: Oui. Non. On ne peut pas savoir."[40]

Pour arriver à la bonne réponse, les participants doivent examiner l’enchaînement logique de chaque réponse possible. Malgré la simplicité du problème, seul 10% des participants donnent la bonne réponse : Oui, quelqu'un de marié regarde quelqu'un qui ne l'est pas. Hugo Mercier définit le statu quo selon lequel ce taux d'erreur élevé ne serait que la conséquence des limites cognitives du cerveau humain (une mémoire de travail limitée par exemple). Selon lui, le problème provient du fait qu'en raisonnant, la majorité des individus n'examinent pas chaque réponse possible, mais viennent seulement étayer d'arguments la réponse qui leur paraissait a priori intuitivement bonne. Il appelle ce type de biais de confirmation le "my side bias" : la tendance à trouver des arguments en faveur des croyances et intuitions que nous possédons déjà. La raison ne ferait donc que conforter nos intuitions au lieu de les mettre à l'épreuve.

Propagation de la bonne réponse (en vert) à l'énigme de Linda. Plus le temps passe, plus le groupe tend vers la bonne réponse grâce à l'échange d'arguments entre ses membres.

Pour résoudre ce qui semble constituer une faculté de raisonnement paradoxalement biaisée, Hugo Mercier et Dan Sperber proposent que la fonction de la raison est de nature argumentative, et donc sociale. Le raisonnement serait ainsi plus efficace dans un contexte où les individus peuvent interagir et argumenter.

Cette théorie semble se vérifier empiriquement : quand on demande aux participants d'argumenter entre eux, 20 min de discussion suffisent à faire changer le groupe entier d'avis. De nombreuses institutions, telles que l'école, la justice et la science reposent sur l'argumentation pour déterminer ce qui est vrai et juste.

Mercier propose ainsi que "Raisonner seul ne nous permet pas de savoir si l'on a tort ou raison. Le meilleur moyen est de trouver ceux qui ne partagent pas nos opinions et de leur parler".

L'intelligence collective s'observe principalement chez les insectes sociaux (fourmis, termites et abeilles)[41] - [42], et les autres animaux sociaux, notamment ceux se déplaçant en formation (oiseaux migrateurs, bancs de poissons) ou chassant en meute (loups, hyènes, lionnes).

L’étude des modes de collaboration animale bénéficie de possibilités de modélisation apportées par l’informatique, tout comme les travaux d’intelligence artificielle collaborative bénéficient des apports des études sur les collectifs animaux[42].

Fourmis : résolution de problèmes

Les fourmis sont des animaux eusociaux.

Les fourmis, comme d'autres insectes sociaux, présentent des caractéristiques particulières :

• un registre comportemental limité,
• des capacités cognitives telles que chaque individu ne peut s’appuyer sur une connaissance de l'état de la collectivité et du milieu pour agir dans le sens nécessaire pour garantir un bon fonctionnement de la colonie,
• des facultés de communication avancées par le biais des phéromones, favorisant des interactions multiples.

La colonie dans son ensemble est un système complexe stable et auto-régulé capable de s'adapter très facilement aux variations environnementales les plus imprévisibles, mais aussi et surtout de résoudre des problèmes, sans contrôle externe ou mécanisme de coordination central, de manière totalement distribuée.

Des études interdisciplinaire faisant appel à la modélisation des comportements collectifs d’animaux commencent à révéler les principes sous-jacents de la prise de décision collective dans les groupes d'animaux, en démontrant comment les interactions sociales, l'état individuel, les modifications de l'environnement et les processus d'amplification et de filtrage de l'information peuvent jouer un rôle dans l’établissement de la réponse adaptative du collectif[45]. Il semblerait que d'importants points communs existent avec ce qu’on sait des processus neuronaux et que l'on pourrait apprendre beaucoup en considérant le comportement collectif des animaux dans le cadre des sciences cognitives[45].

À un certain niveau de description, la prise de décision collective telle qu’elle semble opérer chez des collectifs d’animaux présente en effet de fortes similarités avec des caractéristiques essentielles des mécanismes de prise de décision au sein du cerveau [46]. Bien que de nombreux détails diffèrent, cela incite à renforcer les échanges entre les chercheurs qui s'intéressent au comportement collectif des animaux d’une part et ceux qui travaillent dans le domaine des sciences cognitives d’autre part.

Ainsi, la modélisation informatique de ce qui se passe dans des comportements de regroupement chez des animaux sociaux atteste que plusieurs modes stables de comportement collectif peuvent apparaître sur la base d’exactement les mêmes formes d’interactions examinées au niveau individuel[47].  Ce principe est strictement analogue à la multistabilité  qu’on observe pour les systèmes neuronaux, dans lesquels de multiples états collectifs (attracteurs) coexistent pour la même valeur des paramètres du système et ce sans changer le réseau neuronal [48]. Cette multistabilité des systèmes neuronaux joue sans doute un rôle pour la mémorisation et dans la reconnaissance des patterns temporels[48] . Dès lors, l’étude du comportement coordonné d’animaux évolués peut servir de source d’inspiration directe pour concevoir des systèmes artificiels collectifs comme des groupes de robots autonomes ou des algorithmes de recherche informatique massivement parallèles [49].

De nombreux cas de défaillances sont connus en ce domaine. Par exemple :

• les décisions de groupe, où les membres n'osent pas dire ce qu'ils pensent ;
• l'acceptation passive d'un état de fait dont l'individu se doute qu'il mène à une catastrophe (ex : navette spatiale Challenger) ;
• les discussions sur les choix et les conséquences des décisions souvent confuses et ne menant à rien ;
• l'avis des experts sans conséquence face à l'opinion d'un groupe dont les individus se trompent ;
• ou au contraire les participants acceptant sans réflexion l'avis d'experts ;
• les votes démocratiques qui portent un dictateur à la tête de l'État ;
• les représentations collectives qui norment les comportements au détriment d'une classe ou d'une autre (conduisant par exemple à un taux de suicide très élevé chez les femmes en Chine[50]).

L'intelligence collective est ainsi limitée par des effets de groupe (conformisme, crainte, fermeture, absence de procédure, homogénéité idéologique), au point que l'individu seul peut parfaitement être plus intelligent que tout un groupe car, il conserve mieux sa pensée critique seul que sous l'influence du groupe. À noter d'ailleurs que la notion d'intelligence s'applique aux facultés cognitives, voire émotionnelles, d'un individu. L'application de cette notion à un groupe ne peut avoir le même sens, car il est impossible de dire où émergeraient des facultés de représentation, de création et d'apprentissage supérieures à celles des individus isolés. Selon Christian Morel, il est ainsi, en général, impossible à un groupe de rédiger un « document d'information clair et pertinent » (in Prend-on de meilleures décisions à plusieurs ?, Sciences humaines, mars 2006[51]), ce qui exprimerait le fait que la notion de représentation collective est vague, voire inconsistante.