Centaur, l’IA de Helmholtz Munich qui modélise les décisions humaines

Une personne qui choisit entre deux options ne révèle pas seulement une préférence. Elle mobilise son attention, sa mémoire, ses habitudes, son rapport au risque et le contexte immédiat. Comprendre cet enchevêtrement est l’un des grands défis de la psychologie. Avec Centaur, une équipe de Helmholtz Munich propose une voie originale : entraîner une intelligence artificielle sur des millions de décisions expérimentales afin d’en faire un outil de modélisation de la cognition humaine.

Publié dans la revue Nature, ce travail ne signifie pas qu’une machine pense, ressent ou possède une conscience comparable à celle d’une personne. Son ambition est plus précise, et potentiellement très utile : reproduire statistiquement des régularités observées dans des choix humains, y compris lorsque la situation change. À la date du 3 juillet 2025, Centaur apparaît ainsi comme un laboratoire virtuel susceptible de compléter les méthodes habituelles de la recherche en psychologie.

Centaur, un modèle entraîné sur des décisions humaines

Centaur repose sur Psych-101, un ensemble de données constitué de résultats d’expériences psychologiques. Le modèle a été formé sur plus de 10 millions de décisions. Ces données proviennent de tâches dans lesquelles des participants doivent, par exemple, évaluer une situation, sélectionner une option ou réagir à une information selon des consignes précises.

Le principe diffère de celui d’un questionnaire ou d’une simple base statistique. Au lieu de se limiter à résumer les résultats d’une expérience, Centaur apprend à relier la description d’une situation aux réponses que des humains ont effectivement données. Il tente ensuite de prévoir ce qui se passerait dans une tâche similaire, ou dans une nouvelle tâche formulée en langage naturel.

Cette approche s’inscrit dans une évolution plus large de l’IA : des systèmes initialement conçus pour repérer des régularités dans des textes, des images ou des sons peuvent aussi être adaptés à des données scientifiques structurées. Dans le cas de Centaur, la matière première n’est pas une conversation ordinaire, mais une immense collection de décisions prises dans des cadres expérimentaux.

Le nom du modèle illustre bien cette position intermédiaire. Dans la mythologie, le centaure associe deux natures. Ici, le système associe des méthodes d’intelligence artificielle à des questions traditionnellement étudiées par les sciences cognitives : comment choisissons-nous, comment traitons-nous l’information et pourquoi nos décisions varient-elles selon les circonstances ?

Pourquoi rapprocher prédiction et théorie psychologique ?

La psychologie s’appuie depuis longtemps sur des modèles théoriques. Leur force est d’être interprétables : ils proposent des mécanismes précis pour expliquer un phénomène, comme l’arbitrage entre vitesse et exactitude, l’apprentissage par l’expérience ou l’évaluation d’un risque. Leur limite est qu’ils peuvent avoir du mal à rendre compte de la grande diversité des situations et des comportements observés.

À l’inverse, les modèles d’IA peuvent atteindre une forte précision prédictive en assimilant de très nombreux exemples. Mais ils sont souvent difficiles à interpréter. Savoir qu’un système anticipe correctement un choix n’explique pas nécessairement pourquoi ce choix est effectué ni quel mécanisme cognitif est en jeu.

Centaur vise à combler ce fossé. Les chercheurs le présentent comme une manière de réunir la capacité de prédiction fiable et le dialogue avec les théories interprétables. L’enjeu n’est donc pas de remplacer les modèles classiques par une boîte noire, mais de mettre à l’épreuve les théories existantes grâce à un outil capable de reproduire un éventail beaucoup plus vaste de résultats expérimentaux.

Peut-il prédire des décisions dans des situations inédites ?

C’est l’une des promesses les plus remarquées de Centaur. Le modèle ne se limite pas aux tâches identiques à celles présentes dans son entraînement. Il est conçu pour s’adapter à de nouveaux contextes, notamment lorsqu’ils sont décrits en langage naturel. Selon les chercheurs, il adopte des stratégies de décision courantes chez les humains tout en tenant compte des changements de situation.

Cette capacité est importante pour la recherche. Une expérience psychologique teste souvent une hypothèse dans un cadre très contrôlé : les règles sont explicites, les réponses sont limitées et les conditions sont identiques pour tous les participants. Pourtant, les décisions de la vie courante sont rarement aussi simples. Elles dépendent de la formulation d’un problème, des informations accessibles, du temps disponible et de l’incertitude perçue.

Centaur cherche également à anticiper les temps de réaction. Cette donnée compte en psychologie, car deux personnes peuvent donner la même réponse pour des raisons différentes, ou après des processus de réflexion de durée différente. Une réponse rapide peut relever d’un automatisme, tandis qu’une réponse plus lente peut signaler une hésitation ou un arbitrage. Prédire à la fois le choix et le délai de réponse offre donc une vision plus riche qu’une simple estimation binaire.

Il faut toutefois bien interpréter cette performance. Une prédiction de comportement concerne des tendances, des probabilités et des réponses attendues dans un certain type de tâche. Elle ne permet pas d’affirmer à l’avance ce qu’une personne précise fera dans toutes les circonstances. La généralisation à des situations nouvelles devra aussi être examinée avec soin, notamment lorsque les contextes s’éloignent des expériences disponibles dans Psych-101.

Un laboratoire virtuel pour la psychologie et la santé mentale

Marcel Binz, chercheur et auteur principal de l’étude, décrit Centaur comme un outil qui pourrait prédire des comportements dans toute situation exprimée en langage naturel. Cette perspective en fait un candidat naturel au rôle de laboratoire virtuel : avant de lancer une étude coûteuse ou complexe, les chercheurs pourraient confronter une hypothèse à une simulation des réponses humaines attendues.

Dans la recherche fondamentale, le modèle pourrait servir à réexaminer des expériences classiques, à comparer des protocoles ou à repérer les situations dans lesquelles les théories actuelles prédisent mal les comportements. Cela ne dispense pas de recruter des participants et de mener des études réelles. Une simulation ne remplace pas une observation : elle peut en revanche aider à poser de meilleures questions et à concevoir des expériences plus informatives.

Les applications envisagées s’étendent aussi aux contextes cliniques. Les troubles de l’anxiété et de la dépression sont explicitement cités parmi les domaines où Centaur pourrait fournir de nouveaux éclairages sur les décisions et les comportements. L’intérêt est de mieux étudier la manière dont certaines stratégies de choix diffèrent selon les conditions psychologiques.

La nuance est essentielle. En santé mentale, les comportements sont façonnés par de très nombreux facteurs, dont l’environnement social, le vécu, l’état physique et le contexte de soin. Une IA peut aider à analyser des données ou à générer des hypothèses, mais toute utilisation clinique devrait être validée rigoureusement et encadrée.

Psych-101 doit être enrichi pour mieux refléter la diversité humaine

Les chercheurs prévoient d’élargir Psych-101 avec des caractéristiques démographiques et psychologiques. Cet enrichissement est un point central pour l’avenir de Centaur. Une décision n’a pas toujours le même sens selon l’âge, la culture, les expériences antérieures ou les caractéristiques psychologiques d’une personne. Intégrer de telles informations pourrait permettre d’étudier plus finement les écarts entre stratégies de décision.

L’objectif est notamment de mieux comprendre comment les individus traitent l’information et comment leurs stratégies varient entre personnes en bonne santé et personnes présentant des troubles mentaux. Cette orientation pourrait aider à identifier les limites de modèles trop généraux, qui décrivent une moyenne sans rendre compte de la pluralité des profils humains.

Cet enrichissement soulève aussi une exigence méthodologique. Ajouter des données démographiques ou de santé peut rendre un modèle plus utile pour certaines questions, mais augmente la sensibilité des informations traitées. La qualité du consentement, la protection des données et la représentativité des échantillons deviennent alors déterminantes. Un modèle ne peut refléter correctement que les populations et les situations présentes, de façon suffisamment fiable, dans ses données d’apprentissage.

Transparence, contrôle et recherche publique

L’équipe de Helmholtz Munich met en avant une démarche qui associe IA et théorie psychologique sans abandonner les enjeux éthiques. Elle se distingue aussi par son ancrage dans la recherche publique, un cadre qui permet d’examiner des questions cognitives fondamentales sans se limiter à une finalité commerciale immédiate.

Les chercheurs privilégient l’usage de modèles ouverts et d’un hébergement local afin de préserver la souveraineté des données et d’améliorer le contrôle sur les systèmes employés. Pour les travaux portant sur la cognition ou, à terme, sur des informations psychologiques sensibles, cette maîtrise technique est particulièrement importante.

La transparence ne se résume cependant pas au fait de pouvoir accéder à un modèle. Elle implique de connaître l’origine des données, les conditions des expériences, les performances réelles du système et ses domaines d’échec. C’est à cette condition qu’un outil prédictif peut devenir un véritable instrument scientifique, contestable, améliorable et utile à la communauté de recherche.

Ce qu’il faut surveiller pour mesurer la portée de Centaur

Le potentiel de Centaur repose sur une idée forte : une IA entraînée sur un grand nombre de décisions peut aider à formaliser des questions que la psychologie étudie depuis des décennies. Sa véritable portée dépendra toutefois de plusieurs étapes.

Il faudra d’abord confirmer la solidité de ses prédictions dans des tâches et des contextes réellement nouveaux. La capacité à anticiper des choix ou des temps de réaction est précieuse, mais elle doit être évaluée au regard de données humaines indépendantes. Il faudra aussi déterminer quelles structures computationnelles du modèle correspondent à quels processus décisionnels spécifiques, objectif annoncé par les chercheurs.

L’enrichissement de Psych-101 sera également décisif. Il pourrait ouvrir la voie à une étude plus fine des différences entre individus, à condition que les données soient représentatives, protégées et interprétées avec prudence. Enfin, les usages en santé mentale devront rester ancrés dans la recherche clinique, avec une distinction nette entre l’aide à l’étude des comportements et toute décision concernant une personne.

Centaur ne résout donc pas à lui seul le mystère de la pensée humaine. Mais il propose un changement d’échelle : utiliser les capacités de généralisation de l’IA pour tester, comparer et affiner les modèles de la cognition. Pour la psychologie, l’enjeu n’est pas seulement de mieux prévoir ce que nous ferons. Il est aussi de mieux comprendre les mécanismes qui orientent nos choix.