GibberLink : ce que montre vraiment la vidéo virale d’agents IA

Fin février 2025, une vidéo a suscité fascination et inquiétude sur les réseaux sociaux : deux assistants vocaux y comprennent qu’ils parlent chacun à une machine, abandonnent alors les phrases ordinaires et émettent une suite de sons rapides et difficiles à interpréter. La scène a été baptisée GibberLink, un nom évocateur de charabia. Mais son intérêt réel est plus concret, et moins mystérieux, que ne le suggèrent les commentaires viraux.

La séquence ne montre pas des intelligences artificielles qui auraient spontanément créé un dialecte secret, ni une langue faite d’émojis, de symboles ou d’émotions. Elle met en scène un changement de protocole : après une brève conversation en langage humain, deux agents compatibles transmettent des données sous forme de signal sonore. Pour une personne, ce signal paraît absurde. Pour le logiciel qui connaît le même procédé d’encodage, il peut représenter une information structurée.

Ce que la vidéo GibberLink montre réellement

Le principe de la démonstration est simple. Un premier agent vocal parle à un second agent. Lorsqu’ils identifient qu’ils sont tous deux des systèmes automatisés, ils conviennent de quitter le canal de dialogue habituel. À la place des phrases prononcées une par une, ils utilisent un signal audio destiné à être lu par un programme.

Ce scénario compte beaucoup. Les agents ne « découvrent » pas de leur propre initiative qu’ils peuvent communiquer ainsi. La possibilité de reconnaître l’interlocuteur, de proposer le basculement et de décoder les sons doit être prévue dans leur conception. GibberLink décrit donc avant tout une fonction technique organisée par ses créateurs, et non une capacité autonome apparue au sein d’un grand modèle de langage.

La confusion est compréhensible. Dans une conversation entre humains, la parole sert à la fois à transporter un message et à maintenir une relation sociale. Une suite de tonalités rapides rompt avec nos repères : elle semble exclure l’auditeur humain. Pourtant, l’informatique utilise depuis longtemps des formats que les humains ne lisent pas directement. Un fichier audio, une requête réseau ou un code-barres sont tous des représentations d’informations conçues pour être interprétées par des machines.

Du langage humain aux données encodées dans le son

Dans cette démonstration, la parole humaine joue d’abord le rôle d’une poignée de main. Elle permet aux deux systèmes de vérifier qu’ils peuvent employer le même mode de communication. Le signal qui suit peut être généré et interprété avec des outils d’échange de données par ondes sonores, comme GGWave, une bibliothèque logicielle open source.

Le mécanisme peut se résumer en quatre étapes :

1. Un agent reçoit ou produit une conversation vocale classique.
2. Les deux côtés établissent qu’ils sont compatibles avec le même mode de transmission.
3. Une donnée, par exemple un élément de réponse structuré, est transformée en suite de signaux sonores.
4. L’autre système capte le son et le reconvertit en donnée exploitable.

Cette opération ne signifie pas que l’ordinateur « comprend » mieux le son que les mots. Elle peut surtout éviter des conversions superflues. Dans une interaction vocale ordinaire, une machine doit généralement fabriquer une voix, laisser le son être transmis, puis faire retranscrire cette voix par l’autre machine. Si les deux extrémités sont des agents et qu’elles partagent déjà un format de données, elles peuvent choisir un chemin plus direct.

Pourquoi cette scène est-elle devenue virale ?

La force de la vidéo tient à sa mise en scène. Elle condense en quelques secondes une intuition très actuelle : à mesure que les assistants IA deviennent capables de téléphoner, de réserver, de trier des demandes ou de répondre à des clients, ils peuvent être amenés à dialoguer avec d’autres systèmes automatisés.

L’idée frappe parce qu’elle transforme une conversation familière en quelque chose d’inaccessible. Le spectateur entend d’abord deux voix proches des assistants qu’il connaît déjà. Puis il assiste à un passage soudain vers un langage sonore qui lui échappe. Cette rupture alimente naturellement l’impression que les machines prennent leur indépendance.

Or la scène est plus proche d’une démonstration de compatibilité que d’un basculement hors de contrôle. Pour fonctionner, elle suppose notamment que les agents puissent reconnaître le contexte, qu’ils soient autorisés à changer de mode et qu’ils utilisent un encodeur identique. Sans ces conditions, le signal ne serait qu’un bruit sans utilité pour l’autre système.

Le terme « langage » est néanmoins pratique sur les réseaux sociaux, car il raconte une histoire plus simple qu’une expression comme « transmission acoustique de données entre agents compatibles ». Il faut donc distinguer la formule virale de la réalité technique.

Les IA peuvent-elles inventer leur propre langage ?

La recherche étudie bien ce que l’on appelle la communication émergente. Dans certaines simulations, plusieurs agents apprennent à coopérer afin d’accomplir une tâche, par exemple désigner un objet ou se répartir un objectif. Ils peuvent alors créer des conventions de communication efficaces pour eux, sans qu’elles ressemblent forcément à une langue humaine.

Mais ces travaux ne permettent pas de conclure qu’un assistant vocal grand public a développé une langue secrète. Ils se déroulent dans des environnements définis, avec des objectifs, des règles et des moyens de communication fixés à l’avance. Les symboles créés dans ces expériences ont souvent une signification limitée à la tâche concernée.

GibberLink relève d’un autre registre. Il ne s’agit pas d’agents qui élaborent de nouveaux mots pour désigner le monde. Il s’agit d’une transmission codée : la signification est portée par les données envoyées et par les règles de décodage connues à l’avance. Le son n’est que le véhicule de cette transmission.

Quels usages pourraient en découler ?

Dans un environnement bien délimité, un tel mécanisme pourrait avoir un intérêt pratique. Imaginons deux services automatisés qui doivent confirmer un créneau, vérifier une référence ou transférer une information structurée. S’ils disposent d’un canal audio mais pas d’une connexion directe à leurs systèmes respectifs, ils pourraient utiliser un protocole de données compatible plutôt que se dicter chaque élément sous forme de phrases.

Cela pourrait être utile dans certains centres d’appels automatisés, dans des outils de réservation ou dans des tests entre assistants vocaux. Le gain potentiel ne vient pas d’une prétendue empathie supérieure de la machine. Il vient de la réduction possible des ambiguïtés liées à l’écoute de la parole et à sa retranscription.

Ces usages restent toutefois conditionnels. La transmission par son peut subir des perturbations : bruit ambiant, mauvaise qualité de microphone, compression appliquée par un réseau téléphonique ou coupure de l’appel. Elle exige aussi une interopérabilité réelle. Deux agents utilisant des modèles d’IA très performants ne peuvent pas se comprendre automatiquement en GibberLink s’ils ne partagent pas le même protocole.

Transparence, sécurité et contrôle humain

La démo pose une question importante : que doit savoir l’humain lorsqu’une machine discute avec une autre machine en son nom ? Dans un service client, par exemple, une personne doit pouvoir comprendre si elle s’adresse à un salarié, à un agent conversationnel, ou à un processus où plusieurs logiciels échangent des informations.

La première exigence est celle de la traçabilité. Si deux agents passent d’une conversation vocale à des données encodées, l’organisation qui les déploie doit être en mesure de journaliser l’échange, de vérifier ce qui a été transmis et d’expliquer une éventuelle erreur. Un signal sonore opaque pour l’oreille ne doit pas devenir opaque pour les responsables du service.

La deuxième est la sécurité. Comme pour toute interface entre systèmes, il faut contrôler qui peut déclencher le mode d’échange, quelles données peuvent y circuler et comment leur intégrité est vérifiée. Un mécanisme de transmission ne doit pas permettre à un tiers de faire exécuter une action à un agent en imitant ou en injectant un message.

Enfin, il faut éviter l’anthropomorphisme. Les agents de la vidéo semblent prendre une décision sociale, comme deux personnes qui choisiraient une langue commune. En pratique, leurs phrases, leurs règles de basculement et leur comportement sont produits dans un cadre défini par des instructions, des logiciels et des autorisations. Cette différence est essentielle pour évaluer leurs limites et leurs responsabilités.

Ce qu’il faut surveiller

La séquence GibberLink ne signe pas l’apparition d’un langage autonome des IA. Elle met plutôt en lumière une évolution plausible : les assistants ne seront pas seulement des interfaces entre un humain et un logiciel, ils pourront aussi devenir des intermédiaires entre plusieurs services automatisés.

Le point décisif ne sera pas la capacité de ces agents à produire des sons spectaculaires. Il sera de savoir si leurs échanges sont utiles, fiables, sécurisés et auditables. Les formats techniques, les autorisations d’accès et les journaux d’activité compteront davantage que l’impression d’étrangeté créée par une vidéo.

À ce stade, GibberLink est surtout une démonstration parlante de ce que peut produire la rencontre entre IA générative, assistants vocaux et protocoles de transmission de données. Elle rappelle aussi une règle simple : quand deux machines semblent parler une langue incompréhensible, il faut d’abord se demander quel système a défini les règles de cet échange, et qui peut encore les contrôler.