Reconnaissance visuelle : à 3 ans, les enfants devancent encore l’IA de pointe

Voir un objet, même très brièvement, paraît banal. Pourtant, cette aptitude mobilise une remarquable capacité à isoler une forme utile au milieu d’informations incomplètes, de détails parasites et de distractions. Une étude publiée dans Science Advances met en évidence un résultat aussi simple à formuler que stimulant pour la recherche : des enfants âgés de 3 à 5 ans ont fait mieux que des systèmes d’intelligence artificielle de pointe dans une tâche de reconnaissance visuelle d’objets.

Menée par le professeur adjoint Vlad Ayzenberg, cette recherche ne prétend évidemment pas qu’un enfant d’âge préscolaire serait globalement « plus intelligent » qu’une IA. Elle examine une compétence bien délimitée, mais fondamentale : identifier un objet à partir d’une image affichée très rapidement, y compris lorsque l’attention est perturbée. Sur ce terrain, les très jeunes humains conservent un avantage qui interroge les méthodes actuelles de vision par ordinateur.

Une épreuve de vision conçue pour mettre la perception à l’épreuve

Le protocole a demandé à des enfants de reconnaître des objets représentés sur des images présentées pendant 100 millisecondes. C’est un temps extrêmement court : il correspond à un dixième de seconde. Les participants devaient donc extraire l’information pertinente sans pouvoir examiner longuement la scène.

Les chercheurs ont aussi introduit des distractions, notamment du bruit. L’objectif n’était pas seulement de mesurer une reconnaissance dans des conditions idéales, mais de tester la capacité à maintenir une interprétation correcte quand l’environnement détourne l’attention. C’est là que les enfants de 3 à 5 ans se sont révélés particulièrement solides, en dépassant les modèles d’IA comparés dans l’étude.

Ce résultat est notable parce qu’il ne repose pas sur un savoir scolaire, sur la lecture ou sur un entraînement explicite à l’exercice. À cet âge, les enfants disposent d’une expérience du monde beaucoup plus limitée que celle contenue dans les immenses jeux de données utilisés pour entraîner les systèmes d’IA modernes. Pourtant, ils parviennent à reconnaître des objets de façon robuste lorsque l’information visuelle est fugace ou perturbée.

Pourquoi reconnaître un objet est plus difficile qu’il n’y paraît

Les progrès de l’IA visuelle sont spectaculaires. Des systèmes peuvent classer des images, détecter des éléments dans une scène, décrire une photographie ou assister des professionnels dans des tâches spécialisées. Mais ces performances dépendent fortement des données d’entraînement, du type d’images rencontrées et de la proximité entre les situations de test et les exemples déjà vus.

La reconnaissance humaine fonctionne différemment dans l’expérience quotidienne. Un enfant peut identifier un même objet malgré un angle inhabituel, un éclairage différent, une partie cachée ou un environnement encombré. Il n’a pas besoin de revoir des milliers de fois chaque objet dans toutes les configurations possibles pour commencer à généraliser.

L’étude menée par Vlad Ayzenberg attire précisément l’attention sur cette robustesse perceptuelle. Les modèles visuels peuvent obtenir de très bons résultats sur des benchmarks, c’est-à-dire des séries de tests standardisées, tout en faisant des erreurs face à de petites modifications du contexte ou à des signaux qui ne devraient pas changer la nature de l’objet. Les enfants testés, eux, ont montré qu’ils pouvaient garder le cap dans une tâche brève et perturbée.

Il faut toutefois résister à une comparaison trop large. Les IA et les enfants ne reçoivent pas les mêmes informations, ne sont pas entraînés de la même manière et ne poursuivent pas les mêmes objectifs. Un modèle peut traiter très vite d’immenses volumes d’images, tandis qu’un enfant apprend au contact d’un environnement physique, social et sensoriel. La valeur de l’étude est justement de comparer une capacité précise, plutôt que de proclamer un vainqueur général entre intelligence humaine et intelligence artificielle.

Ce que cette étude révèle des limites de l’IA actuelle

Les systèmes de vision artificielle apprennent généralement à partir de très grandes quantités d’images annotées. Ce procédé est puissant, mais coûteux en données, en calcul et en énergie. À l’inverse, le jeune enfant construit rapidement des représentations visuelles utiles à partir de ses expériences limitées mais riches : il regarde, manipule, entend nommer les objets et observe leurs usages dans des contextes variés.

Les résultats publiés dans Science Advances rappellent donc qu’une bonne performance statistique ne suffit pas à reproduire la souplesse de la perception humaine. Pour être réellement fiable hors du laboratoire, un système doit pouvoir faire face à des données imparfaites, à l’incertitude et aux changements de contexte.

Les enfants et l’IA n’apprennent pas de la même façon

L’écart observé pose une question essentielle pour l’avenir de l’intelligence artificielle : comment apprendre mieux avec moins ? Les modèles actuels nécessitent souvent une phase d’entraînement intensive pour résoudre des tâches que de jeunes enfants accomplissent naturellement. Cette différence ne renvoie pas à une seule recette magique du cerveau humain. Elle suggère plutôt que l’apprentissage humain assemble plusieurs mécanismes que les IA reproduisent encore imparfaitement.

Un enfant n’apprend pas à partir d’images isolées. Son expérience est incarnée : il voit une tasse, la saisit, entend un adulte la nommer, constate qu’elle peut contenir une boisson et la retrouve sous différents angles. Ces indices visuels, linguistiques, moteurs et sociaux se renforcent mutuellement. La vision humaine est ainsi liée à une compréhension pratique du monde.

Les IA multimodales, qui combinent texte, image, son ou vidéo, cherchent déjà à rapprocher plusieurs types d’information. Mais l’étude rappelle qu’ajouter des données ne résout pas automatiquement le problème. L’enjeu est aussi de concevoir des systèmes capables de dégager des régularités générales, de ne pas se laisser tromper par des détails superficiels et de s’adapter à des situations nouvelles.

Une piste pour des modèles moins gourmands en ressources

Cette recherche intervient alors que l’IA connaît une expansion économique considérable. Un rapport des Nations unies cité dans le contexte de l’étude prévoit que le marché mondial de l’IA pourrait atteindre 4 800 milliards de dollars d’ici 2033. Cette croissance rapide ne signifie pas, pour autant, que les machines égalent déjà les capacités humaines dans tous les domaines de la cognition.

Elle soulève aussi la question des ressources nécessaires à l’entraînement et au fonctionnement des modèles. La publication d’origine évoque une estimation selon laquelle l’entraînement d’un modèle de langage tel que ChatGPT pourrait représenter une empreinte carbone environ 17 fois supérieure à celle d’une personne sur une année. Ce type de comparaison doit être manié avec précaution : les résultats dépendent fortement de la taille du modèle, de la durée de l’entraînement, des équipements employés, du mix électrique et du périmètre retenu pour le calcul. Il souligne néanmoins un défi réel : obtenir de meilleures capacités sans augmenter sans cesse les besoins de calcul.

C’est ici que la cognition des enfants devient un objet d’étude technologique, au-delà de la psychologie du développement. Si les chercheurs comprennent mieux comment le cerveau apprend à reconnaître efficacement des objets avec relativement peu d’expériences, ils pourraient identifier des principes utiles pour créer des IA plus sobres et plus adaptables.

Il ne s’agit pas de copier directement le cerveau, une ambition qui dépasse de très loin les connaissances actuelles. Il s’agit plutôt de s’inspirer de certaines propriétés observables : l’apprentissage à partir de peu d’exemples, l’intégration de plusieurs sens, la résistance aux perturbations et la capacité de généralisation.

Ce que l’IA peut aussi apprendre aux sciences cognitives

Le dialogue entre l’étude des enfants et l’intelligence artificielle fonctionne dans les deux sens. Les performances d’une IA peuvent aider les chercheurs à formaliser des hypothèses sur les calculs que le cerveau effectue. Si un modèle reproduit certains comportements humains, il peut servir d’outil pour tester une idée. S’il échoue là où l’humain réussit, cet échec devient également informatif.

Vlad Ayzenberg souhaite développer à Temple University un laboratoire consacré à l’apprentissage et au développement de la vision. Le projet doit associer des approches comportementales, comme les tests de reconnaissance d’objets, et des méthodes de neuroimagerie. Parmi les pistes évoquées figure l’utilisation de l’IRM fonctionnelle pour observer l’activité cérébrale de nourrissons éveillés pendant des tâches cognitives spécifiques.

Ces travaux pourraient aider à comprendre comment le cerveau est organisé dès les premières années de vie et comment les expériences précoces participent à l’émergence de compétences perceptuelles très rapides. Ils rappellent aussi une évidence parfois oubliée dans le débat sur l’IA : l’intelligence ne se réduit pas à produire une bonne réponse. Elle suppose de savoir quelles informations sont fiables, pertinentes et généralisables dans un monde changeant.

Ce qu’il faut surveiller

La prochaine étape sera de vérifier jusqu’où s’étend l’avantage observé chez les enfants. Les résultats se maintiennent-ils avec d’autres catégories d’objets, d’autres types de perturbations ou des scènes visuelles plus complexes ? Les écarts varient-ils selon la façon dont les IA sont entraînées ? Et quels mécanismes neuronaux permettent aux très jeunes enfants de se montrer si efficaces ?

Il faudra aussi regarder comment les concepteurs de modèles prennent en compte la robustesse, au-delà des scores obtenus sur des tests classiques. Une IA capable de reconnaître un objet dans une image soigneusement préparée est utile. Une IA qui conserve cette capacité lorsque l’image est rapide, partiellement cachée ou entourée d’informations parasites l’est bien davantage, notamment pour les outils d’assistance, la robotique ou les applications de sécurité.

À l’été 2025, cette étude ne ferme donc pas le débat entre capacités humaines et artificielles. Elle fixe plutôt un étalon concret et exigeant : avant de prétendre imiter la perception humaine, l’IA doit encore réussir aussi solidement qu’un enfant de trois ans face à un objet aperçu pendant une fraction de seconde.