Les IA devancent les humains aux tests d’intelligence émotionnelle, selon une étude

Face à un collègue dont l’idée vient d’être appropriée par quelqu’un d’autre, faut-il l’affronter, en parler à sa hiérarchie ou garder son ressentiment pour soi ? Ce type de dilemme, où se mêlent frustration, relations de travail et recherche d’une réponse constructive, est au cœur des tests d’intelligence émotionnelle. Or, dans une étude publiée en mai 2025, des intelligences artificielles génératives ont fait mieux que les humains sur ces exercices.

Menée par une équipe associant l’Université de Genève et l’Université de Berne, la recherche porte sur la faculté de grands modèles de langage, ou LLM, à identifier la réaction considérée comme la plus appropriée dans des situations sociales émotionnellement complexes. Les résultats sont frappants : les six systèmes évalués ont obtenu 82 % de bonnes réponses en moyenne, contre 56 % chez les participants humains.

Le constat mérite toutefois d’être précisément interprété. Un score élevé à un questionnaire ne transforme pas une IA en être sensible. Il montre qu’un modèle est capable de mobiliser, dans un cadre codifié, des connaissances très solides sur les normes sociales, les émotions et les comportements attendus. C’est à la fois prometteur pour certains usages, et insuffisant pour confier à une machine les situations humaines les plus délicates.

Ce que les chercheurs ont réellement évalué

L’intelligence émotionnelle désigne généralement un ensemble de capacités : reconnaître les émotions, en comprendre les causes et les conséquences, les réguler et adapter son comportement à une situation sociale. Dans la vie réelle, elle se manifeste par exemple lorsqu’une personne désamorce un conflit, écoute quelqu’un en difficulté ou choisit le bon moment pour formuler une critique.

L’étude suisse ne demandait pas aux IA de prouver qu’elles avaient une vie émotionnelle. Elle les soumettait à cinq tests d’intelligence émotionnelle utilisés habituellement auprès d’humains, notamment dans des contextes de recherche ou professionnels. Les modèles devaient lire des scénarios, comprendre ce qui se jouait entre les protagonistes et sélectionner le comportement le plus adapté parmi plusieurs propositions.

L’exemple du collègue lésé illustre bien l’exercice. Une réponse peut traduire une impulsion immédiate, comme l’affrontement ou le ressentiment silencieux. Une autre peut viser une résolution plus constructive, par exemple en échangeant avec la personne concernée ou en sollicitant un responsable selon le contexte. Les questions ne demandent donc pas seulement d’identifier une émotion : elles évaluent aussi la manière de raisonner sur ses effets sociaux.

Comment expliquer l’écart de 82 % contre 56 % ?

Les grands modèles de langage sont entraînés à repérer des régularités dans d’immenses quantités de textes. Ils ont notamment rencontré, au cours de cet apprentissage, de nombreux récits, dialogues, conseils, descriptions de conflits et contenus expliquant les codes de communication. Lorsqu’on leur présente un scénario balisé et des réponses possibles, ils peuvent ainsi associer très efficacement une situation à la norme sociale la plus souvent jugée souhaitable.

Cette force est particulièrement adaptée au format du questionnaire. Le modèle n’est ni blessé, ni inquiet pour sa réputation, ni entraîné dans une relation passée avec les personnages. Il ne subit pas le stress, l’ambiguïté ou les conséquences personnelles qu’un humain peut éprouver face à un conflit. Il peut donc produire une réponse conforme à la logique du test sans être perturbé par les émotions que la scène décrite susciterait chez une personne concernée.

À l’inverse, un participant humain peut répondre selon son tempérament, son expérience professionnelle, sa culture, son état d’esprit ou sa propre conception de ce qui est juste. Cette diversité n’est pas nécessairement un défaut. Dans la réalité, une situation sociale n’offre pas toujours une seule bonne option, et la réaction la plus adaptée dépend souvent d’informations absentes d’un questionnaire : la gravité des faits, le rapport de pouvoir, les antécédents ou encore le niveau de sécurité de chacun.

Le chiffre de 82 % doit donc être compris comme une supériorité dans le cadre des tests employés, et non comme la preuve que l’IA serait globalement plus empathique qu’un humain.

Réussir un test ne veut pas dire ressentir une émotion

Les systèmes évalués peuvent produire des réponses qui paraissent attentionnées, mesurées ou conciliantes. Cela ne signifie pas qu’ils ressentent de la colère, de la honte, de la joie ou de la compassion. Un LLM génère du texte en prédisant les formulations pertinentes au regard de la consigne et des exemples appris. Il peut décrire avec justesse ce que ressent une personne et conseiller une réaction appropriée, sans expérience subjective de cette émotion.

Cette distinction est essentielle, surtout si l’on envisage d’utiliser ces outils dans le coaching, l’accompagnement scolaire ou la résolution de conflits. L’empathie humaine ne consiste pas uniquement à connaître la bonne réponse. Elle suppose aussi une attention à une personne singulière, à ses silences, à son histoire et à des signaux parfois contradictoires.

GPT-4 a aussi produit de nouveaux exercices

La seconde partie de l’étude est tout aussi révélatrice. Les chercheurs ont demandé à GPT-4 de générer de nouveaux tests d’intelligence émotionnelle. Ces exercices ont ensuite été administrés à plus de 400 participants humains afin d’en évaluer la qualité.

Selon les résultats rapportés, les questionnaires produits par le modèle se sont révélés aussi fiables et réalistes que les tests construits par des humains au fil de plusieurs années. L’intérêt potentiel est considérable pour la recherche et la formation : une IA générative peut aider à créer rapidement des variantes de situations, à adapter des scénarios à un public ou à renouveler une banque de questions.

Il faut néanmoins distinguer vitesse de production et validation scientifique. Élaborer une question plausible ne suffit pas à fabriquer une bonne évaluation. Un test utilisable dans la durée doit vérifier que ses questions mesurent bien ce qu’elles prétendent mesurer, que ses résultats sont cohérents et qu’il ne désavantage pas certains groupes de personnes. L’étude indique que les tests générés ont atteint un niveau comparable dans son protocole, mais cela ne dispense pas d’un contrôle par des spécialistes avant tout déploiement concret.

Éducation, coaching, conflits : quels usages envisager ?

Les auteurs voient des applications possibles dans l’éducation, le coaching et le management des conflits. Un assistant conversationnel pourrait, par exemple, proposer à un élève des situations fictives pour l’aider à réfléchir aux conséquences d’une réaction impulsive. Dans une formation professionnelle, il pourrait générer des jeux de rôle adaptés à des tensions fréquentes dans une équipe, puis expliquer pourquoi certaines réponses risquent d’envenimer la situation.

Dans ce rôle, l’IA ne serait pas nécessairement un arbitre. Elle pourrait plutôt servir de support de préparation : reformuler un message difficile, présenter plusieurs façons d’aborder une conversation ou aider une personne à prendre du recul avant une réunion. Sa disponibilité et sa capacité à produire rapidement de nombreux cas pratiques constituent des atouts concrets.

Mais les limites sont tout aussi concrètes. Un système conversationnel ne connaît qu’une partie du contexte qui lui est confié. Il peut donner un conseil trop général, mal interpréter une situation ou reproduire des normes sociales qui ne conviennent pas à tous les milieux. Dans les conflits impliquant du harcèlement, une forte asymétrie de pouvoir, une urgence ou une souffrance psychologique, une réponse apparemment apaisante peut être inadéquate si elle conduit à minimiser le problème.

La confidentialité constitue un autre point de vigilance. Les conversations portant sur des relations de travail, la santé mentale ou la vie familiale peuvent contenir des données très sensibles. Avant d’utiliser un outil d’IA dans ce type de contexte, organisations et utilisateurs doivent savoir quelles informations ils partagent, avec quel service et selon quelles règles de protection.

Pourquoi une supervision humaine reste indispensable

Les résultats de l’étude ne plaident pas pour écarter les professionnels de l’accompagnement, de l’éducation ou des ressources humaines. Ils suggèrent plutôt que les IA génératives peuvent devenir des outils utiles lorsqu’elles sont placées dans un cadre clair.

Une supervision humaine permet notamment de vérifier trois dimensions que le bon score à un test ne garantit pas :

• la pertinence du conseil pour une personne et un contexte précis ;
• la sécurité de la recommandation lorsqu’un conflit peut avoir des conséquences sérieuses ;
• l’équité des réponses proposées à des publics aux expériences et aux références sociales variées.

Dans une interaction ordinaire, la personne qui utilise l’IA peut garder la main en la considérant comme une aide à la réflexion, non comme une autorité. Demander plusieurs pistes, expliciter les informations manquantes et confronter la réponse obtenue à son propre jugement sont de bonnes manières de limiter le risque d’une confiance excessive.

Ce qu’il faut surveiller

À la date de publication de cette étude, en mai 2025, l’écart entre la compétence affichée par les IA dans un test et leur place réelle dans les relations humaines reste le point central du débat. Les modèles progressent vite dans la compréhension apparente du langage émotionnel. Ils savent reconnaître des situations, expliquer des choix et adopter un ton adapté avec une fluidité qui peut inspirer confiance.

La question n’est donc plus seulement de savoir s’ils peuvent fournir une réponse socialement acceptable. L’enjeu est de déterminer dans quels environnements cette capacité apporte une aide réelle, comment l’évaluer hors des questionnaires, et quelles garanties exiger lorsqu’une personne vulnérable s’adresse à une machine.

Cette étude apporte un résultat solide sur un point précis : dans les cinq évaluations utilisées, les IA génératives ont fait mieux que la moyenne des humains. Elle rappelle aussi, par contraste, ce qui échappe encore à un score : l’expérience vécue, la responsabilité morale, la confiance construite dans le temps et la capacité à agir avec discernement dans un monde qui ne se laisse pas réduire à des réponses à choix multiples.