Comment les intelligences artificielles génératives peuvent-elles aider à étudier les sociétés d’avant l’imprimerie, sans transformer des hypothèses en faits ? C’est la question au cœur d’« Ars Inquirendi 2026 », une rencontre annoncée à Oxford du 20 au 22 novembre, en présentiel et en ligne. Plus de trente chercheurs doivent y examiner les possibilités des grands modèles de langage (LLM), mais aussi les conditions nécessaires pour croire leurs résultats. (arsinq.com)
Un passé écrit, mais très inégalement conservé
Avant la diffusion de l’imprimerie à caractères mobiles, les textes étaient copiés à la main ou gravés sur des supports variés. Une partie de ces traces a disparu ; celles qui subsistent sont dispersées dans des manuscrits, des archives et des collections. Elles ne sont pas toutes numérisées, transcrites ou accessibles dans les mêmes conditions. Cette conservation inégale est un enjeu historique : ce que les chercheurs peuvent étudier dépend aussi de ce qui a survécu et de ce qui a été rendu consultable.
Les grands modèles de langage pourraient faciliter certaines étapes de ce travail : reconnaître l’écriture dans des images de manuscrits, aider à transcrire ou traduire des documents, repérer des noms et des liens possibles entre des sources éloignées. Le programme de la rencontre prévoit notamment des échanges sur la numérisation de textes tibétains anciens et sur l’analyse de documents historiques. Il s’agit de pistes de recherche présentées au programme, non de résultats déjà établis par la conférence. (arsinq.com)
De l’assistance à la preuve
La question décisive n’est pas seulement de savoir si un modèle produit une réponse convaincante. Il faut pouvoir retrouver les éléments qui la fondent : le manuscrit consulté, la transcription retenue, le passage d’origine et les étapes du raisonnement. Un modèle peut proposer un rapprochement utile entre deux documents ; ce rapprochement reste à vérifier dans les sources, surtout lorsque l’écriture est ambiguë, que le texte est incomplet ou que les documents sont difficiles à interpréter.
Le programme met précisément en avant cet écart entre une réponse plausible et une réponse fidèle aux sources. Une citation peut être modifiée, attribuée au mauvais auteur ou associée à une référence qui ne la contient pas. Pour limiter ces erreurs, les chercheurs doivent comparer les propositions de l’outil aux documents et aux travaux spécialisés. L’IA peut accélérer le repérage ; elle ne transforme pas, à elle seule, une conjecture en connaissance historique. (arsinq.com)
Qui est concerné ?
Ces questions intéressent les historiens, les linguistes, les spécialistes des religions et les chercheurs en humanités numériques. Elles concernent aussi les bibliothèques et les institutions qui numérisent les collections : sans images de bonne qualité, transcriptions fiables et descriptions précises, les outils travaillent sur un matériau partiel. Le choix des documents disponibles peut ainsi orienter les questions auxquelles les modèles sont capables de répondre.
La rencontre entend également aborder les enjeux de responsabilité et de réutilisation des ressources savantes. Les corpus et éditions qui rendent les textes exploitables sont le fruit d’un travail humain ; leur emploi dans des outils automatisés soulève donc des questions d’attribution et de contrôle. Ces sujets figurent au programme, mais leur présence ne signifie pas qu’un accord général existe déjà sur les réponses à apporter. (arsinq.com)
Des promesses à évaluer
« Ars Inquirendi 2026 » est une rencontre à venir, pas une étude dont les conclusions seraient déjà disponibles. Son intérêt tient aux deux questions qu’elle pose : que peut-on découvrir grâce aux LLM que les méthodes antérieures rendaient difficile à repérer, et quelles preuves permettraient de juger ces découvertes crédibles ? La réponse dépendra des sources disponibles, de la qualité des transcriptions et de la possibilité de reproduire les vérifications.
On peut donc raisonnablement attendre de ces outils une aide à l’exploration de grandes masses de documents, sans leur déléguer le jugement sur le passé. Pour l’histoire, une hypothèse assistée par l’IA ne devient solide que si elle peut être confrontée aux traces conservées, aux incertitudes de ces traces et à l’examen critique des spécialistes.
Source : Calenda – Sociologie des religions
Article original : Consulter la source originale
