Horloges et algorithmes : quand l’IA se trompe d’heure neuf fois sur dix
Horloges et algorithmes : quand l’IA se trompe d’heure neuf fois sur dix

À première vue, rien de plus banal qu’une horloge analogique. Un cadran, douze chiffres, deux aiguilles principales, parfois une trotteuse. Pourtant, pour l’intelligence artificielle, cet objet familier reste un casse-tête. Malgré des milliards d’images analysées et des montagnes de textes assimilés, les systèmes d’IA peinent encore à produire ou à lire correctement une heure sur une horloge classique. Les tests menés par des chercheurs sont sans appel, dans de nombreux cas, l’IA n’indique l’heure juste que dans moins d’un quart des situations. Ce paradoxe intrigue. Les horloges sont omniprésentes dans la vie quotidienne, sur les murs, les écrans, les publicités, les interfaces numériques. Leur fonctionnement est largement documenté et leur représentation graphique semble simple. Pourtant, lorsqu’on demande à une IA de générer une image d’horloge indiquant une heure précise, les erreurs s’accumulent. Aiguilles inversées, positions incohérentes, chiffres mal alignés ou symboles fantaisistes remplacent trop souvent une lecture fiable du temps. Un biais revient fréquemment, la reproduction quasi systématique de l’affichage 10h10. Cette heure, très utilisée dans la photographie commerciale pour des raisons esthétiques, a été massivement intégrée dans les jeux de données visuels. L’IA apprend alors à copier ce schéma dominant, non à interpréter correctement l’heure demandée. Elle reproduit ce qu’elle a le plus vu, même lorsque cela contredit l’instruction reçue.

Une compréhension sans expérience du temps

La racine du problème tient à la manière dont l’intelligence artificielle perçoit le monde. Contrairement à un humain, elle n’expérimente pas le temps. Elle ne voit pas les aiguilles tourner, ne ressent pas le passage d’une minute à la suivante et ne comprend pas la relation mécanique entre les engrenages et le mouvement circulaire. Son raisonnement repose sur des associations statistiques entre des formes et des mots, non sur une compréhension physique ou dynamique des objets. Lorsqu’un être humain regarde une horloge, il interprète instantanément des angles, des proportions et des conventions apprises dès l’enfance. L’IA, elle, analyse une image comme une juxtaposition de pixels. Elle peut associer la phrase « l’aiguille des minutes pointe vers le 12 » à une image vue précédemment, mais elle ne saisit pas ce que représente réellement cette position dans un système temporel continu. Résultat, elle confond régulièrement l’aiguille des heures et celle des minutes, en invente parfois une troisième, ou place les chiffres à des endroits impossibles.

Ce déficit est souvent résumé par l’absence de « modèle du monde »

L’IA ne raisonne pas en termes de causalité ou d’évolution. Elle ne peut pas déduire qu’au bout de cinq minutes, l’aiguille des minutes a légèrement avancé, entraînant aussi un déplacement imperceptible de l’aiguille des heures. Chaque image est traitée comme un instant figé, sans lien avec un avant ou un après. Des projets artistiques et expérimentaux ont mis ce phénomène en lumière. Certains affichages d’horloges générées par IA changent chaque minute, mais se dégradent rapidement. Les cadrans deviennent incohérents, les chiffres se transforment en signes hybrides et l’heure affichée perd toute signification fonctionnelle. L’objet ressemble à une horloge sans jamais en être réellement une. Pour les chercheurs, cette difficulté est plus qu’une curiosité graphique. Elle illustre une limite fondamentale des systèmes actuels. L’IA excelle dans l’imitation d’apparences crédibles, mais peine dès qu’il s’agit de comprendre le fonctionnement interne des objets. Des pistes existent, intégration de règles mathématiques, recours à du code génératif, apprentissage guidé par des contraintes physiques. Pour l’instant, aucune solution n’a permis de combler totalement cet écart. L’échec répété des horloges analogiques rappelle une réalité souvent occultée, reconnaître un motif ne signifie pas le comprendre. Et dans ce décalage entre imitation et compréhension, l’IA révèle encore ses angles morts, y compris face à un objet que l’humanité maîtrise depuis des siècles.

Partager