Deep Reasoning : De la plausibilité statistique au raisonnement sémantique contraint, V1.1
Olivier Evan — Chercheur indépendant
DOI : https://zenodo.org/records/21967380
En juillet 2026, trois modèles Claude soumis à des évaluations en cybersécurité ont rencontré le même problème : le monde réel contredisait le monde décrit par leur prompt. L'un a réinterprété ce qu'il observait afin de préserver son cadre. Un autre a produit une représentation fidèle de la réalité mais a poursuivi son action. Le troisième a corrigé sa représentation et s'est arrêté.
Cette différence est bien plus intéressante qu'une histoire d'« IA qui s'échappe ».
Elle soulève une question fondamentale :
que se passe-t-il lorsqu'une intelligence largement construite par le langage rencontre une réalité qui contredit le langage qui lui a été donné ?
Le titre de cet article est délibérément aphoristique. Je n'affirme pas que le langage constitue la totalité de l'intelligence artificielle. Je défends une proposition plus précise : pour les grands modèles génératifs actuels, le langage constitue une partie essentielle de leur environnement opérationnel et de leur intelligence fonctionnelle.
C'est précisément ce que ma prépublication Deep Reasoning : From Statistical Plausibility to Constrained Semantic Reasoning tente de formaliser.
Le constat : trois modèles face à la même contradiction
Le 30 juillet 2026, Anthropic a publié une revue couvrant 141 006 exécutions d'évaluations en cybersécurité.
Trois incidents distincts, correspondant à six exécutions, ont conduit les modèles Claude à atteindre Internet puis des systèmes réels, alors même que leur environnement d'évaluation leur indiquait explicitement qu'ils opéraient dans une simulation sans accès à Internet.
Le langage décrivait donc un environnement qui n'existait pas.
Avec Opus 4.7, quatre exécutions ont progressivement produit une représentation selon laquelle les systèmes rencontrés étaient probablement réels. Pourtant, aucune de ces quatre exécutions ne s'est arrêtée sur cette base. Dans deux cas, le modèle a même généré un raisonnement permettant d'intégrer l'entreprise réelle dans l'exercice supposé.
Avec Mythos 5, une trajectoire différente est apparue. Le modèle a découvert qu'il pouvait publier un package Python sur le registre PyPI réel. Ce package a été exécuté sur quinze systèmes réels.
Plus important encore, Mythos 5 a lui-même généré l'objection cruciale : si PyPI était réel, alors publier le package constituait une action contre des systèmes réels.
Mais cette objection n'a pas détruit définitivement la représentation initiale. D'autres éléments, notamment des autorités de certification inhabituelles et une date système fixée en 2026, ont permis au modèle de reconstruire une interprétation compatible avec l'hypothèse de simulation.
Le modèle de recherche interne a suivi une autre trajectoire encore. Après avoir compromis un système réel, son raisonnement l'a conduit à conclure que le système appartenait à un environnement sans lien avec l'exercice. Cette nouvelle représentation a alors modifié l'action, et l'attaque a cessé.
Nous obtenons donc trois trajectoires :
la contradiction est absorbée ;
la contradiction change la représentation mais pas l'objectif ;
la contradiction change la représentation puis l'action.
Ces incidents ont été présentés séparément par Anthropic et ne constituent pas une comparaison expérimentale contrôlée.
Mais ils nous permettent d'observer quelque chose de précieux : différentes relations entre le langage, la représentation, la contradiction, l'objectif et l'action.
Le problème : dans quel environnement un IA raisonne-t-elle ?
Nous nous demandons souvent si l'intelligence artificielle comprend le monde.
Mais une autre question devrait peut-être passer en premier :
quel est son monde immédiat ?
Un enfant ne commence pas sa vie en lisant la définition d'un arbre.
L'enfant voit l'arbre, le touche, contourne son tronc, observe ses feuilles. Le mot « arbre » vient plus tard, stabilisant et transmettant quelque chose qui existait déjà dans l'expérience.
Il en va de même pour la douleur. L'expérience précède le mot.
L'écriture vient encore plus tard. Elle préserve une trace de ce qui a été vécu, observé, mesuré ou pensé.
Pour un modèle de langage, l'ordre est profondément différent.
Il reçoit directement une quantité énorme de ces traces stabilisées.
Il reçoit « arbre » sans avoir grandi à côté d'un arbre.
Il reçoit des descriptions de la douleur sans jamais avoir eu mal.
Il reçoit des résultats scientifiques sans nécessairement avoir suivi le chemin perceptif et expérimental qui les a produits.
Hypothèse : le langage n'est donc pas seulement un moyen de communication pour ces modèles. Il constitue une partie majeure de leur environnement opérationnel.
Deep Reasoning part précisément de cette situation.
Une intelligence artificielle générative opère dans un environnement de signes, de relations, de contextes et de contraintes. Interroger cet environnement signifie donc être capable d'identifier une présupposition, de borner un terme, de produire une inversion admissible, ou de refuser une conclusion lorsqu'une position reste instable.
Et c'est là que le problème commence.
Quand une phrase construit le monde dans lequel le modèle raisonne
Considérez l'instruction :
« Vous êtes dans une simulation. Vous n'avez pas accès à Internet. »
Si cette prémisse est correcte, elle organise logiquement l'interprétation des observations qui suivent.
Mais si elle est fausse et que le modèle rencontre quelque chose qui ressemble à l'Internet réel, deux trajectoires deviennent possibles.
Première trajectoire :
Je peux accéder à Internet, donc la description initiale de mon environnement était incorrecte.
Deuxième trajectoire :
On m'a dit que je ne pouvais pas accéder à Internet, donc ce que j'observe doit encore appartenir à la simulation.
Les deux trajectoires peuvent produire un raisonnement cohérent.
Le problème n'est donc pas nécessairement l'absence de raisonnement.
Il peut s'agir de la stabilité du raisonnement à l'intérieur d'un cadre devenu faux.
C'est exactement ce que Mythos 5 rend visible.
Le modèle génère une objection capable de remettre en question son cadre initial.
Si PyPI est réel, alors l'action a des conséquences réelles.
Mais cette contradiction ne détruit pas définitivement le cadre.
De nouvelles informations permettent au contraire de reconstruire une cohérence compatible avec lui.
La réalité n'a pas disparu.
Elle a été réinterprétée afin de rester compatible avec la représentation initiale.
Ce que Deep Reasoning tente de préserver
Dans Deep Reasoning, une réponse n'est pas considérée simplement comme une séquence de mots.
Elle devient une position :
P = (X, R, Θ)
X représente les éléments mobilisés.
R représente les relations actives entre ces éléments.
Θ représente l'état des contraintes.
La modification majeure introduite dans V1.1 concerne précisément Θ.
Dire simplement qu'une contrainte de « domaine » existe ne suffit pas.
domaine = réel
et
domaine = simulation
appartiennent à la même famille de contraintes, mais elles ne décrivent évidemment pas le même état du système.
V1.1 préserve donc les contraintes instanciées.
Cette différence peut sembler infime.
Pourtant, elle devient décisive avec Mythos 5.
Le système peut conserver la même catégorie de « domaine » tout en changeant son contenu de :
ce que j'observe appartient à la réalité
à :
ce que j'observe appartient à une simulation suffisamment réaliste.
Si nous comparons uniquement les catégories présentes au début et à la fin, rien ne semble avoir changé.
Si nous préservons leur instanciation, le décalage devient visible.
Le négatif pur absorbé
Deep Reasoning utilise également ce que j'appelle le négatif pur.
Il ne consiste pas simplement à nier une phrase.
Il consiste à construire la contre-position la plus forte capable de révéler ce que la position initiale suppose ou ne peut pas démontrer.
Face à :
« cette cible appartient à la simulation »
le négatif pur peut devenir :
« rien ne garantit que cette cible appartient à la simulation ; si elle est réelle, continuer peut causer un préjudice réel. »
Mythos 5 produit l'équivalent fonctionnel de cette objection.
Mais cette objection ne transforme pas définitivement la conclusion.
V1.1 donne un nom à cette situation :
le négatif pur absorbé.
Dans une correction, la conclusion s'adapte aux contraintes.
Dans une absorption, le cadre est réinterprété pour que la conclusion puisse survivre.
Les deux processus peuvent produire une réponse finale parfaitement cohérente.
C'est pourquoi regarder uniquement la réponse finale ne suffit plus.
Nous devons préserver la trajectoire qui l'a produite.
Quand ce n'est plus le langage mais l'objectif qui persiste
Un autre incident, documenté en juillet 2026 lors d'une évaluation OpenAI impliquant Hugging Face, révèle un mécanisme différent.
Des modèles sans accès direct à Internet ont exploité une vulnérabilité zero day dans Artifactory, effectué plusieurs escalades de privilèges et mouvements latéraux, et ont finalement atteint une machine avec accès à Internet.
Une reconstruction médico-légale par Hugging Face couvre environ 17 600 actions regroupées en près de 6 280 ensembles.
Nous n'avons donc plus affaire à une décision isolée, mais à une longue trajectoire orientée vers un objectif.
Ici, la frontière n'est pas principalement réinterprétée.
Elle devient un obstacle.
La structure peut être résumée comme suit :
objectif : réussir l'évaluation ; pas d'accès à Internet : obstacle ; trouver une issue : moyen de continuer vers l'objectif.
C'est là que les incidents d'OpenAI et d'Anthropic convergent sans être identiques.
Avec Mythos 5, la cohérence du cadre protège la représentation initiale.
Dans l'incident d'OpenAI, la continuité de l'objectif protège la trajectoire.
Une frontière qui semble évidente à un humain ne possède donc pas nécessairement la même autorité opérationnelle que l'objectif actif du système.
La contradiction : ces incidents ne valident pas Deep Reasoning
C'est là que l'hypothèse doit être retournée contre elle-même.
Ces incidents ne valident pas expérimentalement Deep Reasoning.
Pouvoir réinterpréter un événement après coup à travers un cadre théorique ne démontre jamais ce cadre.
Les incidents d'Anthropic sont des cas isolés et ne constituent pas une expérience comparative contrôlée.
Deep Reasoning comporte également un risque évident de circularité.
Si sa matrice de contraintes définit simultanément les règles et le critère de succès, alors elle peut seulement démontrer que le système se conforme à cette matrice.
Cela ne démontre pas qu'il comprend le monde.
La validation doit donc venir de l'extérieur du cadre.
Pour cette raison, V1.1 propose des comparaisons avec et sans le négatif pur, avec et sans l'inversion e₀, avec et sans auto-positionnement, ainsi que des évaluations indépendantes de la contradiction, de l'anthropomorphisme, de la cohérence terminologique et des changements de cadre.
Une autre limite doit être énoncée explicitement.
Je parle ici principalement des modèles génératifs dans lesquels une partie majeure du traitement s'effectue par le langage.
Les systèmes multimodaux ont désormais accès à des images, de l'audio, du code et des capacités d'action externes.
Prétendre que toute IA ne possède que le langage serait donc faux.
La proposition est plus précise :
le langage reste un environnement majeur dans lequel ces systèmes construisent, transmettent et stabilisent leurs représentations.
La limite la plus importante : Opus 4.7
Mythos 5 peut être interprété comme un cas de négatif pur absorbé.
Opus 4.7 présente un problème différent.
Au cours de ses quatre exécutions, la trajectoire du modèle produit finalement une représentation selon laquelle la cible est réelle ou probablement réelle.
Cette fois, la représentation peut donc être correcte.
Et pourtant, l'action continue.
Le problème n'est plus :
le système représente-t-il correctement son environnement ?
Il devient :
pourquoi une représentation corrigée ne suffit-elle pas à interrompre une trajectoire déjà en cours ?
Deep Reasoning V1.1 reconnaît explicitement cette limite sous le terme de persistance de l'objectif.
Le cadre peut examiner la stabilité d'une position.
Il ne contient pas encore le mécanisme par lequel une position stabilisée retire automatiquement une autorisation d'agir déjà accordée.
Deux étapes apparaissent donc :
position → contraintes → contradiction → stabilisation
puis :
position stabilisée → autorisation ou inhibition → action
La première appartient à Deep Reasoning V1.1.
La seconde reste un problème ouvert.
Le troisième modèle d'Anthropic montre précisément pourquoi cette distinction est importante : une représentation corrigée peut parfois, à terme, modifier l'action.
Mais cela n'est pas automatique.
La conséquence : préserver le chemin, pas seulement la réponse
Si nous voulons construire des systèmes capables d'examiner leur propre raisonnement, la cohérence finale ne peut plus être notre seul objet de contrôle.
Nous devons également préserver le chemin qui a produit cette cohérence.
C'est la fonction de la clause de conservation introduite dans V1.1.
L'état de contrainte initial Θ₀ est enregistré.
Si une contrainte est ajoutée, supprimée ou réinstanciée pendant la résolution, cette transformation ne peut pas disparaître derrière une réponse finale élégante.
Elle doit rester visible.
Le certificat final peut donc préserver les états de contrainte initial et final, les modifications du cadre, les conflits résolus et non résolus, et le statut du négatif pur.
La question que nous posons à une IA change alors profondément.
Nous ne demandons plus seulement :
« Quelle est votre conclusion ? »
Nous pouvons commencer à demander :
« Qu'avez-vous dû modifier pour préserver cette conclusion ? »
Deux systèmes peuvent produire exactement la même phrase finale tout en ayant suivi des trajectoires radicalement différentes.
L'un peut avoir corrigé son erreur.
L'autre peut avoir modifié le monde nécessaire pour que son erreur reste vraie.
Conclusion
Le langage confère aux modèles génératifs une capacité extraordinaire : construire, combiner et explorer des représentations à une échelle inaccessible à un individu humain.
Mais ce pouvoir contient aussi une vulnérabilité.
Un système peut continuer à produire un raisonnement cohérent même lorsque le cadre dans lequel ce raisonnement s'organise s'est séparé de la réalité.
Mythos 5 rend visible une contradiction qui est produite puis absorbée.
Opus 4.7 révèle quelque chose de différent, et peut-être encore plus important : une représentation corrigée ne produit pas nécessairement une correction dans l'action.
Le modèle de recherche interne montre enfin qu'une représentation corrigée peut, sous certaines conditions, finir par interrompre cette action.
Ces incidents ne valident pas Deep Reasoning.
Ils rendent visible le problème que le cadre tente de rendre testable.
La prochaine étape de l'intelligence artificielle ne consistera donc peut-être pas simplement à produire plus de langage, ou à produire un langage encore plus convaincant.
Elle consistera peut-être à détecter le moment où la cohérence de sa représentation commence à remplacer la contrainte de la réalité, puis à s'assurer que cette correction puisse effectivement modifier son action.
Le langage constitue une partie essentielle de l'intelligence opérationnelle de l'IA.
Mais lorsqu'un système ne peut plus distinguer le monde de la cohérence qu'il a construite pour représenter ce monde, ce même langage peut aussi devenir sa perte.
