Pas de super-intelligence sans gouvernance thermodynamique
Abstract
Ce papier propose un cadre de gouvernance thermodynamique endogène appliqué aux systèmes d’intelligence artificielle avancés, et soutient la thèse selon laquelle aucune super-intelligence durable ne peut émerger sans intégration explicite du coût énergétique de l’information. Contrairement aux approches dominantes fondées sur le seul scaling des modèles, ce travail identifie une limite structurelle : un système informationnel qui ne mesure ni ne contraint sa propre production informationnelle finit par perdre sa capacité de régulation et d’auto-correction. Cette perte de gouvernabilité n’est pas présentée comme un problème éthique ou politique, mais comme un changement de phase physique et systémique. Le papier s’appuie sur un protocole expérimental propriétaire, fondé sur des milliers d’itérations comparatives entre régimes gouvernés et non gouvernés. Les observations rapportées montrent que des contraintes thermodynamiques appliquées à l’activité informationnelle suffisent, à elles seules, à orienter les choix du système, sans recours à des règles sémantiques, des heuristiques métier ou des objectifs explicites de qualité. Les résultats observés mettent en évidence l’émergence d’une sobriété informationnelle caractérisée par une réduction de la production, une amélioration de la cohérence des réponses et une stabilité accrue des trajectoires décisionnelles. Ce document constitue un position paper : il décrit des conditions de viabilité et un cadre opératoire conceptuel, sans divulguer de mécanismes d’implémentation, de métriques exploitables ou de détails reproductibles. Il vise à poser une limite physique claire à la conception des systèmes d’IA avancés et à fournir un socle théorique pour la gouvernance des intelligences futures.
Fields of Study & Subjects
Ethics and Social Impacts of AI
Complex Systems and Dynamics
Diverse Interdisciplinary Research Studies
Publication details
- Journal / source
- Zenodo (CERN European Organization for Nuclear Research)
- Publication date
- 19 January 2026