De nouvelles recherches ont identifié un ensemble de tâches que les humains exécutent sans effort, mais avec difficulté pour l'intelligence artificielle (IA) — en particulier lire des horloges analogiques et déterminer le jour de la semaine pour une date donnée. Bien que l'IA puisse générer du code, des images, du texte ressemblant à celui d’un humain, et réussir certains examens, elle interprète fréquemment incorrectement la position des aiguilles d’une horloge et échoue aux calculs calendaires de base. Présentée lors de la Conférence Internationale sur les Représentations de l’Apprentissage (ICLR) 2025 et publiée sur le serveur de prépublications arXiv (non encore évaluée par des pairs), cette étude met en évidence d’importantes lacunes dans la capacité de l’IA à réaliser des tâches que les humains maîtrisent dès leur plus jeune âge. Rohit Saxena, principal auteur et affilié à l’Université d’Édimbourg, a souligné que ces insuffisances doivent être résolues pour permettre une application efficace de l’IA dans des contextes sensibles au temps et dans le monde réel, comme la planification, l’automatisation et les technologies d’assistance. Les chercheurs ont testé divers grands modèles multimodaux de langage (MLLM) — notamment Llama 3. 2-Vision de Meta, Claude-3. 5 Sonnet d’Anthropic, Gemini 2. 0 de Google, et GPT-4o d’OpenAI — en utilisant un jeu de données personnalisé d’images d’horloges et de calendriers. Les modèles n’ont pas réussi à identifier correctement l’heure sur les horloges ou à déterminer les jours de la semaine pour des dates échantillons plus de la moitié du temps, avec des taux de précision de seulement 38, 7 % pour les horloges et 26, 3 % pour les tâches calendaires. Saxena a expliqué que la difficulté de l’IA à lire l’heure provient de son absence de raisonnement spatial — des tâches nécessitant la détection de superpositions d’aiguilles, la mesure des angles, et l’interprétation de divers designs d’horloges, comme les chiffres romains ou les cadrans stylisés. Reconnaître une image comme une horloge est plus facile pour l’IA que de la lire avec précision. De même, même si l’arithmétique est fondamentale pour l’informatique, les grands modèles de langage ne réalisent pas de calculs via des algorithmes ; ils prédisent plutôt les résultats en se basant sur les patterns de leurs données d’entraînement.

Cela conduit à un raisonnement incohérent et non basé sur des règles, ce qui explique les taux élevés d’échec dans les calculs liés aux dates. Cette étude s’ajoute à la preuve croissante que la « compréhension » de l’IA diffère fondamentalement de la cognition humaine. L’IA excelle lorsque de nombreux exemples d’apprentissage sont disponibles, mais elle rencontre des difficultés avec le raisonnement abstrait et la généralisation, surtout sur des tâches combinant perception et logique précise. Par ailleurs, la quantité limitée de données d’entraînement sur des phénomènes rares, comme les années bissextiles, limite ses performances, car l’IA ne parvient pas à faire les connections conceptuelles nécessaires. Les résultats soulignent la nécessité de constituer des jeux de données plus riches et ciblés, ainsi que de réévaluer la capacité de l’IA à intégrer le raisonnement logique et spatial. Ils mettent en lumière les risques liés à une dépendance excessive aux sorties de l’IA dans des tâches complexes. Saxena insiste sur l’importance de tests rigoureux, de mécanismes de sauvegarde et de supervision humaine régulière, surtout lorsque l’IA doit combiner perception et raisonnement précis.