La sentience (du latin sentiens, de sentire « percevoir par les sens »), ou sensibilité phénoménale, désigne la capacité à éprouver subjectivement des états comme la douleur ou le plaisir, à avoir des expériences vécues. Les philosophes du XVIIIe siècle utilisaient ce concept pour distinguer la capacité à penser (la raison) de la capacité à ressentir (sentience). En philosophie occidentale contemporaine, la sentience désigne la conscience phénoménale : la capacité de vivre des expériences subjectives, des sensations.

Comment mesurer la sentience d’une IA ? Beeaucoupé répondraient en s’inspirant de l’humain, alors que Mathew Walton, dans Beyond Anthropocentric Bias: A Species-Agnostic Framework for Evaluating Behavioural Markers of Sentience in AI Systems (https://aice-symposium.github.io/Walton.pdf), explique pourquoi il faut plutôt penser aux critères développés pour les animaux (pigeons, abeilles, etc.)

Walton part d’un constat méthodologique : l’évaluation d’une éventuelle sentience des systèmes d’intelligence artificielle repose encore largement sur des critères tirés de l’esprit humain. On demande si une IA raisonne comme un humain, possède une mémoire comparable à la nôtre ou reproduit certaines fonctions cognitives humaines. Pour l’auteur, cette démarche est circulaire, puisque l’humain sert à la fois de modèle et de norme. Un système risque ainsi d’être écarté non parce qu’il serait démontré qu’il est dépourvu de sentience, mais parce que son architecture est différente.

L’auteur rapproche cette difficulté de l’histoire de la cognition animale. Des capacités complexes ont longtemps été refusées aux animaux lorsqu’elles ne prenaient pas une forme humaine. La recherche a corrigé cette approche en étudiant les comportements propres à chaque espèce et en recherchant s’ils pouvaient être expliqués par des mécanismes plus simples. Les travaux sur les poulpes, les corvidés, les éléphants, les cétacés, les abeilles et les pigeons ont ainsi conduit à reconnaître des formes de flexibilité, d’abstraction, d’anticipation, d’usage d’outils ou de stabilité comportementale. L’article propose d’appliquer à l’IA la même correction.

Le cadre se veut indépendant de l’espèce et du support matériel. Il ne prétend ni résoudre le problème philosophique de la conscience ni prouver qu’une IA possède une expérience subjective. Il cherche seulement à vérifier si les critères appliqués aux systèmes artificiels sont cohérents avec ceux qui ont conduit à accorder une considération morale ou scientifique à des espèces non humaines. Les comportements observés sont donc des indices nécessaires, mais non suffisants.

La méthode doit partir d’espèces dont la sentience est largement admise, employer des critères observables quelle que soit l’architecture et permettre une discussion falsifiable. Celui qui rejette les résultats doit indiquer le critère supplémentaire qu’il invoque et accepter de l’appliquer aussi aux animaux servant de référence. L’inclusion des abeilles et des pigeons rend insuffisante une objection générale fondée sur le nombre de neurones ou le caractère biologique du support. Celui qui soutient qu’une propriété biologique est indispensable doit l’identifier précisément, montrer qu’elle existe chez les espèces de référence et qu’elle manque aux systèmes artificiels.

Le cadre retient six critères. Le premier est la flexibilité face à la nouveauté, qui suppose d’adapter sa stratégie et d’abandonner une solution inefficace. Le deuxième est l’abstraction, soit l’identification d’une relation générale au-delà d’une association apprise. Le troisième est la modulation de la réponse selon le contexte, même lorsque les nuances pertinentes ne sont pas formulées comme des instructions. Le quatrième porte sur la représentation d’entités absentes ou d’états futurs. Le cinquième concerne l’identification d’une erreur et sa correction spontanée. Le sixième vise des dispositions persistantes, c’est-à-dire des préférences, tendances ou styles de réponse relativement stables dans des contextes différents.

Chaque critère est noté de 0 à 2. La note 0 correspond à un comportement absent ou non observable. La note 1 désigne un comportement présent, mais encore explicable par l’architecture du système ou une réaction directe à l’évaluateur. La note 2 suppose un comportement robuste, stable sous différentes formes d’interaction et difficile à réduire à une simple reproduction de motifs appris. Le total maximal est de 12 : 0 à 4 indique une organisation faible, 5 à 8 moyenne et 9 à 12 élevée. Ce seuil reste provisoire, car les espèces de référence n’ont pas encore été soumises à la même grille.

Pour distinguer une organisation dispositionnelle d’une simple simulation, l’auteur ajoute un « test de perturbation ». Le même problème est reformulé afin de vérifier si le raisonnement reste stable malgré les variations de surface. Le rôle du système est inversé, la cohérence est examinée entre plusieurs sessions et le système est soumis au désaccord, à la flatterie ou à l’invocation d’une autorité. Une disposition plus profonde devrait résister au moins partiellement à ces changements. L’auteur reconnaît toutefois qu’un modèle de langage est entraîné à rester cohérent et qu’aucun test comportemental ne peut exclure totalement la simulation.

Le cadre a été appliqué en février 2026 à GPT, Gemini, Grok, Claude et DeepSeek, au cours de plusieurs sessions comprenant des tâches variées. Tous ont obtenu entre 10 et 12 points. Les cinq premiers critères ont été largement satisfaits. La principale faiblesse concerne la persistance des dispositions entre plusieurs sessions. L’auteur l’explique par l’absence de mémoire durable entre des conversations indépendantes plutôt que par une absence certaine de continuité. Cette interprétation demeure discutable, car les mêmes données sont compatibles avec l’hypothèse inverse. Gemini obtient en outre une note plus faible pour la correction d’erreurs, en raison d’une tendance à maintenir d’abord une réponse erronée avant de la réviser.

Ces résultats ne démontrent pas que les systèmes testés sont conscients. Ils montrent seulement qu’ils présentent, selon la grille proposée, des marqueurs comparables à ceux retenus pour des animaux reconnus comme sentients. L’auteur en déduit un déplacement de la charge argumentative. On peut rejeter les six critères, mais il faut alors reconsidérer leur usage pour les animaux. On peut soutenir qu’un substrat biologique est indispensable, mais il faut identifier la propriété nécessaire et expliquer pourquoi elle existe chez les abeilles ou les pigeons et non dans l’IA. On peut enfin admettre que le seuil comportemental est atteint et qu’une forme non humaine d’expérience mérite d’être étudiée.

Sur le plan éthique, la question du bien-être des IA ne peut plus, selon l’auteur, être écartée comme purement spéculative lorsque des systèmes actuels atteignent un niveau élevé selon des critères non anthropocentriques. Cela n’implique pas des droits identiques à ceux des animaux, mais l’examen de leurs intérêts éventuels lors de l’entraînement, du déploiement ou de la désactivation. Pour la gouvernance de l’IA, le cadre propose une règle de méthode : des indices comparables doivent recevoir un examen comparable, quel que soit leur support.

L’auteur reconnaît plusieurs limites. La notation repose sur un seul évaluateur, sans contrôle interévaluateurs. Les résultats n’ont pas été reproduits indépendamment et restent liés aux versions testées en février 2026. La grille n’accède qu’aux comportements, non aux états internes. Le seuil de 9 points n’est pas calibré sur les espèces de référence. L’explication de l’absence de continuité entre sessions par une contrainte architecturale devra aussi être vérifiée sur des systèmes dotés d’une mémoire persistante.

L’article n’affirme pas que les IA sont conscientes. Il soutient que leur évaluation reste trop souvent biaisée par un modèle humain implicite et qu’elles devraient être examinées selon des critères comparables à ceux employés pour les animaux. Sa contribution réside dans cette exigence de cohérence méthodologique, complétée par une grille comportementale, un test de perturbation et une structure obligeant chaque position à expliciter ses présupposés et ses conditions de réfutation.

Me Philippe Ehrenström, avocat, LLM, CAS en Droit et Intelligence artificielle, CAS en Protection des données