Les IA sont-elles des flèches ?

J’ai lancé une expérience simple — presque triviale.

Demander à différentes intelligences artificielles de générer des schémas avec… des flèches.

Pas des images complexes.
Pas des scènes artistiques.
Juste des flux.

Des clients.
Un guichet.
Une bifurcation en Y.
Deux équipes.
Puis une production.

Rien de plus.

Et pourtant, les résultats sont souvent… déroutants.

Quand les flèches partent dans le vide

Flèches qui ne pointent vers rien.
Flux qui se croisent sans logique.
Bifurcations incohérentes.
Relations inversées.

Le rendu est parfois presque comique.

Mais ce qui pourrait passer pour une simple limite graphique révèle en réalité quelque chose de plus profond.

Une flèche n’est pas un dessin

Quand nous dessinons une flèche, nous ne dessinons pas une forme.

Nous exprimons une relation :

  • une direction,
  • une causalité,
  • une dépendance,
  • une transformation.

Autrement dit, une flèche appartient davantage au monde des structures logiques (théorie des graphes) qu’au monde du dessin.

Et c’est précisément là que le décalage apparaît.

Pourquoi les IA d’images “ratent” les flèches ?

Les modèles de génération d’images apprennent à produire des images plausibles à partir de milliards d’exemples.

Mais une image bitmap n’a pas de notion native de :

  • relation,
  • dépendance,
  • orientation logique.

Elle n’est qu’un ensemble de pixels.

Le modèle apprend donc :

ce qui ressemble à un schéma…
sans nécessairement manipuler le schéma lui-même.

Il produit une image crédible.
Pas forcément une structure cohérente.

Le contraste avec le SVG

Lorsque l’on demande à une IA de produire du SVG (un format vectoriel basé sur du texte), le comportement change.

Pourquoi ?

Parce que le SVG décrit explicitement :

  • des objets,
  • leurs positions,
  • leurs relations.

On quitte le domaine du visuel pur pour entrer dans celui du symbolique.

Et là, les modèles de langage excellent.

Ce que cela dit de l’IA aujourd’hui

Ce petit problème des flèches met en lumière une distinction fondamentale :

  • Percevoir une structure
  • Manipuler une structure

Les IA actuelles sont extrêmement performantes pour reconnaître et générer des formes plausibles.

Mais elles ne construisent pas toujours explicitement les relations conceptuelles que ces formes représentent.

Et pourtant, nos organisations reposent sur ces relations :

  • qui dépend de qui,
  • qui décide,
  • qui alimente quoi.

Autant de “flèches invisibles”.

Peut-elle progresser ?

Oui, clairement.

Mais pas simplement en “s’entraînant plus”.

Les perspectives les plus sérieuses passent par :

  • la construction explicite de graphes avant le rendu,
  • des architectures hybrides (modèles de langage + moteurs graphiques),
  • l’introduction de contraintes logiques,
  • voire l’intégration de modèles causaux.

Autrement dit :

👉 passer d’une génération d’image
👉 à une génération de structure puis de rendu.

Une invitation à jouer

Plutôt que de voir cela comme une limite, on peut aussi y voir une opportunité.

Un terrain de jeu.

Je vous propose un défi :

🎯 Cherchez à produire les prompts qui génèrent les schémas les plus absurdes.

  • flèches incohérentes
  • flux impossibles
  • bifurcations illogiques
  • diagrammes qui se contredisent

Partagez :

  • votre prompt,
  • l’image obtenue,
  • ce qui vous a fait sourire.

Et si le détail comptait plus qu’il n’y paraît ?

Ce “problème de flèches” peut sembler anecdotique.

Mais il pose une question plus large :

Une IA comprend-elle les relations qu’elle représente…
ou produit-elle seulement une image plausible de ces relations ?

Et si, finalement, les flèches étaient un test simple pour révéler une réalité plus complexe :

Nous ne demandons pas seulement aux IA de produire des images.

Nous leur demandons, de plus en plus, de représenter notre monde.

Alors, à vos flèches.