L'IA est sur le point de connaître sa plus grande évolution : l'intelligence émotionnelle

L’aube des agents dotés d’intelligence émotionnelle — conçus à la fois pour un tempérament statique et une interaction dynamique — est arrivée, si l’on en croit deux articles de recherche publiés la semaine dernière.

Le moment est délicat. Presque chaque jour, les médias rapportent des cas où des chatbots ont poussé des utilisateurs émotionnellement instables à se faire du mal ou à nuire à autrui. Pourtant, dans l’ensemble, ces études suggèrent que l’IA entre dans un domaine où la personnalité et les émotions peuvent façonner de manière encore plus radicale la façon dont les agents raisonnent, s’expriment et négocient.

Une équipe a montré comment imprégner les grands modèles de langage d’archétypes psychologiques persistants, tandis qu’une autre a démontré que les agents peuvent développer des stratégies émotionnelles lors de négociations à plusieurs tours.

La personnalité et l’émotion ne sont plus de simples artifices pour l’IA — elles deviennent des fonctionnalités à part entière. Les tempéraments statiques rendent les agents plus prévisibles et dignes de confiance, tandis que les stratégies adaptatives améliorent les performances lors des négociations et rendent les interactions étrangement humaines.

Mais cette même crédibilité soulève des questions épineuses : si une IA peut flatter, cajoler ou argumenter avec des nuances émotionnelles, qui est responsable lorsque ces tactiques franchissent la limite de la manipulation, et comment auditer « l’alignement émotionnel » dans des systèmes conçus pour influer sur les sentiments autant que sur la logique ?

Doter l’IA d’une personnalité

Dans Psychologically Enhanced AI Agents, Maciej Besta de l’École polytechnique fédérale de Zurich et ses collègues ont proposé un cadre appelé MBTI-in-Thoughts. Plutôt que de réentraîner les modèles, ils s’appuient sur l’ingénierie des prompts pour ancrer des traits de personnalité selon les axes de la cognition et de l’affect.

« En nous appuyant sur le Myers-Briggs Type Indicator (MBTI), notre méthode prépare les agents à des archétypes de personnalité distincts via l’ingénierie des prompts », écrivent les auteurs. Cela permet un « contrôle du comportement selon deux axes fondamentaux de la psychologie humaine, la cognition et l’affect », ajoutent-ils.

Les chercheurs ont testé cela en attribuant aux modèles de langage des traits comme « expressif émotionnellement » ou « analytique », puis en mesurant leurs performances. Les agents expressifs excellaient dans la génération de récits ; les agents analytiques surpassaient dans le raisonnement de type théorie des jeux. Pour s’assurer que les personnalités étaient bien intégrées, l’équipe a utilisé le test 16Personalities pour la validation.

« Pour garantir la persistance des traits, nous intégrons le test officiel 16Personalities pour une vérification automatisée », explique l’article. En d’autres termes : l’IA devait réussir de manière cohérente un test de personnalité humaine avant d’être considérée comme psychologiquement préparée.

Le résultat est un système où les développeurs peuvent invoquer des agents avec des personnalités cohérentes — un assistant empathique, un négociateur froid et rationnel, un conteur dramatique — sans modifier le modèle sous-jacent.

Apprendre à l’IA à ressentir en temps réel

Pendant ce temps, EvoEmo: Evolved Emotional Policies for LLM Agents in Multi-Turn Negotiation, par Yunbo Long et ses co-auteurs de l’Université de Cambridge, aborde le problème inverse : non seulement la personnalité d’un agent, mais aussi comment il peut faire évoluer ses émotions dynamiquement au fil des négociations.

Le système modélise les émotions comme faisant partie d’un processus de décision de Markov, un cadre mathématique où les résultats dépendent non seulement des choix actuels mais aussi d’une chaîne d’états antérieurs et de transitions probabilistes. EvoEmo utilise ensuite l’apprentissage par renforcement évolutif pour optimiser ces trajectoires émotionnelles. Comme l’expliquent les auteurs :

« EvoEmo modélise les transitions d’états émotionnels comme un processus de décision de Markov et utilise une optimisation génétique basée sur la population pour faire évoluer des politiques émotionnelles à forte récompense dans divers scénarios de négociation. »

Au lieu de figer le ton émotionnel d’un agent, EvoEmo permet au modèle de s’adapter — devenant conciliant, affirmé ou sceptique selon le déroulement du dialogue. Lors des tests, les agents EvoEmo surpassaient systématiquement à la fois les agents de base et ceux dotés d’émotions statiques.

« EvoEmo surpasse systématiquement les deux bases de référence », note l’article, « atteignant des taux de réussite plus élevés, une plus grande efficacité et plus d’économies pour les acheteurs. »

En résumé : l’intelligence émotionnelle n’est pas qu’un simple vernis. Elle améliore de manière mesurable les résultats dans des tâches telles que la négociation.

Les deux faces d’une même pièce

À première vue, ces articles semblent sans rapport. L’un porte sur les archétypes, l’autre sur les stratégies. Mais lus ensemble, ils tracent une carte en deux parties de la façon dont l’IA pourrait évoluer :

MBTI-in-Thoughts garantit qu’un agent possède une personnalité cohérente — empathique ou rationnelle, expressive ou réservée. EvoEmo garantit que cette personnalité peut s’adapter au fil des échanges, influençant les résultats grâce à une stratégie émotionnelle. Combiner les deux est une avancée majeure.

Par exemple, imaginez un bot de service client doté de la chaleur patiente d’un conseiller, mais qui sait aussi quand rester ferme sur la politique — ou un bot de négociation qui commence conciliant et devient plus affirmé à mesure que les enjeux augmentent. Oui, nous sommes fichus.

L’histoire de l’évolution de l’IA a surtout été une question d’échelle — plus de paramètres, plus de données, plus de puissance de raisonnement. Ces deux articles suggèrent qu’un nouveau chapitre pourrait porter sur les couches émotionnelles : doter les agents de squelettes de personnalité et leur apprendre à animer ces muscles en temps réel. Les chatbots de nouvelle génération ne se contenteront pas de réfléchir davantage — ils bouderont, flatteront et comploteront davantage aussi.