Ce que votre cerveau emprunte déjà à ChatGPT quand vous parlez, et pourquoi vos phrases en pâtissent

On lit : « Le jour était venteux, alors le garçon est sorti pour faire voler… » et, avant même de voir la suite, la plupart des gens complètent mentalement « un cerf-volant ». Ce réflexe n’a rien de magique : c’est votre cerveau qui prédit le prochain mot et, très souvent, la fin de la phrase avant qu’elle n’arrive sur la page.

Depuis vingt ans, des expériences de neurosciences montrent que ce n’est pas une coquetterie de style mais une façon générale de traiter le langage : en lisant ou en écoutant, le cerveau fait des paris en continu sur la suite. Et c’est exactement la même astuce que les grands modèles de langage utilisent aujourd’hui pour écrire leurs réponses.

Quand votre cerveau lit, il devine déjà la suite

En 2005, des chercheurs de l’université de Californie à San Diego ont exploité une règle toute simple de grammaire anglaise : « a » devant une consonne, « an » devant une voyelle. Ils donnaient des phrases du type « the boy went outside to fly a kite », puis remplaçaient la fin attendue par « an airplane », tout aussi logique mais moins probable.

Les électrodes posées sur le cuir chevelu montraient un changement dès l’article « a » ou « an », avant même le nom. Plus le mot final s’éloignait de celui qu’attendaient les lecteurs, plus le signal de surprise grossissait. Une grande étude dirigée par Mante Nieuwland a confirmé cette anticipation, tout en rappelant que la précision exacte de ce que le cerveau pré-active fait toujours débat.

Les modèles de langage apprennent eux aussi à deviner le prochain mot

Un modèle comme ChatGPT reste, techniquement, un grand modèle statistique entraîné à prédire le mot suivant dans une suite de texte. On lui montre des milliards de phrases, on compare son pari au mot réel et on ajuste ses paramètres pour réduire l’erreur. Pendant que votre cerveau tourne avec environ 20 W, ces systèmes consomment des fermes entières de puces dans d’énormes centres de données.

Une équipe menée par Ariel Goldstein et Uri Hasson a comparé l’activité cérébrale de patients écoutant une histoire et les calculs internes de GPT-2 lisant ce même texte. Ils ont retrouvé trois points communs : prédiction continue du prochain mot, mesure de la surprise quand il diffère et représentation des mots par leur contexte. Pour Uri Hasson, « le cerveau humain optimise un objectif très proche de celui que nous optimisons quand nous entraînons des modèles de langage », même si un algorithme reste dépourvu de corps, d’émotions et d’histoire personnelle.

Comment cette prédiction façonne vos phrases au quotidien

Si le cerveau de votre lectrice court quelques mots devant, une phrase maladroite ne la bloque pas seulement parce qu’elle est « moche » : elle force un demi-tour mental. Sujet repoussé trop loin, pronom flou, information clé qui arrive tard, et la relecture devient obligatoire.

À l’inverse, une bonne phrase s’appuie sur cette anticipation ou la bouscule volontairement. « Le jour était venteux… » peut payer le pari avec « un cerf-volant », ou surprendre avec « son CV », exactement comme un chatbot entraîné à prolonger vos mots.