Pourquoi le domaine correspond
L’inférence active considère tout système qui maintient son intégrité comme minimisant l’énergie variationnelle libre par rapport à un modèle génératif de son environnement, et la communication linguistique s’y cartographie directement : les locuteurs sélectionnent des énoncés attendus pour modifier les croyances d'un auditeur, tandis que les auditeurs analysent le discours afin d'inférer les intentions et les significations cachées, ces deux processus étant encadrés par une minimisation de l’énergie libre. La partition à quatre voies du formalisme des états internes, externes, sensoriels et actifs via des « Markov blankets » sépare les croyances d'un agent de la situation communicative, avec la parole entendue comme états sensoriels et l'articulation comme états actifs. La hiérarchie inhérente à la langue — phonèmes en syllabes, mots en phrases, phrases en discours — correspond également à l’inférence active des modèles génératifs imbriqués, où les niveaux supérieurs codent les causes abstraites lentes (intentions, sujets) et les niveaux inférieurs codent les détails sensoriels rapides (réalisation acoustique).
État de la littérature
La contribution fondamentale est le travail de 2020 sur les modèles génératifs, la communication linguistique et l'inférence active (Friston et ses collègues), qui simule un dialogue entre des agents synthétiques qui infèrent les états sémantiques cachés de chacun et sélectionnent des énoncés pour minimiser l'énergie libre attendue, produisant ainsi des conventions lexicales partagées émergentes. Un compte rendu herméneutique complémentaire (Paulus et Friston) cadre la communication comme une interprétation mutuelle, où l'action satisfait les prédictions concernant son propre futur discours et son effet sur l'auditeur. La littérature se divise ensuite vers le contrôle moteur de la parole et un compte rendu d'inférence active sur le blocage du langage (le blocage comme échec à minimiser l'énergie libre de manière fluide à travers les niveaux moteur et linguistique), une prépublication soutenant que la syntaxe naturelle du langage lui-même est conforme au principe d'énergie libre, un essai réinterprétant l'inner speech comme un traducteur entre des états sensoriels encombrants et des étiquettes verbales compactes, et un appel à Frontiers in Psychology pour introduire l'inférence active en neuropragmatisme. Tout cela est traversé par une tension non résolue avec les théories de codage prédictif et les théories du cerveau bayésien : une critique de 2023 soutient que les systèmes neuronaux peuvent prioriser la découverte de caractéristiques plutôt que des prédictions exhaustives, et un examen critique distinct remet en question si le cerveau met réellement en œuvre un calcul bayésien littéral.
Projets et outils clés
Les implémentations concrètes sont encore largement des prototypes de recherche plutôt que des outils publics nommés : les agents linguistiques synthétiques sont construits sous forme de modèles graphiques probabilistes ou d'espaces d'état avec passage de messages ou inférence par descente de gradient (généralement MATLAB ou Python), et les modèles de contrôle moteur de la parole sont envisagés comme des réseaux bayésiens dynamiques sur les états articulatoires. Le modélage causal dynamique (DCM), déjà utilisé au sein de la communauté de l'inférence active pour modéliser les connexions cérébrales, est proposé à étendre aux expériences en neuropragmatologie parallèlement aux pipelines d'imagerie standard (SPM, FSL). Du point de vue de l’IA, trois projets distincts des années 2025 intègrent l’inférence active avec les LLM : une architecture de revue utilisant un contrôleur actif-inférence externe pour gérer les invites et les interactions d'un LLM, un système de médecine numérique de Nature qui sélectionne les invites via l'énergie libre attendue pour améliorer la fiabilité des réponses, et une prépublication sur arXiv sur un système multi-LLM où un contrôleur hiérarchique assigne des tâches à travers des LLM spécialisés afin de minimiser l'énergie libre par rapport aux objectifs de l'utilisateur. La recherche est associée de manière informelle à des groupes affiliés à Friston (par exemple, University College London) et au LISN Lab, qui héberge l’essai sur la parole intérieure.
Problèmes non résolus
Des preuves empiriques directes que le traitement du langage humain suit réellement les principes d’inférence active restent limitées : beaucoup de ses prédictions (rechercher des informations dans l’incertitude, agir selon ses préférences) sont partagées qualitativement avec l’apprentissage par renforcement et autres cadres, de sorte que des tests doivent cibler des caractéristiques distinctives telles que la décomposition épistémique-pragmatique de l’énergie libre attendue. La critique du cerveau bayésien met en garde contre l’interprétation des signaux généraux d’erreur de prédiction dans les neuroimages comme preuve d’un calcul bayésien complet dans les circuits linguistiques. L’intégration à plusieurs échelles est largement non prise en compte en pratique : la plupart des modèles couvrent une bande étroite (correspondance entre mot et sens ou contrôle moteur du discours) plutôt que de s’étendre à travers les circuits neuronaux du discours jusqu’au changement linguistique — et la traduction clinique (bégaiement, apraxie, aphasie, perturbation de l’inner-speech liée à la psychose) n’a qu’un exemple initial travaillé (bégaiement) avec le reste hypothétique. Pour les systèmes basés sur les LLM, des questions ouvertes comprennent comment formaliser des modèles génératifs exploitables de l’état de l’utilisateur, comment définir des fonctionnelles d’énergie libre attendue capturant l’alignement et la fiabilité, et comment évaluer les agents interactifs puisque les benchmarks NLP standard ne capturent pas le dialogue guidé par une inférence active dynamique.
Squelette de référence
Karl J. Friston (2010). The free-energy principle: a unified brain theory? Nature Reviews Neuroscience. DOI: 10.1038/nrn2787. Thomas Parr, Giovanni Pezzulo, Karl J. Friston (2022). Active Inference: The Free Energy Principle in Mind, Brain, and Behavior. MIT Press. Giovanni Pezzulo, Francesco Rigoli, Karl J. Friston (2017). Active Inference, homeostatic regulation and adaptive behavioural control. Progress in Neurobiology. DOI: 10.1016/j.pneurobio.2017.08.001. Maxwell J. D. Ramstead, Karl J. Friston, Axel Constant, Lancelot Da Costa, Casper Hesp, Beren Millidge, Alexander Tschantz (2023). On Bayesian Mechanics: A Physics of and by Beliefs. arXiv.