L'IA peut-elle comprendre l'humour ?

Qu'est-ce que cela signifie pour une machine de « comprendre » l'humour ? Cette question examine si l'IA peut saisir les signaux ludiques, sociaux et souvent ancrés culturellement qui rendent les blagues, les jeux de mots ou les absurdités drôles. Elle demande également si les machines peuvent aller au-delà de l'appariement de motifs pour générer un humour qui résonne authentiquement avec l'expérience humaine. La réponse compte pour la façon dont nous concevons les compagnons, les créateurs et les communicateurs à l'ère de l'IA.

Background

Dans la littérature de recherche en traitement automatique des langues et en sciences cognitives, la compréhension de l'humour est présentée comme la capacité à reconnaître, interpréter et générer du contenu humoristique en détectant des indices sociaux et culturels plutôt qu'en s'appuyant sur des associations apprises par cœur. Cette capacité est censée améliorer l'interaction homme-machine, le divertissement, et même les liens sociaux en permettant aux machines de participer à la construction collaborative et dépendante du contexte du sens que l'humour requiert souvent. Les applications potentielles incluent des agents conversationnels capables de s'engager dans des échanges spirituels, la génération automatisée de blagues, et des outils d'assistance pour les auteurs de comédie.

Les systèmes d'humour actuels en IA fonctionnent principalement par appariement de motifs entraînés sur de grands corpus textuels. Ces systèmes peuvent étiqueter des blagues ou compléter des chutes avec des performances supérieures au hasard dans des évaluations comme la tâche *Joke Explainer* ou le concours de légendes du *New Yorker*. Cependant, leurs performances reposent typiquement sur des caractéristiques de surface — jeux de mots, structures de chutes courantes, ou structures de blagues statistiquement fréquentes — et ne parviennent pas à saisir les mécanismes cognitifs ou sociaux plus profonds qui rendent l'humour significatif pour les humains. Par exemple, bien qu'un modèle puisse reconnaître un calembour comme « drôle » en se basant sur des chevauchements de mots, il est souvent incapable d'expliquer pourquoi le calembour subvertit les attentes ou reflète un contexte culturel partagé. Les systèmes continuent de rencontrer des difficultés avec l'humour nouveau, absurde ou spécifique à une culture, qui exige des connaissances fines du monde, des inférences pragmatiques et une sensibilité émotionnelle. En conséquence, l'humour généré par l'IA aujourd'hui est mieux décrit comme un outil d'assistance que comme une véritable compréhension — il aide les auteurs à brainstormer des idées, éditer des scripts ou générer des variantes, mais est incapable de produire de l'humour de manière autonome que le public humain trouverait vraiment drôle en soi.