1. Introduction

Le vocabulaire de l'évolution est omniprésent dans les discours contemporains sur l'intelligence artificielle : on parle d'« écosystèmes de modèles », de « lignées », de « sélection par le marché », voire d'« agents autonomes ». Cette prolifération métaphorique suscite une méfiance légitime, tant elle semble brouiller la frontière entre le vivant et l'artificiel, et encourager des formes d'anthropomorphisme conceptuel.

Pourtant, le rejet global de ces analogies repose souvent sur une confusion : on confond l'usage naïf de métaphores biologiques avec la possibilité d'un cadre évolutionnaire abstrait, indépendant du substrat biologique. Or, depuis Darwin, l'évolution n'est pas définie par la vie au sens biologique strict, mais par un triptyque conceptuel minimal : variation, sélection différentielle et héritabilité.

La question que pose cet article n'est donc pas de savoir si les systèmes d'IA « sont vivants », mais s'ils peuvent être décrits, de manière rigoureuse, comme un système évolutionnaire non biologique. Nous soutenons que c'est le cas, à condition de reformuler les notions d'individu, de reproduction et d'environnement, et d'accepter une thèse intermédiaire : l'IA ne constitue pas une espèce, mais une quasi-espèce socio-technique.

2. Les conditions minimales de l'évolution : un cadre abstrait

Une large tradition en philosophie de la biologie (notamment inspirée de Darwin et de ses reformulations contemporaines) s'accorde sur une définition minimale de l'évolution reposant sur trois conditions :

1. Variation entre entités au sein d'une population ;
2. Sélection différentielle, c'est-à-dire des différences de persistance ou de reproduction ;
3. Héritabilité, permettant la transmission de traits d'une génération à l'autre.

Ces conditions sont formelles et non biologiques. Elles ne présupposent ni ADN, ni reproduction sexuée, ni métabolisme. Elles ont d'ailleurs été mobilisées pour analyser des phénomènes culturels, techniques ou informationnels.

L'enjeu est donc d'examiner si les systèmes d'IA satisfont ces conditions, et surtout, à quel niveau d'analyse.

3. Redéfinir « l'individu » en intelligence artificielle

3.1 Le rejet de l'instance d'exécution

Une erreur fréquente consiste à assimiler les individus d'une population d'IA aux instances d'exécution (sessions, processus, appels API). Cette assimilation est intenable :

• une instance est éphémère ;
• elle est parfaitement clonable ;
• elle n'a ni histoire propre ni descendance.

À ce titre, elle ne peut jouer aucun rôle évolutionnaire.

3.2 L'individu comme lignée de modèle entraîné

Nous proposons de définir l'individu évolutionnaire en IA comme une lignée de modèle entraîné, caractérisée par :

• une architecture donnée ;
• un ensemble de paramètres (poids) ;
• un tokenizer ;
• une recette d'entraînement (loss, alignement, filtrage) ;
• une provenance des données.

Cet ensemble constitue une identité stable, traçable, versionnée, et comparable à ce que la biologie désigne comme un génotype accompagné de son ontogenèse.

Un tel individu :

• peut engendrer des descendants (fine-tuning, distillation) ;
• peut diverger d'autres lignées ;
• peut être comparé en termes de performance, de coût et d'adaptation.

3.3 Population, lignées et clades

Dans ce cadre :

• une population est un ensemble de modèles concurrents dans un même écosystème socio-technique ;
• une lignée est une chaîne de descendance par réentraînement ;
• un clade correspond à une famille de modèles partageant une compatibilité architecturale et des pratiques communes.

4. La reproduction sans biologie

4.1 La reproduction comme entraînement descendant

La reproduction, au sens évolutionnaire, ne doit pas être confondue avec la réplication d'instances. Elle correspond à la création d'un nouvel individu héritant de traits structurels de ses parents.

En IA, cette reproduction prend plusieurs formes :

• fine-tuning (reproduction asexuée) ;
• distillation (transfert de comportement) ;
• fusion de modèles ou architectures multi-experts (recombinaison fonctionnelle) ;
• entraînement sur données synthétiques générées par des modèles parents.

Ces mécanismes assurent à la fois héritage et variation.

4.2 Héritage culturel et construction de niche

L'usage croissant de données synthétiques introduit un phénomène central : les modèles contribuent à façonner l'environnement informationnel de leurs descendants. Ce processus est analogue à une construction de niche, bien connue en biologie, et à un héritage culturel cumulatif.

5. La sélection comme processus socio-technique

La sélection des modèles d'IA n'est pas naturelle au sens biologique, mais elle est bien différentielle. Elle repose sur un ensemble de pressions combinées :

• performances mesurées (benchmarks) ;
• viabilité économique ;
• conformité réglementaire ;
• efficacité énergétique ;
• acceptabilité sociale et institutionnelle.

Nous proposons de qualifier ce processus de sélection socio-technique, plus proche de la domestication et de la sélection artificielle que de la sélection naturelle.

6. L'IA comme quasi-espèce

6.1 Définition

Nous définissons une quasi-espèce comme :

une population d'entités non biologiques réalisant un cycle évolutionnaire complet (variation, héritabilité, sélection), tout en étant dépourvue d'autonomie reproductive, métabolique et téléonomique endogène.

Les systèmes d'IA satisfont pleinement les critères évolutionnaires formels, mais délèguent à des acteurs humains et institutionnels les fonctions biologiques absentes.

6.2 Pourquoi « quasi »

Ce qualificatif marque des absences fondamentales :

• pas d'auto-maintenance ;
• pas de reproduction autonome ;
• pas de finalité interne.

Mais ces absences sont compensées fonctionnellement par :

• des institutions ;
• des infrastructures ;
• des marchés ;
• des régimes de gouvernance.

7. Tableau synthétique des analogies

8. Objections et réponses

9. Implications philosophiques et politiques

Cette approche a plusieurs conséquences majeures :

• elle déplace l'analyse éthique de l'agent individuel vers les trajectoires de lignées ;
• elle conçoit la gouvernance comme une pression de sélection ;
• elle permet de penser les risques systémiques sans recourir à l'hypothèse d'une IA intentionnelle ou consciente.

10. Conclusion

Les systèmes d'intelligence artificielle ne sont ni vivants, ni agents moraux, ni espèces biologiques. Mais ils constituent des quasi-espèces : des populations évolutionnaires non biologiques, insérées dans un écosystème socio-technique où la sélection opère plus vite que la délibération humaine.

Reconnaître cette dynamique n'est pas céder à l'anthropomorphisme ; c'est au contraire une condition nécessaire pour penser lucidement la responsabilité, la régulation et l'avenir des technologies d'IA.