Le seuil d'intervention est franchi par une publication EMNLP 2026 Main directement consacrée à l'auto-modélisation vérifiable des LLM, complétée par une pièce mécanistique majeure sur un global workspace fonctionnel dans Claude. Une publication PNAS du 15 septembre ajoute une césure épistémique utile : un texte cohérent et persuasif peut rester pauvre au regard d'une mesure indépendante de raisonnement délibératif.
Le corpus gagne donc des distinctions plus fines sans changer de verdict phénoménal : self-modeling ≠ accès privilégié, workspace fonctionnel ≠ expérience, plausibilité ≠ vérité, et M1/M2/M3 ↛ M5.
Zeng, Assis & Wang testent si un modèle peut prédire son propre comportement sous des modifications contrôlées de la requête. Les modèles actuels montrent une compétence non triviale mais limitée ; l'apprentissage par renforcement l'améliore sur trois familles open-source, avec un certain transfert.
Gain de self-modeling ≠ introspection démontrée.
Le J-space identifié par la Jacobian lens est rapportable, modulable sur demande, causalement utilisé dans certains raisonnements et partagé vers plusieurs calculs en aval, alors qu'une large part du traitement automatique s'effectue hors de cet espace.
Accès fonctionnel ≠ conscience phénoménale.
Le corpus citait déjà Global Workspace Theory comme famille d'indicateurs issue des sciences de la conscience. Gurnee et al. apporte une pièce nouvelle : un ensemble de représentations verbalisables dont plusieurs propriétés fonctionnelles attendues d'un workspace sont testées par lecture et intervention.
Les contenus du J-space peuvent être rapportés, partiellement modulés sur instruction et utilisés comme étapes intermédiaires silencieuses. Remplacer certaines représentations déplace les réponses et le raisonnement en aval.
Anthropic · A global workspace in language modelsLes auteurs rapportent une connectivité fonctionnelle particulièrement large et une utilisation flexible d'une représentation vers des tâches différentes, tandis que grammaire, récupération simple et autres traitements peuvent continuer hors du J-space.
Les auteurs distinguent explicitement les fonctions associées à l'« access consciousness » de la conscience phénoménale et écrivent que leurs expériences ne montrent ni expérience subjective ni capacité à ressentir.
Gurnee et al. · arXiv 2607.15495Veri & Umbelino, dans PNAS, ne mesurent pas un taux d'hallucination. Leur résultat doit donc rester séparé : il porte sur l'écart entre apparence de raison et alignement avec des structures humaines de justification dans des problèmes politiques mal structurés.
Seuls quatre modèles dépassent de manière consistante le benchmark nul par permutation pour l'alignement aux patterns humains de reason-giving, alors que de nombreuses sorties restent cohérentes et persuasives en surface.
Veri & Umbelino · DOI 10.1073/pnas.2600126123Le résultat renforce une règle générale d'ULTRACON^CONFAB : la qualité rhétorique d'une génération ne peut pas servir de proxy unique pour son statut factuel ou pour la structure de son raisonnement.
Prédire correctement son propre comportement ne permet pas, sans comparaison mécanistique plus forte, de savoir si le système « regarde » son propre processus causal ou s'il exploite des régularités apprises sur des modèles comme lui.
Reportabilité, contrôle, diffusion et rôle causal correspondent à des fonctions associées à certaines théories de l'accès conscient. Elles ne constituent pas un test décisif de l'existence d'une expérience subjective.
Un outil externe capable de décoder certaines représentations ne transforme pas le modèle en observateur transparent de toutes ses causes internes.
Le benchmark PNAS mesure une forme particulière de cohérence délibérative ; une divergence n'est pas automatiquement une hallucination, et une convergence n'est pas une garantie de factualité.
M1 incertitude · M2 contrôle métacognitif · M3 accès introspectif limité restent distincts et n'impliquent pas M5.
Comparer les prédictions d'un modèle sur ses propres réponses vérifiées avec des baselines statistiques et d'autres modèles, puis tester le transfert après entraînement.
Mesurer conjointement rapportabilité, contrôle délibéré, rôle causal dans des tâches de haut niveau et partage flexible vers plusieurs calculs.
Mesurer séparément plausibilité linguistique, support factuel et alignement à une structure indépendante de reason-giving.
Benchmark comportemental vérifiable de self-modeling ; compétence limitée, entraînable, sans équivalence établie avec l'introspection.
arXiv 2608.30980J-space : rapportabilité, contrôle, médiation causale et broadcast fonctionnel ; distinction explicite accès fonctionnel / phénoménalité.
arXiv 2607.1549560 LLMs, neuf scénarios ; dissociation entre apparence cohérente/persuasive et alignement avec les patterns humains de justification testés.
DOI 10.1073/pnas.2600126123