Paradoxe de Polanyi

Le paradoxe de Polanyi est un principe épistémologique formulé par Michael Polanyi dans ses travaux sur la connaissance tacite, synthétisés dans l'ouvrage The Tacit Dimension (1966). Son énoncé originel est que nous savons toujours plus que nous ne pouvons en dire : une grande part de la compétence humaine, de l'habileté du chirurgien à la perspicacité du juge, repose sur un savoir incorporé, contextuel et difficile à formaliser, que l'on ne peut pas entièrement décrire par des règles explicites. Dans le champ de l'automatisation, ce principe a longtemps été interprété comme une barrière structurelle à la substitution algorithmique des travailleurs qualifiés : si une tâche ne peut pas être entièrement décomposée en instructions explicites, elle ne peut pas être confiée à une machine. David Autor et ses coauteurs ont formalisé cette intuition dans le modèle ALM (2003), qui anticipait que les tâches routinières seraient automatisées mais que les tâches cognitives complexes resteraient la chasse gardée de l'humain. L'émergence des grands modèles de langage et de l'IA agentique contourne ce paradoxe non pas en résolvant le problème philosophique mais en produisant des raisonnements de qualité experte par des voies statistiques, sans avoir besoin d'instructions explicites. Cette circumvention empirique constitue la rupture centrale théorisée dans les travaux actuels sur l'impact économique de l'IA sur les marchés du travail cognitifs.

Un souscripteur expérimenté en assurance maritime est incapable d'expliquer entièrement pourquoi il refuse un risque dont les données objectives semblent acceptables : il s'appuie sur une intuition forgée par vingt ans d'expérience. C'est précisément ce type de jugement tacite que le paradoxe de Polanyi désignait comme inautomatisable et que les modèles de fondation ont partiellement appris à émuler par des approches probabilistes.

Polanyi paradox, savoir tacite, tacit knowledge, paradoxe cognitif