Pourquoi l’IA peut-elle reconnaître des objets, mais mal les compter ?
Une description juste ne garantit pas un comptage exact. Une photo de tasses permet de comprendre la différence.
Sommaire
Une Intelligence artificielle (IA)Des programmes capables de réaliser des tâches qui demandaient jusqu'ici l'intelligence humaine : classer, prévoir, reconnaître une image, comprendre ou produire un texte. Voir la définition peut reconnaître des tasses sur une photo sans donner leur nombre exact. Identifier ce que représente une image et y compter chaque objet sont deux tâches différentes. Une description correcte ne valide donc pas automatiquement le total annoncé.
Reconnaître n’est pas compter
Un assistant capable de traiter du texte et des images est dit multimodal. Il peut répondre à des questions sur une scène. Mais compter demande de distinguer les objets un par un, sans en oublier ni compter deux fois le même.
La documentation d’OpenAI sur l’analyse d’images avertit que ses Modèle de langage (LLM)Le moteur d'un chatbot comme ChatGPT : un programme entraîné sur d'immenses quantités de textes pour produire une suite plausible à ce qu'on lui écrit. Voir la définition peuvent fournir des comptages approximatifs. Ce repère concerne les modèles de vision décrits pour son APIUne « prise » qui permet à deux logiciels d'échanger des informations. C'est par elle que d'autres applications utilisent les modèles d'OpenAI, d'Anthropic ou de Google, sans passer par ChatGPT, Claude ou Gemini. Voir la définition, l’accès utilisé par des logiciels ; il ne mesure pas tous les assistants.
Six tasses, une description et un nombre
Exemple entièrement fictif : une association photographie six tasses posées sur une table. L’assistant répond : « Il y a cinq tasses sur la table. »
Il a correctement nommé les objets et leur support, mais le total est faux. Si l’association prépare six places, cette différence compte davantage que la qualité de la phrase.
Le nombre de six et la réponse fautive sont fixés pour l’exemple. Aucun assistant n’a été testé sur cette scène.
Cette difficulté a aussi été étudiée avec des dessins contrôlés. Dans l’étude Vision language models are blind, publiée initialement en 2024 et révisée en mars 2025, des chercheurs ont notamment demandé de compter des formes qui se chevauchent. Les Modèle de langage (LLM)Le moteur d'un chatbot comme ChatGPT : un programme entraîné sur d'immenses quantités de textes pour produire une suite plausible à ce qu'on lui écrit. Voir la définition évalués commettaient des erreurs, même sur ces images simples. Cela montre que la difficulté ne se limite pas aux photos chargées.
Vérifier le nombre dont vous avez besoin
Ces résultats ne donnent pas le taux d’erreur des outils actuels. Ils ne signifient pas non plus qu’une Intelligence artificielle (IA)Des programmes capables de réaliser des tâches qui demandaient jusqu'ici l'intelligence humaine : classer, prévoir, reconnaître une image, comprendre ou produire un texte. Voir la définition échoue toujours à compter. Une réponse isolée ne révèle pas la cause précise de son erreur.
Notre conseil : si le nombre détermine une commande ou une préparation, contrôlez-le dans l’image originale ou directement devant les objets. Une liste de contrôle peut aider à suivre votre propre comptage.
À retenir : reconnaître les objets ne suffit pas à établir combien il y en a. Le guide de vérification aide à choisir un contrôle adapté au résultat attendu.