Philosophie Théorique

Ma recherche en philosophie théorique s’articule autour de six thèmes connexes :

1. Les origines de nos concepts cognitifs fondamentaux — vérité, connaissance et compréhension — et leur fonction pour nous.
2. La relation entre raisons et causes, tant en épistémologie (justification contre explication causale) qu’en philosophie de l’action (concilier l’agir volontaire et la détermination causale de la volonté).
3. La rationalité du changement conceptuel et de l’ingénierie conceptuelle (conceptual engineering), ainsi que leurs fondements théoriques selon différentes conceptions des concepts et du sens.
4. La systématicité de la pensée et les limites des vertus théoriques telles que la précision, la profondeur, la cohérence et la non-contradiction.
5. L’épistémologie de la cognition artificielle, en particulier la meilleure façon de conceptualiser les capacités émergentes des grands modèles de langage (LLM) à la lumière des points 1 à 4.
6. Le rapport de la philosophie aux sciences humaines et sa nature en tant que discipline humaniste.

Ma première monographie, The Practical Origins of Ideas: Genealogy as Conceptual Reverse-Engineering (OUP 2021), développe une méthode de « rétro-ingénierie conceptuelle » pour mettre au jour les défis pratiques à la racine de nos concepts les plus abstraits et insaisissables. À travers le prisme de Nietzsche et de Bernard Williams, l’ouvrage explore la généalogie de la notion de vérité et montre comment les normes d’exactitude et de sincérité ont évolué de pair avec notre capacité de croyance et d’assertion pour devenir des vertus déterminantes de la pensée et de la communication. L’ouvrage reconstruit également, en s’appuyant sur E.J. Craig et Miranda Fricker, la généalogie de la connaissance, du témoignage et de l’injustice épistémique, tout en la réconciliant avec l’épistémologie fondée sur la connaissance (knowledge-first epistemology) (voir aussi Genealogy and Knowledge-First Epistemology: A Mismatch?). Une série d’articles plus récents sur la compréhension (Why We Care About Understanding: Competence through Predictive Compression) complète ce travail antérieur sur la généalogie des structures mentales fondamentales (core mindware) qui organisent la pensée et le discours.

Cet intérêt pour l’explication généalogique est né de mes travaux sur Wittgenstein, qui distinguait nettement les raisons des causes et insistait sur le fait que les causes ne font qu’expliquer, alors que seules les raisons justifient. Ce fossé pose non seulement un problème quant à la manière de concilier la détermination de notre volonté par des raisons avec la détermination de notre corps par des causes, mais il empêche également les généalogies — en tant qu’explications causales — d’avoir le moindre effet dans l’espace des raisons. J’ai abordé cette fracture dans une série d’articles (Two Orders of Things ; Wittgenstein on the Chain of Reasons ; Davidsonian Causalism and Wittgensteinian Anti-Causalism) avant de trouver un moyen d’intégrer la portée normative de l’explication causale (How Genealogies Can Affect the Space of Reasons ; From Paradigm-Based Explanation to Pragmatic Genealogy). Cela a ouvert la voie pour passer de l’explication à l’évaluation et à l’ingénierie des concepts.

Durant mes trois années à Oxford, j’ai rédigé mon habilitation, Reasons for Reasons: A Theory of Reasons for Concept Use, publiée par la suite sous le titre The Ethics of Conceptualization: Tailoring Thought and Language to Need (OUP 2025). S’appuyant sur un article antérieur (Function-Based Conceptual Engineering and the Authority Problem), le livre intervient dans les débats sur l’ingénierie conceptuelle en établissant un cadre pour la rationalité du changement conceptuel. Il développe une épistémologie des raisons de second ordre pour l’usage des concepts ; celles-ci fournissent des raisons de formuler les raisons de premier ordre (pour la croyance et l’action) en certains termes plutôt que d’autres. L’ouvrage réexamine l’idée selon laquelle les concepts doivent toujours aspirer à des vertus théoriques comme la précision et la non-contradiction, en soutenant que dans certains contextes, des vices apparents tels que le vague ou la superficialité nous servent en réalité mieux. Une étude de cas centrale est le concept de volontaire (voluntariness), qui concilie raisons et causes précisément en demeurant superficiel.

J’ai ensuite dirigé un projet Ambizione du FNS d’une durée de quatre ans, explorant les raisons d’être de la systématisation cognitive et réévaluant le débat sur la systématicité entre les théories classiques et connexionnistes de l’esprit (Explainability through Systematicity). J’ai démontré que les modèles connexionnistes basés sur les transformeurs (transformer-based) relèvent désormais le « défi de la systématicité » de Fodor, mais qu’ils luttent encore avec des formes plus exigeantes de systématicité et avec l’asystématicité de la vérité dans certains domaines (Can AI Rely on the Systematicity of Truth?).

Un fil conducteur traversant mon travail est la pertinence des sciences humaines pour la philosophie. Ma première monographie théorisait la nécessité de cet engagement, et je l’ai depuis mis en pratique en puisant dans l’anthropologie et l’ethnographie pour mon deuxième livre, ainsi qu’en co-éditant un volume sur la relation entre la philosophie et l’histoire, intitulé Bernard Williams on Philosophy and History (OUP 2025).

Grâce au Starting Grant du FNS qui m’a été récemment accordé pour cinq ans, je renoue avec mon parcours académique en linguistique cognitive et computationnelle à travers un projet sur la cognition artificielle. En travaillant sur trois études de cas fondamentales — la formation des concepts, la compréhension et le raisonnement —, le projet vise à dissocier les rôles fonctionnels indispensables de ces concepts de leurs présupposés anthropocentriques. Cela nécessite de combler le fossé entre la philosophie et le domaine émergent de l’interprétabilité mécaniste (mechanistic interpretability). Pour un exemple de cette démarche, voir Mechanistic Indicators of Understanding in Large Language Models.