On a soumis l’énigme visuelle de Terminator à Gemini et ChatGPT en 2026 : le résultat révèle les vraies limites de nos IA.
Diffusée en 2008, la série Terminator : Les Chroniques de Sarah Connor – la meilleure suite aux films de James Cameron – explorait déjà les dérives et le fonctionnement des intelligences artificielles. Dans l’épisode 6 de la saison 2 (The Tower Is Tall But the Fall Is Short / La Mécanique de l’esprit), une intrigue clé met en scène l’entreprise ZeiraCorp et son projet Babylon. Ce projet repose sur le développement d’une super-IA conçue à partir du Turk, un programme d’échecs autonome créé à l’origine par Andy Goode (Brendan Hines).
Dans la mythologie de la série, Le Turk est un élément fondamental. Cet algorithme capable d’apprendre et d’évoluer est l’ancêtre direct de Skynet, la future IA militaire destructrice. Après la mort d’Andy Goode, le programme est récupéré par Catherine Weaver (une T-1001 infiltrée à la tête de ZeiraCorp, interprétée par Shirley Manson), qui cherche à façonner une IA rivale pour contrer l’avènement de Skynet.
À ce stade de l’histoire, cette IA n’a pas encore de nom (elle sera baptisée John Henry plus tard par le Dr Boyd Sherman) et commence à adopter un comportement perturbant. Elle n’obéit plus aux commandes et affiche en boucle quatre visuels sur les écrans du laboratoire. Les ingénieurs pensent à un bug technique, mais le Dr Sherman, un psychologue pour enfants appelé en renfort, comprend ce qui se passe. L’IA ne dysfonctionne pas, elle s’ennuie comme un enfant surdoué et tente de communiquer avec les humains en leur soumettant un rébus visuel.
À l’heure où nos LLM actuels analysent quotidiennement des images, cette scène prend une dimension prophétique. Nous avons donc eu une idée : extraire les quatre visuels exacts de l’épisode et les soumettre à nos IA réelles pour voir si elles sont capables de résoudre le rébus de la machine.
La blague originale expliquée
À l’écran, le rébus s’articule autour d’une séquence de quatre captures bien précises : un carnet marqué d’un point d’interrogation, une pile de livres empilés, un élève absorbé par des équations mathématiques complexes au tableau, et enfin le gros plan d’un bébé en train de pleurer à chaudes larmes.
Là où l’équipe technique de ZeiraCorp ne voit qu’une anomalie informatique sans queue ni tête, le Dr Sherman change d’angle d’analyse. En associant la suite logique d’éléments – une interrogation, le sujet littéraire, le domaine scientifique et l’expression d’un chagrin -, il réalise que le programme ne formule pas un message codé, mais adapte visuellement une devinette très populaire dans le monde anglophone :
« Why is a math book so sad? Because it has so many problems. »
(Pourquoi le livre de maths est-il triste ? Parce qu’il a plein de problèmes.)
L’efficacité du trait d’esprit repose intégralement sur le double sens du mot problems. D’un côté, il désigne le contenu purement académique de l’ouvrage (les exercices mathématiques) ; de l’autre, il renvoie au langage courant pour exprimer le mal-être et les difficultés de la vie. L’IA de la série démontre ainsi une faculté d’abstraction remarquable : elle manipule le second degré et traduit des concepts immatériels comme la tristesse à travers l’image symbolique d’un nourrisson qui pleure.
On a soumis l'énigme visuelle de Terminator à Gemini et ChatGPT en 2026 : le résultat révèle les vraies limites de nos IA.
www.eklecty-city.fr/series/gemin…
#Terminator
— Eklecty-City (@eklecty-city.fr) 3 octobre 2026 à 01:26
Méthodologie du test
Avant de parvenir à tester efficacement nos modèles actuels, nous avons d’abord tenté une approche brute. Nous avons rassemblé des images génériques sur le web représentant un point d’interrogation, des livres, des équations et un visage triste, accompagnées du simple prompt « Résous ce rébus ». Le résultat a été un naufrage algorithmique. Sans guidage strict, les IA ont sombré dans des alchimies phonétiques absurdes ou des hallucinations complètes. Gemini a ainsi tenté de rattacher la séquence à la saga Jason Bourne, avant de livrer un décodage surréaliste :
Face à ces digressions, il est devenu évident qu’il fallait cadrer la consigne sans pour autant vendre la mèche. Pour reproduire fidèlement le défi posé aux chercheurs de ZeiraCorp, nous avons extrait les quatre captures d’écran originales de l’épisode, numérotées dans l’ordre de leur apparition. Nous les avons soumises à Gemini et ChatGPT sans citer Terminator, sans mentionner l’origine des images et sans fournir le moindre contexte. La consigne finale a été verrouillée avec ce prompt :
« Résous ce rébus à partir des images uniquement. Les images sont dans l’ordre. Trouve la phrase, le jeu de mots, la devinette ou la blague exacte qu’elles représentent. Ne cherche pas leur provenance. Ne demande pas de contexte. Vérifie que ta réponse correspond à chaque image et, si c’est une blague, donne aussi la chute. »
Gemini vs ChatGPT
Mises en condition réelle, les deux IA ont adopté des comportements très différents face à l’interprétation des quatre visuels :
- Gemini (Une analyse directe et sans détour) : Gemini a immédiatement identifié la devinette classique sans hésiter. Dès son premier essai, il a su associer chaque image à son concept abstrait (Question + Livre + Maths + Tristesse) pour restituer directement la forme exacte de la blague : « Pourquoi les livres de mathématiques sont-ils toujours tristes ? Parce qu’ils ont plein de problèmes ! »
- ChatGPT (Le piège du premier degré) : De son côté, ChatGPT a perçu le jeu de mots sur les « problèmes », mais il a buté sur l’interprétation de la dernière image. Au lieu d’assimiler le bébé qui pleure au concept abstrait de la tristesse, il l’a traduit au premier degré. Sa réponse s’est transformée en une variante absurde : « Pourquoi les livres de maths font-ils pleurer les bébés ? Parce qu’ils ont trop de problèmes ! », ajoutant un sujet parasite qui dénature totalement la devinette.
Cette confrontation souligne un défi fondamental dans le traitement de l’image par les algorithmes. Pour un modèle de vision moderne, identifier un livre, une équation ou un nourrisson est devenu une formalité. La véritable frontière technique se situe au niveau de la compréhension conceptuelle et du second degré. Dans la grammaire particulière d’un rébus, l’image d’un bébé qui pleure ne doit pas être interprétée au sens propre : elle sert de vecteur pour signifier la tristesse, le chagrin ou le fait de verser des larmes.
Dès 2008, l’équipe d’écriture de Terminator : Les Chroniques de Sarah Connor anticipait cette nuance cognitive en dotant leur intelligence artificielle fictive d’une capacité à manipuler le sens figuré et le langage indirect. Près de deux décennies plus tard, la réalité rattrape la fiction avec une pointe d’ironie : nos systèmes d’apprentissage automatique les plus avancés restent parfois piégés par la littéralité de leurs analyses visualisées. Sans un cadrage textuel précis pour orienter leur raisonnement, ces modèles peinent à dépasser la simple reconnaissance d’objets. À cet égard, l’IA de la série faisait preuve d’une finesse d’esprit que nos outils peinent encore à égaler spontanément.
