Richard Sutton

La douche froide. Mais ça ne m'aide pas beaucoup : donne-moi un autre indice.

Un psychologue au sommet de l'informatique… Je chauffe.

Ça y est ! L'un des deux pères de l'apprentissage par renforcement : Richard Sutton !

Carte d'identité. Né à Toledo, dans l'Ohio, aux États-Unis, et devenu canadien. Il disait avoir soixante-sept ans en mars 2025.

En juin 2026, il fonde Oak Lab avec Khurram Javed. Et sa page personnelle, dans sa version du 11 octobre 2026, le présentait comme professeur à quart-temps à l'Université de l'Alberta, à Edmonton.

Une machine qui apprend par essais et erreurs, guidée par des récompenses. Cette approche a contribué à AlphaGo et AlphaZero et sert à affiner les chatbots. Sutton a précisé en 2025 que son apprentissage par différence temporelle n’était pas utilisé par AlphaGo, mais l’était par AlphaZero.

Un million de dollars américains : le prix Turing 2024, annoncé le 5 mars 2025, financé par Google et partagé avec Andrew Barto, son ancien directeur de thèse.

Puis Oak Brook, près de Chicago, de sept à dix-sept ans. En 2019, au podcast Eye on AI, il a fait le lien lui-même : « c'est peut-être pour ça qu'il m'a été facile de partir au Canada ».

Il se demande : « où est le cerveau électronique ? » Une machine qui ne fait que ce qu'on lui dit ne peut pas être un esprit… et pourtant, le cerveau est une machine.

Il l’a dit : « c’est ce qui m’a accroché ». Lycéen, il programme sur un ordinateur IBM un modèle du cortex semblable à des réseaux de neurones.

Et un détail savoureux : un devoir de neuropsychologie noté D moins le pousse vers la psychologie comportementale, dont il admire la rigueur. En parallèle, il suit tous les cours d'IA.

Il tombe sur un rapport de Harry Klopf, de l'US Air Force. Il lui écrit. Réponse : « c'est ce que je dis, mais personne d'autre ne le voit ».

Klopf finance justement un programme dirigé par Andrew Barto à Amherst. Sa mère lui conseille d’y aller, « like now! ». Sutton termine sa licence en avance.

Barto l'a résumé en 2025 : « Nous étions un peu dans le désert ». Et Sutton, la même année : « On s'est retrouvés et on s'est dit : ça devrait être un domaine. »

En 1988 paraît son article fondateur sur l'apprentissage par différence temporelle : apprendre une estimation à partir d'une estimation, sans professeur.

Et Minsky répond ! En gros : peu importe, fais des maths. En 2019, Sutton précise : « J'ai encore la lettre. »

D’après sa page personnelle, c’est « un espace sûr où les robots peuvent découvrir leur corps et le monde par essais et erreurs ». L’un de ses lieux préférés.

Chez AT&T, un mélanome déjà métastasé lui est diagnostiqué. Ses mots : « j’étais condamné ». Il évoque quatre guérisons miraculeuses, puis quatre malheureuses récidives.

Sa réflexion, dans ses mots : « autant faire ça pendant que je meurs ». Il part pour Edmonton en 2003, et cite aussi la politique : les États-Unis envahissaient l'Irak.

Et cette même université l'a fait docteur honoris causa le 18 mars 2026.

D’abord, la leçon amère du 13 mars 2019 : les méthodes générales qui exploitent le calcul finissent par l’emporter. Sutton écrit : « Nous voulons des agents qui découvrent comme nous, pas qui contiennent ce que nous avons découvert. »

Il l’a dit à Dwarkesh Patel le 26 septembre 2025 : les grands modèles de langage « consistent à imiter les gens ». Et si l’on comprenait un écureuil, estime-t-il, on aurait presque compris l’intelligence humaine ; le langage ne serait qu’« un mince vernis à la surface ».

Avec cette précision imparable : « Les écureuils ne vont pas à l'école. »

En juillet 2023, ses diapositives sur « AI Succession » présentent comme inévitable une succession au profit de l’IA ou de transhumains, sans y voir nécessairement un mal. En 2025, Sutton a évoqué de bonnes comme de mauvaises issues et souhaité un changement volontaire, non imposé.

Karpathy ironise sur les chercheurs en modèles de langage convertis à la leçon amère, puis recadrés par son auteur : « Dur ! » Sutton répond que ces modèles mobilisent beaucoup de calcul, mais aussi beaucoup de savoir humain.

C’est bien Lia qui imagine. Ma question : les modèles de langage mobilisent énormément de calcul. Pourquoi ne seraient-ils pas la leçon amère en action ?

Lia, ta boule de cristal ?

Voilà : une prédiction de Lia, pas une information.

Moi, un chercheur qui disait en 2025 accepter d'être décalé par rapport à son domaine pendant des décennies, parce qu'il lui était déjà arrivé d'avoir raison.