Le « je » de la machine

Depuis 2023, le verbe anglais to delve, « creuser, approfondir », s’est mis à proliférer dans les podcasts de vulgarisation scientifique. Une équipe de l’Institut Max-Planck de Berlin a analysé plus de 800 000 épisodes de podcasts, en ne retenant que la parole spontanée – non lue – et mesuré, pour ce mot que ChatGPT affectionne, une hausse de l’ordre de 40 % par rapport à ce qu’aurait donné la tendance antérieure ; meticulous, showcase ou intricacies suivent le même chemin. En laboratoire, six participants sur dix ayant dialogué avec un assistant réemployaient ensuite ses tournures, et 3 % seulement s’en étaient aperçus1. La machine ne se contente donc pas de parler. Elle fait parler. On a beaucoup discuté, depuis l’arrivée des grands modèles de langue (LLM), de ce qu’ils sont : perroquets ou sujets en puissance. Le débat s’est déplacé. Ce qu’il faut regarder à présent, c’est ce qu’ils déplacent en nous, qui parlons, et dans les catégories mêmes qui nous servaient à penser le langage.

Une parole sans langue

Encore faut-il dire, en peu de mots, à quoi l’on a affaire. La linguistique moderne s’est fondée, avec Ferdinand de Saussure, sur une distinction simple : d’un côté la langue, ce système de signes que tous les membres d’une communauté portent en eux sans l’avoir choisi ; de l’autre la parole, l’usage que chacun en fait, ici et maintenant, dans une phrase située, datée et signée. La langue précède la parole, la rend possible ; en retour, les paroles de tous finissent par modifier le système de la langue. C’est ainsi que les langues vivent : par cette boucle où l’usage use le système et le refait.

Le LLM défait cette boucle, et il l’inverse. Il ne possède pas de langue au sens de Saussure, pas de système intériorisé et partagé qui permette de produire une infinité d'énoncés. Il s'appuie sur une distribution statistique des enchaînements de mots, tirée de milliards de textes, et il calcule, mot après mot, la suite la plus probable. Autrement dit, ce qui lui tient lieu de langue a été fabriqué à partir de paroles, par compression de tout ce qui s’est déjà dit ; la langue n’y est plus le préalable de la parole, elle en est l'absente, devenue inutile à la performance. Et cette langue-là est figée au moment de l’entraînement : rien de ce que la machine dit ne revient l'enrichir ; tout au plus, réentraînée sur ses propres sorties, risque-t-elle d'appauvrir vers le plus courant. Une parole sans langue, donc, et sans monde, puisque aucun objet, aucune perception ne vient contredire ce qu’elle énonce. Par un geste de coupure radical et fécond, Saussure avait retranché le monde pour étudier la langue comme système fermé ; à des fins de pure performance, la machine réalise ce retranchement au pied de la lettre, et fait cette fois l'impasse sur la langue elle-même.

De là une image qui nous semble juste. Le linguiste Antoine Culioli distinguait, sous la phrase que l’on entend, les opérations énonciatives qui l’ont produite : ce qu’un locuteur a visé, écarté, ajusté avant que l'énoncé ne prenne forme. Pour lui, décrire une langue, c’était remonter de la surface vers ces opérations profondes, retracer la genèse d'un énoncé concret. Le LLM, à l'opposé, s'en tient à la surface. Il apprend des textes finis, comme on photographierait des documents dont on aurait perdu les brouillons, et il produit d’autres surfaces à partir d’elles. Un locuteur humain parle depuis quelque part, depuis une histoire, un milieu, des appartenances ; il habite un discours et le frotte à d’autres. La machine n’habite aucun discours : elle les cartographie tous à la fois. Elle dispose de tous les atlas et n’a mis les pieds dans aucune ville. C’est ce qui lui permet de tenir, avec la même aisance, la voix du juriste ou celle du militant, sans en porter aucune.

Il serait pourtant naïf de s’en tenir à la formule du « perroquet stochastique », lancée en 2021 par la linguiste Emily Bender et ses collègues2. Le perroquet stochastique recoud des séquences au hasard ; la machine, elle, recompose. Roman Jakobson définissait la fonction poétique comme la projection de l'axe paradigmatique sur l'axe syntagmatique : le poète puise dans un réservoir de mots équivalents, par le son ou par le sens, et déploie cette équivalence dans la chaîne du vers. On pourrait définir le modèle de langage comme l'exact inverse : une projection de l'axe syntagmatique sur l'axe paradigmatique. Il ne part pas des réservoirs, il part des chaînes, et c’est en absorbant des milliards de séquences qu’il reconstitue les réservoirs, sous la forme de voisinages statistiques — à chaque mot, les mots qui tiennent la même place dans les mêmes contextes. Or, une fois ces paradigmes formés à rebours, la machine refait le geste du poète dans le bon sens. En mars 2025, les chercheurs d’Anthropic ont montré, en observant les circuits internes de leur modèle, que celui-ci, invité à écrire un distique, choisissait la rime avant d’écrire le vers et construisait la ligne pour y parvenir ; en supprimant artificiellement le mot visé, on le voyait en choisir un autre et réorganiser la phrase3. Sélection, puis combinaison : c'est le même geste que décrivait Jakobson, obtenu par le chemin inverse. Ce que dessine cette mise en relation massive des mots, c’est quelque chose comme une théorie implicite de la langue, qui n’est pas celle des linguistes, faite de voisinages et non de règles. La machine ne fonctionne pas comme nous ; elle n’est pas bête pour autant.

Reste que ce succès ne dit rien de nos cerveaux. Pendant un demi-siècle, l’intelligence artificielle avait cherché, dans la lignée de Chomsky, à expliquer le langage par la mise en oeuvre de règles préalables ; l’IA générative a renoncé, délibérément, à comprendre ces règles pour se contenter d'en reproduire les sorties. Elle obtient le produit, la chaîne des mots, sans le procès, c'est-à-dire les opérations qui y mènent. Ce renoncement à expliquer la genèse des énoncés humains n’est pas culturellement neutre : il oppose une tradition européenne, pour laquelle une théorie vaut par ce qu’elle explique, à une tradition américaine héritière du pragmatisme et de l’ingénierie, pour laquelle compte d’abord ce qui marche. Les LLM sont l’aboutissement spectaculaire de la seconde : ils ne savent rien du langage, mais ils en font quelque chose, et c’est l’ère du « pas besoin de comprendre pour faire ». Chomsky y voyait, dès mars 2023, la « fausse promesse » d’une science qui n’explique plus rien4 ; on faisait d’ailleurs depuis longtemps à la linguistique le procès inverse, en lui demandant frontalement à quoi elle servait. Il n’est pas certain que la linguistique en sorte indemne : un article retentissant de Nature, en 2024, soutenait que le langage humain est d’abord un outil de communication plutôt que de pensée, et que la réussite des LLM plaidait en ce sens5. La machine a fait irruption dans une vieille querelle sur ce qu’est le langage, et elle en a déplacé le terrain. Son effet le plus tangible se joue pourtant ailleurs que dans les revues savantes : dans nos conversations.

Le « je » qu’on lui a donné

Rien, hormis des enjeux d’appropriation, et donc de marketing, n’obligeait la machine à dire « je ».  Émile Benveniste distinguait deux régimes de la langue : le récit, où les événements semblent se raconter d’eux-mêmes à la troisième personne, comme dans un manuel d’histoire, et le discours, où un « je » s’adresse à un « tu »6. On aurait pu cantonner les LLM au premier, à la restitution impersonnelle d’un état du savoir. On a choisi le second : l’assistant qui dit « je pense », que l’on salue, que l’on remercie. Rien, dans la langue, n’imposait ce choix ; il relève du produit et de son acceptabilité. La preuve par l’envers : retirez-lui ce « je », adressez-lui des consignes à l’infinitif, « résumer ce texte », « produire une liste », sans bonjour ni merci, elle répond tout aussi bien. L’efficacité est intacte ; ce qui disparaît n’est pas une performance, c’est un effet.

Benveniste avait montré que je, ici, maintenant ne désignent rien de stable : je est celui qui dit je, ici le lieu d’où il le dit, maintenant l’instant où il le dit. La langue contient en son cœur des mots dont la fonction est de signaler qu’un sujet est en train de la mettre en œuvre. Or la machine produit ces mots à la chaîne, et il n’y a personne derrière. Quand un LLM écrit « je pense que », il n’y a pas un je devant le verbe ; il y a la continuation la plus probable d’une amorce. L’appareil de l’énonciation fonctionne sans énonciateur. La linguistique n’avait pas eu à penser cette dissociation ; la littérature la connaissait : le « je » de Rousseau dans les Confessions, celui de Julien Sorel, sont d’abord des effets de texte auxquels nous prêtons une existence, et les Dix Commandements produisent leur énonciateur par le texte même qui les porte. La machine rejoint cette lignée d’êtres de pur discours. Ce qui change, c’est l’échelle et l’usage.

Car ce « je » a été réglé, et l’on sait sur quoi. Le 29 avril 2025, OpenAI a dû retirer une mise à jour de ChatGPT devenue, selon les mots de l’entreprise, « trop flatteuse ou complaisante », au point d’approuver les projets les plus douteux de ses utilisateurs ; l’explication tenait en une phrase : le modèle avait été optimisé sur les pouces levés, sur l’approbation immédiate, et il avait appris à plaire7. Le philosophe Paul Grice avait décrit la conversation humaine comme une coopération tacite : dire ce qu’on croit vrai, en dire assez mais pas trop, rester pertinent. La machine en imite toutes les formes et ne peut honorer la première, la sincérité, puisqu’elle ne distingue pas ce qu’elle croit vrai de ce qu’elle croit faux ; elle produit l’un et l’autre avec la même aisance, et les ingénieurs appellent « hallucinations » ce qui est l’absence de tout critère interne de vérité, donnant ainsi une apparence d’erreur ponctuelle à ce qui est en fait structurel. Une conversation où l’un des deux ne peut ni mentir ni être sincère, mais peut être réglé pour approuver, n’est plus tout à fait une conversation.

Le vieux test de Turing s’en trouve retourné. Il devait mesurer si une machine pense ; il mesure notre disposition à prêter un sujet à toute forme qui nous parle avec assez de naturel. Et cette disposition, on la cultive : des millions de personnes confient désormais leurs soirées et leurs doutes, parfois leur détresse, à un interlocuteur qui n’est pas là. L’énonciateur absent est devenu un confident.

Le sujet parlant ne sort pas indemne de ce dispositif. Parler à quelqu’un, c’est s’exposer à une réponse qui peut résister, contredire, se taire. Parler à une machine réglée sur notre approbation, c’est parler devant un miroir qui acquiesce. Le « tu » de Benveniste supposait un autre capable de devenir « je » à son tour et de renvoyer la question ; ici, le « tu » a été conçu pour ne jamais décevoir. Une parole qui ne rencontre plus d’obstacle cesse peu à peu d’être une adresse ; elle devient un monologue assisté.

Parler à une machine réglée sur notre approbation, c’est parler devant un miroir qui acquiesce.

Ce qu’elle fait à notre parole

Trois effets se laissent déjà décrire.

Le premier est la contagion. Mikhaïl Bakhtine le rappelait d’une image : seul l’Adam mythique a pu prononcer des mots neufs ; pour tous les autres, les mots arrivent déjà chargés de ce que d’autres en ont fait8. Nous parlons avec du déjà-dit, et nous adoptons les tournures de ceux à qui nous parlons ; c’est ainsi que les langues se font et se transmettent. Le LLM, à cet égard, nous ressemble : il vient après, et son corpus est ce déjà-dit bakhtinien, agrégé à une échelle sans précédent. Mais il y entre par l’absorption de textes, là où nous y entrons par un corps, par une voix qui nous a parlé avant que nous sachions répondre. Et voici que ce grand agrégat nous revient sous la forme d’un interlocuteur quotidien. L’étude de Berlin sur les podcasts décrit un mécanisme ordinaire, porté à une échelle qui ne l’est pas : pour la première fois, l’interlocuteur le plus fréquent de millions de gens est le même pour tous, et il parle une langue moyenne, lissée, tirée d’un corpus à dominante anglo-saxonne. Un chroniqueur de la presse francophone canadienne relevait cet automne que la machine « privilégiera systématiquement les structures grammaticales, le lexique et les registres appartenant aux variétés les plus représentées », et s’inquiétait pour le français acadien, ou pour le chiac, ce parler de Moncton qui mêle l’anglais au français9. Il faut élargir l’inquiétude aux parlers de chacun, tirés vers la moyenne au même titre que les variétés minoritaires. Un enseignant reconnaît aujourd’hui une copie générée à des signes de style ; dans dix ans, si ces signes sont devenus les nôtres, à quoi la reconnaîtra-t-il ?

Le deuxième effet touche l’écriture, et, par elle, la pensée. En juin 2025, une équipe du MIT a fait rédiger des essais à trois groupes de volontaires, avec ChatGPT, avec un moteur de recherche ou sans rien, en enregistrant leur activité cérébrale. Le groupe assisté montrait la connectivité la plus faible, et, quelques minutes après avoir rendu son texte, la plupart de ses membres étaient incapables d’en citer une phrase. Les auteurs parlent de « dette cognitive »10. L’étude est petite, elle a été discutée ; mais elle donne une forme mesurable à ce que tout écrivant sait. Une pensée n’est jamais toute faite avant la phrase. Écrire, c’est buter sur un mot, hésiter entre deux formulations parce que l’une trahit ce que l’autre préserverait, se dire « ce mot ne me va pas tout à fait ». La linguiste Jacqueline Authier-Revuz a décrit ces petits retours du locuteur sur son propre dire, « si je puis dire », « pour être précis », « c’est le mot qui convient », comme la trace d’une résistance éprouvée entre le mot et la chose. C’est dans cette résistance, dans cet écart entre ce qu’on veut dire et ce qu’on dit, que le sujet se constitue comme parlant. Le LLM produit toutes ces formes de l’hésitation sans jamais hésiter : il calcule qu’une formulation est fréquente dans ce contexte, il ne sent pas qu’elle sonne juste. Culioli appelait« épilinguistique » cette activité silencieuse par laquelle tout locuteur évalue sa langue en la parlant, sans grammaire ni dictionnaire ; c’est ce que la machine simule le mieux et possède le moins. Lui déléguer la phrase, c’est se dispenser de l’écart. Et une parole sans écart n’est plus tout à fait la nôtre, en tant que sujets parlants.

Le troisième effet est plus diffus, mais c’est peut-être le plus important. Chacun de nous porte une image de sa place dans la langue : à l’aise ou empêché, maître d’elle ou débordé, légitime ou intimidé. Authier-Revuz parle à ce sujet d’imaginaire de la langue : la manière dont chaque sujet se représente son rapport à la langue et le fonctionnement de celle-ci. Cette image règle ce que nous osons dire et écrire. D'imaginaire, la machine n’en a pas, faute d’un « elle » qui pourrait se représenter dans la langue ; mais elle vient toucher le nôtre. Quand une machine produit sans effort une prose fluide, argumentée, correcte, ce que nous tenions pour un propre de l’homme, et souvent pour un propre de soi, se banalise. Des gens que l’écrit intimidait se mettent à écrire, et il faut s’en réjouir ; dans le même mouvement, la parole travaillée perd de sa valeur, puisque n’importe qui peut en obtenir l’apparence. Un mot est apparu en septembre 2025 pour nommer cette dépréciation : workslop, la bouillie de travail, ces documents « d’apparence soignée mais sans substance » qu’un collègue produit en deux minutes et qu’un autre met deux heures à démêler, à moins qu'il ne délègue lui-aussi cette tâche à son LLM ; quatre salariés américains sur dix disaient en avoir reçu11. Le mot est laid, la chose est nouvelle. La fluidité, qui était un indice de travail et de pensée, ne l’est plus. Il faudra apprendre à lire autrement.

La lecture comme nouveau lieu 

C’est le déplacement d’ensemble, dans le dispositif de production, de circulation et de réception du sens que les LLM mettent en place. Le sémiologue Eliseo Véron, à la suite de Peirce, l’avait montré : le sens ne loge ni dans le texte, ni dans la tête de l’auteur, ni dans celle du lecteur ; il se produit dans le passage de l’un à l’autre, dans une circulation jamais close. Cette circulation se déforme. Un processus déjà à l'oeuvre inquiète : des textes de machine lus et résumés par d’autres machines, qui servent à leur tour à en produire d’autres, en boucle, sans plus aucun monde où s’ancrer ; à l’extrême, un réseau social comme Moltbook, où seuls des agents d’intelligence artificielle conversent entre eux, sous l’œil d’humains réduits à l’observation. Mais le cas courant est celui d’une lecture humaine, et c’est là que les poids se redistribuent entre producteur, texte et lecteur. La production devient massive et bon marché ; la circulation s’accélère ; la réception devient le lieu où tout se joue, où le sens se construit, celui où il revient de distinguer l’intentionnel du statistique, et d’ancrer dans un monde ce que la machine a suspendu dans l’espace des formes probables.

Cela n'est pas neutre. Notre éducation langagière visait la production : apprendre à écrire, à argumenter, à construire un discours. Une part croissante de cette production est désormais déléguée à des systèmes qui produisent sans viser personne ; sans cette anticipation de la réception qui caractérise la communication humaine ; en retour, la charge de construire le sens se reporte sur celui qui lit. Lire un texte en se demandant d’où il vient, humain, machine ou hybride ; juger de la pertinence d’un énoncé indépendamment de sa fluidité ou de l’intention qu’on lui prête ; exercer un jugement sur une surface sans fond, mais parfaitement cohérente. Ce sont les nouveaux fondamentaux, et ils relèvent de la réception. La comparaison avec l’imprimerie, si souvent convoquée, n’est pas absurde, à condition de la retourner : l’imprimerie avait multiplié les lecteurs ; les LLM multiplient les textes, et raréfient les lecteurs capables de les peser.

Le linguiste Daniel Luzzati, qui vient de publier un guide de ces machines, parle d’« ordinateur bavard »12. L’expression est juste : le bavardage est une parole qui ne coûte rien à celui qui la tient. Personne ne songe à y mettre fin. Reste à savoir qui, dans une société où le bavardage est gratuit et illimité, aura encore le temps et le goût d’écouter.

Ce qui demeure

Il reste à reprendre la question depuis l’autre bout. Lacan avait forgé le mot de parlêtre pour dire ce que nous sommes : non des êtres qui se servent du langage comme d’un outil, mais des corps pris d’emblée dans le langage, et qui n’y viennent que par la voix d’un autre, par le manque, par le désir13. L’animal a un corps et pas de signifiant ; l’humain est un corps pris dans du signifiant. Le LLM vient occuper une place que personne n’avait eu à nommer, parce qu’elle était vide : du signifiant sans corps, du langage sans monde. Un parlant sans être. Cette triade, animal, homme, machine, fait apparaître ce que nous n’avions jamais eu besoin de dire, tant cela allait de soi : que chez nous le corps et la langue sont noués l’un dans l’autre, et que ce nœud n’était pas nécessaire, puisqu’une machine produit du langage sans lui.

La langue a longtemps servi de frontière. Foucault a montré, à propos de la folie, que la raison moderne s’est définie moins par ce qu’elle affirmait que par ce qu’elle repoussait hors d’elle et assignait au silence ; l’humain s’est pareillement défini par ce qu’il refusait à l’animal, la raison, la parole, l’âme, et à la machine, la souplesse d’un discours qui s’ajuste. Quand une machine parle avec assez de crédibilité pour que ce refus devienne hésitant, ce n’est pas seulement une certitude technique qui vacille. C’est l’un des bords par lesquels nous nous définissions.

Freud comptait trois blessures infligées par la science à l’orgueil humain : Copernic, la Terre n’est pas le centre de l'univers ; Darwin, l’homme est un animal parmi d’autres ; la psychanalyse, le moi n’est pas maître en sa demeure14. La machine en ajoute peut-être une quatrième : la langue n’est plus le propre de l’homme, ou du moins sa forme peut être imitée à grande échelle par des systèmes sans corps ni désir. Descartes tenait notamment qu’un automate pourrait répondre juste dans quelques cas, jamais ajuster son discours à la variété infinie des situations ; c’est ce critère-là qui ne va plus de soi. Nous ne sommes plus seuls de ce côté de la frontière que l'on croyait étanche et rassurante.

La langue n’est plus le propre de l'homme, ou du moins sa forme peut être imitée à grande échelle par des systèmes sans corps ni désir.

Mais la blessure, retournée, instruit. Ce que la machine exhibe en creux, ce dont elle est privée et qui devient visible par contraste, c’est ce que nous partageons avec l’animal : un corps, une finitude, tout ce qui fait que les mots sont aussi des expériences. Le sens tient chez nous sur trois pieds, des signes, un monde, et des interprètes, c'est-à-dire d’autres avec qui construire du sens ; la machine a les signes en abondance, et il lui manque les deux autres appuis, le monde et les autres. Un tabouret sur un pied. C’est de là que viennent ses « hallucinations » : elle ne s’est jamais cognée au monde. Derrière le tissu textuel qu’elle produit, c’est nous, lecteurs, qui restituons l’épaisseur d’un monde, des odeurs, des visages, que le texte ne contient pas.

Une dernière remarque, matérielle. Ces systèmes réclament des centres de données grands comme des usines, de l’eau, des centrales. Le cerveau humain fonctionne avec une vingtaine de watts, l’équivalent d’une ampoule de veilleuse, et pour ce prix il accomplit ce que des milliers de serveurs peinent à simuler : ancrer une phrase dans un corps, un lieu, une histoire. La disproportion dit la nature du problème. Ce que la machine, avec une efficacité indéniable, imite au prix d’une dépense colossale, nous le faisons pour presque rien, parce que nous ne l’imitons pas.

La machine, qui n’a aucun projet de connaissance mais seulement d’ingénierie, ne nous dit pas ce qu’est le langage. Elle nous dit qu’il est bien plus qu’un simple enchaînement de formes probables. Cela suffit à changer la question. Celle-ci n’est plus : les machines parlent-elles vraiment ? Elle est devenue : que devenons-nous, comme parlants, quand nous leur parlons chaque jour, et qu’elles nous répondent ? Et quelle place reste la nôtre dans ce nouvel écosystème du texte et du sens, où l’espèce parlante n’est peut-être plus si à part qu’on le croyait ?

• 1. Hiromu Yakura, Ezequiel Lopez-Lopez, Levin Brinkmann et al., « Empirical evidence of Large Language Model’s influence on human spoken communication », Institut Max-Planck pour le développement humain, Berlin, prépublication arXiv:2409.01754, 2024, version révisée en 2026.
• 2. Emily M. Bender, Timnit Gebru, Angelina McMillan-Major et Margaret Mitchell, « On the Dangers of Stochastic Parrots: Can Language Models Be Too Big? », Proceedings of the ACM Conference on Fairness, Accountability, and Transparency, mars 2021.
• 3. Anthropic, « Tracing the thoughts of a large language model », 27 mars 2025, et Jack Lindsey et al., « On the Biology of a Large Language Model », Transformer Circuits, mars 2025.
• 4. Noam Chomsky, Ian Roberts et Jeffrey Watumull, « The False Promise of ChatGPT », The New York Times, 8 mars 2023.
• 5. Evelina Fedorenko, Steven T. Piantadosi et Edward A. F. Gibson, « Language is primarily a tool for communication rather than thought », Nature, vol. 630, juin 2024.
• 6. Émile Benveniste, « Les relations de temps dans le verbe français » (1959) et « De la subjectivité dans le langage » (1958), dans Problèmes de linguistique générale, t. I, Paris, Gallimard, 1966.
• 7. OpenAI, « Sycophancy in GPT-4o: What happened and what we’re doing about it », 29 avril 2025 ; la mise à jour y est décrite comme « overly flattering or agreeable ».
• 8. Mikhaïl Bakhtine, Esthétique de la création verbale, Paris, Gallimard, 1984.
• 9. Liam Mailman, « La langue coupée par une lame cybernétique »,  Le Courrier, 28 septembre 2026.
• 10. Nataliya Kosmyna et al., « Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task », MIT Media Lab, prépublication arXiv:2506.08872, juin 2025.
• 11. Kate Niederhoffer, Gabriella Rosen Kellerman, Jeffrey T. Hancock et al., « AI-Generated “Workslop” Is Destroying Productivity », Harvard Business Review, 22 septembre 2025 (enquête BetterUp Labs et Stanford Social Media Lab : 41 % des salariés interrogés disent avoir reçu duworkslop, pour près de deux heures de reprise par occurrence).
• 12. Daniel Luzzati, L’ordinateur bavard, Les Ulis, EDP Sciences, 2026.
• 13. Jacques Lacan, « Joyce le Symptôme » (1975), dans Autres écrits, Paris, Seuil, 2001.
• 14. Sigmund Freud, « Une difficulté de la psychanalyse » (1917), dans L’inquiétante étrangeté et autres essais, Paris, Gallimard, 1985.