Bienvenue sur IA-Pulse Weekend. Cette édition porte le numéro 103. En vous abonnant, vous recevez tous les samedis matin, l’essentiel de ce qu’il s’est passé cette semaine autour de l’IA : un coup de gueule édito, une sélection de 3 actualités avec pour chacune un résumé rapide à lire, plus 1 article de fond pour ouvrir l’esprit et réfléchir et 1 podcast à écouter. Gérez votre abonnement.

⏱️Temps de lecture de cette newsletter par une unité carbone : 10 mins

Voilà maintenant plus de deux ans que j’explique à toutes celles et tous ceux que je forme ou que je rencontre lors de mes interventions en entreprises, que non il n’y a pas de bon outil génératif pour faire une bonne infographie, et que non il n’existe pas vraiment de générateur d’images capable d’utiliser un mode conversationnel permettant ainsi d’interagir pour modifier, affiner l’image générée par itération - comme on le fait pour les textes depuis la mise sur le marché des chatbots dopés aux LLM.

Pendant ces formations ou conférences, j’ajoute très souvent que ce type d’outil va arriver. Un jour. D’ailleurs, on en avait déjà eu un avant-goût il y a quelques dizaines de jours - vous y croyez vous, “quelques dizaines de jours” ça sonne comme “préhistoire” - avec la mise à dispo de Gemini 2.0 Flash (Image Generation) Experimental par Google. Mais là depuis mardi soir… Avec la mise en ligne du nouveau mode image de GPT-4o… Je n’avais pas été scotché comme ça par une nouvelle feature ou un nouveau produit depuis un bon moment.

Ce n’est pas tant la qualité des images produites qui m’a donné une claque. C’est le niveau d’abstraction et d’interprétation permis par l’emploi d’un LLM de ce niveau comme interface en langage naturel et comme guide pour générer des images qui a fait mouche dans mon cerveau d’unité carbone. Le modèle est le produit, le modèle est l’interface.

On peut non seulement générer des images que d’autres modèles ne savent pas faire - l’ami Gilles Guerraz cite l’exemple de la voiture sans roue dans son édition d’hier (si vous n’êtes pas abonné faites-le) ou encore Etienne Mineur qui ironise sur la possibilité de pouvoir enfin générer un verre de vin rempli à ras bord - mais on peut surtout enfin MODIFIER à sa guise UNE IMAGE GÉNÉRÉE en gardant sa structure sans la détruire. Plus encore, on peut FAIRE DES INFOGRAPHIES cohérentes : avec du texte, des illustrations, des codes couleurs, etc. Il suffit d’exprimer notre intentionnalité avec des mots. Cela rappelle certainement quelque chose aux personnes qui m’ont suivi lors de mes interventions : le gros du boulot, de notre boulot, est toujours au même endroit avec ces outils, avec les modèles de langage et les chatbots dopés aux LLM : réussir à exprimer notre intentionnalité. Et exprimer correctement cette intentionnalité, ce n’est pas aussi simple que certains veulent nous le faire croire.

Enfin pour clore cet édito, n’oublions pas comment sont entrainés ces modèles, sans aucun respect de la propriété intellectuelle et du droit moral - je m’attends à un courrier d’avocat - , ni comment ils sont capables de “copier” - je m’attends vraiment à un courrier d’avocat - des auteurs ou artistes pour nous faire croire qu’en les utilisant nous développons ainsi l’artiste caché - bien caché, bien profond - qui est en nous. Non ce n’est pas parce que tu génères une image à la sauce “Ghibli” que tu es un prince de l’animation nippone. Désolé. Deal with it. Et non, tu n’as pas plus de créativité que tout être humain moyen.

“Rather than serving as a tool for artists, Gen Al turns artists into tools, converting human creators into data bodies while feeding off their work, preferences, and cognitive labor in order to refine its outputs.” Caroline Zeller.

Et pendant ce temps-là, Elon fait racheter X par xAI. Pour le coup, à ce niveau, c'est de l’art.

Le modèle est le produit, le modèle est l’interface.

-Cet édito est beaucoup trop long. Pardon-

Cette semaine la partie de cette newsletter gérée par l’IA, les 3 clusters d’articles, a été générée par Gemini 2.5 Pro Experimental 03-25 (température 1.2) pour les résumés des articles sources, ainsi que la génération des clusters et des titres. Comme d’habitude j’ai fait quelques modifications, mais j’ai aussi laissé quelques tournures typiques des modèles de langage. Et bien entendu, mes commentaires éventuels sont en italique dans ces résumés. Le texte de “l’article qui fait réfléchir” est issu de GPT-4o finetuné .
L’image d’illustration ci-dessous est générée par ChatGPT 4o image.

📰 Les 3 infos de la semaine

⭐ Google lance Gemini 2.5 Pro, son IA "pensante" la plus avancée

Google a dévoilé cette semaine Gemini 2.5, une nouvelle famille de modèles d'intelligence artificielle intégrant une capacité dite de "raisonnement". Le premier modèle issu de cette famille, Gemini 2.5 Pro Expérimental, est présenté par l'entreprise comme son modèle le plus intelligent à ce jour. Sa particularité réside dans sa capacité à marquer une pause pour "réfléchir" avant de fournir une réponse, en traitant les problèmes par étapes pour améliorer la précision, notamment sur des tâches complexes. Ce modèle est nativement multimodal, capable de traiter du texte, de l'audio, des images, de la vidéo et du code. Il est disponible dès maintenant sur la plateforme pour développeurs Google AI Studio et via l'application Gemini pour les abonnés au service payant Gemini Advanced.

Gemini 2.5 Pro est lancé avec une fenêtre de contexte d'un million de tokens, équivalant à environ 750 000 mots, et Google prévoit de la doubler prochainement à deux millions de tokens. L'entreprise affirme que ce modèle surpasse ses versions antérieures et certains concurrents sur plusieurs benchmarks reconnus, en particulier pour la création d'applications et des tâches de code. Sur certains tests spécifiques de codage ou de raisonnement multimodal (comme Humanity's Last Exam), il obtiendrait de meilleurs scores que des modèles d'OpenAI ou DeepSeek, bien que d'autres modèles comme Claude 3.7 Sonnet d'Anthropic le devancent sur d'autres évaluations. Les premiers retours utilisateurs mentionnent sa rapidité et son efficacité. La tarification pour l'utilisation via API n'a pas encore été communiquée.

Pourquoi est-ce important ? Multimodal, contexte géant et raisonnement. L’horizon des événements.

Sources : TechCrunch, The Verge, VentureBeat

🌑 Anthropic gagne une manche dans le litige sur les paroles de chansons

Anthropic a obtenu une décision favorable dans une phase préliminaire du litige qui l'oppose à plusieurs grands éditeurs musicaux, dont Universal Music Group, Concord et ABKCO. Ces derniers accusent l'entreprise d'intelligence artificielle d'avoir enfreint leurs droits d'auteur en utilisant sans autorisation les paroles d'au moins 500 chansons d'artistes variés (comme Beyoncé, les Rolling Stones ou les Beach Boys) pour entraîner son agent conversationnel, Claude. Les éditeurs affirmaient que Claude était capable de reproduire ces paroles de manière quasi identique et demandaient une injonction préliminaire pour interdire à Anthropic d'utiliser leurs œuvres pour l'entraînement de ses futurs modèles.

Une juge fédérale de Californie a cependant rejeté cette demande d'injonction. Selon la décision, les éditeurs n'ont pas réussi à prouver l'existence d'un "préjudice irréparable" immédiat causé par les actions d'Anthropic, notamment sur le marché existant des licences de paroles. La juge a également souligné que la demande des éditeurs était trop large et potentiellement difficile à appliquer concrètement, et que la question de fond de l'usage équitable ("fair use") restait à trancher. Anthropic s'est félicité de cette décision et maintient que l'utilisation de matériel protégé pour l'entraînement est conforme aux principes du "fair use". Les éditeurs, quant à eux, se disent toujours confiants pour la suite du procès sur le fond, soulignant qu'Anthropic avait déjà accepté de mettre en place des garde-fous pour empêcher Claude de générer des paroles protégées.

Pourquoi est-ce important ? Cette décision, bien que préliminaire et ne tranchant pas le fond de l'affaire, influence le débat juridique sur la légalité de l'utilisation de contenus protégés par le droit d'auteur pour entraîner les modèles d'IA, une question centrale pour l'avenir du développement de l'IA et la protection des droits des créateurs déjà tranchée par les géants de l’IA qui veulent tout prendre sans respecter le droit moral de chaque créateur, et encore moins rétribuer.

Sources : Reuters, The Wall Street Journal, The Hollywood Reporter

🔭 Les IA actuelles échouent face à de nouvelles énigmes et au critère d'efficacité - Nous sommes sauvés !

Les modèles d'intelligence artificielle les plus sophistiqués d'aujourd'hui montrent leurs limites face à un nouveau test conçu pour mesurer les progrès vers l'intelligence artificielle générale (AGI). Baptisé ARC-AGI-2 et proposé par la fondation ARC Prize, ce benchmark se veut plus exigeant que son prédécesseur, ARC-AGI-1, sur lequel certains modèles comme o3 d'OpenAI avaient obtenu de bons résultats. Le nouveau test se concentre sur des énigmes nécessitant de l'adaptabilité et une forme de raisonnement symbolique, des tâches que les humains trouvent relativement simples mais qui s'avèrent très difficiles pour les IA actuelles. Celles-ci obtiennent des scores très bas, souvent à un seul chiffre sur 100, alors que chaque question du test a été résolue par au moins deux humains.

Une innovation majeure d'ARC-AGI-2 est l'introduction de l'efficacité comme critère d'évaluation. Le test prend en compte le coût de calcul nécessaire pour accomplir une tâche, comparant par exemple le coût estimé pour une IA (potentiellement des centaines de dollars par tâche pour un modèle comme o3) à celui d'un testeur humain (environ 17 dollars). Pour réussir ce benchmark, un modèle d'IA devra donc non seulement être très compétent mais aussi efficace et moins gourmand en ressources. Certains observateurs estiment que cette approche est plus réaliste et pourrait orienter la recherche vers des modèles plus légers. D'autres restent sceptiques, arguant que ces tests mesurent avant tout la performance sur des tâches spécifiques et ne reflètent pas une véritable intelligence générale.

Pourquoi est-ce important ? Ah, donc l’AGI ce n’est pas pour aujourd’hui alors ? Ni pour demain ? Une fois de plus, mettons-nous déjà d’accord sur ce que représente l’AGI, ensuite essayons de mesurer.

Sources : NewScientist

🚀 3 infos en plus

• Inside arXiv—the Most Transformative Platform in All of Science (Wired)

• Tracing the thoughts of a large language model (Anthropic)

• ‘Open source’ AI isn’t truly open — here’s how researchers can reclaim the term (Nature)

🛠️ Des outils et des modèles à tester

• Whisper Notes : Speech to text offline (Mac/iOS)

• Gemini Co-Drawing : dessiner en collab homme/machine

🧠 L’article qui fait réfléchir - et qu’il faut absolument lire

OpenAI has released its first research into how using ChatGPT affects people’s emotional well-being

”Le doute, terrible trou noir de l'esprit, là où l'univers perd confiance en lui-même.”

Les chatbots ont cessé d’être des objets techniques neutres. Sans vraiment nous en rendre compte, on leur a donné une place étrange, presque intime, à la frontière entre outil pratique et confident virtuel. Derrière cette zone grise, il y a tout un continent d’émotions floues, à peine avouées, qu’on commence tout juste à explorer. La question centrale dépasse le simple effet de ces conversations : elle interroge notre besoin ambigu de parler à des machines, et ce que cela révèle de nous-mêmes.

Ce n’est jamais juste une interaction anodine. Au fil des échanges, quelque chose s’installe. On s’attache ou on se méfie, on projette sur la machine nos propres désirs ou nos propres peurs. Et peu à peu, c’est nous-mêmes que nous retrouvons transformés, parfois subtilement isolés des autres, parfois juste un peu plus troublés face à ce miroir étrange qui nous imite et nous répond, sans être réellement présent.

Le fait même que certains d’entre nous se laissent aller à tisser des liens affectifs avec un programme informatique nous rappelle que ce n’est pas la machine qui est en jeu, mais la fragilité de notre propre rapport à l’autre. L’illusion du dialogue cache mal notre solitude, et ces interactions artificielles finissent par accentuer, plus qu’elles ne réduisent, nos différences et nos attentes inconscientes.

Ce qui est en cause, finalement, ce n’est pas la technologie elle-même, mais la redéfinition subtile de ce qu’est une relation humaine authentique. Lorsqu’on dialogue avec l’intelligence artificielle, ce n’est jamais vraiment elle que l’on interroge. C’est nous-mêmes : nos désirs, nos vulnérabilités, et cette envie parfois inavouable d’être compris, même par une présence virtuelle.

📻 Le podcast de la semaine

Le temps et les algorithmes : comment ça se passe ?

Le numérique prétend maîtriser le temps par des solutions apparemment parfaites, créant pourtant des défis stratégiques profonds mais sous-estimés. (Merci JS😬)

N’hésitez à me contacter si vous avez des remarques et suggestions sur cette newsletter, ou si dans votre entreprise vous cherchez à être accompagnés dans l’intégration d’outils IA et d’IA générative : olivier@255hex.ai

Partagez cette newsletter

Partager

Et si vous n’êtes pas abonné, il ne tient qu’à vous de le faire !

Inscrivez-vous maintenant

“A black hole has no hair” R.F.

Bon weekend.

Bienvenue sur IA-Pulse Weekend. Cette édition porte le numéro 99. En vous abonnant, vous recevez tous les samedis matin, l’essentiel de ce qu’il s’est passé cette semaine autour de l’IA : un coup de gueule édito, une sélection de 3 actualités avec pour chacune un résumé rapide à lire, plus 1 article de fond pour ouvrir l’esprit et réfléchir et 1 podcast à écouter. Gérez votre abonnement.

⏱️Temps de lecture de cette newsletter par une unité carbone : 10 mins

GPT-4.5 est sorti en cette fin de semaine. Certainement le dernier de la lignée des mastodontes des modèles de langage qui ne “raisonnent” pas. Depuis deux ans et trois mois, la capacité de ChatGPT et de ses petits camarades à produire des textes grammaticalement justes et à compléter de manière bluffante nos propres phrases humaines, nous a donné l’illusion d’avoir en face de nous des entités paraissant plus “intelligentes” qu’elles n’étaient en réalité. Nous avons appris - enfin une partie d’entre nous - à vivre avec et, surtout, à travailler avec cette contrainte : ces entités numériques se trompent, et en même temps elles peuvent nous être utiles. À nous de les prendre pour ce qu’elles sont et de les laisser pour ce qu’elles ne sont pas.

Probablement pour bien marquer la fin probable de cette ère des mastodontes, cette semaine d’autres modèles sont aussi arrivés sur le marché : Claude 3.7 de Anthropic, le “premier modèle hybride” qui mêle le mode classique et le mode raisonnement de manière presque transparente pour l’utilisateur; Mercury d’Inception, premier modèle de diffusion appliqué à la génération textuelle; Phi-4 de Microsoft, un petit modèle de langage (SLM) dédié aux raisonnements, capable d’inférer en local.

Depuis quelques mois, les nouveaux modèles dits “de raisonnement” et les fonctionnalités comme la “recherche profonde” continuent de brouiller encore un peu plus nos regards et nos attentes face à ces outils “intelligents”. Alors, croire qu’un coup de “Deep Research” permet actuellement de produire un document du même acabit qu’un doctorant pourrait le faire, en particulier avec le même niveau de confiance dans les idées et les faits retranscrits, est aussi périlleux que de poser une question factuelle sur un fait réel se déroulant dans le présent de l’époque, à un ChatGPT lors de sa sortie en décembre 2022. Camarades, “la confiance n’exclut pas le contrôle”. D’ailleurs, même le rendu du doctorant est relu et validé. Pourquoi voulez-vous qu’il en soit autrement pour ces outils ?

Ah et sinon, Sora, le modèle text-to-video d’OpenAI est disponible en Europe. Tu vois, un jour ou l’autre, ce qui doit arriver arrive. Le plus probable, c’est que le plus probable arrive. Toujours. Ici comme ailleurs.

Ne pas se tromper sur la nature et les finalités des objets et des êtres, c’est peut-être tout ce qui nous restera en fin de compte. Un jour.

Cette semaine la partie de cette newsletter gérée par l’IA, les 3 clusters d’articles, a été générée par GPT-4.5-preview-2025-02-27 (très lent et qui coute trop cher!) pour les résumés des articles sources, ainsi que la génération des clusters et des titres. Comme d’habitude j’ai fait quelques modifications, mais j’ai aussi laissé quelques tournures typiques des modèles de langage. Et bien entendu, mes commentaires éventuels sont en italique dans ces résumés. Le texte de “l’article qui fait réfléchir” est issu d’un ping-pong entre Claude-3.7-Sonnet-Extended Thinking et GPT-4o finetuné.
L’image d’illustration ci-dessous est générée par Midjourney.

📰 Les 3 infos de la semaine

🙊 Modèles de diffusion : Mercury d’Inception inaugure une nouvelle ère pour l’IA textuelle

Inception vient de présenter Mercury, un modèle de langage qui pourrait transformer profondément la manière dont les intelligences artificielles génèrent du texte. À la différence des modèles traditionnels comme GPT, qui construisent leurs réponses mot après mot, Mercury utilise une technologie issue des modèles de diffusion, habituellement réservée à la génération d’images, d’audio et de vidéos.

Cette méthode repose sur une approche parallèle : au lieu de générer séquentiellement chaque élément d'un texte, Mercury crée simultanément l’ensemble de sa réponse à partir d’un état initialement brouillé, clarifiant progressivement son contenu jusqu’à obtenir un résultat cohérent. Ce procédé s'apparente à celui des modèles d’image comme Midjourney ou DALL-E, mais il est adapté ici au traitement du langage écrit.

L’avantage principal de Mercury réside dans sa rapidité. Le modèle est capable de produire jusqu’à 1 000 tokens par seconde, une performance inédite, représentant environ dix fois la vitesse des modèles comme GPT-4o-mini. Cette augmentation de vitesse s’accompagne d’une réduction considérable des coûts de calcul, permettant un usage plus efficace des ressources matérielles, notamment des puces graphiques utilisées pour les calculs d'IA.

Côté benchmarks, sur les tests de code standardisés, Mercury Coder Mini atteint des performances équivalentes aux meilleurs modèles actuels, avec 88 % sur HumanEval.

Pourquoi est-ce important ? L’arrivée des modèles de diffusion appliqués au texte ouvre la voie à des outils d’IA plus rapides, plus économes en ressources et potentiellement plus polyvalents. On verra…

Sources : TechCrunch, Ars Technica, Artificial Intelligence Made Simple

🙈 L’intelligence artificielle générative transforme Alexa en Alexa+

Amazon lance Alexa+, une version profondément remaniée de son célèbre assistant vocal, désormais alimentée par l’intelligence artificielle générative. Cette nouvelle version, disponible dès le mois prochain, constitue la plus importante évolution d’Alexa depuis son lancement en 2014. Pour Amazon, l'objectif est clair : permettre à Alexa+ d'effectuer des tâches complexes comme la gestion avancée de calendriers, la réservation spontanée de restaurants ou encore l’achat rapide de billets de concert - super...

Alexa+ est présentée comme une rupture technologique car cette nouvelle version se base sur l’association de plusieurs modèles d'IA, notamment ceux développés par Amazon (modèles Nova) et ceux développés par Anthropic. L’innovation centrale réside dans une technologie d’orchestration intelligente : pour chaque requête utilisateur, Alexa+ sélectionne automatiquement le modèle le plus adapté parmi les nombreux disponibles. Cette combinaison dynamique permet de gérer des demandes complexes, telles que choisir un restaurant en fonction des préférences culinaires de collègues ou anticiper les événements susceptibles d'intéresser un utilisateur en particulier.

Pour Amazon, cette mise à jour représente une opportunité stratégique essentielle : reconquérir un marché des assistants intelligents où des acteurs comme OpenAI avec ChatGPT ont pris une avance grâce à leur capacité à soutenir des interactions humain-machine approfondies et plus naturelles. Alexa+, enrichie de ces nouvelles capacités génératives, ambitionne ainsi de redevenir une référence.

Pourquoi est-ce important ? L’orchestration des modèles, c’est la vie. Amazon l’a compris, comme Apple.

Sources : NYT, VentureBeat

🙉 ElevenLabs dévoile Scribe, nouveau champion de la transcription vocale multilingue

ElevenLabs lance Scribe, son nouveau modèle de transcription audio en texte. Scribe se distingue immédiatement par ses performances élevées, enregistrant notamment un taux d’exactitude impressionnant de 96,7 % pour l’anglais. Le modèle prend en charge 99 langues, dont 25 avec une précision exceptionnelle affichant un taux d'erreur inférieur à 5 %, couvrant notamment l'allemand, l’espagnol, le japonais ou encore le français. Scribe est un concurrent très sérieux des modèles Whisper d’OpenAI et Gemini de Google, qu’il dépasse dans plusieurs benchmarks.

Outre sa précision multilingue, Scribe introduit des fonctionnalités avancées comme la « diarisation », qui lui permet d’identifier précisément jusqu’à 32 interlocuteurs différents dans un même enregistrement. Le modèle génère également des transcriptions détaillées avec un horodatage précis au niveau de chaque mot, facilitant la création de sous-titres fidèles et précis. Scribe détecte aussi des éléments non verbaux tels que les rires ou les bruits d’ambiance, enrichissant considérablement la qualité et le réalisme des transcriptions.

Pour le moment, Scribe se concentre sur les fichiers audio préenregistrés, mais ElevenLabs annonce déjà le développement imminent d'une version à faible latence destinée à des usages en temps réel comme les réunions ou les outils de prise de notes vocale. Avec un coût attractif de 0,40 dollar par heure d’audio transcrit, ElevenLabs se positionne de manière très compétitive sur un marché en pleine croissance.

Pourquoi est-ce important ? Le lancement de Scribe par ElevenLabs apporte une réponse performante à la demande croissante d’outils de transcription audio précis, multilingues et facilement intégrables, essentiels pour les entreprises.

Sources : TechCrunch, VentureBeat

🚀 3 infos en plus

• Why xAI and Anthropic’s New Products Matter (The Information)

• OpenAI’s GPT-4.5 is better at convincing other AIs to give it money (TechCrunch)

• Google makes Gemini Code Assist free with 180,000 code completions per month as AI-powered dev race heats up (VentureBeat)

🧠 L’article qui fait réfléchir - et qu’il faut absolument lire

The Deep Research problem

”It’s less about productivity and more about control”

Depuis son avènement - il y a bien longtemps, 2 ans, l'ère de l'intelligence artificielle générative à destination du grand public - vous et moi, nous promet une révolution radicale du travail d’analyse et de recherche. Des outils censés nous libérer enfin du fardeau répétitif de la collecte des données, accélérant la rédaction de rapports, éveillent chez nous, les humains, une forme d'euphorie technologique : la fin du labeur, la perfection à portée de main. Et pourtant, face à ces rêves à peine esquissés, la réalité dévoile déjà ses nuances cruelles.

Car l’IA appliquée à la recherche porte en elle un paradoxe fondamental : elle comprend intuitivement nos intentions, précisément là où les ordinateurs traditionnels échouaient et échouent encore, mais peine encore à restituer fidèlement les faits, domaine où les vieux systèmes excellent eux, encore et toujours. De ce mariage bancal découle un objet étrange, hybride, presque fascinant dans sa contradiction : ni totalement fiable, ni totalement inutile. “And we are calling it Deep Research” ou sa variante “DeepSearch”, on n’est pas très sûr encore du nom.

Et c’est précisément cette fiabilité partielle qui trouble. Un rapport généré par une IA comme OpenAI Deep Research, Gemini Deep Research, Perplexity Deep Research ou encore Grok 3 Deepsearch, peut être exact à 85%, peut-être même à 90%. Mais que vaut ce quasi-succès quand une seule erreur peut faire basculer l’ensemble ? Lorsque la vérité se mesure encore en tout ou rien, en vrai ou faux, en 0 ou 1, un taux d’erreur même minime suffit à disqualifier l’outil comme source autonome. Et là, c’est la sortie de route.

Ces modèles ressemblent ainsi davantage à des « stagiaires virtuels illimités » - sympa pour les stagiaires, qu'à ces experts autonomes dont nous avions secrètement rêvé. Ils réduisent certes une tâche de plusieurs jours à quelques heures à peine, mais réclament encore et toujours la présence vigilante d’un humain pour valider, corriger, nuancer. Ce sont des amplificateurs du travail humain, non ses successeurs - là je vois que vous vous dites que c’est une bonne nouvelle.

Se pose alors une question essentielle, presque existentielle : ces imperfections sont-elles provisoires, simples scories d’un progrès encore balbutiant, ou bien au contraire intrinsèques au fonctionnement même de ces systèmes ? L’amélioration technique atteindra-t-elle cette fameuse perfection totale ou plafonnera-t-elle éternellement à un niveau presque parfait, mais tragiquement insuffisant pour certains usages critiques ?

Cette incertitude trouble profondément la manière dont nous concevons les produits et les services. Faut-il dès lors intégrer dans leur architecture cette marge d’erreur, devenue inévitable contrainte permanente, ou parier malgré tout sur un avenir où la précision sera absolue ?

Cette dernière question nous entraîne vers un vertige dont il est difficile de sortir indemne - non mais ça va aller, tout va bien se passer, je vous promet. Parce que, derrière l'apparente neutralité de cette incertitude technique, se cache en réalité un dilemme profondément humain : jusqu'où sommes-nous prêts à accepter l'imperfection ? - Jusqu’où sommes nous prêts à nous accepter ? L’état du monde actuel nous donne peut-être un indice.

📻 Le podcast de la semaine

Satya Nadella – Microsoft’s AGI Plan & Quantum Breakthrough

Le patron de Microsoft parle d’AGI, quantique, de LLM et de jeux vidéo.

N’hésitez à me contacter si vous avez des remarques et suggestions sur cette newsletter, ou si dans votre entreprise vous cherchez à être accompagnés dans l’intégration d’outils IA et d’IA générative : olivier@255hex.ai

Partagez cette newsletter

Partager

Et si vous n’êtes pas abonné, il ne tient qu’à vous de le faire !

Inscrivez-vous maintenant

“Another hope feeds another dream
Another truth installed by the machine
A secret wish, a marrying of lies
Today you find is true what common sense denies”

Bon weekend.