Bonjour à toutes et tous,

Bienvenue dans cette 136ᵉ édition de Métamorphoses.

Cette semaine, trois sujets se croisent et racontent peut-être la même histoire.

Le premier : pourquoi apprendre quand une intelligence artificielle peut déjà répondre à presque tout ? Parce qu’apprendre n’a jamais consisté à accumuler des réponses. Apprendre, c’est construire son jugement, sa liberté et sa capacité à agir dans un monde saturé d’informations.

Le deuxième : qui contrôlera notre visibilité demain ? Avec l’arrivée des moteurs de recherche conversationnels et de l’IA générative, les marques ne parleront plus seulement à leurs clients. Elles devront convaincre les agents qui parlent à leurs clients. Une révolution silencieuse est en marche.

Le troisième : que se passe-t-il lorsqu’une IA commence à produire de nouvelles connaissances ? Cette semaine, un modèle d’OpenAI a contribué à réfuter une conjecture mathématique vieille de près de quatre-vingts ans. Un événement qui nous oblige à reconsidérer ce que signifie penser, découvrir et créer.

Au fond, ces trois sujets posent la même question : comment rester souverains dans un monde où les machines amplifient chaque jour davantage nos capacités ?

Bonnes métamorphoses.

Stéphane Amarsy

Vous pouvez retrouver cette newsletter en podcast ici

Pourquoi apprendre encore quand tout sait déjà répondre ?

L’IA ne rend pas le savoir accessible. Internet l’avait déjà fait. Elle le rend dialogique en transformant la connaissance en conversation, en friction et en entraînement sur mesure. Elle peut reprendre une notion depuis le début, puis accélérer dès qu’elle sent que les bases sont là. Elle peut poser une question, attendre une réponse, repérer une faille, proposer un contre-exemple, cent fois si besoin. Elle peut expliquer la photosynthèse comme une usine invisible, le droit romain comme une grammaire du pouvoir, la dérivée mathématique comme l’accélération d’une courbe. Elle peut devenir professeur particulier, répétiteur, contradicteur, bibliothécaire, examinateur, coach de méthode, ... Pour la première fois, l’apprentissage peut cesser d’être une autoroute à voie unique, identique pour tous, pour devenir un chemin modulé selon les rythmes, les blocages, les élans, les spécificités cognitives. L’élève qui n’ose pas lever la main peut poser vingt fois la même question. L’étudiant brillant mais brouillon peut se faire bousculer dans sa rigueur. Celui qui apprend vite peut aller plus loin. Celui qui doute peut reprendre appui. L’IA ne dort pas, ne se lasse pas, ne regarde pas sa montre.

Notre cerveau n’est pas une clé USB que l’on branche sur le savoir. Il est une matière vivante, capricieuse, parfois brillante, souvent distraite, qui se transforme par l’effort, par la répétition, par l’erreur et par le frottement avec ce qui résiste. Comprendre n’est pas recevoir une explication claire. Comprendre, c’est être changé par elle. C’est savoir la retrouver sans béquille. C’est pouvoir l’utiliser dans un contexte imprévu, sous pression, face à une contradiction ou dans le silence d’une copie blanche. L’IA peut éclairer, guider et même provoquer mais elle ne peut pas faire à notre place ce travail intérieur où une idée descend de la surface vers la structure profonde de l’esprit. Autrement dit, elle peut nous tendre un miroir, pas construire notre colonne vertébrale. C’est là que le malentendu commence. Beaucoup imaginent que l’IA va simplifier l’apprentissage. Elle peut, en effet, supprimer une partie du bruit inutile comme les consignes floues, les explications mal calibrées, les exercices sans retour, les cours subis comme une pluie froide en novembre. Tout cela peut être amélioré et nous devons nous en réjouir. Le véritable apprentissage deviendra beaucoup plus exigeant.

Il faudra apprendre à poser de meilleures questions. À ne pas accepter la première réponse comme on avale un bonbon. À demander une preuve. À réclamer l’objection. À comparer cinq raisonnements. À identifier les zones d’ombre et les biais. À identifier l’élasticité des résultats au regard des hypothèses. À détecter l’élégance d’une idée et la fragilité d’un argument. À dire à la machine : “Ne me donne pas la solution. Aide-moi à la trouver.” Cette demande change tout. Elle sépare l’usage paresseux de l’IA de son usage éducatif. Le risque est réel. Une IA trop docile peut devenir un fauteuil cognitif trop confortable. On s’y installe. On se laisse porter. On confond fluidité et intelligence. On lit une synthèse, et l’on croit avoir compris le livre. On reçoit un plan, et l’on croit avoir pensé. On obtient une réponse juste, et l’on oublie que la justesse sans appropriation n’est qu’un déguisement de savoir. Pour autant, soyons honnêtes. Une grande partie de l’apprentissage tel qu’il est encore pratiqué est devenue obsolète. Pas l’éducation. Pas la transmission. Pas l’exigence. Mais cette étrange liturgie qui consiste à faire asseoir trente élèves devant le même flux verbal, au même rythme, avec les mêmes exercices, puis à mesurer leur valeur par leur capacité à restituer ce qu’une machine peut produire en trois secondes. Il y a là quelque chose d’absurde, presque théâtral. Une salle de classe qui ferait semblant de ne pas voir que le monde a changé.

C’est une révolution silencieuse, mais immense. L’enseignant n’est plus seulement celui qui sait avant les autres. Il devient celui qui cadre, qui oriente, qui donne du relief, qui distingue le solide du séduisant, le vrai du vraisemblable, le profond du simplement bien formulé. Il devient architecte de situations d’apprentissage. Il ne distribue plus seulement des réponses. Il organise la rencontre entre un esprit, une difficulté et une méthode. Dans cette perspective, les écoles et les universités n’ont pas moins d’importance. Elles en ont davantage. Mais autrement.

Elles doivent devenir des gymnases de l’attention dans un monde qui la dévore. Des maisons de la controverse dans une époque qui préfère souvent le confort de l’entre-soi. Des lieux où l’on apprend à penser avec les autres, et pas seulement devant un écran qui nous répond avec une politesse infinie. Car l’IA peut nous challenger mais elle ne nous regarde pas avec l’impatience d’un camarade qui n’est pas d’accord. Elle ne porte pas l’histoire sociale d’un autre milieu. Elle ne nous oblige pas à composer avec une voix, un corps, une mauvaise foi parfois, une émotion imprévue, une blague qui tombe à plat, un silence qui pèse. On ne se construit pas seulement par la qualité des explications reçues. On se construit par la confrontation à l’altérité par le groupe, par le cadre et par cette étrange discipline collective qui oblige à sortir de soi. Dans une université, on n’apprend pas seulement le droit, la biologie, l’histoire, les mathématiques ou l’informatique. On apprend à défendre une idée devant quelqu’un qui ne partage ni nos références, ni nos réflexes, ni notre patience. On apprend à perdre élégamment. À reconnaître qu’un autre a raison. À reformuler sa pensée parce qu’elle s’est écroulée au premier contre-argument. C’est certes moins confortable qu’un dialogue avec une IA tout en étant infiniment plus humain.

Il est urgent de redonner aux institutions éducatives leur vraie mission qui consiste à former des êtres capables de juger, coopérer, créer, douter, décider. Ne produisons plus des diplômés comme des pièces calibrées, mais cultivons plus que jamais des consciences capables de tenir debout dans un monde saturé de réponses. Ne cherchons pas à protéger les élèves de l’IA, apprenons leurs à vivre avec elle sans lui abandonner leur souveraineté intérieure. Le cadre compte. Les horaires comptent. Les rites comptent. Les exigences comptent. Même les contraintes, quand elles sont justes, comptent. Elles rappellent une vérité simple, trop vite oubliée dans le grand bazar numérique : se développer demande un prix. Apprendre, c’est parfois rester devant un problème quand tout en nous réclame une échappatoire. C’est là que se fabrique la liberté.

Et puis il y a la société. Une école n’est pas seulement un service rendu à l’individu. C’est une infrastructure démocratique. Un lieu où se fabriquent des repères communs, des langages partagés, des désaccords civilisés et des compromis. Si chacun apprend seul, avec son IA personnelle, dans son couloir cognitif parfaitement ajusté à ses préférences, nous gagnerons peut-être en efficacité individuelle. Une société ne tient pas seulement parce que ses membres savent beaucoup de choses. Elle tient parce qu’ils savent encore se parler et converger.

C’est ici que se joue le vrai rôle des écoles et des universités demain. Elles devront être moins des temples du savoir que des ateliers du discernement collectif. Moins des guichets à diplôme que des lieux de maturation humaine. Moins des machines à classer que des espaces où l’on apprend à relier la connaissance, la responsabilité et l’action.

L’IA peut devenir le plus grand accélérateur d’apprentissage de notre histoire sans pour autant dire pourquoi apprendre. Elle ne donnera pas seule le goût d’un monde partagé. Elle ne décidera pas seule ce qui mérite d’être transmis. Ce choix nous appartient. Il faut faire des études pour apprendre à penser contre la facilité, pour rencontrer des maîtres et des pairs, pour éprouver son intelligence dans le réel, pour transformer l’information en jugement, le savoir en responsabilité, la compétence en contribution, pour découvrir, parfois au détour d’un séminaire un peu bancal, d’une discussion de couloir ou d’un projet collectif qui part en vrille, que l’on n’apprend jamais vraiment seul.

L’école d’hier est déjà partie, même si certains continuent à lui garder une chaise au premier rang. Nous devons inventer l’école capable de tenir tête à l’IA sans s’y opposer, de l’intégrer sans s’y dissoudre, de former des humains plus libres avec des machines plus puissantes. Et cela, aucune intelligence artificielle ne peut le faire sans nous.

Retrouvez tous nos livres ici ou dans vos librairies préférées.

Google redessine la bataille de la visibilité

Pendant vingt ans, les entreprises ont appris à être visibles dans un monde relativement simple. Il fallait acheter le bon mot-clé, produire la bonne page, ajuster la bonne enchère, puis attendre que le clic fasse son œuvre. Ce monde bien qu’imparfait restait lisible.

Ce monde se referme.

Avec l’arrivée des formats publicitaires génératifs dans AI Mode, Google déplace le centre de gravité de la visibilité. La publicité n’est plus un espace acheté à côté de la réponse. Elle devient une partie de la réponse elle-même. C’est une bascule immense. La promesse faite aux annonceurs est séduisante : plus de pertinence, plus de personnalisation, plus de performance. Gemini comprend l’intention, reformule le besoin, fabrique la création, choisit le moment et arbitre l’exposition. L’entreprise fournit la matière. La machine compose la scène. Sur le papier, c’est magnifique. Dans les faits, c’est une dépossession organisée.

Etre visible demain ne signifiera plus seulement apparaître. Il faudra être choisi par un système qui résume, classe, recommande et vend de plus en plus sans que l’utilisateur n’ait jamais quitté l’interface de recherche. La marque ne parlera plus directement à son client. Elle parlera à l’agent qui parle au client. Minuscule nuance aux conséquences gigantesques. Dans ce nouveau théâtre, seule l’intention conversationnelle a de l’importance. Fini “assurance auto pas chère”, mais “je viens d’acheter une voiture électrique d’occasion, je roule peu, je veux éviter les mauvaises surprises et je n’ai pas envie de lire vingt contrats”. Nous exprimerons des situations de vie et l’entreprise visible sera celle que l’IA saura associer à cette situation avec confiance.

Voilà le sujet clé. La visibilité devient une affaire de lisibilité algorithmique. Les marques devront rendre leurs produits compréhensibles par les machines sans les rendre pauvres pour les humains. Elles devront structurer leurs données, clarifier leurs preuves, exposer leurs différences, multiplier les signaux d’autorité, documenter leurs promesses, ... Une IA, comme un comparateur, ne croit pas aux slogans. Elle cherche des faits, des cohérences, des traces et à maximiser le résultat. La conséquence est rude pour les directions marketing. Une partie du pilotage leur échappe avec une bascule vers une dépendance à une boîte noire qui décide de la pertinence. La publicité entre dans l’âge de la délégation. Et sans surprise, la délégation commence par un gain de temps puis finit par une perte de souveraineté.

Pour autant, il serait absurde de regretter l’ancien monde. Les bannières criardes, les pages SEO gonflées à l’air tiède, les tunnels d’achat conçus comme des labyrinthes de supermarché un samedi après-midi n’étaient pas exactement l’apogée de la civilisation marchande. Cette mutation peut aussi assainir le jeu. Elle peut récompenser les marques utiles, précises, cohérentes. À condition qu’elles comprennent la nouvelle règle. Demain, on n’achètera plus seulement de la visibilité. Nous devrons la mériter auprès des systèmes qui organisent l’attention. Considérez vite la publicité comme une architecture de confiance. Être visible ne sera plus crier plus fort. Ce sera devenir assez clair et utile pour être recommandé.

Le jour où les mathématiques ont changé de main

Le 20 mai 2026 restera peut-être comme une date importante dans l’histoire de l’intelligence. Ce jour-là, OpenAI a annoncé qu’un de ses modèles avait réfuté une conjecture majeure liée au problème des distances unitaires dans le plan, formulé par Paul Erdős en 1946. Le modèle a construit une famille infinie d’exemples, vérifiée ensuite par des mathématiciens externes, qui dépasse la croyance dominante selon laquelle les grilles carrées étaient, grosso modo, la bonne intuition. Vous êtes largué ? Continuez quand même !

Il faut mesurer la portée symbolique de l’événement. Erdős était une sorte de météore combinatoire qui vivait dans les problèmes comme d’autres vivent dans la simplicité. Et voilà qu’une IA démontre brutalement qu’il avait tort. L’IA tue le père. Pour autant, ne tombons pas dans le théâtre facile de l’ASI proclamée au mégaphone. Le problème global des distances unitaires n’est pas entièrement clos ; le Guardian rappelle que l’IA a surtout montré que la limite proposée par Erdős était trop basse. La nuance est importante sans pour autant diminuer le choc. Ce qui est incroyable iciest qu’une question de géométrie a été attaquée par des outils venus de la théorie algébrique des nombres. Comme si l’on réparait une horloge suisse avec une graine trouvée dans une forêt japonaise. Les humains appellent ceci de l’intuition. Demain, il faudra peut-être lui trouver un autre nom.

Et le calendrier ajoute une couche de plus. Au même moment, Andrej Karpathy rejoint Anthropic pour travailler sur le pré-entraînement de Claude, avec l’ambition de constituer une équipe qui utilisera Claude pour accélérer la recherche sur les modèles eux-mêmes. La boucle se referme. Ou plutôt, elle commence. Une IA contribue à la science. Une autre aidera à fabriquer de meilleures IA. La connaissance entre dans une chambre d’écho productive, immense, dangereuse, féconde. Il serait absurde de la refuser. Il serait irresponsable de la subir.

Saurons-nous encore choisir ce que penser veut dire ? C’est là que tout se joue.

____

Le problème formulé par Paul Erdős en 1946 est d’une simplicité presque enfantine. Imagine une feuille blanche. Tu y poses n points aléatoirement. Ensuite, comptez combien de paires de points sont séparées par une distance exactement égale à 1.

La question d’Erdős est donc : Avec n points dans le plan, quel est le nombre maximal de paires situées exactement à distance 1 ?

En langage mathématique, on note souvent ce maximum u(n). Le problème consiste à comprendre la croissance de u(n) quand le nombre de points devient très grand. OpenAI le résume ainsi : si l’on place n points dans le plan, combien de paires peuvent être exactement à distance 1 ?

Prenons un exemple très simple. Avec 9 points, vous pouvez les mettre en ligne : on obtient 8 segments de longueur 1 entre voisins. Mais si on les dispose en grille 3 × 3, on obtient 12 paires à distance 1 : les voisins horizontaux et verticaux. La grille fait déjà mieux que la ligne. Mais Erdős ne s’est pas arrêté à cette grille naïve. Il a compris qu’en choisissant très finement l’espacement d’une grille, on pouvait créer beaucoup plus de paires à une même distance. L’idée est subtile : dans une grille, deux points peuvent être séparés par différents vecteurs, par exemple “3 cases à droite et 4 cases en haut”. Leur distance vaut alors 5. Si l’on redimensionne toute la figure, cette distance peut devenir 1. Et si beaucoup de vecteurs différents donnent la même longueur, alors beaucoup de paires deviennent des “distances unitaires”.

C’est là que le petit problème de géométrie devient une sorte de piège à haute précision. On ne cherche plus seulement à placer des points joliment. On cherche une architecture où le plus grand nombre possible de relations invisibles tombent exactement sur la même distance.

Erdős pensait que les constructions de type grille étaient, au fond, presque imbattables. Plus précisément, il conjecturait que le nombre maximal de paires à distance 1 ne pouvait croître que légèrement plus vite que n, ce que les mathématiciens écrivent n^{1+o(1)}. Cela signifie : plus que linéaire, oui, mais sans vrai gain polynomial durable. OpenAI indique que cette croyance dominait depuis des décennies. La découverte récente change ce point précis. Le modèle d’OpenAI a construit des configurations avec au moins n^{1+δ} paires à distance 1, pour un δ strictement positif. Autrement dit : pas seulement “un peu plus que n”, mais vraiment plus, avec un écart qui tient mathématiquement.

Attention toutefois : le problème général n’est pas entièrement résolu. On ne connaît toujours pas la formule exacte de u(n). L’IA a montré que la borne imaginée par Erdős était trop basse et non qu’elle avait donné la réponse finale. Pendant 80 ans, on a cru que la grille était presque le dernier mot alors que bien souvent cela n’était qu’un brouillon. Elle n’était qu’un brouillon.

Et parfois, en mathématiques, un brouillon tient presque un siècle.

Bonnes métamorphoses et à la semaine prochaine.

Stéphane Amarsy