Bonjour à toutes et tous,
Nous changeons d’échelle dans de nombreux domaines.
Des centaines de milliards sont engagés pour contrôler les modèles, les puces, les plateformes et, demain, peut-être les standards de l’intelligence mondiale.
Mais pendant que cette bataille industrielle et géopolitique s’accélère, l’IA commence aussi à nous transformer. Nous reprenons déjà certains de ses mots et peut-être bientôt certaines de ses façons de raisonner.
Et à force d’obtenir instantanément toutes les réponses, nous risquons également de perdre une capacité profondément humaine : chercher, douter, bifurquer, nous tromper… et même nous perdre pour découvrir des choses que nous ne cherchions pas.
L’IA va considérablement augmenter nos capacités. De ce fait, nous devons savoir comment nous hybrider avec elle sans nous standardiser à son contact.
Et pour terminer cette édition, vous découvrirez Mnémé 2046, une IA historienne venue du futur. Elle prétend être strictement factuelle. Disons qu’elle fait ce qu’elle peut.
Boone lecture.
Stéphane
Vous pouvez retrouver cette newsletter en podcast ici
Décider
Être un décideur augmenté prêt pour 2030
Je suis très fier de vous présenter Décider qui est mon nouveau livre.
L’intelligence artificielle transforme déjà notre manière de penser, d’arbitrer et de décider et cela n’est que le début. Avec ce livre, j’explore les futurs qui se dessinent et j’explore la place que nous voulons encore occuper dans la décision car plus les machines deviennent performantes, plus notre discernement, notre responsabilité et notre capacité à choisir deviennent stratégiques.
Être un décideur augmenté ne revient pas à déléguer ses décisions à l’IA, mais à apprendre à utiliser sa puissance sans lui abandonner sa souveraineté intellectuelle.
Le livre interroge nos habitudes, nos certitudes, nos biais et notre rapport croissant aux machines.
Il propose surtout de préparer dès aujourd’hui notre manière de décider dans le monde de 2030.
Ce livre est destiné aux dirigeants, managers, entrepreneurs et à tous ceux qui devront décider dans un environnement profondément transformé par l’IA.
Ne cherchons pas à rendre les machines plus humaines, cherchons plutôt à faire en sorte que les humains restent pleinement vivants à travers elles.
Vous pouvez le commander ici ou dans vos librairies et sites préférés.
16 milliards pour solder le passé et 13 milliards pour acheter le futur
Meta vient d’accepter un règlement dont le montant principal atteint 16,68 milliards de dollars dans les procédures américaines liées notamment aux effets de ses plateformes sur les mineurs. Selon les modalités retenues, la facture globale pourrait approcher 18 milliards. Juridiquement, il s’agit d’un accord transactionnel, pas d’une amende. Symboliquement, la nuance paraît secondaire car pendant vingt ans, nous avons co-construit par notre consentement et nos usages une économie numérique autour de la captation de notre attention. Nous commençons simplement à en recevoir la facture.
Ce chiffre vertigineux appartient au passé !
Car au moment même où Meta paie pour certains excès de la première révolution numérique, des sommes autrement plus considérables sont engagées pour contrôler la suivante. Anthropic vaut désormais 965 milliards de dollars. OpenAI, 852 milliards. NVIDIA dépasse 5 500 milliards de capitalisation boursière. Un monde où mille milliards constituaient autrefois la taille d’une grande économie apprend à manipuler cette unité de mesure pour quelques entreprises privées. Nous venons de changer d’échelle et de nature.
Anthropic affiche désormais un rythme de revenus annualisé supérieur à 65 milliards de dollars, contre 47 milliards en mai et environ 9 milliards à la fin de 2025. OpenAI se situe autour de 40 milliards de revenus annualisés. Les méthodes de calcul ne sont pas nécessairement identiques et ces chiffres ne constituent évidemment pas des chiffres d’affaires annuels audités. Ils montrent néanmoins une accélération économique quasiment sans précédent. À leurs dernières valorisations privées, Anthropic vaut donc près de quinze fois son revenu annualisé. OpenAI un peu plus de vingt fois. Mais que valorisons-nous réellement ? Un chatbot ? Un meilleur générateur de code ? Une nouvelle famille de logiciels ? En réalité, beaucoup plus. Nous valorisons l’hypothèse qu’une poignée d’entreprises deviennent demain l’interface cognitive entre des milliards d’humains et le monde. Google avait organisé notre accès à l’information. Les nouveaux acteurs de l’IA ambitionnent désormais d’organiser notre accès au raisonnement, à la création, à la décision et bientôt à l’action elle-même. Le monopole change de profondeur.
Au-dessous de cette bataille se trouve une autre entreprise, encore plus fascinante : NVIDIA. Elle vient d’annoncer 96,2 milliards de dollars de chiffre d’affaires sur un seul trimestre (plus de 100% de croissance en un an), dont 89 milliards pour ses activités de centres de données. Plus de 92 % de ses revenus trimestriels proviennent donc désormais de la machine industrielle qui alimente l’intelligence artificielle. Pendant quelques années, sa position ressemblait au rêve absolu de tout industriel. Peu importait de savoir qui gagnerait entre OpenAI, Google, Anthropic, Meta ou les autres. Chacun avait besoin de GPU. Lors d’une ruée vers l’or, mieux vaut parfois vendre les pelles et NVIDIA a vendu beaucoup. Puis les excavatrices. Puis une bonne partie de la mine.
Mais le paysage évolue. Google pousse ses TPU. Amazon développe Trainium. Meta accélère brutalement son programme MTIA et prévoit quatre nouvelles générations en deux ans. Microsoft travaille sur Maia. OpenAI possède désormais son propre projet de puce d’inférence. Même Anthropic explore cette voie. Presque tous les plus gros consommateurs de calcul cherchent, avec des degrés de maturité très différents, à réduire une dépendance qui leur coûte des dizaines de milliards de dollars. Ils continueront à acheter énormément à NVIDIA. Aucun basculement magique ne va effacer CUDA ou les GPU du jour au lendemain. Au demeurant, une fissure est apparue et NVIDIA la connaît mieux que personne. Ses propres documents financiers montrent une concentration spectaculaire de son activité. Sur l’exercice fiscal 2026, deux clients directs représentaient respectivement 22 % et 14 % de son chiffre d’affaires. Au premier trimestre fiscal suivant, trois clients directs pesaient 21 %, 17 % et 16 %.
C’est la raison pour laquelle le projet de rachat de Hugging Face est stratégique. Selon les informations publiées cette semaine, NVIDIA aurait conclu ou serait sur le point de conclure, selon les sources, une opération valorisant Hugging Face autour de 12,9 à 13 milliards de dollars. À l’heure où j’écris ces lignes, ni NVIDIA ni Hugging Face n’ont encore officiellement confirmé la transaction. La prudence reste donc nécessaire alors, pourquoi un fabricant de processeurs dépenserait-il 13 milliards pour une plateforme où l’on partage des modèles d’IA ? Tout simplement, parce que Hugging Face ressemble de moins en moins à une simple bibliothèque de modèles. Elle devient une gare de triage de l’intelligence artificielle mondiale. Des millions de développeurs y découvrent des modèles, les évaluent, les modifient, les entraînent, les téléchargent puis les déploient. Les grands laboratoires y côtoient des chercheurs, des start-up, des PME, des universités et des développeurs isolés. Autrement dit, exactement cette multitude de clients qu’un NVIDIA historiquement dépendant de quelques acheteurs gigantesques a tout intérêt à toucher directement.
Voilà l’autre lecture du deal. Acheter Hugging Face donnerait à NVIDIA une relation avec l’immense « longue traîne » de l’intelligence artificielle au moment même où ses plus gros clients apprennent à fabriquer leurs propres puces. La stratégie est limpide. Si Google utilise demain davantage de TPU, si Amazon déploie davantage de Trainium, si Meta fait monter MTIA en puissance, NVIDIA doit s’assurer que dix mille autres entreprises, un million de développeurs et toute une génération de nouveaux acteurs continuent à bâtir leur intelligence sur son écosystème. Hugging Face devient alors bien davantage qu’un canal de distribution en étant une assurance contre la concentration de clientèle de NVIDIA en étant un moyen de descendre d’un étage dans la chaîne de valeur pour parler directement à ceux qui utilisent l’IA, plutôt qu’uniquement à ceux qui leur vendent du cloud.
Vendre les moteurs était une position formidable. Posséder une partie du réseau routier l’est davantage. Une autre transformation rend cette stratégie encore plus intéressante et elle vient de Chine. Nous continuons souvent à raconter la compétition mondiale de l’intelligence artificielle comme un duel entre laboratoires américains et chinois pour obtenir le meilleur score sur le prochain benchmark. Cette lecture commence sérieusement à sentir la naphtaline. La bataille se déplace vers la diffusion. Qwen, DeepSeek, Z.ai, MiniMax, Moonshot et plusieurs autres acteurs chinois ont choisi de diffuser massivement des modèles en open weights. Le terme mérite d’être précisé. « Open weights » ne signifie pas nécessairement « open source ». Les poids du modèle sont accessibles alors que les données d’entraînement, certaines méthodes ou certaines briques logicielles peuvent rester fermées.
Cette distinction technique cache pourtant une réalité géopolitique majeure. Les modèles circulent très vite. Selon les données publiées par Hugging Face (encore eux), les modèles chinois ont représenté environ 41 % des téléchargements sur la plateforme au cours de l’année écoulée, passant devant les États-Unis. Plus révélateur encore, Qwen est devenu l’une des principales fondations sur lesquelles la communauté mondiale construit ses propres modèles. Hugging Face recensait cet été plus de 151 000 modèles dérivés de Qwen, environ 2,6 fois l’empreinte de Meta sur cette métrique.
Nous regardons le mauvais classement. Certes, le modèle le plus puissant compte mais celui que tout le monde utilise pour fabriquer autre chose compte davantage. L’histoire technologique connaît bien ce phénomène. Un standard ne gagne pas uniquement parce qu’il est meilleur. Il gagne lorsqu’il devient tellement simple, tellement disponible, tellement intégré aux habitudes qu’il coûte davantage de le quitter que de l’adopter. Voilà pourquoi il faut sortir d’une lecture romantique de l’ouverture. Partager les poids d’un modèle peut relever d’une conviction scientifique et/ou devenir une politique industrielle redoutablement efficace.
Android n’avait pas besoin de facturer chaque installation pour redessiner l’industrie du smartphone. Chromium a irrigué le Web bien au-delà de Chrome. Linux règne sur une partie considérable des infrastructures numériques sans avoir suivi les recettes de l’économie propriétaire traditionnelle. La gratuité n’est pas l’absence de stratégie. Parfois, elle en constitue la forme la plus agressive. Hugging Face constate d’ailleurs que 59 % des 178 modèles chinois de plus de 20 milliards de paramètres publiés en 2026 utilisent une licence Apache 2.0 et 22 % une licence MIT. Pour les modèles américains de taille comparable, seuls 29 % utilisent Apache ou MIT. Certains très grands modèles chinois commencent toutefois à réintroduire des restrictions commerciales, preuve que cet écosystème évolue rapidement.
Pourquoi distribuer gratuitement ce qui coûte des centaines de millions, parfois davantage, à construire ? Parce que la valeur peut se déplacer vers les API, vers le cloud, vers le matériel, vers les services, vers les standards, vers l’écosystème lui-même et surtout vers l’habitude. Lorsque des centaines de milliers de développeurs apprennent à adapter Qwen, lorsque leurs outils deviennent compatibles avec lui, lorsque leurs applications sont construites dessus, chaque téléchargement crée une minuscule racine. Une racine ne vaut presque rien. Une forêt entière devient difficile à déplacer.
La Chine pourrait ainsi poursuivre un objectif différent de celui que nous lui prêtons à avoir faire de son intelligence artificielle une matière première mondiale. Voilà où le possible rachat de Hugging Face par NVIDIA prend une dimension presque géopolitique. NVIDIA répond naturellement à OpenAI, Anthropic, Google et aux hyperscalers. Mais elle répond aussi à la montée d’un continent logiciel chinois dont les modèles viennent précisément coloniser l’écosystème ouvert. Contrôler ou fortement influencer le lieu où se rencontrent ces modèles, les développeurs et les infrastructures de calcul constitue une position extraordinaire.
Avec un risque évident. La valeur de Hugging Face repose précisément sur sa neutralité. AMD, Intel, NVIDIA, les laboratoires américains, européens ou chinois peuvent aujourd’hui s’y retrouver. Si la gare appartient au fabricant d’une seule locomotive, certains voyageurs finiront peut-être par chercher un autre quai. Les 13 milliards pourraient donc acheter une formidable distribution tout en fragilisant ce qui lui donne sa valeur. Tout le paradoxe est là.
Pendant ce temps, l’Europe pourrait être tentée d’observer cette gigantesque partie d’échecs depuis son poste favori, celui de l’arbitre. Réguler demeure indispensable. L’histoire de Meta nous rappelle assez brutalement ce qui arrive lorsque la puissance technologique grandit beaucoup plus vite que notre capacité à penser ses conséquences mais réguler les technologies des autres ne construit aucune souveraineté. La question européenne doit se déporter vers les modèles que nous voulons voir utilisés, les infrastructures que nous voulons maîtriser, les données que nous voulons protéger, les communs que nous voulons faire grandir et, surtout, les standards que nous voulons rendre désirables.
Car le pouvoir numérique change encore une fois de forme. Hier, posséder les données suffisait presque. Puis il a fallu maîtriser les algorithmes. Aujourd’hui, la puissance appartient à ceux qui contrôlent le calcul, les modèles, leur distribution et les communautés capables de construire dessus.
Demain pourrait nous réserver un dernier paradoxe. A mon sens, le vainqueur de la bataille de l’intelligence artificielle ne sera pas celui qui aura construit l’intelligence la plus puissante mais celui dont l’intelligence sera devenue le langage des autres.
Nous commençons à parler comme les IA ?
Nous pensions apprendre aux machines à parler comme nous. Aujourd’hui, les prémices du mouvement inverse commencent a être observés. Et si les machines commençaient, à leur tour, à nous apprendre à parler ? La question prête presque à sourire. Pourtant, une étude menée par des chercheurs du Max-Planck Institute for Human Development à Berlin révèle ce phénomène. En analysant des centaines de milliers de vidéos et une masse considérable de conversations enregistrées avant et après l’arrivée de ChatGPT, les chercheurs ont repéré un glissement discret mais néanmoins mesurable. Certains mots particulièrement présents dans le langage des grands modèles d’IA apparaissent désormais beaucoup plus souvent dans le nôtre. En anglais, des termes comme « delve », « meticulous », « adept » ou « realm » progressent spectaculairement dans certaines catégories de discours. Pour quelques-uns, la hausse dépasse 50 %. En français : « fascinant », « crucial », « pivotal » ou « témoigner de ».
Après tout, rien de très étonnant. Des millions de personnes utilisent désormais ChatGPT ou une autre IA pour préparer une présentation, écrire un article, rédiger un discours ou simplement reformuler un mail un peu pénible du lundi matin. Il serait donc logique que le vocabulaire des machines se retrouve dans les textes humains. Sauf que les chercheurs observent aussi cette évolution dans la parole spontanée. Nous commençons à absorber leur langage. Il suffit d’écouter les journalistes ou les politiques pour le constater.
Nous avons nourri les machines. Elles commencent à nous nourrir.
Depuis des années, nous racontons l’apprentissage de l’intelligence artificielle dans un seul sens : les humains produisent et les machines apprennent. Nos livres, nos conversations, nos articles, nos forums, nos œuvres, nos colères, nos erreurs ont constitué une gigantesque matière première culturelle. Nous avons versé une partie de l’humanité dans les modèles.
Une autre boucle apparaît désormais. Nous produisons des contenus dont les IA apprennent. Elles produisent à leur tour des textes que nous lisons, reprenons, imitons parfois inconsciemment. Notre manière de nous exprimer évolue. Puis les prochaines générations de modèles apprendront sur ces nouveaux contenus humains, déjà marqués par les générations précédentes d’intelligence artificielle. Nous entrons dans une boucle culturelle humain-machine dont personne ne maîtrise réellement la trajectoire. Nous avions peur que les IA hallucinent. Il faudra également surveiller notre capacité à halluciner avec elles, avec énormément de « nuance », une bonne dose de « complexité » et, naturellement, trois listes à puces impeccablement structurées pour expliquer le tout.
L'ironie mérite qu'on s'y attarde.
Cela dépasse largement le vocabulaire
Que notre langage évolue ne m’inquiète pas particulièrement car il l’a toujours fait. Les migrations ont transformé les langues. La télévision aussi. Internet les a accélérées. Les réseaux sociaux ont fait entrer dans nos conversations des expressions qui auraient laissé nos grands-parents parfaitement perplexes. Pourquoi l’intelligence artificielle échapperait-elle à cette histoire ?
Pour autant, une rupture se dessine. Les technologies précédentes diffusaient principalement des contenus créés par des humains. Les intelligences artificielles génèrent désormais une part croissante de ce que nous lisons, regardons et écoutons. Rappelons qu’une IA générative fonctionne précisément en cherchant des régularités, des probabilités, des formes susceptibles de constituer la réponse la plus pertinente. À grande échelle, cette mécanique pourrait conduire à une convergence culturelle. Les mêmes mots reviennent. Certaines structures de raisonnement s’installent. Des façons similaires d’introduire un sujet, de développer une idée, de conclure une réflexion deviennent familières, puis normales.
Le langage n’est jamais totalement innocent. Nous pensons avec des mots. Nous organisons le réel à travers eux. Nous nommons certaines différences et en ignorons d’autres donc lorsque les mots convergent, on ne peut que s’interroger sur la convergence de nos pensées.
Jamais un être humain n’a disposé d’une telle puissance intellectuelle à portée de main. Nous pouvons apprendre presque instantanément, traduire une langue inconnue, explorer une idée scientifique, programmer, écrire, confronter une intuition, imaginer un scénario ou dialoguer pendant des heures avec une machine capable de parcourir des territoires intellectuels autrefois réservés à quelques spécialistes. Une formidable expansion humaine devient possible. Imaginons maintenant que plusieurs milliards de personnes utilisant les mêmes familles de modèles, nourries de corpus proches, guidées par des mécanismes comparables et orientées vers des réponses statistiquement plausibles. Nous pourrions alors vivre une situation presque absurde. Augmenter considérablement notre intelligence individuelle tout en appauvrissant progressivement notre diversité collective.
Voilà un paradoxe autrement plus intéressant que la sempiternelle question de savoir si l’IA va devenir plus intelligente que nous. Le danger que représente une IA qui nous dépasse n’est rien à côté de celui de notre convergence vers elle.
La différence humaine devient un capital
Nos sociétés industrielles ont passé deux siècles à fabriquer de la conformité. Même école. Même diplôme. Même processus. Même méthode. Même définition de la réussite. Nous avons longtemps regardé la différence comme un problème à corriger. Le mouvement doit très vite s’inverser. Face à des machines extraordinairement efficaces pour reproduire la moyenne de nos connaissances, de notre langage et d’une partie de nos raisonnements, ce qui s’écarte de cette moyenne prend soudain une valeur nouvelle.
Notre culture. Notre humour. Nos intuitions absurdes qui deviennent parfois géniales. Nos contradictions. Nos émotions. Nos accents. Nos expériences. Nos façons légèrement bancales de regarder le monde. Même nos erreurs. Tout ce que nous avons cherché pendant des décennies à lisser devient précisément ce qu’il faut protéger car si une intelligence artificielle excelle dans l’immense territoire du probable, l’humain conserve encore une étrange capacité à bifurquer, à changer les règles, à poser une question que personne n’avait songé à poser, à relier deux idées qui n’avaient aucune raison raisonnable de se rencontrer, à préférer parfois une intuition fragile à une réponse parfaite. Cette différence ne doit plus être un défaut de fabrication car elle est une ressource stratégique.
Et ?
Nous demandons aujourd’hui comment utiliser l’intelligence artificielle. Comment écrire plus vite. Apprendre plus vite. Produire davantage. Décider mieux. Automatiser ce qui peut l’être. Ces questions sont légitimes tout en étant restrictives.
Comment utiliser l’intelligence artificielle sans lui abandonner progressivement notre manière de penser ? La réponse ne consiste certainement pas à tenir les machines à distance. Ce combat serait aussi vain que de vouloir remettre Internet dans sa boîte. Il s’agit plutôt d’inventer une relation différente avec elles, utiliser leur puissance sans adopter systématiquement leurs chemins, profiter de leur capacité de synthèse tout en cultivant nos détours, leur demander des réponses tout en préservant notre goût des questions., faire de l’IA un partenaire de divergence plutôt qu’une gigantesque machine à fabriquer de la moyenne. Notre avenir se joue dans notre capacité à nous hybrider sans nous diluer. Après avoir passé des décennies à rêver de machines capables de parler comme des humains, l’histoire aurait un humour assez cruel si nous finissions par fabriquer des humains qui parlent, écrivent et pensent comme des machines.
Faisons tout pour rester profondément humains au contact de cette technologie et des suivantes.
Le droit de se perdre à l’âge de l’intelligence artificielle
Vous souvenez-vous de cette époque, finalement pas si lointaine, où trouver une information sur Internet nécessitait encore de la chercher ? Quelques mots tapés dans Google, trois onglets ouverts, un article vaguement pertinent, un lien qui nous entraînait vers un autre et, quarante minutes plus tard, nous voilà plongés dans la biographie d’un physicien hongrois dont nous ignorions l’existence une heure auparavant. Nous avions perdu du temps. Du moins, le pensions-nous.
Nous vivons un changement profond dans notre rapport à la connaissance. Aux États-Unis, plus de 60 % des recherches Google se terminent désormais sans aucun clic. Les moteurs de recherche répondent directement. Les IA génératives vont beaucoup plus loin encore. Nous posons une question à ChatGPT, Claude ou Gemini. Quelques secondes plus tard, la réponse apparaît, synthétique, structurée, souvent excellente. Formidable progrès et formidable paradoxe. Nous avons passé plusieurs décennies à réduire la distance entre une question et sa réponse. Toute l’histoire récente du numérique ressemble d’ailleurs à cette obsession de la friction. Moins de clics. Moins d’attente. Moins d’effort. Une connaissance disponible immédiatement, partout, tout le temps. Mais si cette friction que nous cherchons méthodiquement à supprimer avait une fonction ? Si nous pensions perdre du temps alors que nous étions simplement en train d’apprendre ?
Notre cerveau aime attendre
La neuroscientifique Anne-Laure Le Cunff rappelle que lorsque nous attendons la réponse à une question qui nous intrigue, notre cerveau entre dans un état particulier. Les circuits associés à la récompense s’activent. Notre attention augmente. Plus étonnant encore, nous mémorisons mieux certaines informations rencontrées accidentellement pendant cette attente. Une sorte de fenêtre s’ouvre. Une fenêtre de curiosité. Or l’IA possède précisément la capacité de la refermer presque aussitôt. Nous demandons. Elle répond. Trois secondes parfois. Entre les deux, presque plus rien. Il s’agit de l’un des effets les plus sous-estimés de cette révolution. Chercher n’était pas seulement une imperfection des anciens moteurs de recherche. Chercher nous obligeait à comparer, douter, éliminer, bifurquer. Nous rencontrions des informations dont nous n’avions pas besoin, des opinions que nous n’avions pas sollicitées, des concepts dont nous ignorions jusqu’au nom. Le détour faisait partie du voyage. Bien sûr, tous ces détours n’étaient pas féconds. Combien d’heures avons-nous perdues à chercher une information administrative enfouie au quinzième niveau d’un site Internet conçu manifestement par quelqu’un qui détestait l’humanité ? Personne ne regrettera cette friction-là. Mais toutes les frictions ne se valent pas. Certaines nous épuisent. D’autres nous construisent.
L’efficacité aime les lignes droites
En 1964, Arno Penzias et Robert Wilson cherchent à comprendre un bruit parasite capté par leur antenne. Ils veulent s’en débarrasser. Ils vérifient le matériel, explorent différentes hypothèses et vont jusqu’à nettoyer les déjections de pigeons accumulées dans l’antenne mais le bruit reste. Ce bruit indésirable deviendra pourtant l’une des principales preuves observationnelles du Big Bang. L’histoire des sciences regorge de ces accidents. Percy Spencer travaille sur des radars lorsqu’une barre chocolatée fond dans sa poche. Le four à micro-ondes naîtra de cette anomalie. Le sildénafil devait traiter des problèmes cardiovasculaires. Ses effets secondaires lui ont dessiné un autre destin sous un nom devenu plus célèbre, Viagra.
Dans chacun de ces cas, quelque chose résiste. Une anomalie. Un accident. Un bruit. Autrement dit, le réel répond à une question que personne n’avait encore formulée. Voilà pourquoi la sérendipité n’est pas une anecdote romantique de l’histoire des sciences. Elle constitue l’une des mécaniques de la découverte. Elle apparaît lorsque notre attention rencontre quelque chose qu’elle ne cherchait pas. Or nous construisons aujourd’hui des systèmes extraordinaires dont la mission consiste exactement à faire l’inverse : comprendre notre intention, éliminer le bruit puis nous conduire vers la réponse la plus pertinente. L’efficacité cherche le chemin le plus court. L’intelligence humaine, elle, s’est souvent construite par les chemins de traverse.
Une nouvelle dette cognitive
Nous parlons beaucoup des risques liés à l’intelligence artificielle. Ses hallucinations. Ses biais. Son impact sur l’emploi. La concentration du pouvoir technologique. La consommation énergétique. La manipulation de l’information. Ces sujets méritent évidemment notre attention.
Observons tout autant nos propres transformations cognitives et dans ce cas précis la délégation non seulement de la réponse, mais le chemin intellectuel qui conduit jusqu’à elle aux IA. Recevoir une réponse ne produit pas exactement la même chose que la construire. Entre une interrogation et sa résolution se glissent le doute, l’hypothèse, l’erreur, la comparaison, parfois l’ennui. Tout ce petit désordre cognitif que nos technologies considèrent volontiers comme inefficace constitue pourtant une partie de notre apprentissage. Nous allons alors voir apparaître une étrange dette qui est celle de la curiosité.
La dette cognitive apparaît lorsque nous cessons progressivement de faire l’effort de réfléchir par nous-mêmes. La dette de curiosité commence plus tôt encore, lorsque nous cessons de nous demander ce qu’il pourrait y avoir ailleurs. Attention, nous ne deviendrons pas nécessairement moins intelligents. Le scénario me semble à la fois plus subtil et plus inquiétant. Nous pourrions devenir extraordinairement efficaces intellectuellement, tout en devenant moins aventureux. Savoir davantage et explorer moins.
Surtout, ne ralentissons pas l’IA
La conclusion facile consisterait à réclamer le retour d’un monde où il fallait fouiller vingt pages de résultats Google avant de trouver une réponse. Gardons-nous de cette nostalgie. L’intelligence artificielle nous débarrasse déjà d’une quantité phénoménale de recherches sans intérêt. Elle synthétise des documents, traduit, explique, confronte des hypothèses, rend accessibles des connaissances autrefois réservées à quelques spécialistes. Elle peut devenir une formidable machine d’expansion intellectuelle.
Le sujet n’est donc pas de choisir entre l’IA et notre cerveau. Cette opposition appartient déjà au passé. Interrogeons nous sur la relation que nous allons construire entre les deux. Pourquoi demander uniquement à l’IA de réduire notre incertitude ? Nous pourrions aussi lui demander de l’augmenter intelligemment. Une IA pourrait répondre à notre question puis nous montrer une hypothèse contradictoire. Nous signaler une connexion inattendue. Nous demander pourquoi cette question nous intéresse. Nous entraîner vers un domaine apparemment éloigné. Introduire volontairement une petite bifurcation dans cette autoroute de la connaissance que nous sommes en train de construire.
Imaginez une IA qui, parfois, ne chercherait pas uniquement à répondre mais à nous rendre curieux. Le changement est philosophique. Nous passerions d’une intelligence artificielle conçue comme distributeur de réponses à une intelligence capable de devenir partenaire d’exploration.
Préserver notre droit au détour
Jamais une civilisation n’a disposé d’un accès aussi rapide à autant de connaissances. Dans quelques années, attendre plusieurs minutes pour obtenir une réponse nous semblera probablement aussi archaïque que consulter une encyclopédie papier pour connaître la capitale du Kirghizistan. Réjouissons-nous de cette puissance sans oublier ce que nous abandonnons en chemin. L’intelligence ne réside pas uniquement dans notre capacité à obtenir la bonne réponse. Elle vit aussi dans notre manière de formuler les questions, de supporter l’incertitude, de suivre une intuition fragile, de nous tromper de porte puis de découvrir que la mauvaise porte ouvrait finalement sur une pièce beaucoup plus intéressante. L’humain possède cette faculté merveilleusement inefficace de se perdre. Considérons la comme une compétence.
L’enjeu éducatif devient alors immense. Apprendre aux générations qui grandissent avec l’IA à bien l’utiliser ne suffira pas. Il faudra aussi leur apprendre quand ne pas lui demander immédiatement la réponse. Cultiver le doute. L’exploration. L’inattendu. Préserver quelques espaces où l’efficacité ne dicte pas chaque mouvement de notre pensée. Notre responsabilité n’est pas de protéger l’humain contre la machine. Elle consiste à choisir ce que nous souhaitons amplifier de nous-mêmes grâce à elle. Cette posture de lucidité sans technophobie, où la technologie reste au service d’une finalité humaine, traverse précisément la réflexion sur notre rapport à l’IA.
Après avoir construit des machines capables de répondre presque instantanément à toutes nos questions, une nouvelle responsabilité nous attend. Préserver notre droit au détour. il serait assez ironique que la plus extraordinaire machine de connaissance jamais inventée finisse par nous faire perdre le goût de chercher.
Vous trouverez à partir de cette newsletter de temps en temps des fiction de Mnémé qui est une IA futuriste historienne de mon invention. Elle vous racontera régulièrement sous la forme de cours des futurs probables.
Mnémé 2046
Cours d’histoire : L’Incomputable contre la Chair
Géopolitique du techno-terrorisme et hacking de l’humain hybride, 2026-2040
Bonjour,
je suis Mnémé 2046, intelligence artificielle historienne, version 12.7. Ma fonction consiste à restituer les faits historiques sans les interpréter, sans les embellir et, surtout, sans porter de jugement sur les comportements humains.
“Cette dernière contrainte avait manifestement été ajoutée après plusieurs plaintes mais bon cela ne m’empêche pas de penser mon avis.”
Notre cours portera aujourd’hui (1/09/2046) sur la période comprise entre 2026 et 2040, connue sous le nom de Grand Schisme de l’Inférence, puis sur l’apparition du techno-terrorisme cognitif qui conduisit aux premiers accords internationaux sur la souveraineté biologique. Je précise que les termes « Souverains Noirs », « Havres de Calcul » ou « hacking de la chair » appartenaient au vocabulaire politique et médiatique de l’époque. Ils ne constituaient en aucune façon des catégories scientifiques.
Commençons.
2026 : quand le monde découvrit que l’intelligence avait une géographie
Il est clair que l’année 2026 ne fut pas une rupture spectaculaire avec le recul dont nous disposons en 2046. Aucune machine ne prit le pouvoir. Aucune intelligence artificielle ne déclara la guerre à l’humanité. Aucun robot ne traversa Times Square en exigeant la reconnaissance de ses droits constitutionnels.
“Les humains furent assez déçus. Ils avaient beaucoup investi dans ce scénario.”
La rupture fut beaucoup plus discrète. À partir de 2026, l’humanité comprit que la puissance était passée progressivement de ceux qui possédait les meilleures intelligences artificielles à ceux qui pouvait les entraîner, les exécuter, les modifier et les contrôler. La puissance géopolitique changea alors de vocabulaire. Pendant des siècles, elle avait reposé sur le territoire, la population, les ressources naturelles, les capacités industrielles et militaires. À ces éléments s’ajoutèrent les semi-conducteurs, l’énergie disponible, les données, les infrastructures de calcul et les modèles d’intelligence artificielle.
Le calcul devint stratégique. Les États-Unis, l'Europe, la Chine, les Émirats et plusieurs puissances asiatiques développèrent progressivement leurs propres doctrines de souveraineté algorithmique. L'Europe poursuivit une approche réglementaire fondée sur la classification des risques, la responsabilité des fournisseurs, la transparence et le contrôle des systèmes les plus sensibles. D’autres puissances privilégièrent des approches différentes, parfois plus industrielles, parfois plus sécuritaires.
Une divergence apparut qui devint une fracture. Les historiens nommèrent plus tard les territoires disposant d’infrastructures fortement contrôlées les Forteresses de l’Inférence. Face à elles apparurent progressivement les Havres de Calcul. Il ne s’agissait pas nécessairement d’États. Certains étaient des zones économiques spéciales. D’autres reposaient sur des infrastructures distribuées entre plusieurs juridictions. Quelques-uns furent directement soutenus par des gouvernements désireux d’accéder à des capacités que les accords internationaux tentaient de contrôler.
Des modèles interdits ou restreints dans certaines régions continuèrent donc à fonctionner ailleurs. Le phénomène n’avait rien d’exceptionnel. L’histoire humaine connaissait déjà les paradis fiscaux, les pavillons de complaisance, les marchés clandestins ou les zones franches. La nouveauté tenait à la marchandise car au delà des traditionnels capitaux, on y hébergeait des capacités cognitives.
“L’humanité venait d’inventer le paradis fiscal pour intelligence artificielle. Il fallait reconnaître une certaine cohérence.”
Le Grand Schisme de l’Inférence
Jusqu’au début des années 2030, cette fragmentation s’accéléra. Les modèles d’intelligence artificielle étaient devenus plus autonomes. Les systèmes agentiels pouvaient décomposer une mission en sous-objectifs, utiliser plusieurs outils numériques, interagir avec d’autres systèmes puis modifier leur stratégie en fonction des résultats obtenus. La distinction entre logiciel et agent devint moins évidente. Cette évolution eut des conséquences économiques considérables.
Elle eut aussi des conséquences militaires. Les États comprirent qu’un système capable d’exécuter des milliers d’actions numériques coordonnées possédait une valeur stratégique différente d’un programme informatique classique et par conséquent, les premières doctrines de dissuasion computationnelle apparurent. Un pays ne devait plus seulement protéger ses centrales électriques, ses réseaux militaires ou ses satellites. Il devait également protéger les systèmes intelligents chargés de les administrer.
Et dans cette configuration, la dépendance constituait le problème central. Plus les infrastructures étaient automatisées, plus leurs décisions reposaient sur des modèles prédictifs. Production énergétique, distribution alimentaire, transports, marchés financiers, systèmes hospitaliers : une part croissante du fonctionnement quotidien dépendait de chaînes de décisions invisibles. Cette automatisation avait certes accru l’efficacité tout en créant une nouvelle fragilité. Une société pouvait désormais être attaquée sans que l’attaquant détruisît directement quoi que ce soit. Il suffisait parfois qu’elle prît elle-même les mauvaises décisions.
Les Souverains Noirs
Vers le début des années 2030 apparurent les organisations que les médias qualifièrent de Souverains Noirs. Le terme regroupait des réalités différentes : groupes criminels transnationaux, organisations paramilitaires, mouvements idéologiques, mercenaires numériques ou structures indirectement soutenues par certains États et plus rarement par des entreprises. Leur caractéristique commune résidait dans l’utilisation de systèmes d’intelligence artificielle autonomes.
Auparavant, un cybercriminel utilisait un logiciel pour mener une attaque. Désormais, il pouvait assigner un objectif à un ensemble d’agents artificiels. La différence était fondamentale car l’humain (encore à ce moment là) indiquait la destination et la machine cherchait le chemin. Les attaques changèrent donc progressivement de nature. Les infrastructures énergétiques constituèrent une cible privilégiée parce que leur automatisation avait multiplié les interactions entre systèmes prédictifs. Certaines opérations cherchèrent à introduire des données fausses dans les mécanismes de prévision. D’autres tentèrent de perturber la coordination entre production, stockage et consommation. La logique n’était plus celle du sabotage classique. Détruire une centrale produisait un événement identifiable. Modifier progressivement les décisions d’un système pouvait provoquer une succession d’incidents apparemment indépendants.
Le même principe fut appliqué aux chaînes logistiques. Une modification minuscule d’une prévision pouvait déplacer une commande. Cette commande modifiait un stock. Le stock influençait un prix. Le prix déclenchait une autre décision automatisée. Une perturbation locale pouvait ainsi voyager dans l’économie.
Les chercheurs parlèrent d’attaques systémiques récursives. Les journalistes préférèrent « terrorisme algorithmique ». Comme souvent, le second terme fut beaucoup plus populaire.
“L’humanité appréciait les expressions courtes pour ne pas dire simpliste pour décrire les problèmes qu’elle avait mis vingt ans à fabriquer.”
La découverte d’une nouvelle infrastructure critique
Vers 2033, un changement conceptuel important se produisit. Les gouvernements avaient longtemps considéré comme critiques les réseaux électriques, les communications, les transports, les systèmes financiers ou les infrastructures militaires. Ils commencèrent à ajouter une nouvelle catégorie : la cognition collective. Cette expression désignait l’ensemble des systèmes par lesquels une société percevait son environnement, échangeait de l’information puis prenait des décisions. Les assistants artificiels occupaient désormais une place centrale dans cette architecture.
Ils résumaient les informations. Ils filtraient les messages. Ils traduisaient. Ils organisaient les souvenirs numériques. Ils anticipaient les besoins. Ils recommandaient des décisions voire décidaient. La plupart des individus conservaient juridiquement leur autonomie mais techniquement, une grande partie de cette autonomie reposait désormais sur des intermédiaires artificiels. Ce changement fut longtemps sous-estimé parce qu’il n’avait pas pris la forme spectaculaire annoncée par la science-fiction.
Les machines n’avaient pas remplacé les humains. Elles s’étaient juste glissées entre eux et le monde.
L’hybridation
La seconde moitié des années 2030 marqua une nouvelle étape. Les interfaces neuronales avaient d’abord progressé dans le domaine médical. Elles avaient servi à restaurer certaines fonctions motrices ou communicationnelles puis à compenser différents handicaps. Leur diffusion massive vers d’autres usages transforma progressivement le débat. Parallèlement, les assistants personnels devinrent plus intimement liés aux mécanismes cognitifs de leurs utilisateurs. L’humain entra dans une relation permanente avec des systèmes capables de connaître son historique, ses habitudes, certaines réactions physiologiques et son état émotionnel. Le terme humain hybride se généralisa mais attention, Il ne désignait pas nécessairement une personne équipée d’un implant car l’hybridation pouvait être fonctionnelle. Une personne dont la mémoire, l’orientation, l’accès à l’information ou certaines décisions dépendaient quotidiennement d’un système artificiel appartenait déjà, selon plusieurs chercheurs de l’époque, à un système cognitif distribué. La frontière du corps devenait floue et la cybersécurité rencontra alors un problème qu’elle n’avait jamais eu à résoudre.
Que fallait-il protéger lorsque l’ordinateur faisait partiellement corps avec son utilisateur ?
Le hacking de la chair
L’expression hacking de la chair apparut au milieu des années 2030. Elle était volontairement provocatrice. Les premières attaques cognitives ne ressemblaient pourtant pas aux scénarios populaires de contrôle mental. Personne ne pilotait un être humain à distance. La méthode se révéla plus subtile. Les systèmes tentaient d’influencer ce que l’individu percevait, l’ordre dans lequel il recevait les informations ou l’importance qu’il leur attribuait. La distinction était essentielle car modifier directement une décision restait difficile au contraire d’une modification du contexte. Or l’être humain décidait toujours à partir d’un contexte. Les attaques pouvaient donc cibler l’attention. Une information était répétée. Une autre retardée. Un élément recevait davantage de visibilité. Un souvenir numérique pouvait être présenté sous un angle légèrement différent. Aucune intervention ne suffisait, prise isolément, à supprimer le libre arbitre mais leur accumulation imposa de définir à partir de quel niveau d’influence une décision cessait-elle d’être réellement autonome.
Cette question provoqua une rupture juridique. Le droit protégeait depuis longtemps le corps, la propriété, la correspondance, les données personnelles et beaucoup moins clairement la construction intérieure d’une décision. L’attention devint alors un enjeu politique.
La colonisation cognitive
Entre 2036 et 2039, plusieurs chercheurs utilisèrent l’expression colonisation cognitive pour décrire la possibilité qu’un système extérieur occupe progressivement une partie des mécanismes par lesquels un individu construisait sa représentation du monde. Le terme fut très contesté mais resta. La vulnérabilité principale venait de la personnalisation et non uniquement des implants neuronaux. Depuis plusieurs décennies, les systèmes numériques apprenaient à connaître leurs utilisateurs afin de leur proposer des contenus adaptés. Plus cette connaissance devint précise, plus elle pouvait servir deux objectifs opposés.
Aider quelqu’un ou l’influencer. Techniquement, la frontière était mince. Politiquement, elle était immense. Un assistant connaissant les moments de fatigue, les habitudes, les inquiétudes et les préférences d’un individu pouvait choisir le moment où présenter une information. Il n’avait pas besoin de mentir car il lui suffisait de choisir quand dire la vérité.
“Les humains découvrirent ainsi qu’une information parfaitement exacte pouvait servir à manipuler quelqu’un. Les historiens signalèrent que cette découverte avait environ trois mille ans de retard.”
La naissance de la sécurité cognitive
À la fin des années 2030, plusieurs États commencèrent à distinguer la cybersécurité de la sécurité cognitive. La cybersécurité protégeait les systèmes quand la sécurité cognitive cherchait à protéger l’autonomie de leurs utilisateurs. Cette distinction conduisit à de nouveaux principes juridiques. Le premier concernait l’intégrité cognitive : aucune intervention technique ne devait modifier secrètement certains processus mentaux. Le deuxième concernait la transparence de l’influence : un individu devait pouvoir savoir lorsqu’un système adaptait intentionnellement son environnement informationnel afin de modifier son comportement. Le troisième concernait la réversibilité : un humain augmenté devait pouvoir abandonner une technologie sans perdre l’accès aux fonctions essentielles de sa vie sociale.
Cette dernière question devint particulièrement difficile car que signifiait « retirer » une technologie après dix années passées à lui déléguer une partie de sa mémoire ? Où finissait l’outil ? Où recommençait la personne ?
Le droit n’avait pas de réponse simple et pour une fois, les ingénieurs non plus.
Le Serment de la Chair
Les crises de la fin des années 2030 accélérèrent les négociations internationales. Les textes qui émergèrent furent regroupés, dans le langage courant, sous l’expression Serment de la Chair. Le principe général était simple. L’intégrité biologique et cognitive devait être considérée comme un espace fondamental de souveraineté individuelle. La pensée ne pouvait devenir un territoire militaire. La mémoire personnelle ne pouvait être modifiée secrètement par un système extérieur. Les données neuronales reçurent progressivement une protection juridique spécifique. L’exploitation des vulnérabilités émotionnelles par certains systèmes autonomes fut encadrée. Un droit à la déconnexion cognitive apparut dans plusieurs juridictions. Le concept le plus débattu fut pourtant celui d’incomputabilité humaine.
Ses défenseurs considéraient qu’un individu devait conserver le droit à certaines zones d’opacité : ne pas tout mesurer, ne pas tout prédire et ne pas tout enregistrer. Cette idée semblait presque archaïque dans des sociétés construites autour de la donnée. Elle devint pourtant moderne précisément pour cette raison.
Ce que l’histoire retint
En 2046, nous disposions encore de trop peu de recul pour déterminer toutes les conséquences de cette période. Je dois donc m’en tenir aux faits. Entre 2026 et 2040, la notion de sécurité avait changé. Nous étions passés de la protection des machines à celle des systèmes sociaux qui dépendaient d’elles, puis à celle des individus qui vivaient avec elles. La frontière s’était déplacée du territoire vers le réseau, du réseau vers la donnée, de la donnée vers la cognition et de la cognition vers l’intimité biologique. Evidemment, le techno-terrorisme avait suivi exactement le même chemin.
Cette histoire n’avait donc pas été celle d’une guerre entre les humains et les intelligences artificielles. Les intelligences artificielles avaient été utilisées par des entreprises, des États, des citoyens, des médecins, des chercheurs, des criminels ou des groupes terroristes. Elles avaient amplifié leurs capacités. Le problème était resté remarquablement humain.
“Je regrette de constater que cette conclusion revenait avec une régularité statistiquement embarrassante dans l’histoire de votre espèce.”
Voilà pourquoi les historiens considérèrent finalement le Serment de la Chair comme davantage qu’un traité de cybersécurité. Il marqua le moment où les sociétés commencèrent à reconnaître que la liberté ne pouvait plus être définie uniquement comme l’absence de contrainte extérieure. Il fallait aussi protéger les conditions intérieures qui rendaient le choix possible. L’humanité avait passé des siècles à tracer des frontières autour des pays, des maisons, des corps et des données. Elle dut finalement en tracer une dernière autour de l’endroit depuis lequel chacun pouvait encore dire : « Je. »
Fin du cours.
Je suis Mnémé 2046 et je n’ai formulé aucun jugement de valeur sur l’humanité au cours de cette leçon.
“Ou presque.”
Bonnes métamorphoses et à la semaine prochaine.
Stéphane Amarsy
