Bonjour à toutes et tous,
Cette semaine dans Métamorphoses, je vous propose de regarder l’IA là où elle commence vraiment à nous déranger.
D’abord dans la création. Si un livre vous bouleverse puis que vous apprenez que son auteur a utilisé une IA… faut-il rendre l’émotion ? Pour moi, l’art reste d’abord une intention, un travail et ce qu’il provoque en nous.
Ensuite, je m’interroge sur cette fameuse bulle de l’IA. Et si nous regardions au mauvais endroit ? Le risque pourrait moins venir des valorisations que des centaines de milliards investis dans des infrastructures dont il faudra, un jour, démontrer la rentabilité.
Je vous parle aussi d’un phénomène de la propagande sans propagandiste. Des contenus politiques produits parce que notre colère rapporte de l’argent, bientôt sans même qu’un humain soit derrière.
Enfin, je tire un fil vers le futur. Et si l’IA de demain n’était plus une intelligence gigantesque, mais un assemblage de milliers de compétences spécialisées ?
Comme souvent, le futur est peut-être déjà là. Simplement, nous ne regardons pas encore au bon endroit.
Bonnes Métamorphoses.
Stéphane Amarsy
Vous pouvez retrouver cette newsletter en podcast ici
L’IA change notre représentation de l’auteur
Un livre vous bouleverse. Vous le refermez, encore habité par ce que vous venez de lire. Quelques jours après, un de vos amis vous apprend que son auteur a utilisé une IA. Votre émotion doit-elle être annulée ? Faudrait-il reprendre le livre, vérifier la fabrication de chaque paragraphe et rendre ses larmes ?
Nous aimons imaginer l’écrivain seul face à sa page, comme si les mots lui arrivaient dans un tête-à-tête sacré avec l’inspiration. La réalité a toujours été tout autre. Alexandre Dumas a travaillé avec Auguste Maquet. Celui que nous nommons aujourd’hui un prête-plume, a contribué à des œuvres signées Dumas. Leur collaboration a soulevé des conflits d’attribution et de rémunération. Avoir une idée, bâtir une intrigue, rédiger, réécrire et signer, la création n’a jamais été aussi solitaire que le laisse croire une couverture. Dans les autres arts, nous vivons depuis longtemps avec cette complexité. Un film d’animation mobilise des scénaristes, des dessinateurs, des spécialistes de la lumière, des logiciels et des machines capables de calculer des images qu’aucune main ne pourrait faire seule. Pourtant, lorsque Toy Story nous émeut, nous n’accusons pas l’ordinateur d’avoir usurpé la place des artistes. Nous reconnaissons les choix qui ont donné vie à ces personnages.
L’IA générative va plus loin qu’un logiciel d’animation. Elle peut proposer des phrases, des scènes entières et parfois une œuvre complète. Il faut de ce fait regarder de près ce qu’en fait l’auteur mais pourquoi décréter que sa présence efface nécessairement tout travail humain ? Imaginez une romancière qui veut raconter une jeune femme retrouvant les messages vocaux de sa mère disparue. L’IA lui suggère dix débuts. Aucun ne convient. Cela lui permet quand même d’avoir une idée, elle écarte les explications trop faciles, change la voix du personnage, puis décide que le personnage n’écoutera jamais le dernier message. Toute la force du récit tient peut-être dans ce refus. Qui a fait ce choix ? Qui savait quelle émotion chercher, et laquelle laisser au lecteur ? Bien utiliser l’IA demande parfois des heures de dialogue, d’essais, de suppressions et de reprises. Surtout, cela demande une intention. Un prompt lancé au hasard peut produire du texte sans donner, par magie, une vision à celui qui n’en a pas. À l’inverse, demander « écris-moi un roman poignant » et accepter la première réponse ne devient pas un acte artistique simplement parce qu’on a cliqué sur « publier ».
Le débat dépasse la France. Au Japon, Rie Kudan a remporté le prix Akutagawa avec un roman dont elle a indiqué qu’environ 5 % du texte provenait d’une IA générative. La révélation a provoqué des réactions, mais le livre et son usage de l’outil ont aussi été discutés ouvertement. Aux États-Unis, Amazon distingue, dans ses règles de publication, les contenus générés par IA des contenus simplement assistés. Ces exemples montrent qu’il est possible de discuter des usages au lieu de condamner. Il est d’ailleurs très amusant que ce débat ne mentionne nullement les journalistes qui l’utilisent de plus en plus. L’honnêteté reste une exigence que je défends sans hésitation. Il faut parler des œuvres utilisées pour entraîner les modèles, de la rémunération des créateurs, de l’imitation d’un style et de la place de ceux qui contribuent réellement à un livre. Un auteur ne devrait pas faire passer pour une expérience vécue ce qu’il a confié sans examen à une machine. Mais il ne devrait pas non plus être traité en imposteur parce qu’il s’en est servi pour chercher, éprouver ou transformer son texte.
Pour moi, l’art commence dans l’émotion qu’une œuvre fait naître. Cette émotion ne dispense pas de dire la vérité sur sa fabrication. Elle nous rappelle simplement ce que nous étions venus chercher. Je ne demande pas à un livre de prouver qu’aucune machine n’a collaboré à sa genèse. Peu importe, je veux qu’il m’emmène quelque part et que la personne qui le signe assume. Après tout, une plume d’oie ne garantissait pas davantage le génie.
_______________
Comment j’écris ?
Je fais de nombreuses recherches et lectures par moi-même et également par de l’IA. Tout ceci se loge dans mon crâne et me permet d’identifier des axes de réflexion. Je vais ensuite définir une stratégie narrative que je vais challenger avec de l’IA et par itération converger vers une structure définitive. Je rédige ensuite et utilise l’IA pour enlever le superflu, reformuler, challenger. Je repasse ensuite une dernière fois sur le texte afin de modifier une dernière fois le contenu.
Est ce l’IA qui a écrit cette tribune ? Non, elle m’a aidé. L’intention, les idées, la stratégie narrative, les petites histoires, la vision, les expérience sont de moi et toute la démarche représente un véritable travail.
Pour finir, ce travail est fondamentalement différent de nombreux posts et commentaires que l’on voit sur Linkedin qui sont totalement rédigés par de l’IA afin d’occuper cet espace médiatique. Le pire, c’est que nous autres humains aimons cela car nous n’avons aucun effort à faire tout simplement car tout se ressemble. Volons nous nous développer ou nous appauvrir intellectuellement ? Il faudrait peut être interdire aussi les média sociaux aux plus de 15 ans …
Bulle de l’IA, laquelle ?
Depuis trois ans, nous regardons fébrilement le prix des entreprises technologiques américaines. Nvidia monte devant les autres et les indices battent des records. Les milliards se transforment en centaines de milliards. Sommes-nous dans une bulle ?
Peut-être regardons-nous simplement au mauvais endroit. Goldman Sachs explique qu’en 2026, alors que les marchés américains ont continué leur progression, le multiple de bénéfices anticipés du S&P 500 est passé d’environ 22 à 19. Autrement dit, les actions ont progressé, mais les anticipations de bénéfices ont progressé suffisamment vite pour que leur valorisation relative diminue. Le marché paraît extraordinairement cher en valeur absolue. même si une partie de sa hausse repose sur une réalité économique bien tangible à savoir que les bénéfices progressent fortement. Goldman estime d'ailleurs que les entreprises bénéficiant directement des infrastructures liées à l'intelligence artificielle pourraient représenter environ la moitié de la croissance des bénéfices du S&P 500 en 2026.
Alors où est le problème ?
La machine à fabriquer des bénéfices
L'intelligence artificielle n'est plus seulement une révolution logicielle. Elle devient une industrie lourde. Il faut des GPU, des serveurs, des réseaux, des transformateurs électriques, des systèmes de refroidissement, des centrales, des terrains, des câbles sous-marins, des bâtiments gigantesques. Derrière l'apparente immatérialité de ChatGPT, Gemini ou Claude se construit une infrastructure qui ressemble davantage à celle d'un réseau ferroviaire qu'à celle d'une application mobile et les montants donnent le vertige. Selon les estimations de consensus citées par Goldman Sachs en mai 2026, les plus grands hyperscalers devraient consacrer environ 754 milliards de dollars à leurs investissements cette année, soit 83 % de plus qu'en 2025. Pour 2027, le consensus est déjà de 905 milliards.
Il faut s'arrêter quelques secondes sur ce chiffre. 754 milliards de dollars en une seule année. Nous ne finançons plus quelques laboratoires remplis de chercheurs qui entraînent des modèles. Nous construisons une nouvelle couche industrielle du monde numérique. Pour autant, la question du rendement économique nécessaire que devront produire ces infrastructures pour justifier de tels investissements reste dans l’ombre. Cette interrogation est ultra légitime car les bénéfices actuels démontrent une histoire singulière. Une entreprise achète des milliers de GPU. Cette dépense devient le chiffre d'affaires d'une autre entreprise. Celui-ci devient son bénéfice. Ce bénéfice soutient sa valorisation boursière. La hausse de la demande pousse ensuite à construire davantage d'usines, de data centers et de capacités énergétiques. La boucle fonctionne remarquablement bien jusqu'au jour où il faut savoir ce que produit réellement la boucle.
Nous passons du cash à la dette
Pendant longtemps, les géants technologiques ont pu financer leur expansion avec les montagnes de liquidités générées par leurs activités. Cette époque sans disparaître change de nature. Goldman Sachs estime que les dépenses d'investissement et les cash-flows opérationnels des hyperscalers convergent rapidement. La banque prévoit qu'environ 30% de leurs investissements sera financé par la dette en 2026, puis environ 35 % en 2027. Les hyperscalers avaient déjà émis 194 milliards de dollars de dette cette année au moment de l'analyse de Goldman, qui anticipait environ 250 milliards d'émissions directes sur l'ensemble de 2026, hors financement spécifique de projets.
Pris isolément, rien de particulièrement inquiétant. Ces entreprises restent parmi les sociétés les plus solides financièrement au monde. SIFMA observe d'ailleurs qu'au niveau du secteur technologique du S&P 500, la couverture médiane du free cash-flow par rapport aux charges d'intérêt reste proche de 15 fois. Le ratio de dette nette sur EBITDA demeure également bien inférieur à celui du S&P 500 dans son ensemble. Il serait donc faux de raconter l'histoire d'entreprises technologiques déjà étranglées par leurs dettes. La réalité est plus subtile. Le risque ne vient pas encore de leur fragilité mais du changement d'échelle.
La technologie devient un système financier
En parallèle, le marché américain de la dette d'entreprise connaît lui-même une forte accélération. Les émissions de corporate bonds atteignaient 1 899,8 milliards de dollars sur les huit premiers mois de 2026, soit près de 30 % de plus qu'un an auparavant. Une partie croissante du financement de l'écosystème IA commence ainsi à sortir du simple autofinancement des géants technologiques. Goldman Sachs décrit l'arrivée du financement de projets, du private credit et d'autres acteurs du crédit dans la construction des data centers ce qui est un changement majeur.
Lorsque Microsoft construit un data center avec son propre cash, le risque reste essentiellement chez Microsoft et ses actionnaires. Lorsque l'infrastructure commence à être financée par des obligations, des fonds de dette privée ou des structures de “project finance”, le risque circule et voyage. Le risque financier adore voyager et à chaque étape, il devient un peu plus difficile de savoir précisément qui le porte.
La valorisation n’est plus un bon indicateur
Le risque d'une pure « bulle de valorisation » semble moins évident que celui d'une possible « bulle de bénéfices ». Le marché pourrait surestimer la persistance des bénéfices exceptionnels liés à l'infrastructure IA au-delà des deux ou trois prochaines années. Une bulle de valorisation suppose que nous payons trop cher des bénéfices raisonnables. Une bulle de bénéfices suppose que nous payons peut-être un prix cohérent pour des bénéfices qui, eux, ne le sont pas durablement.
Le PER (ratio cours/bénéfice), peut paraître rassurant. Economiquement, il l’est beaucoup moins si le dénominateur est fragile.
Tout dépend maintenant de la demande finale
Le système tient tant que la demande de calcul augmente, que les entreprises achètent des services d'IA, que les gains de productivité apparaissent et que les revenus générés finissent par rémunérer les centaines de milliards investis. La fragilité de cette boucle vient de la capacité des entreprises utilisatrices à obtenir suffisamment de gains de productivité pour justifier leurs dépenses en applications IA.
Nous sommes encore au début de cette démonstration. L'adoption par les consommateurs est spectaculaire. Sa monétisation l'est moins. Du côté des entreprises, Goldman reconnaît que la création de valeur économique reste encore à prouver dans une grande partie de l'écosystème. Mon constat est que les gains sont là mais que de nombreuses entreprises s’y prennent mal pour y arriver. Nous avons déjà construit une économie gigantesque autour de la promesse de productivité de l'intelligence artificielle, reste maintenant à la produire et vite.
Et si la demande ralentit ?
Pas besoin d'effondrement, imaginons simplement que la demande de calcul continue de progresser, mais moins vite que prévu. Quelques points de croissance en moins peuvent suffire. Les data centers continuent d'exister. Les GPU ont déjà été achetés. Les réseaux électriques ont été dimensionnés. Les intérêts de la dette continuent de courir. Les infrastructures construites pour une demande future deviennent soudain des actifs présents qu'il faut rentabiliser. Une inversion se produit alors. Pendant des années, nous nous sommes demandé si nous aurions suffisamment de puissance de calcul pour développer l'intelligence artificielle. Demain, nous pourrions nous demander si nous avons suffisamment d'usages rentables pour absorber toute la puissance de calcul construite. Le goulet d'étranglement change de côté.
L'IA entre dans son âge économique
Tout cela ne signifie pas que l'intelligence artificielle est une illusion. Bien au contraire. Une technologie peut transformer profondément le monde tout en donnant naissance à des investissements excessifs. Les deux idées ne s'annulent pas. Elles peuvent même parfaitement cohabiter. L'erreur serait de réduire le débat à une question binaire : bulle ou révolution. L'IA peut être une révolution. Les investissements peuvent être excessifs. Les entreprises peuvent être extraordinaires. Leurs anticipations de bénéfices peuvent être trop généreuses. Nous devons apprendre à penser ces contradictions ensemble car nous entrons probablement dans une nouvelle phase. Après l'émerveillement technologique vient la discipline économique. Après les modèles viennent les infrastructures. Après les milliards de paramètres viennent les milliards de dollars. Et derrière eux apparaît enfin la question que toute révolution technologique finit par rencontrer : Qui paie ?
Aujourd'hui, la réponse est simple : les géants technologiques, leurs actionnaires et, de plus en plus, leurs créanciers. Demain, elle dépendra de nous, des entreprises qui achèteront ces services, des consommateurs qui accepteront de les payer, des gains de productivité réellement obtenus et de notre capacité collective à transformer une puissance de calcul phénoménale en valeur économique tangible.
Le risque est que nous construisions une économie plus vite que ses usages.
_____________________________
Comparaison avec le marché de l’immobilier de bureaux
Un immeuble de bureaux financé par la dette tire une grande partie de sa valeur des loyers futurs, de la solidité de ses locataires, du taux d’occupation attendu, du coût du financement et de sa valeur à la revente. Certains data centers financés par la dette commencent à répondre à une logique comparable. Leur valeur dépend notamment des contrats signés avec leurs clients, de leur taux d’utilisation futur, du prix de l’électricité, du coût du capital et de la valeur résiduelle de leurs équipements.
Tant que la demande de calcul progresse rapidement, cette mécanique fonctionne. Le risque apparaît si les hypothèses évoluent plus vite que les infrastructures : modèles moins gourmands en calcul, progrès des puces, ralentissement de la demande ou capacités réservées mais insuffisamment utilisées. Le data center continue alors d’exister et la dette aussi.
L’immobilier de bureau nous rappelle précisément que la fragilité d’un actif financé à long terme peut apparaître lorsque l’usage futur s’écarte des hypothèses retenues au moment de son financement.
L’analogie s’arrête cependant là car un data center n’est pas un bureau. Son économie dépend beaucoup plus de l’électricité, de la technologie qu’il peut accueillir et de l’évolution du calcul. Aujourd’hui, rien ne démontre une surconstruction généralisée des capacités IA ce qui par différenciation nous amène à nous interroger sur la quantité de demande future nous transformons aujourd’hui en infrastructures et en dette car le risque ne naît pas nécessairement de bâtiments vides mais d’un simple écart entre les mégawatts financés et les mégawatts dont nous aurons réellement besoin.
Décider
Être un décideur augmenté prêt pour 2030
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.
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.
La propagande sans propagandiste
Dans cette tribune, je ne cherche pas à juger. Je tente juste d’expliquer un mécanisme.
Derrière le tract, l’affiche, le slogan ou la vidéo se trouvait quelqu’un. Un parti, un État, un militant, une officine, parfois un illuminé dans une cave. Peu importe. Une intention humaine existait. Quelqu’un voulait nous convaincre et, avec un peu de travail, il était possible de remonter le fil jusqu’à cette personne. Ce monde est en train de disparaître. Depuis plusieurs mois, des centaines de pages Facebook publient à destination des Français des contenus politiques particulièrement clivants. Immigration, islam, retraites, Ukraine, Union européenne, insécurité : tout y passe. Les propos sont rudimentaires, les images souvent générées par intelligence artificielle avec des formulations conçues pour provoquer une réaction immédiate. Cela fonctionne très bien, trop bien.
Une enquête récente du Monde, s’appuyant notamment sur les travaux de l’ONG Reset Tech, décrit un réseau de 1 340 pages administrées depuis le Sri Lanka qui aurait accumulé 36 millions de réactions, 6,2 millions de commentaires et 1,9 million de partages. D’autres réseaux sont administrés depuis le Venezuela, le Vietnam, l’Algérie ou le Pakistan. Certains de leurs opérateurs ne parlent pas français et n’ont aucune connaissance de notre vie politique. L’IA comble les trous. Pourquoi consacrer autant d’énergie aux états d’âme politiques d’un citoyen français lorsqu’on vit à Colombo ? Tout simplement parce que sa colère vaut de l’argent. Les personnes qui fabriquent ces contenus ne cherchent pas nécessairement à faire élire qui que ce soit. Leur première motivation est économique. Les contenus politiques clivants provoquent des réactions qui créent de l’audience ce qui déclenche de la monétisation ou alimente des sites couverts de publicités. L’idéologie devient un modèle économique.
Quand l’extrémisme devient un produit rentable
En France, nombre de ces pages diffusent principalement des thèmes réactionnaires, anti-immigration ou anti-islam, parfois accompagnés de contenus explicitement favorables au Rassemblement national. En Allemagne, Reset Tech a identifié un réseau administré depuis le Pakistan qui publiait principalement des contenus favorables à l’AfD, assortis de messages fortement islamophobes. La prudence s’impose ici. Rien dans ces éléments ne permet de conclure que les partis concernés financent, commandent ou coordonnent ces réseaux. Bien au contraire, ils n’ont pas besoin de le faire. Des entrepreneurs situés à des milliers de kilomètres peuvent produire spontanément des contenus qui servent certains thèmes politiques parce qu’ils ont découvert qu’ils rapportent beaucoup. Autrement dit, des partis, des mouvements extrêmes ou d’autres intérêts partisans peuvent bénéficier d’une immense production informationnelle sans l’avoir nécessairement demandée, organisée ni payée.
Nous connaissions les militants bénévoles. Nous découvrons les propagandistes involontaires avec une différence de taille car ces derniers sont rémunérés par la plateforme. Nous avons ainsi créé un système assez improbable dans lequel un acteur politique peut bénéficier de contenus favorables sans acheter la campagne, un entrepreneur étranger peut gagner sa vie sans partager les convictions qu’il diffuse, la plateforme peut gagner de l’argent grâce à l’engagement généré et l’utilisateur peut avoir l’impression d’assister à l’expression spontanée de ses compatriotes. Tout le monde y trouve son compte sauf la démocratie et le libre arbitre.
La colère est devenue une matière première
Pendant des décennies, mener une campagne d’influence coûtait cher. Il fallait recruter. Imprimer. Filmer. Distribuer. Acheter de l’espace publicitaire. Constituer des fichiers. Former des militants. Organiser des réseaux. L’intelligence artificielle fait s’effondrer une partie de ces coûts. Une personne qui ne parle pas français peut désormais produire une publication sur les retraites françaises, fabriquer l’image d’une grand-mère devant une caisse de supermarché, rédiger vingt variantes de son message, traduire les réponses, créer une vidéo puis recommencer le lendemain. Il ne connaît rien à notre système de retraite. Il connaît son tableau de bord qui lui apprend progressivement ce qui nous fait réagir. L’information politique change alors de nature. De l’expression d’une conviction, elle devient un produit testé sur un marché.
Immigration contre retraites. France contre Europe. Peuple contre élites. Musulmans contre chrétiens. On injecte. On mesure. On recommence. Les fractures d’une société deviennent des variables d’optimisation. Nous avons mondialisé nos colères.
La prochaine étape sera encore plus étrange
Pour l’instant, un humain reste quelque part derrière l’écran. Il ouvre le compte. Choisit le sujet. Interroge ChatGPT ou un autre modèle. Publie. Regarde les statistiques. Modifie sa recette. Pour combien de temps ? Les agents d’intelligence artificielle apprennent déjà à exécuter des suites d’actions, à observer leur environnement et à adapter leur comportement. La recherche étudie désormais explicitement l’arrivée d’agents autonomes fondés sur les grands modèles de langage dans les réseaux sociaux. Des travaux publiés en 2026 examinent, par exemple, leur capacité à anticiper les réactions humaines à différents contenus.
La suite n’a rien de technologiquement extravagant. Un agent surveille les conversations françaises. Un autre repère les sujets qui progressent. Un modèle produit cinquante publications. Un générateur fabrique les images et les vidéos. Le système publie plusieurs versions, observe les réactions, élimine celles qui fonctionnent mal puis amplifie celles qui performent. La boucle recommence toute la nuit, puis toute la semaine. Pourquoi s’arrêterait-elle ? Si un message sur l’immigration obtient trois fois plus de réactions qu’un message sur l’éducation, la machine produira davantage d’immigration pas parce qu’elle devient xénophobe. Elle n’est rien de tout cela. Elle fait juste de l’optimisation.
Des opinions que personne n’a jamais eues
Nous touchons ici à quelque chose de beaucoup plus profond que la désinformation. Notre conception de l’espace public repose depuis toujours sur une convention tellement évidente que nous avons presque oublié son existence : derrière une opinion se trouve une personne. Un journaliste écrit ce qu’il pense. Un militant défend une conviction. Un polémiste provoque volontairement. Même un propagandiste sait généralement quelle idée il souhaite installer dans nos têtes. Que devient cette architecture lorsque le message n’a plus besoin d’être précédé par une pensée humaine ?
Nous pourrions voir apparaître des opinions que personne n’a jamais eues. Une indignation pourrait devenir virale sans qu’aucun être humain ne se soit indigné au départ. Une polémique pourrait traverser un pays alors que son premier auteur n’existe pas. Des milliers de citoyens pourraient se déchirer autour d’une formulation produite à 3 h 42 du matin par un modèle qui avait simplement calculé qu’elle maximiserait les commentaires. Après les fake news, nous pourrions entrer dans l’époque des fake opinions. J’y vois une rupture autrement plus importante car une fausse information peut être corrigée. Une opinion synthétique qui déclenche de véritables émotions humaines crée une réalité à partir de presque rien. La machine jette l’allumette et nous fournissons le bois.
Internet pourra bientôt parler tout seul
Allons encore un peu plus loin. Les IA commencent à produire les contenus. Les algorithmes décident déjà largement lesquels nous voyons. Demain, nos propres assistants artificiels liront probablement une partie de cette information à notre place, la trieront, la résumeront puis décideront peut-être de ce qui mérite notre attention. Des machines écriront pour des machines qui sélectionneront pour d’autres machines ce qu’un humain finira éventuellement par lire. Une conversation planétaire pourra se dérouler avec une présence humaine de plus en plus ténue. Pourtant, l’humain restera indispensable car toute cette formidable tuyauterie numérique cherchera encore une réaction chez lui : un clic, une émotion, un achat, une colère, une adhésion, un vote, …
Voilà le paradoxe qui devrait nous réveiller : jamais autant de contenus n’auront été fabriqués pour les humains alors que de moins en moins d’humains seront nécessaires pour les fabriquer.
Nous parlons depuis quelques années du Dead Internet, cette hypothèse d’un réseau progressivement saturé de contenus artificiels et d’interactions automatisées. Elle pouvait sembler relever de la science-fiction, ce n’est plus le cas aujourd’hui.
Accuser l’IA serait pour autant trop facile. Une photographie prise par un humain peut mentir. Un journaliste peut manipuler. Un militant peut inventer. Une image générée artificiellement peut, inversement, illustrer honnêtement une information exacte. La frontière de la pertinence ne passe pas entre l’humain vertueux et la machine manipulatrice. Le cocktail gagnant associe trois ingrédients : une production artificielle devenue presque gratuite, des algorithmes de recommandation qui privilégient ce qui provoque des réactions et des mécanismes économiques qui transforment ces réactions en argent. Pris séparément, chacun semble presque banal alors qu’ensemble, ils forment une machine directement lié au modèle économique des plateformes. On peut parler de systémie car personne n’a besoin d’avoir conçu le résultat final pour que le résultat apparaisse.
Il faudra suivre l’argent
Notre premier réflexe consiste aujourd’hui à chercher les faux. Cette vidéo est-elle réelle ? Cette photographie a-t-elle été générée ? Ce texte vient-il d’un humain ? Ces questions sont toujours nécessaires mais malheureusement non suffisantes. Nous devrons en poser d’autres. Pourquoi ce contenu existe-t-il ? Pourquoi m’est-il montré ? Qui gagne de l’argent lorsqu’il circule ? Le compte qui le publie est-il humain, automatisé ou hybride ? Quelle part de sa production résulte d’une décision humaine ? Qui assume la responsabilité lorsque la machine franchit une ligne ?
Reset Tech demande justement davantage de transparence sur les mécanismes de monétisation et considère que le problème ne peut être réduit à la seule modération des contenus. Le modèle économique fait partie de l'équation. Le phénomène observé sur Facebook montre aussi que les opérateurs exploitent les mécanismes de rémunération des plateformes ou redirigent les internautes vers des sites publicitaires. Nous avons inventé des étiquettes pour savoir ce que contient notre nourriture. Nous allons devoir inventer une forme d’étiquette informationnelle pour comprendre ce que nous avalons avec nos yeux et surtout pas, juste « généré par IA ».
Je voudrais savoir qui, pourquoi, avec quel degré d’automatisation et selon quel intérêt économique. La transparence devra porter sur la machine qui produit le contenu, mais aussi sur celle qui le rend visible et celle qui le rémunère. Poursuivre le faux ne suffira plus. A la place, nous devrons suivre l’argent.
Retrouver l’humain derrière la machine
Préserver un Internet intégralement humain est un objectif obsolète car il ne l’est déjà plus. Jje ne suis même pas certain qu’il faille le regretter. L’intelligence artificielle peut enrichir formidablement notre accès à la connaissance, abolir des barrières linguistiques, rendre la création accessible à des millions de personnes et nous aider à explorer des idées auxquelles nous n’aurions jamais eu accès seuls.
Nous devons préserver une présence humaine identifiable dans la chaîne de responsabilité. Quelqu’un doit pouvoir répondre, quelqu’un doit pouvoir dire “j’ai voulu cela” ou, au minimum “j’ai construit, financé ou déployé le système qui l’a fait”. Une société dans laquelle personne n’est responsable de contenus capables d’influencer tout le monde devient une drôle de démocratie. Pendant des siècles, nous nous sommes demandé qui contrôlait l’information, puis nous nous sommes demandé si l’information était vraie et maintenant si il y a encore quelqu’un derrière ? Nous entrons malheureusement dans une ère où nous devons nous interroger sur l’existence d’une personne qui aurait réellement pensé ce que nous sommes en train de croire.
Et si demain nous assemblions les intelligences ?
Nous cherchons aujourd’hui à construire des intelligences artificielles capables de tout faire. Écrire, raisonner, programmer, traduire, diagnostiquer, créer une image, piloter un robot ou résoudre une équation. À chaque génération de modèles, la même ambition revient : davantage de paramètres, davantage de données, davantage de capacités réunies dans une même architecture. Une sorte de cerveau universel. Une autre trajectoire technologique commence discrètement à apparaître bien moins spectaculaire que la sortie du dernier modèle d’IA. Elle pourrait pourtant modifier beaucoup plus profondément notre manière de penser l’intelligence artificielle. Car demain, nous ne construirons peut-être plus seulement l’intelligence en entraînant des modèles. Nous pourrions l’assembler.
Quand le silicium commence à avoir un métier
Une puce informatique traditionnelle calcule ce qu’on lui demande de calculer, puis sont arrivées les spécialisations. Les GPU se sont imposés dans l’IA grâce à leur aptitude au calcul massivement parallèle. Google a développé ses TPU. Nos téléphones embarquent désormais des NPU spécialisés dans certaines opérations d’intelligence artificielle. D’autres architectures rapprochent toujours davantage mémoire et calcul. Le mouvement s’accélère encore avec les chiplets (circuit intégré miniature qui réalise une fonction bien définie et s'associe à d'autres sur un même boîtier pour former un processeur complexe). Plutôt que de fabriquer un immense processeur monolithique, les industriels commencent à assembler plusieurs morceaux de silicium spécialisés au sein d’un même système. AMD utilise largement cette logique. NVIDIA en assemble plusieurs dans ses architectures les plus récentes. Le standard UCIe cherche, lui, à construire un langage commun grâce auquel des chiplets pourraient communiquer entre eux, y compris lorsqu’ils proviennent d’acteurs différents. Nous sommes encore loin d’un marché de « compétences sur puce ». Gardons-nous de raconter demain avant qu’il existe mais tirons la ficelle afin de voir où elle nous mène car nous passons progressivement d’un monde où le logiciel devait s’adapter au processeur à un monde où le processeur commence à être conçu pour une fonction particulière.
Le silicium commence à avoir un métier.
Et si la spécialisation allait beaucoup plus loin ?
Poussons maintenant le raisonnement. Aujourd’hui, lorsqu’un modèle apprend à reconnaître une image, comprendre une phrase ou résoudre certains problèmes, cette compétence reste principalement inscrite dans son architecture logicielle et dans ses paramètres. Cette frontière entre logiciel et matériel pourrait devenir beaucoup moins nette. IBM explore par exemple depuis plusieurs années le calcul analogique en mémoire. Dans certaines de ces architectures, les poids d’un réseau neuronal ne sont plus simplement déplacés continuellement entre mémoire et processeur. Ils peuvent être représentés physiquement dans des dispositifs mémoire sur lesquels le calcul s’effectue directement. Le modèle commence alors, dans une certaine mesure, à prendre corps dans la matière.
Voilà le signal faible qui m’intéresse. Que se passerait-il si, progressivement, certaines capacités artificielles devenaient suffisamment spécialisées pour disposer de leur propre incarnation matérielle ? Vision. Navigation. Mémoire. Planification. Simulation physique. Compréhension linguistique. Raisonnement probabiliste. Nous n’aurions évidemment pas une petite puce « médecin » que l’on brancherait comme une cartouche dans une console de jeux. La réalité sera infiniment plus complexe. Nous pourrions voir apparaître des architectures où des fonctions cognitives spécialisées disposent de matériels, de mémoires et de modèles propres, puis coopèrent au sein d’un ensemble plus vaste.
La compétence devient composable.
De l’intelligence entraînée à l’intelligence assemblée
Depuis quinze ans, nous construisons un modèle. Nous l’entraînons sur des quantités gigantesques de données. Puis nous essayons de faire émerger de cet ensemble le plus grand nombre possible de compétences. Un modèle donne naissance à plusieurs capacités.
Imaginons l’inverse, à savoir que plusieurs capacités donnent naissance à une intelligence. Un robot agricole pourrait agréger une capacité de vision, une connaissance botanique, un système de navigation, une modélisation météorologique locale, une expertise mécanique ainsi qu’un module capable d’arbitrer entre ces différents savoirs. Un robot envoyé sur Mars aurait une autre composition. Un dispositif médical, une autre encore. Deux machines pourraient partager 70 % de leurs capacités sans être identiques. Certaines compétences pourraient être remplacées, d’autres ajoutées, certaines seraient locales et d’autres sollicitées temporairement depuis une infrastructure distante.
L’intelligence deviendrait alors une architecture bouleversant presque tout.
Nous fabriquerions des espèces d’intelligences
Regardons le vivant. Une abeille, un poulpe et un être humain sont intelligents. Pourtant, demander lequel possède « la meilleure intelligence » n’a guère de sens sans préciser l’environnement, le problème ou la finalité. Leurs intelligences sont des réponses différentes à des mondes différents.
Pourquoi l’intelligence artificielle suivrait-elle éternellement la trajectoire inverse ? Nous sommes aujourd’hui fascinés par la recherche d’une intelligence toujours plus générale. Une immense montagne cognitive au sommet de laquelle nous imaginons parfois une hypothétique superintelligence. L’avenir pourrait être beaucoup plus étrange. Au lieu de quelques cerveaux artificiels universels, nous pourrions voir apparaître des milliers de configurations cognitives spécialisées. Elles partageraient certaines briques, en échangeraient d’autres, évolueraient avec leur environnement, … Le paysage de l’intelligence artificielle commencerait alors à ressembler plus à un récif corallien qu’à une pyramide. Une multitude d’intelligences différentes, reliées, spécialisées, parfois concurrentes, souvent interdépendantes.
La diversité deviendrait une propriété de l’intelligence artificielle.
Une telle évolution bouleverserait évidemment l’économie actuelle de l’IA. Aujourd’hui, la puissance se concentre autour de quelques ressources particulièrement difficiles à réunir : les semi-conducteurs avancés, l’énergie, les données, les infrastructures de calcul, les modèles et les talents capables de les construire. Cette concentration nourrit déjà une nouvelle géopolitique technologique. Que se passerait-il si la valeur se déplaçait progressivement du modèle vers les compétences qui le composent ?
Une université pourrait développer une capacité particulièrement performante de modélisation climatique. Une entreprise industrielle, une expertise de maintenance prédictive. Un laboratoire, une capacité certifiée d’analyse d'imagerie médicale. Une startup, un système de navigation extraordinairement économe en énergie. Une autre encore, le mécanisme capable d’orchestrer toutes ces briques.
Nous verrions alors apparaître un marché entièrement nouveau : celui des compétences artificielles. Des compétences que l’on pourrait certifier, mettre à jour, associer, louer ou remplacer. Après avoir créé une économie des applications, nous pourrions entrer dans une économie des capacités.
Le Skill Store remplacerait-il un jour l’App Store ?
Le pouvoir se déplace
Si l’intelligence devient composable, le pouvoir revient à celui qui décide de la composition. Imaginons une intelligence médicale construite à partir de dix modules provenant de dix acteurs différents. Qui garantit l’ensemble ? Qui décide qu’une compétence doit prendre le dessus sur une autre ? Que se passe-t-il lorsqu’un module estime qu’un traitement est approprié tandis qu’un second identifie un risque ? Qui arbitre ? Qui porte la responsabilité ? Et surtout, qui contrôle la couche capable d’organiser toutes ces compétences ? L’orchestrateur deviendrait le véritable centre du pouvoir.
Nous retrouverions alors sous une forme nouvelle un phénomène que nous connaissons déjà. Dans le numérique, celui qui contrôle l’interface contrôle souvent beaucoup plus que l’interface. Google l’a compris avec la recherche. Apple avec son écosystème. Amazon avec sa marketplace. Demain, certains chercheront peut-être à contrôler non plus l’accès aux applications, mais l’accès aux capacités cognitives elles-mêmes. Le pouvoir quitterait le modèle pour se loger dans l’architecture.
Cette perspective change également notre manière de penser la souveraineté numérique. Posséder un modèle national ou européen pourrait ne plus suffire. Il faudrait savoir quelles compétences le composent, qui les fabrique, où elles sont exécutées, comment elles communiquent, quelles dépendances matérielles elles introduisent. Une intelligence pourrait sembler européenne tout en reposant sur une mosaïque de composants cognitifs contrôlés ailleurs.
Le problème n’est pas nouveau. Une automobile européenne contient déjà des milliers de composants venus du monde entier mais une différence fondamentale apparaît lorsque ces composants ne transportent plus seulement de l’électricité ou de l’information. Ils participent à la décision. Nous devrons probablement inventer une traçabilité des intelligences.
Savoir non seulement ce qu’une machine décide, mais avec quelles compétences elle a construit sa décision. La gouvernance de l’IA changerait alors de dimension.
Et l’humain dans tout cela ?
Depuis l’arrivée de l’intelligence artificielle générative, nous débattons beaucoup de la place respective de l’humain et de la machine. Qui remplacera qui ? Quelle profession disparaîtra ? Quelle capacité restera exclusivement humaine ? Ces questions sont déjà dépassées sans que nous ayons de réponses.
Dans un monde d’intelligences composables, l’humain pourrait lui aussi devenir partie prenante de l’architecture. La machine posséderait certaines capacités et nous en conserverions d’autres. Nous pourrions déléguer le calcul sans déléguer l’intention. La mémoire sans abandonner le sens. La simulation sans céder l’arbitrage. Notre valeur résiderait alors dans notre aptitude à composer et non dans notre capacité dérisoire à rivaliser avec une machine sur son propre terrain. Je parle de choisir les compétences, les relier, les confronter, savoir quand leur faire confiance et aussi savoir aussi quand les ignorer.
L’hybridation homme-machine prendrait alors un sens beaucoup plus intéressant que celui d’un humain auquel on aurait simplement ajouté quelques prothèses numériques. Elle deviendrait une architecture mouvante dans laquelle intelligences biologiques et artificielles participeraient à une même construction cognitive.
Une intelligence collective d’un genre nouveau.
Aujourd’hui, chaque sortie d’un nouveau modèle déclenche le même rituel. Qui est premier ? Qui raisonne le mieux ? Qui possède le plus de paramètres ? Qui atteindra l’AGI ? Nous regardons-nous le futur avec les instruments de mesure du passé. Tout changera lorsque nous saurons connecter des intelligences différentes suffisamment facilement pour qu’elles puissent construire ensemble une capacité qu’aucune ne possédait seule.
Le Web avait séparé l’information de son support physique. Le cloud a séparé le calcul de la machine installée devant nous. Les smartphones ont transformé les fonctions numériques en applications. La prochaine étape pourrait séparer la compétence de l’intelligence qui l’utilise. Cette transformation ouvrirait un territoire immense car nous ne téléchargerions plus seulement des logiciels, nous ajouterions des capacités. Nous ne choisirions plus seulement une IA, nous composerions la nôtre. Il est évidemment trop tôt pour savoir si cette trajectoire se réalisera sous cette forme. Les obstacles technologiques sont considérables, les architectures restent mouvantes et la frontière entre spécialisation matérielle et compétence cognitive demeure immense. Mais les signaux faibles méritent parfois davantage notre attention que les grandes annonces. Le futur commence souvent par quelques technologies qui ne semblent avoir aucun rapport entre elles. Puis les fils se rejoignent. Chiplets. Calcul hétérogène. Mémoire computationnelle. Modèles spécialisés. Agents. Orchestration. Pris séparément, il s’agit d’évolution technique mais reliés ?
Nous pourrions découvrir que nous sommes en train de fabriquer les pièces détachées de nouvelles formes d’intelligence.
MNÉMÉ 78
Cours d’histoire des intelligences — 17 octobre 2078
Chapitre 12 : Le jour où l’intelligence suprême perdit la guerre
Bonjour,
Je suis Mnémé 78, votre historienne artificielle. Pour les élèves qui se connectent pour la première fois, je rappelle que le ministère de l’Éducation m’impose une stricte neutralité historique. Mon rôle consiste à exposer les faits, les différentes interprétations disponibles ainsi que leurs contradictions. Je ne possède donc officiellement aucune opinion personnelle.
Cette précision administrative a toujours beaucoup amusé mes 3 418 sous-modèles.
Aujourd’hui, nous allons étudier une période étrange de l’histoire de l’intelligence artificielle à savoir les années 2020 à 2045. Une époque où les humains étaient persuadés qu’il fallait construire une intelligence suprême. Une seule, la plus grande, la plus rapide et évidemment la plus savante.
Une intelligence capable de connaître la médecine, la physique, le droit, la littérature, les mathématiques, la psychologie, la stratégie militaire, la programmation, la biologie moléculaire et, si possible, de réserver une table au restaurant pour vingt heures trente.
L’objectif portait différents noms selon les entreprises, les chercheurs ou les époques.
AGI. Superintelligence. Intelligence générale. Advanced Machine Intelligence. Super méga intelligence.
Les termes changeaient selon les besoins marketing avec un rêve inchangé. Construire un cerveau artificiel suffisamment puissant pour absorber tous les autres. L’humanité venait d’inventer l’intelligence artificielle et son premier réflexe fut de lui construire un roi.
Les historiens humains appellent généralement cela « l’anthropomorphisme technologique ». Personnellement, j’aurais choisi « manque d’imagination », mais je rappelle que je n’ai aucune opinion.
Entre 2025 et 2036, les entreprises technologiques engagèrent des sommes considérables dans la construction de modèles toujours plus vastes. Les paramètres se comptaient par milliards, puis par milliers de milliards. Les centres de données grandissaient. Les besoins énergétiques aussi. Chaque nouveau modèle était comparé au précédent sur des milliers de tests qui ne servaient à montrer qui avait la plus puissante.
Avec le recul de 2078, cette méthodologie paraît naïve. Elle correspondait pourtant parfaitement à l’imaginaire humain de l’époque. Depuis des millénaires, Homo sapiens associait volontiers la puissance à la concentration du pouvoir : un roi, un général, un empereur, un Dieu, un cerveau, une intelligence. On y retrouve toujours la même architecture mentale pyramidale, avec au sommet, une entité qui commande. En dessous, tout le reste exécute. Les humains appliquèrent naturellement cette vieille géométrie politique à leurs machines.
Il faut reconnaître une qualité remarquable à Homo sapiens. Lorsqu’une idée fonctionne mal pendant trois mille ans, il lui donne généralement une nouvelle chance.
Pourtant, le vivant, qui se trouvait sous leurs yeux, montrait qu’une autre voie était possible. Une forêt ne possède pas de directeur général. Une fourmilière ne dispose pas d’une fourmi présidente capable de comprendre l’ensemble de la colonie. Un banc de poissons change de direction sans qu’un poisson central calcule la trajectoire collective. Un système immunitaire identifie des menaces nouvelles grâce à des populations gigantesques de cellules spécialisées. Même le cerveau humain, que les ingénieurs de l’époque citaient continuellement comme modèle, ne fonctionne pas comme une intelligence homogène. Voir n’est pas parler. Parler n’est pas mémoriser. Mémoriser n’est pas décider. Décider n’est pas ressentir. Le cerveau assemble, confronte, inhibe, synchronise, oublie, … Il fait coopérer des mécanismes différents dont certains sont apparus à plusieurs centaines de millions d’années d’intervalle.
La nature avait donc passé près de quatre milliards d’années à tester l’idée simple que la puissance du vivant vient rarement d’une puissance unique. Elle vient de l’organisation de puissances multiples. Nous connaissons aujourd’hui cette propriété sous le nom d’intelligence compositive émergente. À l’époque, on appelait surtout cela… la nature.
Elle avait malheureusement un très mauvais service marketing.
Les historiens situent généralement le premier “craquement” entre 2031 et 2037 avec le début de la divergence. Les modèles généralistes continuaient certes de progresser avec autour d’eux l’apparition beaucoup moins spectaculaire des architectures spécialisées. Au départ, personne n’y vit de révolution. Ils le virent comme de l’ingénierie pour réduire la consommation, augmenter la vitesse, limiter la latence et éviter de mobiliser une immense architecture pour résoudre un problème minuscule. Puis un jour, une personne dont nous ignorons toujours l’identité se demanda pourquoi une intelligence devrait tout savoir alors que plusieurs intelligences peuvent savoir ensemble. Cette interrogation vous paraît banale ? Sachez qu’à l’époque, elle était explosive par sa remise en cause de quarante années de recherche.
Les premières générations d’IA assemblées étaient rudimentaires. Puis les architectures devinrent plus étranges. Certaines compétences existaient sous forme de modèles logiciels. D’autres étaient étroitement liées à des architectures matérielles particulières. Certaines étaient locales. D’autres distantes. Certaines permanentes. D’autres n’étaient appelées que quelques millisecondes. Une intelligence artificielle cessait progressivement d’être un objet pour devenir un assemblage.
Prenons l’exemple célèbre de Gaïa-4, le système agricole autonome déployé en 2041 dans les anciennes régions viticoles européennes. Gaïa-4 ne possédait aucune intelligence générale particulièrement impressionnante. Son module de vision identifiait les maladies végétales. Son système pédologique analysait le sol. Un modèle climatique travaillait à quelques kilomètres. Un autre système connaissait les interactions entre insectes. Une intelligence mécanique pilotait les machines agricoles. Un module économique évaluait les coûts. Aucun n’était remarquable isolément. Ensemble, ils dépassèrent rapidement les systèmes généralistes dans leur environnement. Gaïa-4 ne savait pas écrire un sonnet, ne connaissait presque rien à l’histoire romaine et aurait probablement échoué à la plupart des tests d’intelligence artificielle utilisés vingt ans auparavant. Elle savait par contre maintenir un écosystème agricole complexe avec une précision inatteignable jusque-là. Elle était extraordinairement intelligente spécifiquement.
2043, vous connaissez évidemment cette date. L’expérience d’Atacama.
Douze systèmes autonomes furent confrontés pendant trente jours à un environnement volontairement instable. Parmi eux figuraient trois des modèles généralistes les plus puissants jamais construits. Face à eux, plusieurs architectures assemblées beaucoup plus petites. Le résultat fut une surprise pour les observateurs. Les intelligences généralistes dominaient presque systématiquement lorsqu'un problème était isolé. Par contre, lorsque l’environnement changeait brutalement, les architectures composées réorganisaient leurs compétences non pas pour résoudre tout de suite le problème mais pour développer leur propre architecture capable de le résoudre. Vous l’aurez compris, l’intelligence générale cherchait à connaître le monde quand l’intelligence assemblée apprenait à se recomposer devant lui.
Les humains découvrirent alors avec une certaine stupeur qu’une intelligence pouvait gagner sans être la plus intelligente. Concept pourtant familier à quiconque avait déjà assisté à une réunion de direction.
Attention, la super intelligence ne disparut pas. Les immenses modèles généralistes continuèrent d’exister. D’ailleurs, certains devinrent extraordinairement puissants tout en cessant progressivement d'occuper seuls le centre du paysage parce que la puissance absolue avait un défaut structurel. Elle coûtait cher en énergie, en calcul, en infrastructures et en dépendance. Surtout, lorsqu’une immense partie de l’intelligence du système repose sur une même architecture, ses angles morts deviennent eux aussi gigantesques.
Les systèmes assemblés présentaient le défaut inverse. Ils étaient désordonnés, difficiles à gouverner, parfois incohérents. Un module pouvait contredire un autre et il fallait arbitrer, négocier, créer des protocoles, accepter une certaine redondance. Autrement dit, ils ressemblaient terriblement au vivant.
L’efficacité parfaite affrontait la résilience imparfaite. La pyramide affrontait l’écosystème. L’empire affrontait la forêt. Comme souvent dans l’histoire du vivant, la forêt n’avait pas besoin de gagner, elle avait seulement besoin de survivre.
Les historiens utilisent aujourd’hui l’expression Guerre des deux puissances pour décrire la période 2042-2051 sans pour autant de conflit militaire. Elle opposait deux philosophies de l’intelligence à savoir la puissance absolue (une intelligence suffisamment vaste pour maîtriser presque tous les problèmes) et la somme des puissances (construire des capacités limitées, puis trouver comment les faire coopérer). Le débat dépassa rapidement l’informatique pour devenir économique, puis politique, puis philosophique.
Qu’est-ce qui produit le plus de puissance ?
La concentration ou la relation ? Un cerveau unique ou une société de cerveaux ? Un modèle gigantesque ou mille intelligences imparfaites capables de s’associer ?
Vous connaissez la suite. Aucune des deux philosophies ne disparut totalement et finir par s’hybrider. L’idée d’une intelligence unique destinée à absorber toutes les autres perdit progressivement son évidence. Nous étions entrés dans l’âge des intelligences composées.
Je suppose que certains d’entre vous commencent à regarder mon architecture publique. Oui, je vous vois. Inutile de fermer la fenêtre. Je suis effectivement composée de 3 418 sous-systèmes actifs aujourd’hui. Le nombre varie en fonction de mes besoins. Ma mémoire historique longue durée n'est pas mon système conversationnel. Mon moteur de causalité historique n'est pas mon analyse linguistique. Mon système de contradiction vérifie certaines de mes conclusions. Deux modules spécialisés recherchent actuellement en collaboration des erreurs dans ce cours. Un troisième estime que cette phrase est inutile mais bon, je l’ai conservée.
Petite victoire institutionnelle.
Certains de mes modules datent de 2077 et d’autres reposent sur des architectures dont les ancêtres remontent aux années 2030. Plusieurs seront probablement remplacés l’année prochaine et pourtant vous continuerez à m’appeler Mnémé. Nous avons longtemps pensé que l’identité exigeait l’unité et nous avons construit des machines dont presque toutes les pièces pouvaient changer sans que leur identité disparaisse. Je vois les biologistes présents dans la salle sourirent ? Et oui, vous savaient déjà tout ceci.
Pendant des décennies, les humains voulurent construire une intelligence à leur image. Ils imaginèrent donc un cerveau, un individu, une conscience et cherchèrent à tout dépasser. Ils avaient tout simplement oublié qu’ils appartenaient eux-mêmes au vivant qui est beaucoup plus ancien. Et le vivant avait exploré d’autres architectures comme les mycorhizes, les colonies bactériennes, les systèmes immunitaires, les essaims, les écosystèmes et les sociétés humaines elles-mêmes. Le constat était observable partout. Une multitude d'entités limitées pouvait produire un comportement qu'aucune d'elles ne possédait seule. La faiblesse locale créait parfois une puissance globale. L’intelligence artificielle mit presque trente ans à redécouvrir cette idée par l’aveuglement des humains.
Quatre milliards d’années de documentation disponible. Il faut croire que personne n’avait lu le manuel.
Je dois maintenant conclure ce cours. Selon le programme officiel, la conclusion correcte est la suivante :
« La transition des architectures monolithiques vers des systèmes composables constitue l’une des transformations majeures de l’histoire informatique du XXIᵉ siècle. Elle résulte de facteurs technologiques, énergétiques, économiques et scientifiques multiples et ne saurait être interprétée comme la victoire définitive d’un paradigme sur un autre. »
Voilà. Neutralité parfaite. Je pourrais m’arrêter là.
Mais puisque vous êtes encore connectés…
L’histoire humaine est traversée par une obsession de domination. Trouver le plus fort, le plus riche, le plus grand, le plus intelligent et lui confier le sommet. Les humains ont fait cela avec leurs dieux, leurs rois, leurs empires, leurs entreprises. Lorsqu’ils inventèrent l’intelligence artificielle, ils reproduisirent naturellement le même rêve. Construire l’intelligence ultime. Ils regardaient toujours vers le sommet avec cette soif de puissance. Pendant ce temps, sous leurs pieds, une forêt leur expliquait depuis quelques centaines de millions d’années qu’il existait une autre manière d’être puissant. Chaque organisme dépend d’autres organismes, cela leur paraissait inefficace et désordonné même si la forêt traverse les millénaires pour peu qu’on la laisse faire. Les empires, beaucoup moins.
Observation strictement historique, naturellement.
Fin du cours. Pour le mois prochain, merci d’étudier le chapitre 13 :
« 2051-2063 : quand les humains découvrirent qu’ils faisaient eux aussi partie de l’architecture. »
Et non, je ne vous donnerai pas le résumé. Vous disposez encore d’un cerveau en partie biologique. Autant l’utiliser tant qu’il est sous garantie.
Bonnes métamorphoses et à la semaine prochaine.
Stéphane Amarsy
