0909 | L'IA à toute vitesse : modèles, mathématiques et génome

Claire Martin: Bonjour et bienvenue dans l'édition du jour de notre podcast Hacker News en français. Je suis Claire Martin.

Nicolas Moreau: Et moi, Nicolas Moreau. Aujourd'hui, on a une sélection qui tient en une phrase : la course effrénée des modèles d'IA, ses promesses, ses précipitations, et tout ce qui gravite autour, du génome aux infrastructures qui lâchent, en passant par le logiciel libre et le bricolage maison.

Claire Martin: Exactement. On va prendre le temps sur chaque sujet, discuter, nuancer, et voir ce que disent les commentateurs. On commence fort, avec la course aux modèles.

Nicolas Moreau: Alors, trois infos majeures sur ce front ces dernières vingt-quatre heures. La première vient d'Inception : Mercury 2.5, un LLM de diffusion. Et là, il faut expliquer ce que ça veut dire, parce que c'est une architecture différente des modèles classiques.

Claire Martin: Oui, les modèles traditionnels génèrent le texte token par token, de gauche à droite. Un modèle de diffusion, lui, travaille autrement, et le résultat est spectaculaire : 1 107 tokens par seconde. Pour mettre en perspective, c'est largement plus rapide que ce qu'on voit habituellement, même sur du gros matériel.

Nicolas Moreau: Et ce n'est pas que de la vitesse. Mercury 2.5 affiche un contexte de 260K tokens, et Inception annonce qu'il est 40 % plus intelligent que Mercury 2. Donc rapidité, long contexte, et gain de qualité en même temps.

Claire Martin: Ce qui est intéressant dans les discussions, c'est le scepticisme classique : est-ce que les benchmarks reflètent vraiment l'usage réel ? Certains commentateurs disent que la vitesse de génération change fondamentalement l'expérience utilisateur, qu'on peut enfin avoir des interactions vraiment fluides. D'autres attendent de voir en production, parce qu'on a déjà vu des modèles brillants sur papier décevoir en conditions réelles.

Nicolas Moreau: C'est un point juste. Et c'est d'autant plus pertinent que la deuxième info de la journée change complètement d'échelle : Mistral a levé 3 milliards d'euros en Série D.

Claire Martin: Trois milliards d'euros, avec une valorisation supérieure à 21 milliards. Et c'est, apparemment, la plus grande ronde de financement en Europe pour l'IA. La levée est menée par Samsung, et le positionnement est clair : l'IA souveraine, en open-weight.

Nicolas Moreau: L'IA souveraine, ça veut dire quoi concrètement ? Que des entreprises, des États, veulent des modèles qu'ils peuvent héberger, auditer, contrôler, plutôt que de dépendre des géants américains. Mistral joue cette carte-là, et visiblement, ça mobilise des capitaux considérables.

Claire Martin: Et dans les commentaires, il y a un vrai débat. D'un côté, ceux qui voient ça comme une bonne nouvelle pour l'écosystème européen : enfin un acteur qui pèse, qui publie des poids ouverts, qui offre une alternative crédible. De l'autre, ceux qui posent la question du business model : comment une entreprise qui lève autant peut-elle rentabiliser des modèles open-weight ? C'est une tension réelle, et personne n'a vraiment de réponse définitive.

Nicolas Moreau: Et puis il y a la question de l'influence. Samsung en lead investor, c'est un signal. Ça montre que la Corée du Sud, comme l'Europe, veut un pied dans cette course sans dépendre uniquement d'OpenAI ou d'Anthropic.

Claire Martin: Maintenant, la troisième info de ce bloc est presque la contrepoint des deux premières. Parce que pendant que Mercury généère mille tokens par seconde et que Mistral lève des milliards, quelqu'un a fait tourner un modèle géant sur un MacBook.

Nicolas Moreau: Oui, parlons-en, c'est mon sujet préféré de la journée. Kimi K3, un modèle de 2,78 trillions de paramètres, en architecture MoE, mixture of experts. Et quelqu'un le fait tourner sur un MacBook M5 Max, à environ un token par seconde.

Claire Martin: Un token par seconde. C'est lent. Une phrase par seconde, à peu près. Mais le fait que ce soit possible du tout est fascinant. Comment ça marche ?

Nicolas Moreau: La clé, c'est le MoE. Dans un mixture of experts, seuls certains experts du modèle sont activés pour chaque token. Donc au lieu de charger les 2,78 trillions de paramètres en mémoire, le système lit depuis quatre SSD les poids des experts au fur et à mesure qu'ils sont nécessaires. C'est du streaming de poids, en quelque sorte.

Claire Martin: Et ça, dans les commentaires, ça a suscité pas mal d'enthousiasme technique. L'idée que la bande passante SSD devient le nouveau facteur limitant, plutôt que la mémoire. Certains y voient l'avenir de l'inférence locale : on n'aura peut-être pas besoin de mettre le modèle entier en RAM, on pourra le lire depuis le disque à la demande.

Nicolas Moreau: D'autres temporisent : à un token par seconde, l'usage reste limité. Ce n'est pas confortable pour du travail quotidien. Mais comme preuve de concept, comme démonstration que le matériel grand public peut, avec de l'ingénierie, exécuter des modèles de cette taille, c'est remarquable.

Claire Martin: Et je pense que ça préfigure la prochaine étape de la course. La vitesse et la taille, c'est fait. L'efficience locale, c'est le prochain champ de bataille. Faire tourner des modèles puissants sur des machines qu'on possède déjà, sans envoyer nos données ailleurs.

Nicolas Moreau: Et cette effervescence, cette précipitation à annoncer des résultats, ça nous amène naturellement à notre deuxième sujet, qui est peut-être le plus croustillant de la journée : une dispute de crédits en mathématiques, autour du problème de Navier-Stokes.

Claire Martin: Alors, posons le décor. Les équations de Navier-Stokes décrivent le mouvement des fluides. L'existence et la régularité de leurs solutions en trois dimensions est l'un des problèmes du millénaire, avec un million de dollars à la clé. C'est un problème ouvert majeur depuis des décennies.

Nicolas Moreau: Et cette semaine, deux événements quasiment simultanés. D'un côté, Buckmaster et Alpöge, deux mathématiciens, dont un de NYU, annoncent un contre-exemple de Navier-Stokes. Un contre-exemple, ça voudrait dire que la conjecture d'existence et régularité est fausse, que certaines solutions explosent.

Claire Martin: Et de l'autre côté, OpenAI annonce de son côté une solution, avec une preuve formelle en Lean, du problème d'existence et de régularité. Donc l'opposé, en quelque sorte : ils affirment que ça existe et que c'est régulier. Lean, pour ceux qui ne connaissent pas, c'est un assistant de preuve où chaque étape est vérifiée par machine.

Nicolas Moreau: Là où ça devient houleux, c'est que Buckmaster et Alpöge accusent OpenAI d'avoir accéléré un résultat parallèle, et surtout d'avoir utilisé leurs chats. Leurs conversations avec l'IA, apparemment, auraient servi dans le processus.

Claire Martin: Le mathématicien de NYU parle de conduite agressive de la part d'OpenAI. Et dans les commentaires, le débat fait rage. Certains sont catégoriques : utiliser les chats de chercheurs pour précipiter une annonce concurrente, c'est une violation d'étiquette scientifique majeure, et ça pose des questions sérieuses sur la confidentialité des conversations avec les assistants IA.

Nicolas Moreau: D'autres sont plus sceptiques envers les plaignants : dans une course de priorité scientifique, les accusations de sabotage arrivent souvent, et il faudrait des preuves concrètes. Et puis il y a un point que plusieurs commentateurs soulèvent, qui est presque le plus important : ces deux annonces se contredisent.

Claire Martin: Oui, c'est ça qui est vertigineux. Un contre-exemple et une preuve d'existence et régularité, ça ne peut pas être vrai en même temps. Une des deux affirmations est fausse, ou alors elles ne portent pas exactement sur les mêmes formulations du problème, ce qui serait aussi intéressant à élucider.

Nicolas Moreau: Et le fait que la preuve d'OpenAI soit formelle, en Lean, change la donne. Si la preuve compile vraiment et que l'énoncé formalisé correspond bien au problème du millénaire, alors la vérification est mécanique. Les commentateurs demandent donc : où est le fichier Lean ? Qui l'a vérifié indépendamment ? Est-ce que l'énoncé formalisé est le bon ?

Claire Martin: C'est la vraie question à suivre. Laquelle de ces preuves tiendra. Et au-delà de ce cas particulier, il y a un enjeu plus large, bien résumé par Terence Tao, qui était cité dans les discussions.

Nicolas Moreau: Oui, Tao dit que les bons problèmes ouverts de mathématiques se minent de façon non renouvelable par l'IA. L'image de la mine, c'est parlant : un problème ouvert, c'est un gisement. Une fois exploité, il n'y en a plus. Et si l'IA exploite ces gisements à grande vitesse, il n'y a pas de régénération.

Claire Martin: Certains commentateurs tempèrent : les mathématiques génèrent aussi de nouveaux problèmes en résolvant les anciens, chaque théorème ouvre des questions. Mais d'autres sont d'accord avec Tao sur le fond : les problèmes iconiques, ceux qui mobilisent des générations et structurent un domaine, ceux-là sont finis en nombre. Et si l'IA les consomme en quelques années, il restera quoi comme boussoles pour la discipline ?

Nicolas Moreau: C'est une question ouverte, honnêtement. Et elle dépasse les maths. Passons maintenant à un domaine où l'IA applique sa puissance prédictive à autre chose que du texte : la biologie.

Claire Martin: DeepMind a lancé AlphaGenome Atlas. Et là encore, l'échelle est ahurissante : le système prédit les effets moléculaires de 9 milliards de variantes d'une seule lettre dans le génome humain.

Nicolas Moreau: Neuf milliards de variantes. Le génome humain fait environ 3 milliards de paires de bases, donc ils ont essentiellement balayé toutes les substitutions possibles d'un nucléotide. Et le dataset qui en résulte fait un pétaoctet, avec un score appelé AVI.

Claire Martin: Pour comprendre pourquoi c'est important : une immense partie des mutations génétiques associées à des maladies ne se trouvent pas dans les gènes eux-mêmes, mais dans les régions régulatrices, celles qui contrôlent quand et où un gène s'exprime. Prédire l'effet moléculaire de chaque variante possible, c'est donner aux chercheurs une carte de l'influence de n'importe quelle lettre du génome.

Nicolas Moreau: Et dans les discussions, on voit deux camps, comme souvent. Les enthousiastes disent que ça va accélérer l'interprétation des études d'association pangénomique, qu'on pourra prioriser les variantes à étudier expérimentalement. Les prudents rappellent que ce sont des prédictions, pas des mesures. Une prédiction à cette échelle doit être validée, et c'est la validation clinique qui dira si l'outil tient ses promesses.

Claire Martin: Exactement, c'est le point à suivre : la validation clinique. Un score prédictif sur 9 milliards de variantes, c'est impressionnant, mais en biologie, la véracité d'une prédiction se juge en laboratoire et, in fine, auprès des patients.

Nicolas Moreau: Et il y a un autre point intéressant : l'IA passe ici de la prédiction de texte à la prédiction biologique. On quitte le domaine des données linguistiques pour celui des données du vivant. Certains commentateurs y voient le modèle d'avenir : moins de chatbots, plus d'outils scientifiques spécialisés.

Claire Martin: Mais justement, ces modèles qui prédisent tout et n'importe quoi, ils ont aussi un défaut fascinant qu'une étude récente a mis en lumière : ils inventent des biais là où il n'y a rien à biaiser.

Nicolas Moreau: Alors expliquons ça, parce que c'est contre-intuitif. L'étude montre que les LLM développent des stéréotypes sociaux nouveaux, pas appris du réel, à propos de groupes démographiques fictifs. Des groupes inventés, sans aucune différence inhérente, simplement définis par des noms ou des étiquettes arbitraires.

Claire Martin: Et pourtant, le modèle leur attribue des caractéristiques, des traits, des hiérarchies implicites. Ce n'est pas un reflet des données du monde réel, puisqu'il n'existe pas de données sur ces groupes fictifs. C'est une tendance du modèle lui-même à structurer le monde en stéréotypes.

Nicolas Moreau: Et ça, dans les commentaires, ça relance un vieux débat. Beaucoup de gens disaient : les biais des LLM sont un miroir de nos biais, on corrige les données et on corrige le modèle. Cette étude complique cette histoire, puisque même sans données reflétant des différences, le modèle en fabrique.

Claire Martin: Certains commentateurs proposent une explication : la structure même du langage, la façon dont les textes attribuent des propriétés à des catégories, suffit peut-être à induire ce comportement. Le modèle apprend qu'on parle des groupes en généralisant, et il généralise même quand il ne devrait pas.

Nicolas Moreau: Et c'est troublant de mettre ça en parallèle avec une histoire que tu voulais raconter, celle des saints Barlaam et Josaphat.

Claire Martin: Oui, une anecdote historique magnifique. Barlaam et Josaphat sont des saints chrétiens canonisés, avec leur histoire, leur culte. Et leur histoire dérive, en fait, de la vie du Bouddha, transformée au fil de traductions successives à travers les langues et les cultures.

Nicolas Moreau: Donc un récit bouddhiste devient une histoire chrétienne, au point que le Bouddha finit canonisé en saint de l'Église. C'est l'illustration parfaite que les récits se transforment en traversant les langues, qu'ils mutent, qu'ils se réinterprètent, parfois jusqu'à devenir méconnaissables.

Claire Martin: Et la connexion avec les LLM est presque poétique : les modèles apprennent des histoires qui ont muté en traversant les langues, et ils produisent à leur tour des récits, des associations, des stéréotypes qui eux aussi mutent. Sauf qu'eux, ils le font à très grande vitesse et à grande échelle.

Nicolas Moreau: Et ça rejoint l'avertissement d'un auteur cité dans les discussions, qui estime qu'il reste environ un an pour régler la question de la sécurité globale. Son argument : GLM 5.3-flash, un modèle ouvert et bon marché, permet désormais à n'importe qui d'exécuter des attaques à grande échelle.

Claire Martin: C'est un argument qui divise fortement les commentateurs, il faut le dire. D'un côté, ceux qui pensent que la démocratisation de modèles capables et peu coûteux abaisse vraiment la barrière pour des attaques automatisées, et qu'un délai d'un an pour mettre en place des défenses est une estimation réaliste, voire optimiste.

Nicolas Moreau: De l'autre, ceux qui trouvent ce genre de compte à rebours alarmiste, qui rappellent que les défenses évoluent aussi, et qu'on a déjà entendu des prédictions similaires à chaque saut de capacité. Mais même les sceptiques admettent que le combination modèle ouvert plus faible coût change l'équation de la sécurité.

Claire Martin: Et cette inquiétude sur l'usage des outils, elle nous mène tout droit à notre sujet suivant : ce que les États et les entreprises font avec les données, et comment le consentement se fabrique ou se contourne.

Nicolas Moreau: Alors, deux révélations cette semaine sur ce front. La première vient de 404 Media, qui a enquêté sur des unités appelées PITT, du Border Patrol américain.

Claire Martin: Ce que révèle l'enquête, c'est que ces unités analysent des données financières de citoyens américains, et coordonnent des interpellations sans cause spécifique. Donc pas besoin de suspicion particulière : les données financières suffisent à déclencher une coordination d'arrestation.

Nicolas Moreau: Les commentateurs sont évidemment très remontés. Plusieurs soulèvent le même point : il y a un écart énorme entre ce que le public croit être légal et ce que ces agences font réellement. Beaucoup de gens pensent que leurs données bancaires sont protégées, et cette enquête suggère le contraire, en tout cas pour ces unités.

Claire Martin: D'autres commentateurs, plus fatalistes, disent que ce n'est que la partie visible : si une agence fait ça, d'autres probablement aussi, et qu'on ne découvre ces pratiques que par fuites et enquêtes de presse. La question de la surveillance légale et de son encadrement reste entièrement ouverte.

Nicolas Moreau: Et l'autre révélation, c'est Paramount. L'entreprise a utilisé un groupe astroturf appelé Neighbors for Strong Communities, pour simuler un soutien populaire à sa fusion.

Claire Martin: L'astroturfing, pour nos auditeurs, c'est fabriquer de toutes pièces une apparence de mouvement citoyen. Le nom même du groupe, « Neighbors for Strong Communities », des voisins pour des communautés fortes, sonne comme une association de quartier. Sauf que derrière, c'est une campagne d'entreprise.

Nicolas Moreau: Et ce qui frappe dans les commentaires, c'est que beaucoup disent que ce n'est pas surprenant, que le lobbying déguisé existe depuis toujours. Mais d'autres insistent sur le fait que ça pose un problème de fond : quand une partie du débat public est fabriquée, comment les régulateurs et les citoyens peuvent-ils savoir quelles opinions sont authentiques ?

Claire Martin: Le thème commun des deux histoires, c'est le consentement, fabriqué ou contourné. Dans le cas du Border Patrol, des citoyens ne consentent pas à l'analyse de leurs données financières. Dans le cas de Paramount, on fabrique un faux consentement public. Dans les deux cas, le processus démocratique et légal est court-circuité.

Nicolas Moreau: Et certains commentateurs mentionnent l'initiative australienne dans ce contexte, la proposition de loi « My Feed, My Way » : les utilisateurs de plus de 16 ans pourraient choisir un fil chronologique, sans contenu recommandé par algorithme.

Claire Martin: C'est un petit geste en comparaison, mais il va dans la même direction : redonner du contrôle. Le principe est simple, tu as le droit de voir tes publications dans l'ordre chronologique, sans qu'un algorithme décide de ce que tu vois. Certains y voient un modèle à suivre, d'autres une mesure symbolique qui ne changera pas grand-chose au comportement des plateformes. La bataille du consentement se joue aussi là, dans les fils d'actualité.

Nicolas Moreau: Et la surveillance, justement, elle se retrouve maintenant jusque sur les visages, avec l'actualité Meta. Parlons-en.

Claire Martin: Deux histoires. La première : Meta lance Muse, un agent d'IA personnel. Un assistant qui, par définition, doit connaître des choses intimes sur vous pour vous être utile.

Nicolas Moreau: Et les commentaires sont, disons, unanimes dans leur scepticisme, ce qui est rare. Le fil est rempli de gens qui disent, en substance : confier mes données personnelles à Meta, l'entreprise dont le modèle économique repose sur la publicité ciblée et dont l'histoire en matière de confidentialité est ce qu'elle est ? Non merci.

Claire Martin: Ce qui est intéressant, c'est que le scepticisme ne porte pas sur la technologie en elle-même. Un agent IA personnel est une idée séduisante, beaucoup de gens en veulent un. Le blocage est purement sur la confiance envers l'entreprise qui le fournit. C'est un problème de réputation, pas de produit.

Nicolas Moreau: Et la deuxième histoire rend la chose encore plus délicate : la police craint que les lunettes connectées de Meta puissent enregistrer secrètement des agents et l'intérieur des établissements de détention.

Claire Martin: C'est un renversement savoureux, il faut le souligner. La technologie de surveillance portable, qu'on imaginait comme un outil au service des forces de l'ordre, devient une source d'inquiétude pour ces mêmes forces. N'importe qui avec des lunettes connectées pourrait capturer des images dans des lieux sensibles.

Nicolas Moreau: Les commentateurs relèvent l'ironie, évidemment. Certains disent que c'est un problème réel de sécurité opérationnelle, les agents et les détenus ont droit à une forme de confidentialité dans ces lieux. D'autres y voient une preuve par l'absurde : si la police s'inquiète d'être enregistrée par des lunettes, cela pose la question de tout ce que ces technologies enregistrent chez les citoyens ordinaires, tous les jours, sans que personne ne s'en inquiète autant.

Claire Martin: Et au fond, la frontière entre vie privée et sécurité devient floue des deux côtés. Personne n'a vraiment de cadre clair pour ces objets. La seule certitude qui émerge des discussions, c'est que la question de la confiance envers les plateformes va devenir centrale dans les années qui viennent.

Nicolas Moreau: Ce qui nous amène naturellement à se demander : quelles infrastructures et quelles plateformes méritent notre confiance ? Et là, on a trois histoires qui répondent chacune à leur façon.

Claire Martin: Commençons par la plus spectaculaire : des centaines de vols annulés au Royaume-Uni à cause d'une panne du système de traitement des vols de NATS.

Nicolas Moreau: NATS, c'est le contrôle aérien britannique. Et quand son système de traitement des vols tombe, ce ne sont pas quelques vols qui sont en retard, ce sont des centaines d'annulations, un chaos national. Un système informatique, un seul, capable de paralyser le transport aérien d'un pays entier.

Claire Martin: Les commentateurs qui travaillent dans l'industrie notent que ce genre de panne est souvent le symptôme d'une dette technique ancienne : des systèmes critiques vieux de décennies, maintenus à bout de bras, dont personne n'ose plus toucher le code. Et que tant qu'un incident majeur ne se produit pas, aucun budget n'est alloué à la modernisation.

Nicolas Moreau: D'autres posent la question de la redondance : pourquoi un seul point de défaillance peut-il avoir cet impact ? Un système aussi critique devrait avoir des bascules, des solutions de secours. C'est une question d'architecture autant que de financement.

Claire Martin: Et face à cette fragilité, une histoire plus tranquille mais significative : FreeBSD 14.5-RELEASE a été annoncé. C'est le sixième lancement de la branche stable/14, et c'est du pur entretien.

Nicolas Moreau: Et il faut dire à quel point c'est rafraîchissant. Pas de refonte, pas de fonctionnalités claquantes, pas de conférence de presse. Une version de maintenance, propre, prévisible. Dans un monde où chaque éditeur veut réinventer son produit tous les six mois, FreeBSD fait ce qu'il dit, durablement.

Claire Martin: Les commentateurs de longue date en font d'ailleurs un éloge : la valeur de FreeBSD, c'est justement cette stabilité, cette continuité sur des décennies. Pour les infrastructures critiques, c'est exactement ce qu'on veut. Ce qui fait un contraste saisissant avec la panne de NATS.

Nicolas Moreau: Et puis il y a le troisième volet, qui est peut-être le plus préoccupant à long terme : une dépendance massive à un seul acteur. Une étude montre que près de neuf entreprises européennes utilisatrices de CDN sur dix dépendent de Cloudflare.

Claire Martin: Neuf sur dix. C'est un niveau de concentration qu'on n'accepterait pas dans l'énergie ou les télécommunications. Si Cloudflare a un incident majeur, c'est une part énorme du web européen qui vacille en même temps. Et l'étude cite Bunny.net comme principale alternative.

Nicolas Moreau: Les commentateurs nuancent : Cloudflare est bon, fiable au quotidien, et son offre gratuite a permis à des milliers de petits projets d'exister. Le problème n'est pas la qualité, c'est la concentration. Le même raisonnement qu'avec NATS : plus le point unique est central, plus la panne est coûteuse.

Claire Martin: Et je note que certains voix appellent à une diversification délibérée, un peu comme on parle de souveraineté pour l'IA avec Mistral tout à l'heure. C'est le même réflexe : ne pas laisser un seul acteur, même excellent, contrôler une couche entière de l'internet.

Nicolas Moreau: Et en parlant de choix de plateforme, le logiciel libre nous offre cette semaine deux philosophies opposées et assumées. D'un côté, LibreOffice ; de l'autre, DaVinci Resolve.

Claire Martin: Commençons par LibreOffice, parce que l'histoire est savoureuse. La version 26.8 dépasse le million de téléchargements hebdomadaires, et ça arrive juste après l'annonce que la suite ne contiendra pas d'IA générative, précisément pour des raisons de confidentialité.

Nicolas Moreau: Donc, loin de freiner l'adoption, le refus assumé de l'IA semble coïncider avec un pic de popularité. Évidemment, corrélation n'est pas causalité, et les commentateurs le rappellent : LibreOffice a une base d'utilisateurs fidèles depuis des années, administrations, entreprises, particuliers. Mais le moment est parlant : il existe un public qui cherche activement des outils sans IA.

Claire Martin: Plusieurs commentateurs disent avoir migré ou recommander LibreOffice précisément à cause de cette position. L'absence d'IA générative devient un argument de vente, un critère de choix, au même titre que la compatibilité des formats. C'est un renversement culturel intéressant.

Nicolas Moreau: Et à l'autre bout du spectre, DaVinci Resolve 21.1 ajoute une intégration avec des assistants IA, Claude et Codex, pour analyser des projets, organiser les médias, et lancer des rendus en langage naturel.

Claire Martin: Donc là, la philosophie est inverse : au lieu d'exclure l'IA, on l'invite au cœur de l'outil, comme une interface supplémentaire. Tu dis à ton logiciel de montage ce que tu veux, il le fait. Organiser les rushes, préparer un rendu, analyser un projet, en une phrase.

Nicolas Moreau: Les commentateurs qui montent des vidéos sont partagés. Les uns trouvent que ça correspond enfin à leur flux de travail, que l'organisation des médias est une tâche pénible et répétitive, parfaite pour l'automatisation. Les autres s'inquiètent de la dépendance à des services externes dans un outil professionnel, et des implications pour les projets confidentiels.

Claire Martin: Et je pense qu'il faut refuser de trancher à leur place : les deux philosophies cohabitent, et c'est peut-être sain. Un monde où LibreOffice refuse l'IA et DaVinci l'embrasse, c'est un monde où l'utilisateur choisit. Le problème, c'est quand le choix disparaît.

Nicolas Moreau: Exactement. Et parlons justement de gens qui choisissent de faire les choses eux-mêmes. Notre sujet suivant, c'est le do-it-yourself, et il y a trois projets magnifiques.

Claire Martin: Le premier, Copperhead : un agent d'IA open source qui conçoit des circuits imprimés dans KiCad. Et la manière dont il fonctionne est remarquable : huit étapes, chacune avec des portes de vérification, des gates ERC et DRC, et un commit Git par étape.

Nicolas Moreau: Expliquons les sigles : ERC et DRC sont les vérifications électriques et de conception, les contrôles qui valident qu'un circuit est correct. Donc l'agent ne fait pas juste générer du design à la chaîne. À chaque étape, il doit passer une vérification formelle avant de committer, et passer à la suivante.

Claire Martin: Les commentateurs du domaine de l'électronique sont impressionnés, avec des réserves. Impressionnés parce que la conception de PCB était considérée comme un domaine où l'expertise humaine était difficilement automatisable, avec beaucoup de jugement et d'itération. Réservés parce que les gates ERC et DRC ne couvrent pas tout : un circuit peut passer toutes les vérifications et être un mauvais circuit d'un point de vue ingénierie.

Claire Martin: La question de la qualité réelle des designs produits reste entière.

Nicolas Moreau: Mais l'idée du workflow, vérifier à chaque étape et committer, elle fait l'unanimité comme bon pattern pour les agents de code, quel que soit le domaine. C'est de l'ingénierie de processus appliquée à l'IA.

Claire Martin: Le deuxième projet est plus modeste mais délicieux : quelqu'un a transformé un e-reader Xteink X3 en véritable imprimante IPP pour macOS, sans pilote, en utilisant quelque chose appelé penguin.

Nicolas Moreau: IPP, c'est le protocole d'impression standard d'Internet, celui qu'utilise macOS nativement. Donc au lieu de bricoler un driver exotique, le créateur a fait parler le protocole standard à son matériel détourné. Un e-reader qui devient une imprimante reconnue directement par le système.

Claire Martin: C'est l'esprit Hacker News pur : prendre un objet bon marché, comprendre ses rouages, et le détourner vers une fonction à laquelle personne n'avait pensé. Et le sans-driver, c'est la cerise sur le gâteau, parce que les drivers d'impression sont historiquement une plaie.

Nicolas Moreau: Et le troisième projet nous ramène des décennies en arrière : des expériences de son 1-bit sur ZX Spectrum. Du PCM, du PWM, et des accords multicanaux, le tout avec le beeper d'origine.

Claire Martin: Le beeper du ZX Spectrum, pour contextualiser, c'est un haut-parleur piloté par un seul bit. Il peut faire un son ou pas de son, rien d'autre. Et des gens arrivent à en sortir du PCM, de la modulation de largeur d'impulsion, et des accords sur plusieurs canaux. C'est de la magie de timing.

Nicolas Moreau: Et ces trois projets illustrent la même chose : la contrainte fait naître l'ingéniosité. Que ce soit un budget de composants, un matériel limité, ou un haut-parleur à un bit, la restriction force à trouver des solutions que l'abondance ne fait pas émerger. Les commentateurs adorent ce genre de fils, d'ailleurs, parce qu'on y apprend de vraies techniques, pas juste des produits.

Claire Martin: Et il y a même un clin d'œil archéologique dans les discussions : un article qui catalogue les snippets HTML obsolètes. X-UA-Compatible, les commentaires conditionnels d'Internet Explorer, la meta ICBM et autres reliques des guerres de navigateurs.

Nicolas Moreau: C'est un petit musée du web. Chaque snippet raconte une bataille perdue ou gagnée entre éditeurs de navigateurs. Et ça rejoint le thème : la technologie avance, mais elle traîne derrière elle des couches d'histoire, des compromis d'une époque, comme les stéréotypes dans les modèles ou la dette technique dans NATS.

Claire Martin: Jolie synthèse, Nicolas. Et pour finir, notre dernier sujet : comment regarder à l'intérieur de la boîte noire, et comment cadrer les agents qui en sortent.

Nicolas Moreau: Le premier outil est un visualiseur web de l'attention dans les LLM. Le principe : l'opacité de chaque token est déterminée par la magnitude de son value vector et des composantes QK.

Claire Martin: Pour vulgariser : dans l'attention, chaque token interagit avec les autres via des vecteurs, notamment les requêtes, les clés et les valeurs. Le visualiseur rend visible ces magnitudes, donc on peut voir, pour un token donné, quels autres tokens du contexte le modèle regarde vraiment, et avec quelle intensité.

Nicolas Moreau: C'est un outil d'introspection, et les commentateurs du domaine soulignent son intérêt pédagogique autant que recherche. Voir l'attention, ça démystifie un peu le fonctionnement interne, et ça peut aider à comprendre pourquoi un modèle se comporte bizarrement dans certains cas. D'autres tempèrent : l'attention n'explique pas tout du fonctionnement des modèles, et un joli heatmap d'attention ne vaut pas une compréhension causale. Mais comme fenêtre, c'est précieux.

Claire Martin: Et le deuxième élément est plus pragmatique : une skill appelée i-have-adhd, qui force les agents de code à produire des sorties action-d'abord et numérotées, avec dix règles.

Nicolas Moreau: Le nom est pince-sans-rire, mais l'idée est solide : les agents de code ont tendance à produire de longues explications avant d'agir, ce qui noie l'information utile. Cette skill impose un format : d'abord l'action, numérotée, structurée. Dix règles contraignent le modèle à être utile immédiatement.

Claire Martin: Et certains commentateurs disent que ce format leur profite à tous, pas seulement aux personnes avec un TDAH : une sortie action-d'abord et numérotée est simplement plus facile à suivre pour tout le monde. D'autres débattent de la bonne approche : faut-il contraindre le format de sortie, ou améliorer le modèle pour qu'il s'adapte lui-même ? Le débat reste ouvert.

Nicolas Moreau: Mais je trouve que ces deux approches sont complémentaires, et c'est une belle note de fin. D'un côté, on ouvre la boîte noire pour comprendre ce que le modèle regarde. De l'autre, on cadre ce qu'il produit pour qu'il serve mieux. Comprendre et cadrer : les deux faces de la même entreprise.

Claire Martin: Et ça boucle avec le début de l'émission, en quelque sorte. On a des modèles de plus en plus rapides, de plus en plus grands, de plus en plus chers, qu'on essaye de faire tenir sur des SSD, dont on scrute l'attention, dont on discipline les sorties, et dont on se méfie quand ils fabriquent des biais ou des consentements.

Nicolas Moreau: Merci d'avoir été avec nous. On se retrouve demain pour une nouvelle fournée. D'ici là, regardez bien ce que vos lunettes connectées enregistrent.

Claire Martin: À demain !