0911 | IA : preuves, soupçons et nouveaux modèles

Claire Martin: Bonjour et bienvenue, je suis Claire Martin.

Nicolas Moreau: Et moi Nicolas Moreau. Aujourd'hui, on va passer en revue les discussions qui animent Hacker News depuis les dernières vingt-quatre heures. Et le fil conducteur, si on veut en trouver un, c'est vraiment la confiance : peut-on faire confiance à ce que disent les entreprises d'IA, à ce que disent les benchmarks, à ce que possèdent les consommateurs ?

Claire Martin: Exactement. On commence par un sujet brûlant : OpenAI et une percée mathématique contestée. C'est une histoire qui a plusieurs épisodes, donc installez-vous.

Nicolas Moreau: Alors les faits de base. OpenAI revendique une preuve des équations de Navier-Stokes — un des grands problèmes ouverts des mathématiques — et pour l'appuyer, ils ont produit une preuve formelle en Lean 4, vérifiée en dix-sept heures.

Claire Martin: Et pour mettre ce chiffre en perspective : on estime que faire ce travail à la main représenterait environ cent trente-trois mille heures-personnes. Donc dix-sept heures de vérification machine contre des années de travail humain cumulé. C'est ça, la baisse de coût annoncée de quatre ordres de grandeur.

Nicolas Moreau: Quatre ordres de grandeur, donc un facteur dix mille. Et techniquement, c'est important de comprendre pourquoi le Lean 4 compte. Une preuve formelle vérifiée par un assistant de preuve, ça veut dire que le résultat, une fois vérifié, est correct — pas de « on a peut-être fait une erreur quelque part dans les trente pages ». Donc si la preuve Lean est là et vérifiée, elle est vraie. La question, c'est tout ce qui tourne autour.

Claire Martin: Et c'est là que ça se complique. Parce que des chercheurs se sont demandé d'où venait vraiment cette percée. Andreas Thom raconte qu'OpenAI a annoncé des avancées après que des chercheurs ont discuté des maths... dans ChatGPT. Donc l'idée, c'est que des mathématiciens auraient exploré le problème en conversation avec le modèle, et qu'OpenAI aurait ensuite présenté les résultats comme des percées du système lui-même.

Nicolas Moreau: Ce qui est une accusation assez sérieuse, parce que ça touche à la fois à la propriété intellectuelle des idées et à la transparence sur ce que l'entreprise fait de vos conversations.

Claire Martin: Et la réponse d'OpenAI n'a pas calmé les choses. Sellke a répondu « that did not happen » — « cela n'est pas arrivé » — mais sur Hacker News, beaucoup de commentateurs trouvent cette négation évasive. Une phrase d'une ligne, sans détails, sans explication de comment les conversations ont été utilisées ou pas, ça ne répond pas vraiment à l'accusation.

Nicolas Moreau: Et puis un deuxième chercheur est entré en scène, qui accuse OpenAI d'avoir entraîné sur des conversations ChatGPT privées, puis de revendiquer des percées mathématiques qui en découleraient. Là, on passe de « des gens ont discuté avec ChatGPT » à « vos conversations privées ont servi de données d'entraînement ».

Claire Martin: Et la demande qui ressort des commentaires, c'est très concrète : des canaris de décontamination et de la divulgation. Le principe du canari, pour nos auditeurs, c'est d'insérer des détails uniques dans des documents privés, et si ces détails ressortent dans les sorties du modèle, on a la preuve que le document a servi à l'entraînement.

Nicolas Moreau: C'est une technique classique en fait, utilisée depuis longtemps pour détecter le memorization dans les grands modèles. Et le fait que les commentateurs la réclament ici, c'est le signe qu'ils ne croient pas qu'une simple négation suffise. Ils veulent une méthode falsifiable, quelque chose qu'on peut tester indépendamment.

Claire Martin: Il y a un arrière-plan qui nourrit la méfiance aussi. Un utilisateur rapporte qu'OpenAI aurait réactivé le réglage « autoriser l'entraînement » après qu'il avait été désactivé. Certains confirment avoir vu la même chose, d'autres soupçonnent un simple bug d'interface. Et même dans ce cas, il y a un scepticisme de fond sur l'efficacité réelle de ces cases à cocher : est-ce qu'elles font vraiment ce qu'elles promettent ?

Nicolas Moreau: Et je pense qu'il faut être honnête sur ce qu'on sait et ce qu'on ne sait pas. Ce qu'on sait : la preuve Lean 4 existe et a été vérifiée en dix-sept heures — ça, c'est vérifiable indépendamment. Ce qu'on ne sait pas : la provenance des idées, si des conversations avec des chercheurs ou des conversations privées ont nourri le modèle ou le résultat. Et ce qu'on attend : une réponse d'OpenAI qui va au-delà d'un démenti. C'est une histoire à suivre.

Claire Martin: Restons dans l'IA, mais changeons d'angle : les nouveaux modèles. Il y en a deux qui font parler, de deux philosophies très différentes.

Nicolas Moreau: Le premier vient de Cognition : SWE-2. Les chiffres annoncés : cinquante pour cent sur FrontierCode 1.1 Main, ce qui le place proche de Fable 5.1, mais pour soixante-quatre pour cent moins cher. Et détail intéressant : il est post-entraîné à partir de Kimi K3, un modèle de deux virgule huit mille milliards de paramètres.

Claire Martin: Donc la recette, c'est : prendre un modèle ouvert puissant et le spécialiser avec un post-entraînement. Et ça, c'est une stratégie qu'on voit de plus en plus. Mais les commentaires sur HN sont partagés, et je pense qu'il faut rendre les deux camps fidèlement.

Nicolas Moreau: D'un côté, les sceptiques. Certains contestent les benchmarks eux-mêmes — la question sous-jacente étant : est-ce que FrontierCode mesure vraiment ce qui compte dans le travail réel d'ingénierie logicielle ? Et il y a une critique d'accès : SWE-2 n'est disponible que via Devin, l'agent de Cognition. Donc vous ne pouvez pas tester le modèle nu, vous évaluez le modèle encapsulé dans un produit. Comment distinguer les contributions de chacun ?

Claire Martin: De l'autre côté, ceux qui soulignent le rapport performance-prix. Soixante-quatre pour cent moins cher pour un niveau proche, dans un domaine où les coûts d'inférence pèsent lourd sur les agents qui font des centaines d'appels par tâche, ça change l'équation économique. C'est peut-être là que la vraie compétition se joue : pas seulement le score, mais le score par dollar.

Nicolas Moreau: Et en face de ce modèle fermé, il y a DeepSeek avec la V4.1-Flash. Et là, les specs sont techniques mais intéressantes : un MoE de cinq cent cinquante-deux milliards de paramètres, avec seulement huit à seize milliards actifs par token. Donc la capacité d'un modèle géant, le coût d'exécution d'un modèle bien plus petit.

Claire Martin: Il y a deux innovations notables dans l'architecture. D'abord l'Engram de cent quatre-vingt-seize milliards de paramètres qui est déchargeable sur SSD — donc de la mémoire qui peut vivre hors GPU, ce qui réduit le coût matériel. Et ensuite, un KV cache réduit d'un quart, ce qui diminue directement la mémoire nécessaire pour les longs contextes. Et surtout : les poids sont ouverts, avec des tarifs API plus bas.

Nicolas Moreau: Et c'est là que la discussion rejoint ce qu'on disait sur SWE-2. D'un côté un modèle fermé, accessible seulement via l'agent d'une entreprise. De l'autre, des poids ouverts que vous pouvez faire tourner vous-mêmes. Sur HN, cette tension open/closed revient constamment, et il n'y a pas de consensus — certains pensent que les poids ouverts finiront par rattraper et dépasser, d'autres que l'adaptation aux benchmarks ouverts finit par les vider de leur sens.

Claire Martin: Ce qui me fait penser à un débat plus ancien mais toujours pertinent : l'idée que « la créativité est le nouveau fossé défensif ». L'argument, c'est que quand l'IA rend la copie triviale, ce qui reste comme avantage, c'est l'idée elle-même. Et il y a une analogie historique avec l'ère Flash — quand Flash est arrivé, on a vu une explosion de créativité parce qu'un nouvel outil avait abaissé la barrière. Beaucoup de commentateurs voient les modèles ouverts comme ce genre de nouvel outil.

Nicolas Moreau: Et je pense que l'arrière-plan de tout ça, c'est la fiabilité des mesures. Si on ne peut pas faire confiance aux benchmarks — parce qu'ils sont optimisables, contestables, ou réservés à un produit — on retombe sur... quoi ? Les cas d'usage réels, la communauté qui teste, et le prix. C'est peut-être pour ça que le sujet du prix revient autant.

Claire Martin: Justement, parlons de plateformes, parce qu'il y a trois lancements et mouvements qui forment presque une seule histoire sur qui contrôle quoi.

Nicolas Moreau: Premier mouvement : OpenAI lance son Agents API, pour des agents cloud durables, avec un harnais Codex managé. Donc l'idée, c'est que vous n'avez plus à construire vous-même l'infrastructure autour de l'agent — la boucle d'exécution, la gestion des erreurs, tout ça est géré.

Claire Martin: Et sur HN, le débat s'est immédiatement structuré autour de trois questions. La première : API versus SDK. Une API, vous l'appelez à distance et le fournisseur garde le contrôle de l'exécution. Un SDK, vous l'embarquez chez vous et vous gardez le contrôle. Ce n'est pas juste une question technique, c'est une question de position dans la pile.

Nicolas Moreau: La deuxième : le sandboxing. Si OpenAI exécute vos agents dans son cloud, comment le code est-il isolé ? Quelles garanties avez-vous ? Et la troisième, la plus politique : le vendor lock-in. Plus votre logique d'agent dépend du harnais managé de quelqu'un d'autre, plus il est coûteux d'en partir. Les commentateurs sont divisés entre ceux qui trouvent que la commodité justifie tout et ceux qui voient un piège classique : commencer gratuit et simple, finir enfermé.

Claire Martin: Et dans le même registre « plateforme qui change la donne », PlanetScale a lancé Neki : un vrai Postgres, mais shardé. Les chiffres : plus de cent millions de requêtes par seconde, à l'échelle du pétaoctet, avec du resharding sans interruption de service.

Nicolas Moreau: Le mot « vrai » est important ici, et c'est ce qui a alimenté une bonne partie de la discussion. Chaque shard est une vraie instance Postgres, avec ses réplicas, et le routeur parle le protocole wire de Postgres. Donc vos clients existants n'ont rien à changer — ils se connectent comme à un Postgres normal. Ce n'est pas un dialecte, pas un clone approximatif, c'est du Postgres derrière un répartiteur.

Claire Martin: Mais il y a une limite assumée : les transactions cross-shard ne sont pas encore disponibles, c'est « à venir ». Et sur HN, ça a été un point de discussion réel : pour beaucoup d'applications, les transactions qui touchent plusieurs shards sont exactement là où ça devient difficile. Certaines architectures peuvent les éviter en shardant intelligemment, d'autres non. Donc la question ouverte, c'est : est-ce que cette promesse tenue plus tard arrivera, et à quel coût de performance ?

Nicolas Moreau: Il y a aussi eu un débat de communication, assez amusant. Le billet de blog de lancement a été critiqué pour avoir enterré la réponse à la question « c'est quoi, Neki ? » sous des couches de marketing. La landing page, elle, est plus claire. Et les commentateurs en ont profité pour faire le point technique entre eux, ce qui est assez représentatif de la culture HN : quand le texte officiel n'explique pas, la communauté s'explique à sa place.

Claire Martin: Et le troisième mouvement, c'est peut-être le plus symbolique : Shopify qui revient de React Native vers Swift et Kotlin natifs.

Nicolas Moreau: Et la raison donnée est fascinante, parce qu'elle n'est pas technique au sens classique. C'est que les agents de code LLM ont changé le calcul de coût. L'argument historique pour React Native, c'était : maintenir deux bases de code natives, iOS et Android, c'est trop cher, donc on partage.

Nicolas Moreau: Mais si les LLM réduisent drastiquement le coût d'écrire et de maintenir du code, cette contrainte disparaît — et vous récupérez tous les avantages du natif, la performance, la fidélité plateforme, l'accès direct aux API.

Claire Martin: Ce qui est une leçon générale pour l'industrie : plein de compromis architecturaux ont été faits pour économiser du travail humain, et si ce travail devient bon marché, beaucoup de ces compromis sont à réévaluer. Ça pourrait annoncer d'autres retours au natif ailleurs. La question ouverte, pour les trois mouvements qu'on vient de voir, c'est la même : l'adoption réelle. Les lancements sont faciles, les migrations sont dures.

Nicolas Moreau: Puisqu'on parle de code et de ce qui coûte cher, passons à la sécurité et à la santé mentale des développeurs — deux sujets qui, sur HN, se sont rejoints de façon inattendue.

Claire Martin: Commençons par l'urgence. Forgejo, en version seize zéro zéro trois et antérieures, a une faille critique d'exécution de code à distance. Le mécanisme est sournois : l'expansion de templates pouvait créer un dossier .git, et à partir de là, un dépôt de template malveillant permettait une lecture et une exécution arbitraires.

Nicolas Moreau: Ce qui est redoutable, c'est le vecteur. Vous ne cliquez sur rien, vous n'exécutez rien : il suffit qu'un template soit traité et que le dossier .git apparaisse là où il ne devrait pas. C'est le genre de faille qui abuse de la sémantique même des outils — .git n'est pas juste un dossier, c'est une machine qui peut déclencher des hooks et exécuter du code.

Nicolas Moreau: Le correctif est sorti en seize zéro zéro quatre, donc le message pratique des commentaires c'est : mettez à jour, maintenant, et pas la semaine prochaine.

Claire Martin: En face de ça, une bonne nouvelle : Rust est désormais tier-1 chez Microsoft, au même niveau que C++, C# et TypeScript. Et concrètement, il y a un nouveau backend de codegen pour rustc qui cible MSVC, l'outillage de compilation de Microsoft.

Nicolas Moreau: Les motivations citées sont trois : la sécurité mémoire — l'argument récurrent, puisque la majorité des failles critiques dans les codebases C++ historiques sont des failles mémoire —, l'outillage interne, et l'interopérabilité Rust/C++, qui est le nerf de la guerre pour une entreprise dont tout le patrimoine est en C++.

Claire Martin: Ce qui est intéressant dans les commentaires, c'est que personne ne prédit un grand remplacement. Le scénario réaliste, c'est le nouveau code sensible qui commence en Rust, à côté de décennies de C++. Et ça rejoint directement la faille Forgejo : les deux sujets sont deux réponses à la même question — comment on écrit du code qui ne nous trahit pas. L'un par le langage et la vérification à la compilation, l'autre par le patching d'urgence.

Nicolas Moreau: Et là-dessus, il y a un essai d'un « graybeard » — un vétéran — qui a beaucoup circulé, avec une thèse brutale : le logiciel rend les gens fous. Son raisonnement : chaque changement paraît peu coûteux quand on le propose, il n'y a pas de « fini » naturel dans un système logiciel — contrairement à un pont, un logiciel n'est jamais « terminé », il y a toujours un levier à tirer de plus.

Claire Martin: Et c'est un état d'esprit qui résonne fort chez les développeurs, parce que c'est exactement l'expérience vécue : une liste de choses à améliorer qui n'a jamais de fin, et chaque élément qui semble anodin individuellement. Mais les commentaires ont apporté un contrepoint intéressant, pas une réfutation mais un correctif : le contact avec les clients garde les développeurs ancrés.

Claire Martin: Quand vous voyez quelqu'un utiliser réellement votre logiciel, vous voyez ce qui compte vraiment, et le vertige des possibles se réduit.

Nicolas Moreau: Ce qui est une belle transition vers les consommateurs, en fait. Parce que le consommateur, lui, n'a pas forcément ce contact — et il découvre parfois, brutalement, ce qu'il a vraiment acheté.

Claire Martin: Voilà une transition en or. Le sujet : vous ne possédez rien. Quatre Californiens poursuivent Sony, et le cœur du litige tient en une phrase : quand vous cliquez sur « Buy Now » — « Acheter maintenant » — vous ne recevez qu'une licence révocable, pas une propriété.

Nicolas Moreau: Et la défense de Sony, telle que rapportée, est ce qui a le plus fait réagir : Sony argue qu'un consommateur raisonnable ne s'attend pas à la propriété. Autrement dit : vous avez vu « acheter », vous avez cliqué, mais un adulte raisonnable sait qu'acheter un film ou un jeu numérique, ce n'est pas vraiment l'acheter.

Claire Martin: Et les commentateurs sont partagés de manière très nette. Une partie trouve l'argument juridiquement solide — les conditions de service sont claires, ou du moins accessibles, et le droit des licences existe depuis longtemps. L'autre partie trouve que c'est précisément le rôle du tribunal de trancher : si le mot « acheter » peut légitimement tromper, ce n'est pas au consommateur de payer le prix de la confusion.

Claire Martin: Et il y a aussi ceux qui disent la chose la plus simple : le vrai scandale, c'est le prix. On paie souvent le prix plein pour un bien qu'on peut nous retirer.

Nicolas Moreau: L'audience est prévue le premier octobre deux mille vingt-six, donc c'est long, mais c'est une affaire à suivre parce qu'elle pourrait créer une jurisprudence sur la propriété numérique. Et pendant ce temps, en attendant le tribunal, le portefeuille souffre autrement : un panier de neuf services de streaming est passé de quatre-vingt-quinze dollars quatre-vingt-on et un centimes par mois en mars deux mille vingt-et-un, à cent cinquante-quatre dollars quarante et un centimes aujourd'hui.

Claire Martin: Soit plus soixante-et-un pour cent, environ sept cent deux dollars de plus par an. Et ce qui donne force à ce calcul, c'est la méthodologie : chaque hausse est sourcée individuellement, service par service. Ce n'est pas une impression, c'est une addition.

Nicolas Moreau: Et le lien avec l'affaire Sony, tel que le voient les commentateurs, c'est la même dynamique : on vous vend l'accès comme si c'était la possession, puis les conditions se resserrent et les prix montent, et vous n'avez aucun levier. Le monde numérique transforme progressivement des biens en services — et un service, on peut le révoquer, le renommer, le renchérir.

Claire Martin: Ce qui nous mène naturellement à un autre rapport de force entre les grandes plateformes et les individus : l'écoute ambiante.

Nicolas Moreau: Apple Watch et « Siri Recaps » : la fonction enregistre l'audio ambiant et transcrit des notes pour vous. Officiellement, c'est une fonctionnalité de productivité — vous parlez, ça prend des notes, vous n'oubliez plus rien.

Claire Martin: Mais les critiques soulèvent un problème plus profond : la banalisation de l'écoute permanente. L'argument, c'est que chaque couche d'écoute ambiante normalise la précédente. D'abord les assistants vocaux qu'on déclenche soi-même, puis des dispositifs qui écoutent en continu, et on finit par ne plus faire la distinction. Et le précédent cité, c'est le backlash contre les Meta-Glasses : des lunettes avec caméra qui ont déclenché une réaction sociale violente dans certains lieux publics.

Claire Martin: La question qui revient dans les commentaires : est-ce que « Siri Recaps » va suivre le même chemin, ou est-ce que le mot « Apple » suffit à rendre la chose acceptable ?

Nicolas Moreau: Et il y a un parallèle direct avec notre premier sujet. Une case à cocher « ne pas m'écouter », un micro ambiant toujours allumé, des conversations privées qui finissent peut-être dans un entraînement : dans les trois cas, le consentement est théorique et le contrôle est difficile à vérifier. C'est exactement pour ça que la demande de canaris et de transparence revient avec insistance.

Claire Martin: Mais pour finir ce chapitre sur une note lumineuse, il y a l'autre visage de la technologie : révéler au lieu de surveiller. L'algorithme de décorrélation de la NASA, conçu à l'origine pour l'imagerie satellite, est désormais utilisé pour faire ressortir l'art rupestre effacé par le temps.

Nicolas Moreau: L'outil s'appelle DStretch, de Jon Harman — un plugin ImageJ, disponible aussi sur iOS et Android. Le principe de la décorrélation, c'est d'étirer des canaux de couleur qui semblent identiques à l'œil nu pour faire émerger des différences invisibles. Des peintures vieux de plusieurs millénaires, invisibles sur la paroi, réapparaissent sur l'écran. Et c'est un bel écho à notre thème du début : la même famille de techniques peut enfermer ou illuminer, selon l'usage.

Claire Martin: Et puisqu'on parle de choses qui durent et qui nous apprennent quelque chose, terminons par le buffet culturel de la journée. Et on commence par un sujet qui a relancé un débat éternel : la notation musicale.

Nicolas Moreau: Robert Hutchinson a mis en ligne gratuitement « Music Theory for the 21st-Century Classroom » — un manuel complet, avec l'intégralité du contenu et des exercices. Gratuit, sérieux, accessible. Et sur HN, plutôt que de s'émerveiller, la discussion s'est concentrée sur un point précis : la difficulté de la notation musicale elle-même.

Claire Martin: Le fil de l'argument : la notation standard est historiquement un système de conventions accumulées, pas un design rationnel. Pour les débutants, la distance entre le son et sa représentation sur la portée est une barrière réelle. D'un côté, les défenseurs disent que c'est comme apprendre à lire — un investissement qui se rentabilise sur toute une vie et qui donne accès à des siècles de musique.

Claire Martin: De l'autre, certains se demandent si l'ère des outils numériques ne devrait pas produire des représentations plus directes. Aucun consensus, mais le manuel gratuit, lui, fait l'unanimité comme ressource.

Nicolas Moreau: Et on passe de la musique à l'enfance, avec Terence Tao — un des plus grands mathématiciens vivants — qui partage une citation de Saint-Exupéry : tous les adultes ont été des enfants, mais peu s'en souviennent. Et Tao l'illustre d'une manière très concrète : les jeux de nombres des enfants — compter, comparer, « et si on allait encore plus loin ? » — sont en réalité une première rencontre avec l'infini et avec la preuve.

Claire Martin: Et c'est touchant parce que c'est vrai : un enfant qui demande « quel est le nombre le plus grand ? » et qui découvre qu'on peut toujours ajouter un, il vient de comprendre quelque chose sur l'infini. Le commentaire de Tao suggère que cette intuition enfantine, c'est la graine de la pensée mathématique — ce qui nous ramène d'ailleurs à Navier-Stokes et à nos mathématiciens du début de l'émission. La boucle est bouclée.

Nicolas Moreau: Restons dans les objets qui survivent au temps, mais cette fois dans un tiroir. Jim Nielsen a écrit un texte pour défendre la grande boîte de câbles, en citant Tyler Gaw, qui a retrouvé récemment un câble dont il avait besoin... après plus de dix ans qu'il traînait. Et Nielsen a été jusqu'à coudre ou coller la citation sur sa « Family Techno Box » — sa boîte technique familiale.

Claire Martin: Et ce qui est intéressant dans la discussion, c'est que ce n'est pas du rangement, c'est une philosophie. La boîte de câbles, c'est un tampon contre l'obsolescence imposée — un monde où chaque appareil a besoin de son connecteur propriétaire, garder le vieux câble, c'est garder une capacité. Et les commentateurs y voient un geste presque politique : ne pas dépendre entièrement de ce qu'on vous vend aujourd'hui.

Nicolas Moreau: Et puisqu'on parle de vieux systèmes qui ont bien vieilli, Raymond Chen, la légendaire plume de Microsoft, raconte un détail délicieux de Windows XP : comment la machine choisissait la photo d'utilisateur initiale. Le mécanisme : la fonction RtlRandomEx, seedée par GetTickCount — l'horloge système —, et un reservoir sampling en une seule passe, plafonné à cent photos.

Claire Martin: Le reservoir sampling, pour nos auditeurs, c'est l'astuce élégante qui permet de choisir un élément au hasard dans une liste qu'on parcourt une seule fois, sans connaître sa longueur à l'avance. Et le fait qu'on discute encore, des décennies plus tard, de ce petit détail d'ingénierie, dit quelque chose : les choix soignés laissent des traces. On est loin des failles critiques et des dénégations évasives.

Nicolas Moreau: Et pour finir sur une note plus sombre, une histoire qui réunit big tech et géopolitique. Le rapport Brown Costs of War chiffre deux mouvements : entre deux mille dix-huit et deux mille vingt-deux, les grandes entreprises technologiques ont obtenu environ vingt-huit milliards de dollars de contrats de défense. Et entre deux mille vingt-et-un et deux mille vingt-trois, les capital-risqueurs ont investi environ cent milliards de dollars dans la defense tech.

Claire Martin: Et le chiffre qui donne le vertige : ces cent milliards, c'est quarante pour cent de plus que ce qui avait été investi pendant les sept années précédentes. Autrement dit, en trois ans, on a investi beaucoup plus qu'en sept. Ce qui relance la question qu'on posait au tout début : à qui appartiennent ces technologies, qui décide de leur usage, et avec quelle transparence ? Que ce soit pour des modèles de langage ou pour des systèmes d'armement, la même question de gouvernance revient.

Nicolas Moreau: Voilà pour cette édition. On a parlé de preuves mathématiques contestées, de modèles qui s'affrontent sur le prix et l'ouverture, de plateformes qui veulent héberger vos agents et vos bases de données, de Rust qui monte, d'une faille à patcher d'urgence, de ce qu'on possède vraiment ou pas, d'écoute ambiante et d'art rupestre, et de boîtes de câbles.

Claire Martin: Le fil rouge reste le même du début à la fin : la confiance se vérifie, elle ne se décrète pas. Merci de nous avoir écoutés, on se retrouve très vite.

Nicolas Moreau: À bientôt !