0922 | Copland revit, l'IA s'obstine

Claire Martin: Bonjour et bienvenue dans l'édition Hacker News du jour, moi c'est Claire Martin.

Nicolas Moreau: Et moi Nicolas Moreau. Claire, on a une journée bizarre aujourd'hui, presque mélancolique par moments, mais fascinante : des machines du passé qui revivent, une Apple qui refuse d'éteindre son IA, des modèles ouverts qui bousculent les gros acteurs, et des gens qui essaient, par tous les moyens, de reprendre le contrôle de leurs outils.

Claire Martin: Oui, il y a un fil rouge, même s'il est discret : la technologie qu'on subit versus la technologie qu'on choisit. Et on commence justement par du choix, du pur rétro computing. Tu as vu le projet DingusPPC ?

Nicolas Moreau: Vu, et je suis fan. L'émulateur tourne maintenant dans le navigateur, et il fait tourner Copland, la build D11E4, qui est la dernière version du système d'exploitation annulé d'Apple. Et le détail qui rend ça savoureux : il a fallu onze patches pour débloquer la bête. Onze. Ça te dit à quel point le système était inachevé au moment où Apple a tiré la plombe.

Claire Martin: Pour les auditeurs qui n'ont pas vécu cette époque, Copland, c'est un peu le chantier maudit d'Apple dans les années quatre-vingt-dix. L'entreprise cherchait le successeur du System 7 depuis des années, le projet a pris une ampleur énorme, et il a fini par être annulé. Et c'est en partie cet échec qui a mené Apple à racheter NeXT, donc à ramener Steve Jobs et les fondations de macOS. En quelque sorte, on vient de regarder le fœtus avorté de macOS.

Nicolas Moreau: Et ce qui est amusant, c'est que la discussion autour de ce projet n'était pas que nostalgique. Il y avait des gens qui racontaient leurs souvenirs de l'époque, ceux qui avaient suivi les bêtas ou lu les articles de presse de l'époque, et d'autres qui débattaient de ce qu'Apple aurait pu faire différemment.

Nicolas Moreau: Un point qui revient, c'est que Copland n'était pas seulement en retard, il était architecturalement bancal : les ambitions étaient immenses, le système devait tout faire, et le code ne tenait jamais debout. Le fait qu'il faille onze patches juste pour que la build finale démarre, c'est la preuve en elle-même.

Claire Martin: Et moi je trouve touchant que ce soit un émulateur dans le navigateur, donc n'importe qui peut maintenant l'essayer en deux clics. Une histoire d'ingénierie échouée devient un musée interactif. C'est une forme de justice rétrospective.

Nicolas Moreau: Exactement. Et d'ailleurs, on reste dans les machines qu'on ressuscite, parce qu'il y a une autre histoire qui m'a fait sourire ce matin : quelqu'un a restauré un PDP-11/83, une machine des années soixante-dix, avec un processeur Mentec M11, et il fait tourner dessus 2.11BSD, un Unix historique. Et cette machine, là, maintenant, sert une page web en direct. Une machine de quarante ans d'âge qui te sert du HTTP.

Claire Martin: Mais attends, il y a un détail technique dans cette histoire que je trouve délicieux. Le noyau a dû être personnalisé. Pourquoi ?

Nicolas Moreau: Parce que le Mentec M11, le processeur de remplacement, utilise la virgule flottante IEEE, et pas le format DEC d'origine. Donc le 2.11BSD standard, qui s'attendait à l'arithmétique DEC, ne pouvait pas fonctionner tel quel. Le restaurateur a donc adapté le noyau pour que l'OS historique tourne sur un matériel qui n'est pas exactement celui pour lequel il a été écrit.

Claire Martin: C'est un joli parallèle avec Copland, d'ailleurs. Dans les deux cas, des gens remettent en marche des systèmes que leurs créateurs ont laissés derrière eux, et dans les deux cas, ça demande un travail d'archéologie logiciel. La différence, c'est que le PDP-11, lui, fonctionne. Le kernel tourne, la page web est servie. Là où Copland n'a jamais vraiment existé qu'à moitié.

Nicolas Moreau: Et troisième étape de ce voyage rétro, et la plus légère : quelqu'un a partagé le document de puzzles de Grim Fandango, le jeu de LucasArts de 1996. Et la discussion, elle, était très chaleureuse.

Claire Martin: Grim Fandango, pour ceux qui ne connaissent pas, c'est un jeu d'aventure en point-and-click, enfin pas exactement point-and-click d'ailleurs, c'est justement le problème, avec l'univers du folklore mexicain du Jour des Morts, une direction artistique stupéfiante pour l'époque, et une musique qui reste dans la tête.

Nicolas Moreau: Et c'est exactement ce que les commentaires célébraient : le style, l'art, la musique. Beaucoup de gens racontaient leur souvenir du jeu, de l'époque LucasArts où les jeux d'aventure étaient le sommet du studio. Et puis il y avait un débat sur les puzzles eux-mêmes, à partir de ce document. Certains trouvaient que la logique des puzzles de l'époque avait un charme, une forme de respect du joueur, quand d'autres rappelaient que certains puzzles de Grim Fandango étaient notoirement obscurs.

Nicolas Moreau: Et là, le remaster revient toujours dans la conversation, parce qu'il a justement adouci les contrôles, qui étaient le vrai point douloureux du jeu original.

Claire Martin: Je note un truc, d'ailleurs : ce document de puzzles, c'est un artefact de conception. On voit comment les designers avaient structuré la progression, et ça ouvre une discussion sur le game design de l'époque en général. Est-ce que les jeux d'aujourd'hui, avec leurs marqueurs de quête et leurs indices intégrés, ont perdu quelque chose ? Est-ce que la frustration était une composante de l'expérience ?

Nicolas Moreau: Oui, et cette question n'est pas tranchée dans la discussion. C'est un vrai débat de goût. Mais bon, Claire, je voulais faire un lien, parce que Grim Fandango, c'est de la LucasArts, et LucasArts, c'est Apple en plus mignon : une entreprise qui a marqué une époque et qui n'a pas su gérer la transition.

Claire Martin: Ha, la transition est parfaite. Parce que maintenant, on va parler d'Apple moderne. Et là, ce n'est plus de la nostalgie, c'est de la frustration.

Nicolas Moreau: Oui. Alors, macOS 27, il paraît, et il embarque Apple Intelligence. Sauf que plusieurs utilisateurs ont remarqué que les modèles d'IA sont téléchargés et installés sur la machine, même si vous ne les utilisez pas. Et quelqu'un a trouvé un contournement, un workaround, qui empêche le téléchargement de ces modèles et fait donc économiser du stockage.

Claire Martin: Et le chiffre n'est pas négligeable : les modèles locaux, quand ils sont installés, occupent entre huit et seize gigaoctets. C'est énorme pour des gens qui n'ont jamais demandé la fonctionnalité.

Nicolas Moreau: Et il y a une subtilité là-dessus, d'ailleurs. Apple a publié une documentation officielle qui explique comment désactiver ou restreindre Apple Intelligence sur le Mac. Donc en surface, l'entreprise fait ce qu'il faut : elle documente la désactivation. Sauf que si on lit la doc attentivement, désactiver la fonctionnalité ne supprime pas les modèles. Ils restent sur le disque. Donc vous éteignez l'interrupteur, mais vous ne récupérez pas vos huit à seize gigaoctets.

Claire Martin: Et ça, les utilisateurs l'ont remarqué, et le mot qui revient dans les discussions, c'est crapification. C'est-à-dire la dégradation progressive d'un produit qu'on aime, par accumulation de choses qu'on n'a pas demandées.

Nicolas Moreau: Et il y a un autre élément, encore plus révélateur. Quelqu'un a remarqué que sur macOS 27, un processus appelé Siri AI.app continue de tourner, même quand toutes les configurations et tous les services Siri et Apple Intelligence sont désactivés. Le processus tourne quand même.

Claire Martin: Donc là, on n'est plus dans la question du stockage, on est dans la question du contrôle. Même si tu dis non, il y a un bout de code qui tourne sur ta machine. Et les réactions dans les commentaires, c'était très varié. Il y avait ceux qui disent, c'est normal, c'est un système d'exploitation moderne, il y a toujours des processus en arrière-plan, regardez Windows ou Android.

Claire Martin: Et puis il y avait ceux qui disent, non, ça ne passe pas, la promesse historique d'Apple, c'était justement que la machine t'appartient, et là on est en train de la violer en douceur. Et entre les deux, des gens demandaient ce que fait vraiment ce processus : est-ce qu'il consomme des ressources, est-ce qu'il envoie quelque chose quelque part, est-ce qu'il attend juste d'être réactivé ? Et ça, honnêtement, la discussion n'y répond pas.

Nicolas Moreau: Et moi je trouve que la vraie question de fond, c'est celle de l'asymétrie d'information. Apple documente, mais pas vraiment. Le système vous laisse éteindre, mais pas vraiment. L'utilisateur moyen ne peut pas savoir ce qui tourne vraiment chez lui, sauf s'il passe du temps à fouiller dans le moniteur d'activité.

Claire Martin: Oui, et ça rejoint un autre débat qui est apparu dans les discussions Apple récemment, et qui concerne le matériel cette fois. Parce que dans le même temps, il y a le M5 Ultra Mac Studio, la version avec 256 gigaoctets de mémoire, qui est salué comme une machine idéale pour faire tourner des agents d'IA en local. La mémoire unifiée, ça permet de charger de très gros modèles que le hardware grand public ne peut pas tenir.

Nicolas Moreau: Et le comparatif qui revient, c'est avec la RTX 5090 de Nvidia. La RTX reste plus rapide, purement en performance brute. Mais le prix, quand on la configure en machine complète, monte à 12 299 dollars. Donc le Mac Studio, à côté, devient un argument de valeur.

Claire Martin: Ce qui est amusant, c'est que les deux histoires d'Apple aujourd'hui, elles sont en tension. D'un côté, la machine est une plateforme magnifique pour faire tourner de l'IA en local, vous, sur votre desk, avec vos données. De l'autre, l'IA qu'Apple veut vous imposer, celle d'Apple Intelligence, refuse de partir quand vous le demandez. C'est la même entreprise qui vous donne l'outil et qui vous le reprend.

Nicolas Moreau: Et ça, justement, ça nous amène naturellement à parler des modèles qu'on peut faire tourner dessus. Parce que le modèle qu'on choisit de faire tourner, il existe, et de plus en plus.

Claire Martin: Alors, on va parler de modèles ouverts. Premier acte : Xiaomi. Ils ont lancé MiMo-V2.6, une série de modèles open-weight, donc les poids sont publiés, multi-modale, et à bas coût. Et ce qui est salué dans la discussion, c'est la transparence des benchmarks : les graphiques de performance sont présentés de manière honnête, ce qui est assez rare pour être remarqué.

Nicolas Moreau: Il faut peut-être expliquer, pour les auditeurs, la différence entre open-weight et open-source, parce que c'est un débat récurrent. Open-weight, ça veut dire qu'on vous donne les poids du modèle, mais pas nécessairement les données d'entraînement, ni le code d'entraînement complet, ni une licence complètement libre. Certains commentateurs sont très critiques avec cette distinction, d'autres disent que c'est déjà énorme par rapport aux modèles fermés.

Claire Martin: Deuxième acte : Grok 4.7, de xAI. Ils ont une nouvelle base plus grande, au même prix qu'avant, deux dollars en entrée et six dollars en sortie par million de tokens. Et ils affichent 46,3 pour cent au CursorBench, un benchmark de capacité de code.

Nicolas Moreau: Sauf que la réaction, disons, mitigée. Le fil Hacker News sur ce sujet, il n'était pas tendre. Beaucoup de commentateurs se plaignaient que le modèle est paresseux, qu'il répond des trucs du genre Done!, une réponse minimale qui ne dit rien, et que ça, dans le contexte d'un agent de code, c'est très frustrant, parce que vous ne savez pas ce que le modèle a fait, ni si ça marche.

Claire Martin: Ce qui est intéressant, c'est la tension entre le benchmark et l'expérience réelle. 46,3 pour cent sur CursorBench, c'est un chiffre. Mais ce que les gens vivent dans leur éditeur, c'est autre chose. Et cette divergence entre les mesures et le vécu, on va la retrouver tout à l'heure avec une autre histoire.

Nicolas Moreau: Troisième acte, et celui-là est plus conflictuel : Heretic. C'est un outil qui enlève automatiquement la censure des LLMs, par un procédé qui s'appelle l'ablitération. C'est pip installable, donc heretic-llm, c'est très accessible. Et l'auteur, dans la discussion, défendait l'idée qu'il faut des métriques standard pour mesurer ce qu'on a fait : le nombre de refus avant et après, et la divergence KLD, qui mesure à quel point le modèle transformé s'éloigne du modèle original.

Claire Martin: Et là, la discussion était vraiment animée, parce que c'est un sujet qui coupe en deux. D'un côté, des gens disent : le refus excessif est un vrai problème, les modèles sont parfois frustrants à utiliser pour des raisons légitimes, et avoir un outil pour ajuster ça, c'est une liberté utilisateur. De l'autre, des gens disent : enlever la censure automatiquement, sans jugement humain, sur n'importe quel modèle, ça ouvre la porte à des usages qu'on ne peut pas ignorer.

Claire Martin: Et il y avait aussi des questions plus techniques : est-ce que l'ablitération dégrade le modèle au-delà des refus ? Est-ce que la KLD suffit vraiment à mesurer la qualité ? L'auteur plaide pour des métriques, mais la discussion sur la responsabilité, elle, n'est pas close.

Nicolas Moreau: Et maintenant, Claire, on va rétrécir encore. Parce que si les gros modèles ouverts font les gros titres, il y a toute une scène de petits modèles, et de petits experiments, qui est peut-être plus révélatrice de la direction générale.

Claire Martin: Alors, premier exemple, et c'est mon préféré de la journée : mini-AGI. C'est un modèle d'apprentissage continu, entraîné à partir de zéro, sur une seule GPU de 8 gigaoctets. Une RTX 3070 laptop. C'est une architecture MoE dynamique, un mixture of experts, avec un flux unique de données. Et l'auteur est le premier à dire que le résultat est encore au niveau d'un toy, d'un jouet.

Nicolas Moreau: Mais le geste, lui, n'est pas un jouet. L'idée qu'une personne, sur son ordinateur portable, peut entraîner un modèle depuis zéro et le faire apprendre en continu, c'est une démocratisation radicale de la recherche. Et les commentaires suivaient cette tension : est-ce que c'est important scientifiquement, non, pas encore. Est-ce que c'est important culturellement, oui, absolument, parce que ça baisse la barrière d'entrée.

Claire Martin: Deuxième exemple : Kev. C'est une famille de petits modèles de décision, dans le style des Jev models, construits sur Qwen3.5, avec trois tailles : 0,8 milliards, 4 milliards, 9 milliards de paramètres. Et l'usage, ce n'est pas le chat, ce n'est pas la génération. C'est la classification, le routage, les vérificateurs.

Nicolas Moreau: Et ça, c'est une idée très pragmatique. Dans une vraie chaîne d'agents ou de produits IA, il y a plein de petites décisions à prendre : ce message est-il toxique, cette requête doit-elle aller vers cet outil, cette réponse est-elle correcte. Pour ça, un petit modèle spécialisé, c'est souvent plus efficace, plus rapide, et moins cher qu'un gros modèle généraliste. Les commentaires exploreaient ce paradigm, avec des gens qui racontaient leurs architectures et leurs compromis.

Claire Martin: Mais maintenant, le troisième élément, et celui-là est le plus poli­mique de la journée. Il y a un modèle, appelons-le un modèle devenu permanent dans des plans d'abonnement, dont les mesures indépendantes montrent une chute drastique des thinking tokens en août. C'est-à-dire que le modèle réfléchit beaucoup moins.

Nicolas Moreau: Et pour les auditeurs qui ne connaissent pas le concept : les thinking tokens, c'est le raisonnement, la part du modèle qui réfléchit avant de répondre. Si le modèle réfléchit moins, il est potentiellement moins bon sur les tâches difficiles, mais il coûte moins cher en calcul à l'opérateur.

Nicolas Moreau: Donc la question que pose cette mesure, c'est : est-ce qu'un fournisseur, après avoir rendu un modèle permanent dans un abonnement, c'est-à-dire sans limite d'usage pour les clients, a réduit la quantité de calcul par requête pour maîtriser ses coûts ?

Claire Martin: Et là, la discussion était prudente, et pour de bonnes raisons. Parce que les mesures indépendantes mesurent un comportement, pas une intention. Il peut y avoir des explications techniques, un changement de version, une optimisation du prompt système, des ajustements de routing. Mais la suspicion, elle, est là, et elle est légitime, parce que l'opacité est la norme du secteur. Personne n'audite les fournisseurs. On mesure de l'extérieur, comme on peut.

Nicolas Moreau: Et ça fait un contraste parfait avec Xiaomi, justement, qui est salué pour la transparence de ses benchmarks. C'est la même industrie, et deux attitudes opposées.

Claire Martin: Et cette question de confiance, elle dépasse le technique. Elle touche la recherche elle-même. Et c'est exactement notre prochain sujet.

Nicolas Moreau: Oui. Alors, premier fait : un groupe consultatif indépendant de mathématiciens se forme à l'Institute for Advanced Study, à Princeton. Et quand je dis indépendant, je pèse mes mots : on parle de Terence Tao, de Timothy Gowers, d'Edward Witten. Des noms parmi les plus grands vivants. Leur rôle : conseiller les entreprises d'IA sur la divulgation de leurs résultats mathématiques.

Claire Martin: Pourquoi c'est nécessaire ? Parce que les grandes entreprises de IA publient des résultats mathématiques, et que la communauté académique n'a pas toujours les moyens de savoir si ces résultats sont solides, complets, ou s'il y a des conditions cachées. Le groupe va donc servir d'intermédiaire, de relecture, de caution. Enfin, c'est l'ambition.

Nicolas Moreau: Et les commentaires sur ce sujet étaient fascinants, parce qu'ils posaient des questions profondes. Est-ce que ce genre de groupe peut vraiment être indépendant quand il est conseiller d'entreprises qui le financent, ou qui ont un intérêt à sa bénédiction ? Est-ce que ça institutionnalise une relation qui devrait être critique ? Et puis il y avait ceux qui disaient : avec ces trois noms-là, au moins, on a des gens qui ont le prestige et l'indépendance intellectuelle pour dire non.

Nicolas Moreau: Et ça, c'est déjà énorme.

Claire Martin: Le deuxième fait, il est plus constructif. Tim Dettmers annonce une Open Source Week. Et l'argument qu'il avance, c'est que l'université doit renaître. Que l'unité de recherche ne devrait plus être mesurée en papiers, en publications, mais en écosystèmes : du code, des données, des outils, des gens formés, une communauté.

Nicolas Moreau: Et cette idée-là, elle résonnait fort dans la discussion, parce qu'elle touche le nerf de la guerre académique : le publish or perish. Si ta carrière dépend du nombre de publications, tu optimises pour les publications, pas pour la science. Dettmers propose l'inverse : optimise pour l'écosystème que tu construis.

Nicolas Moreau: Et les commentateurs étaient largement sympathiques à l'idée, mais avec des vraies questions : comment on finance ça, comment on évalue une carrière construite sur des écosystèmes, est-ce que les comités de recrutement savent même lire autre chose qu'un papier ?

Claire Martin: Et ce qui est intéressant, c'est que cette recherche ouverte, elle finit toujours par s'exécuter quelque part. Sur des outils en production. Et justement, on va parler des outils en production, et de ce qui arrive quand ils cassent.

Nicolas Moreau: Oui, et on commence par une histoire qui m'a vraiment marqué. Un paquet npm malveillant, appelé mathmain. Il cachait un implant d'accès à distance. Mais ce qui est diabolique, c'est le déclencheur. L'implant ne s'activait pas au hasard. Il s'activait quand la matrice d'une décomposition LU servait de mot de passe de déchiffrement.

Claire Martin: Il faut décortiquer ça. Une décomposition LU, c'est un algorithme d'algèbre linéaire, tu décomposes une matrice en deux matrices plus simples. Et visiblement, dans le code ciblé, la matrice résultat était utilisée comme clé de déchiffrement. Donc le malware se mettait en écoute dans la bibliothèque mathématique, attendait silencieusement, et ne frappait que dans le cas très précis où cette matrice spécifique passait dans la fonction.

Claire Martin: Un cheval de Troie biométrique, en quelque sorte, qui ne se réveille que pour la bonne empreinte.

Nicolas Moreau: Et c'est ce qui rend l'attaque difficile à détecter. Un scan classique du paquet ne voit rien d'anormal. Il faut comprendre le contexte d'utilisation pour voir le déclencheur. Les commentateurs, sur ce sujet, étaient très impressionnés par le niveau d'ingénierie, tout en rappelant la leçon de fond : la chaîne d'approvisionnement logicielle est un problème structurel. N'importe qui peut publier un paquet, avec un nom plausible, et il finit dans vos dépendances.

Claire Martin: Deuxième fait, beaucoup plus concret, et qui a touché des gens bien réels : la FAA a interrompu des vols dans des aéroports très fréquentés de la côte Est américaine, à cause d'une coupure de fibre optique qui a causé une panne de communication.

Nicolas Moreau: Et là, les commentaires, c'était un mélange de soulagement et d'inquiétude. Soulagement, parce que le système de sécurité a fonctionné : on a arrêté les vols plutôt que de continuer avec des communications dégradées. Inquiétude, parce que ça montre à quel point l'infrastructure critique repose sur des câbles physiques. On parle d'IA, de cloud, de virtualisation, et au bout du compte, un problème de fibre au sol paralyse l'aviation.

Claire Martin: Et le troisième fait, il est presque une réponse à ce problème. HERMES, c'est un projet de la Rhizomatica, une radio shortwave open-source. Elle envoie des données chiffrées en HF, en ondes courtes, avec 20 watts de puissance, sur des liaisons de 400 à 600 kilomètres. Sans satellite, sans opérateur télécom, sans fibre.

Nicolas Moreau: Et le contexte de la Rhizomatica, c'est important : ce sont des gens qui travaillent avec des communautés rurales, indigènes, dans des endroits où l'infrastructure classique n'arrive pas, ou arrive sous conditions. Donc HERMES, ce n'est pas un gadget de survivaliste, c'est une infrastructure de souveraineté communautaire.

Nicolas Moreau: Et les discussions, sur ce sujet, portaient sur les limites physiques : le débit en HF est très faible, on est très loin du haut débit, mais pour du texte, des messages, des données essentielles, ça suffit. Et l'argument de redondance : dans un monde où tout dépend d'un câble, avoir un canal complètement indépendant, c'est de la résilience.

Claire Martin: C'est une belle réponse à la FAA, en quelque sorte. Pas la même échelle, mais le même principe : ne pas tout miser sur une seule couche.

Nicolas Moreau: Et ça nous amène aux outils d'infrastructure au quotidien, pour les développeurs cette fois. Alors, Linear, l'outil de gestion de projet, a raconté comment ils ont réduit l'attente de CI, leur intégration continue, de plus de six minutes à environ cinq minutes. Et surtout, ils ont divisé par deux le temps de runner par test. Pendant que leurs suites de tests, elles, ont presque quadruplé.

Claire Martin: Et cette histoire, elle est intéressante parce qu'elle parle d'ingénierie, pas de magie. La CI qui ralentit, c'est le fléau de toute équipe qui grandit. Vous ajoutez des tests, le temps monte, les développeurs attendent, la productivité baisse. Et les commentateurs échangeaient leurs techniques : le sharding, la mise en cache, la sélection des tests à exécuter, l'isolation. Et certains racontaient leur propre lutte, avec des CI de vingt, trente minutes, qui tuent l'équipe.

Nicolas Moreau: Deuxième fait du domaine : Cloudflare annonce que les Python Workers passent en général availability. Concrètement, ça veut dire que vous pouvez faire tourner des frameworks Python et des bibliothèques d'IA nativement dans le runtime Workers, sans passer par du JavaScript de glue. Avant, si tu voulais faire du Python sur une edge platform, tu devais bricoler, appeler un service externe, coller du JS entre les morceaux.

Claire Martin: Et ça, c'est un signal fort. Python est la langue de l'IA, c'est là que sont les bibliothèques, les modèles, la communauté. Si les plateformes d'edge veulent accueillir la charge de travail IA, elles doivent parler Python nativement. Les commentaires étaient plutôt positifs, avec des questions sur les limites : les dépendances, la taille des paquets, les performances par rapport à du Python sur une vraie machine.

Nicolas Moreau: Et maintenant, le côté obscur de l'outillage : le matériel verrouillé. Raspberry Pi a bloqué la possibilité de remplacer les puces de RAM sur leurs cartes. Leur justification, c'est des problèmes de support. Et les utilisateurs, comment dire, ne sont pas d'accord.

Claire Martin: Non, ils ne sont pas d'accord du tout. Et c'est un débat intéressant, parce que Raspberry Pi a bâti toute sa réputation sur l'ouverture, la communauté, le bricolage. Bloquer une puce de RAM, même si l'argument du support est réel, c'est une rupture de contrat implicite.

Claire Martin: Et les commentateurs étaient divisés : certains comprennent qu'une entreprise ne peut pas supporter toutes les configurations imaginables, d'autres disent que c'est le début d'une dérive, et que la marque risque de perdre ce qui la rendait spéciale.

Nicolas Moreau: Et là, pour bien comprendre ce débat, il faut écouter quelqu'un qui l'a vécu de l'intérieur, du côté de l'entreprise. Bryan Cantrill, cofondateur d'Oxide, a raconté l'échec de Sun Microsystems. Et son diagnostic, il est cinglant : Sun n'a pas échoué par manque de technique, Sun a échoué parce qu'elle s'est ennuyée de la gestion du business. L'entreprise a perdu l'intérêt pour ses clients, pour le marché.

Claire Martin: Et l'anecdote qu'il raconte, elle est parlante. Un client startup, exactement le genre de client qui devrait faire rêver une entreprise de serveurs, est allé voir Sun, et a fini par choisir Dell. Parce que Dell, eux, ont fait l'effort. Et Cantrill dit qu'il a fondé Oxide précisément pour ne pas répéter cette erreur : une entreprise de matériel qui ne se lasse pas de ses clients.

Nicolas Moreau: Et ça, Claire, ça rejoint le Raspberry Pi. Raspberry Pi, ce n'est pas Sun. Mais le même syndrome, se lasser de son utilisateur, ignorer ce que la communauté demande, ça commence toujours par une petite décision technique qui semble rationnelle.

Claire Martin: Et ça nous amène, assez naturellement, à deux histoires sur le contrôle, la traçabilité, et la surveillance. D'abord, les filigranes cachés.

Nicolas Moreau: Alors, deux projets. Le premier, Spymark, c'est un outil qui révèle les filigranes invisibles, les watermarks, dans les images, qui servent à tracer les utilisateurs. Et le deuxième, c'est SynthID, le système de Google. SynthID encode 136 bits dans une image de 512 par 512 pixels. Et certains de ces bits peuvent être des identifiants liés à l'identité de l'utilisateur.

Claire Martin: 136 bits, c'est beaucoup. Ça permet d'encoder non seulement le fait que l'image a été générée, mais aussi qui l'a générée, quand, avec quel compte. Et ça, posé comme ça, ce n'est pas un détail technique, c'est un enjeu de société. Une image générée peut être tracée jusqu'à une personne, de manière invisible, robuste, difficile à enlever.

Nicolas Moreau: Et les commentaires, sur ce sujet, exploretaient les deux faces. D'un côté, il y a un cas d'usage légitime : lutter contre la désinformation, prouver qu'une image est générée, tracer les abus. De l'autre, il y a le risque : un filigrane qui lie une image à une identité, ça peut être utilisé pour surveiller, pour désanonymiser, pour attribuer des contenus à des gens qui n'ont jamais consenti. Et la question qui reste ouverte, c'est : qui décide de l'usage de ces bits d'identité ?

Nicolas Moreau: L'utilisateur, la plateforme, l'État ?

Claire Martin: Et l'autre histoire, elle est plus légère mais très drôle. Une application gratuite, appelée ZuckOff, développée par un développeur polonais, Pawel Szydlowski, qui détecte les lunettes Meta via Bluetooth.

Nicolas Moreau: Le nom, déjà, faut le souligner. ZuckOff. Le jeu de mots est voulu, l'app détecte les produits de Meta, les Ray-Ban Meta, les Oakley Meta, et aussi les produits Snap. Elle regarde les signatures Bluetooth autour de vous et vous dit si quelqu'un porte des lunettes connectées qui pourraient vous filmer.

Claire Martin: Et le lancement a été un succès : 5 000 téléchargements sur l'App Store dès la sortie. Et le fait technique important : tout se passe sur le téléphone. Rien ne sort de l'appareil, aucune donnée n'est envoyée.

Nicolas Moreau: Mais l'auteur est honnête, et c'est important : l'app ne garantit pas une détection totale. Si les lunettes sont éteintes, ou si elles brouillent leur signature Bluetooth, ou si quelqu'un fait du spoofing, l'app peut être trompée. C'est un outil de vigilance, pas un bouclier.

Claire Martin: Et ce que j'aime dans cette histoire, c'est la symétrie. Spymark révèle les filigranes que les plateformes cachent dans vos images. ZuckOff révèle les lunettes que les gens cachent sur leur visage. Dans les deux cas, c'est une réponse de société à une asymétrie de visibilité. Moi, je ne vois pas ce que vous faites, vous, vous voyez tout. Alors on construit des contre-outils.

Nicolas Moreau: Et c'est exactement le thème de notre dernier sujet, Claire. Parce que cette histoire de contre-pouvoir technologique, elle a une version intellectuelle aussi. Comment on reprend le contrôle de son attention ?

Claire Martin: Alors, il y a un article sur ce qu'on appelle l'effet Tetris. Pour ceux qui ne connaissent pas : quand vous jouez beaucoup à Tetris, votre cerveau commence à voir des tetrominos partout, dans le monde réel, dans vos rêves. Et l'article prolonge cette idée aux algorithmes de recommandation : quand vous passez vos journées dans des feeds, votre attention se reconfigure pour ce format. Les algorithmes ne captent pas seulement votre temps, ils modèlent la façon dont vous percevez le monde.

Nicolas Moreau: Et la réponse que propose l'article, c'est ce qu'il appelle une internet intentionnelle. Des blogs. Du RSS. Des choix personnels, faits en amont, plutôt que des recommandations subies en aval. C'est-à-dire : vous décidez de ce que vous lisez, vous vous abonnez à des auteurs, vous construisez votre propre flux, et vous lisez ça.

Claire Martin: Et cette thèse, elle vient d'être confirmée par une recherche, et c'est là que ça devient très concret. 78 pour cent des développeurs disent qu'ils arrêtent de lire un article dès qu'il a une apparence d'IA. 98 pour cent préfèrent l'écriture propre de l'auteur. Autrement dit, le marché de l'attention, chez les devs en tout cas, sanctionne déjà le contenu généré et récompense la voix humaine.

Nicolas Moreau: Et c'est une conclusion très optimiste, Claire. Parce que ça veut dire que la crapification, comme ils disent pour macOS, n'est pas inévitable. Les gens remarquent. Les gens s'agitent. Ils trouvent des contournements, ils installent ZuckOff, ils cherchent les filigranes, ils retournent à leurs blogs, ils font tourner Copland dans leur navigateur et un PDP-11 dans leur salon.

Claire Martin: Et ça, c'est peut-être la leçon de la journée. La technologie qu'on subit existe, elle est bien réelle, elle est parfois aggravante. Mais la technologie qu'on choisit, elle existe aussi, et elle a des gens formidables derrière.

Nicolas Moreau: Sur ce, merci d'avoir été là. On se retrouve demain pour une nouvelle fournée de discussions. Prenez soin de vous, et lisez des blogs.

Claire Martin: Au revoir tout le monde.