D’un côté, on reste tourné vers le passé en ressuscitant de vieux modèles sans réelle valeur ajoutée et de l’autre on se lance dans les voitures volantes.
Reste à voir comment tout ça va se terminer…
Dire que l'IA ne doit pas décider à notre place est arrogant.
Pourquoi arrogant ?
Parce que nous savons depuis les travaux de Paul Meehl (1954 ... quand même !) que les algorithmes produisent de meilleures décisions que les humains.
C'est un fait. Et ce fait n'est pas démenti depuis (J. W Burton en 2020 et Vaccaro en 2024).
Je passe ici les références académiques qui confirment continuellement les biais de l'humain en matière de décision, surtout dans le jugement des autres humains.
C'est évident que pour vendre de l'IA aux entreprises, il faut avoir un discours rassurant. Mais c'est aussi leur faire perdre du temps dans l'adoption de la vraie puissance de l'IA.
Screenshot issu de la publi rédaction du de @LeNouvelEco publié le 06/10/2026 sur leur site.
@siliconcarnesf On trouvera toujours un Gilles Babinet ou un politique pour nous dire que l'UE a des atouts IN-CROY-YABLES. C'est fascinant de les voir se manger autant de murs de la réalité et de ne jamais en tirer les conclusions qui conviennent.
On sous estime le pouvoir transformatif de l'IA sur les organisations et processus.
Le discours général qui se veut rassurant, comme "mettre l'IA sur les tâches à faible valeur ajoutée", est ravageur pour les entreprises françaises, déjà très majoritairement en dette numérique.
@BFMTV Aaaaaah bon ????
Ça s'appelle toujours l'effet Laffer en économie. Enseigné en 1 ère année d'économie. Ce qui ne semble pas être un pré requis pour piloter l'économie de la France
Je confirme, tout le monde n'est pas formable à l'IA.
Dès que l'on quitte l'usage Chatbot, ne reste que peu de monde capables de suivre en entreprise.
D'ailleurs un de mes paris est d'arrêter les financements Opco pour faire le tri.
« Il suffit de former tout le monde à l’IA. » Stéphane Mallard pense que non : certains nouveaux métiers demanderaient des capacités que toute la population ne peut pas acquérir par la formation. C’est brutal. Mais la question mérite d’être posée.
Episode disponible sur Youtube et en podcast :
📺 https://t.co/x9haQJpk8u
🎧 https://t.co/hc2xvpsIIN
@LengaWrites Le vrai souci aussi, surtout, c'est qu'on veut garder les anciens process et faire fonctionner de l'IA dessus. Résultat : on n'a ni l'un ni l'autre de manière optimale et donc on revient à l'ancien système. En plus on met sur le dos de l'IA cet échec.
Votre agent IA fonctionne.
Trois semaines plus tard, vos équipes sont revenues à Excel.
Pourquoi ?
Parce que vous avez ajouté un outil sans supprimer les anciennes tâches.
Le problème n'est pas l'IA. C'est le processus.
Automatiser une tâche ne sert à rien si le travail autour ne change pas.
La violence de ce post de Karpathy pour les consultants et formateurs IA Linkedin.
Ceux qui rabâchent à tour de post que l'IA est à implémenter sur les tâches à faible valeur.
Karpathy nous dit en substance l'inverse !
1. Plus le problème est gros, long et difficile, plus l'IA révèle sa puissance
2. L'IA excelle surtout dans les domaines numériques, vérifiables et à forte valeur économique
3. La majorité voit un chatbot, souvent en free-tier, une minorité seulement vit un basculement de capacité en paid-tier. Un monde sépare ces deux populations.
Dusting off this tweet from April because this gap in shared understanding of LLM capability is *widening*. It's now less "two groups of people speaking past each other" and more a sharp funnel.
- Napkin math somewhere around 6B people (~75% of the population) have barely come in contact with LLMs at all.
- Around 1-2B (~20%) are casual and infrequent users of free-tier ChatGPT-like products. This group sees derpy chatbots and treats them a bit like a better Google search, a writing aid, or etc. Maybe an agent tries to book you a flight. I have non-tech friends who (reasonably, imo) say they have not much use for it at all. Even many professionals outside of math&code are in this tier. For example, execs and many other functions spend a lot of their time talking to other people, so while they understand what is happening intellectually, it is still second-hand and a bit abstract.
- Now we get to professional use of frontier-grade LLMs in math&code. Somewhere around 20M people (0.2%) see first-hand that large, complex projects that used to take them weeks/months can now be completed by agents with a prompt. Building apps, copying apps, translating apps, decompiling apps from binaries... This has all happened very quickly and recently - less than 1 year ago, I was writing code manually by hand, typing memorized computer code commands into a code editor character by character, occasionally pressing Tab to autocomplete a little chunk of code.
- And finally we get to the ~5,000 people (~0.00006%) with access to frontier-grade systems internally. The external world has seen the preview. It looks like swarms of thousands of agents collaborating over weeks on software mega projects: minting zero days, running cyber attacks and defenses at machine speeds, discovering new science, advancing the frontier of mathematics. Things that would have taken top professionals in the industry years of work. Meanwhile, human review and comprehension are starting to fall behind. For example, people are still involved in the "archeology" of the OpenAI-HF incident from many months ago. Mathematicians may be poring over the 722 manuscripts on frontier mathematics for a while.
The funnel is driven by a combination of factors:
1. The impact scales with ambition, problem size, and horizon. A question with a paragraph answer barely stresses the system. You need a reservoir of big, difficult problems that you really care about. This aspect drives the consumer / professional dimension of the funnel.
2. The jaggedness of the system (which I have written about a lot separately). Capability peaks in domains that are digital, verifiable and economically valuable. This is because LLM capability emerges from reinforcement learning on verifiable rewards on a curated environment mixture driven by revenue potential. This aspect primarily drives the area (e.g. math&code) dimension of the funnel.
3. Access. Free-tier, paid-tier, internal.
So this is the weirdness of the moment. The general public has mostly not interacted with these systems. When they have, it looks like a derpy chatbot. The majority of professionals still see only a modest uplift. And a small sliver of professionals are experiencing the vertigo of the curve going vertical. And it is all happening at the same time.