Jean-Philippe Encausse

La station Tiangong abrite un micro-organisme inconnu sur Terre, révélant des adaptations étonnantes à l'environnement spatial. Cette découverte ouvre des perspectives inattendues pour la...

J’ai toujours défendu l’idée que la performance des entreprises dépendait avant tout du « work design », de la manière dont le travail était réellement accompli par les personnes. C’est d’une certaine manière le fondement de ce que j’ai appelé les People Centric Opérations : concevoir l’organisation non pas autour de structures ou d’outils, mais autour des flux d’information, de décision et de collaboration qui soutiennent l’activité des collaborateurs du savoir (People Centric Operations : adapter travail et opérations aux travailleurs du savoir).

Vous pouvez vous dire que j’enfonce des portes ouvertes mais c’est un constat que j’ai fréquemment fait dans ma carrière : peu de managers et finalement quasiment personne ne s’intéresse à savoir comment le travail est fait. On connait la mission, la fiche de poste, mais personne ne sait ce que font concrètement les gens pour y parvenir, leurs taches du quotidien, imposées ou masquées, dans toute leur granularité. D’ailleurs Yves Morieux ne disait pas autre chose dans son (excellent) livre Smart Simplicity :  « Personne ne sait vraiment ce que font les autres dans l’organisation« . (Smart Simplicity : 6 règles pour gérer la complexité sans devenir compliqué). J’ajoute même que non seulement ils ne savent pas ce que les autres font mais également qu’ils ne savent pas comment ils le font non plus. Et qu’en plus ils n’en ont rien à faire.

Quand on se fait pas ce que font les gens ni comment ils le font reconnaissons qu’il est bien difficile d’améliorer les choses.

Mais l’approche que je proposais, aussi pertinente soit-elle dans ses principes, se heurte à une limite : la complexification croissantes des organisations modernes voire, pire, leur complication. Les Les flux se multiplient, les outils sont fragmentés, les processus se superposent et à un moment donné l’intention people-centric, aussi sincère soit-elle, ne suffit plus.

Le cas Moderna dont je parlais il y a peu (Fusion des RH et de l’IT : Moderna redessine son organisation pour et avec l’IA) a été sinon une révélation en tout cas l’illustration de la nécessité d’aller plus loin et rentrer dans une nouvelle dimension. L’entreprise ne se contente pas, selon l’expression habituelle et galvaudée de vouloir « remettre l’humain au centre » mais elle reconstruit son organisation autour d’une logique de flux en s’appuyant sur l’IA pour orchestrer le travail en temps réel.

En bref :

• La performance des entreprises repose sur une organisation du travail centrée sur les flux d’information, de décision et de collaboration, plutôt que sur les structures ou outils traditionnels (People Centric Operations).
• L’approche traditionnelle atteint ses limites face à la complexité croissante des organisations ; l’IA permet de dépasser ces limites en orchestrant dynamiquement les tâches et en soutenant l’agilité opérationnelle.
• L’exemple de Moderna illustre un changement de paradigme : l’entreprise adopte une organisation fondée sur les flux et la collaboration entre compétences humaines et capacités technologiques, en fusionnant RH et IT.
• Cette transformation redéfinit les rôles managériaux, la gouvernance, et les indicateurs de performance, plaçant la fluidité des échanges, l’adaptabilité et l’expérience collaborateur au cœur du système.
• Inspirée par des logiques industrielles (flux, orchestration, configuration modulaire), cette approche vise à industrialiser intelligemment le travail du savoir, sans trahir l’humain, en faisant de l’IA un partenaire de co-construction.

Penser l’organisation comme une série de flux, pas comme des silos métiers

Quand on parle de digital workplace j’ai toujours critiqué l’expérience utilisateur proposée par les outils qui la composent, qu’on parle d’outils de collaboration ou d’outils métiers. Oui des efforts énormes ont été faits pour améliorer l’UI et l’UX de chaque application mais l’utilisateur n’en récolte pas les fruits. En effet chaque application améliore sa propre expérience, verticale, dans son silo, alors que le parcours du collaborateur dans les outils est, lui, transverse et est donc transverse aux outils (Quelle (digital) workplace experience pour vos collaborateurs ?).

Les uns pensent les interfaces d’un silo, les autres vivent un parcours qui traversent les silos.

Cette logique que j’appliquais à l’environnement de travail, Moderna l’a appliquée au design de l’organisation et du travail.

Dans le cas Moderna beaucoup ne retiennent la chose la plus marquante, à savoir la fusion des départements RH et IT sans vouloir creuser davantage. Mais ça n’est que la conséquence, la partie immergée de l’iceberg. La vraie leçon que nous pouvons en tirer est que l’entreprise abandonne les logiques métiers traditionnelles pour envisager son organisation comme une série de tâches à orchestrer en continu. Le cœur de sa réflexion n’est plus « qui possède la tâche », mais « quelle configuration humaine et technologique permet de produire le meilleur résultat avec rapidité et précision ».

Dans cette logique, la fusion des équipes RH et IT placées sous la responsabilité d’un Chief People and Digital Technology Officer, incarne cette volonté de rapprocher ceux qui façonnent la culture et ceux qui conçoivent l’infrastructure technologique (Why Moderna Merged Its Tech and HR Departments) ou, reformulé à ma manière, les compétences et les talents, le cadre dans lequel on les excerce et les outils qui supportent le travail.

L’IA devient alors le liant, l’orchestrateur invisible qui permet de passer d’une logique de process figés à une dynamique d’ajustements continus où intelligences humaines et artificielles ne se substituent pas mais collaborent. L’humain par sa capacité à inventer, s’adapter, comprendre un contexte, trouver des solutions, l’IA pour faire ce qui est l’essence de la technologie et qu’elle a toujours fait mieux que les humains, à savoir la vitesse et le passage à l’échelle.

De People Centric Operations à People Centric Operations 2.0 : scaler l’humain sans le trahir

L’ambition des People Centric Operations reste la même : organiser le travail pour qu’il serve réellement les personnes et non l’inverse, partant du principe que j’ai fait mien qui est de dire que quand un process n’est pas vécu comme un service il ne sert ni les collaborateurs ni l’activité de l’entreprise et donc in fine pas les clients.

Mais pour concrétiser cette exigence à l’échelle d’une entreprise comme Moderna, il faut dépasser l’approche artisanale du concept originel tel que je le présentais et c’est précisément ce qu’offre l’IA : non pas une substitution à l’humain, mais une infrastructure capable de fluidifier les flux d’information, de contextualiser les décisions et de réduire les frictions dans les interactions.

Contrairement à une vision « IA-centric » où la machine dicterait l’organisation, le modèle People Centric 2.0 place l’IA au service de l’humain. L’IA n’impose pas, elle éclaire. Elle ne décide pas à la place des équipes mais leur donne les moyens d’agir plus efficacement en s’adaptant aux réalités du terrain.

Après tout l’IA n’est qu’un nouveau collègue.

Le management intermédiaire : de contrôleur à animateur des flux homme-IA

Une telle transformation ne peut que poser la question de l’humain dans le système et notamment des managers et middle-managers.

Ils ne sont pas rendus obsolètes mais deviennent les garants de la qualité des flux de travail dans leurs périmètres. Ils passent d’un rôle de contrôle de l’exécution à celui d’animateurs de l’interaction entre collaborateurs et entre collaborateurs et outils. Leur mission est de fluidifier les échanges, de prioriser les actions en fonction du contexte, et de veiller à la cohérence entre les objectifs de l’entreprise et la réalité du travail.

L’IA est partie intégrante de l’exécution, pas de la décision.

Réinventer la répartition des responsabilités

La fusion RH-IT chez Moderna pose inévitablement la question de la répartition du pouvoir et des responsabilités. Historiquement, chaque département gérait son périmètre, ses outils, ses décisions. Or, dans un modèle de flux, la valeur se crée par la circulation de l’information et la capacité à procéder à des ajustements rapides.

La réussite d’une telle transformation suppose donc de revoir la gouvernance en profondeur. La priorité n’est pas donnée à la fonction mais à la qualité, l’efficacité du flux de travail et l’impact sur la performance collective.

Moderna, en rapprochant culture et technologie, redéfinit ses circuits de décision, avec la primauté donnée à l’agilité sur l’autorité fonctionne et une sorte de territorialité du pouvoir.

Apprendre à mesurer ce qui compte

Changer de modèle implique aussi de repenser la manière dont on mesure la performance. Les indicateurs classiques de productivité ou d’efficacité individuelle ne suffisent plus. Ce qui devient clé, c’est la capacité d’une équipe à faire circuler l’information, à réduire les frictions, à ajuster ses priorités en temps réel.

Moderna ne pourra évaluer le succès de sa démarche qu’en observant la fluidité des flux, la réactivité de ses équipes, et la qualité de l’expérience de travail perçue, bien plus qu’en regardant des tableaux de bord qui mesurent des quantités et pas des flux.

Le risque d’un effet boomerang sauf si l’intelligence collective reprend la main

Intégrer l’IA dans les opérations n’est pas sans risque. Je disais plus haut que la technologie n’a toujours apporté que deux bénéfices, la vitesse et l’échelle, et que quand on digitalise une organisation dysfonctionnelle on dysfonctionne plus vite et à plus grande échelle.

Une automatisation mal pensée peut donc amplifier les dysfonctionnements existants sans en supprimer aucun : rigidifier des flux mal pensés, renforcer des logiques de contrôle au détriment de l’autonomie, voire complexifier inutilement les processus.

Simplement « augmenter » les individus avec l’IA ne sera pas d’une grande aide si on ne transforme pas le travail pour en tirer tous les bénéfices (IA en entreprise : aller au delà de l’augmentation pour enfin transformer).

Mais c’est précisément là que l’intelligence humaine et collective doit reprendre la main (L’IA signe-t-elle la fin de l’intelligence collective ?). L’IA, dans un modèle people-centric, n’est pas une boîte noire à laquelle on délègue la gouvernance des flux mais un partenaire de travail, un copilote qui apprend et s’adapte au contact des équipes.

Chaque irritant détecté, chaque décalage observé, chaque besoin non couvert devient une opportunité d’apprentissage mutuel entre les utilisateurs et la machine. En intégrant des boucles de feedback efficaces, en valorisant les remontées du terrain, et en donnant aux collaborateurs un rôle actif dans la co-conception des flux, l’IA peut devenir un véritable levier d’intelligence collective.

La transformation ne sera réussie que si l’organisation organise un dialogue permanent entre humains et technologie. C’est dans la collaboration continue, où chacun apprend de l’autre, que réside la clé d’une orchestration réellement people-centric.

Collaborer pour trouver le bon mix

La véritable question n’est pas de savoir si l’IA remplacera l’humain, mais de déterminer, en permanence, quelle combinaison d’intelligence humaine et de capacités technologiques produit le meilleur résultat, dans le bon contexte, avec le bon niveau de qualité et d’agilité. C’est l’objectif premier de Moderna, pas « juste », d’utiliser des agents pour automatiser l’existant.

Cette recherche du « meilleur mix » n’est pas figée. Elle dépend de la nature des tâches, de la maturité des équipes, des évolutions du métier et des outils. Cela doit être un processus vivant, qui repose sur la collaboration active entre les personnes et la machine.

Dans cette logique, l’IA devient un partenaire adaptatif, qui accompagne les équipes dans la gestion de la complexité, tout en leur laissant la maîtrise des décisions qui comptent. Moderna expérimente ce modèle en intégrant l’IA comme une infrastructure d’orchestration des flux, mais la vraie valeur n’émergera que de sa capacité à ajuster en continu le curseur entre l’automatisation, l’assistance et le jugement humain, au plus près de la réalité du travail.

Une inspiration très industrielle

J’ai la conviction qu’une entreprise puise toujours son inspiration au plus profond de son ADN quand il s’agit de faire face à un défi majeur. Pour le meilleur car c’est gage de cohérence, pour le pire car cela ferme la porte à des idées venant d’autres secteurs.

Moderna est à la croisée de deux mondes : celui des travailleurs du savoir et de l’industrie au sens traditionnel du terme. Un vaccin ça se conçoit mais ensuite ça se produit et cela demande une approche industrielle et logistique.

Le monde des travailleurs du savoir et les entreprises souffrent d’un biais : ils vivent dans un monde de flux intangibles qui les rend aveugles face à la notion même d’excellence opérationnelle et d’amélioration.

« Peter Drucker a fait remarquer qu’au cours du XXe siècle, la productivité des travailleurs manuels dans le secteur manufacturier a été multipliée par cinquante, car nous sommes devenus plus intelligents quant à la meilleure façon de construire des produits. Il a fait valoir que le secteur de la connaissance, en revanche, avait à peine entamé un processus similaire d’auto-examen et d’amélioration, existant à la fin du XXe siècle alors que le secteur manufacturier l’avait été cent ans plus tôt » 

The Newyorker – Slack Is the Right Tool for the Wrong Way to Work

Cela m’avait d’ailleurs inspiré quelques réflexions à la base de la notion de People Centric Opérations (L’open space n’est pas une usine mais parfois vous devriez le regarder ainsi, Les travailleurs du savoir, les exclus de l’excellence opérationnelle ? et Ca n’est pas parce que le travail est invisible qu’on ne peut l’améliorer).

Ici le vocabulaire choisi (orchestration, flux) me laisse penser que l’ADN industriel de Moderna a inspiré d’une manière la démarche mais de manière intelligente.

L’idée rappelle en très clairement les évolutions de la production industrielle, notamment avec l’émergence des systèmes de production flexibles, du just-in-time et plus récemment de l’industrie 4.0.

On a d’abord le passage d’un modèle structuré à un modèle fluide.

Dans l’industrie, on est en effet passé de chaînes rigides, où chaque poste avait une fonction définie, à des systèmes où les machines, les opérateurs et les algorithmes collaborent selon les besoins du moment. Moderna applique la même logique au travail du savoir : on n’affecte plus une tâche à un « métier », mais on assemble dynamiquement des compétences humaines et des capacités IA.

Ensuite on a l’orchestration comme moteur de performance.

Dans les deux cas, c’est l’orchestration, c’est-à-dire la capacité à séquencer, distribuer et ajuster les tâches en fonction des objectifs et des contraintes qui remplace l’organisation hiérarchique classique. C’est moins la fonction que la contribution à la chaîne de valeur qui compte.

On a également la primauté de la configuration sur la structure.

L’entreprise devient un système configurable, à l’image d’une ligne de production modulaire. Ce ne sont plus des postes figés, mais des ressources activables, humaines ou non, combinées à la demande. Moderna adopte ainsi une vision d’organisation programmable, où l’on orchestre des workflows, comme on le ferait dans une usine pilotée par API (Will We See the First Programmable Organisations In 2025?).

Et on a enfin le rôle de l’IA comme « chef d’orchestre »

Dans l’industrie, l’IA et les capteurs pilotent déjà des chaînes de production intelligentes. Chez Moderna, l’IA devient aussi un outil d’arbitrage en temps réel, capable de réallouer les tâches, de suggérer des combinaisons, de mesurer en continu la performance. Elle joue un rôle similaire à celui d’un MES (Manufacturing Execution System), mais appliqué à l’organisation humaine.

Je pourrais même aller jusqu’à dire que quand d’un coté on repense travail comme un flux et que, de l’autre, cela nous oblige à repenser la mesure de la performance, ça ne peut que me faire penser au throughput de Goldratt mais c’est un sujet qui méritera son propre article en son temps.

Je ne pense pas qu’une entreprise 100% tech aurait pu avoir cette approche sauf, comme je le prône toujours, à aller voler des idées dans des secteurs qui n’ont rien à voir avec elle.

Quoi qu’il en soit Moderna ne fait pas que moderniser son organisation, elle change son référentiel de conception. On ne pense plus en métiers ou en départements, mais en flux, en tâches, en configurations dynamiques. C’est une forme d’industrialisation intelligente du travail du savoir avec tous les défis que cela suppose en matière de gouvernance, de compétences et de sens.

Conclusion

L’évolution vers les People Centric Operations 2.0 ne remet pas en cause l’ambition initiale. Au contraire, elle en renforce mêle l’exigence. Dans un monde où la complexité ne cesse de croître, rester centré sur le travail des individus demande des leviers d’orchestration puissants et l’IA, bien intégrée, peut jouer ce rôle.

Mais la réussite ne viendra pas d’un outil ou d’une réorganisation en silo mais de la capacité des entreprises à repenser en profondeur leur gouvernance, leur culture, et la manière dont elles distribuent pouvoir et responsabilités au plus près des flux de travail.

Moderna ouvre une voie mais ne garantit pas le succès. Elle montre toutefois qu’il est possible de réconcilier technologie et humain à condition de ne jamais perdre de vue que c’est le travail des personnes, et non les machines, qui reste au cœur de la performance.

Crédit visuel : Image générée par intelligence artificielle via ChatGPT (OpenAI)

L’article People Centric Operations 2.0 : comment l’IA réinvente le travail du savoir à l’échelle est apparu en premier sur Bloc-Notes de Bertrand Duperrin.

On Thursday, Anthropic released Claude Opus 4 and Claude Sonnet 4, marking the company's return to larger model releases after primarily focusing on mid-range Sonnet variants since June of last year. The new models represent what the company calls its most capable coding models yet, with Opus 4 designed for complex, long-running tasks that can operate autonomously for hours.

Alex Albert, Anthropic's head of Claude Relations, told Ars Technica that the company chose to revive the Opus line because of growing demand for agentic AI applications. "Across all the companies out there that are building things, there's a really large wave of these agentic applications springing up, and a very high demand and premium being placed on intelligence," Albert said. "I think Opus is going to fit that groove perfectly."

Before we go further, a brief refresher on Claude's three AI model "size" names (introduced in March 2024) is probably warranted. Haiku, Sonnet, and Opus offer a tradeoff between price (in the API), speed, and capability.

Read full article

Comments

Dans cette interview, nous avons eu le plaisir d’échanger avec Éric Heurtier, entrepreneur chevronné et fondateur de la start-up ARY, une solution innovante qui démocratise l’usage de la réalité augmentée ...

L’article ARY captive les clients du retail avec de la réalité augmentée est apparu en premier sur Réalité Augmentée - Augmented Reality.

But sir! I can’t believe I missed [dynam1keNL]’s initial flat offering from about a year ago, the mikefive, which came about when he and some friends ordered switches directly from Kailh and Kailh were like, do you want to try these even lower-profile PG1316 laptop switches? It’s called the mikefive because it’s 5 mm thick.

That’s okay, though, because now you’re caught up and I can talk about his latest keyboard, the mikecinq. The inspiration for this one includes the aesthetics of Le Chiffre and the slimness of Le Oeuf. As you’ll see in the gallery, the top is ever-so-slightly slanted downward from the top.

You can see it really well in the second picture — the top row is flush with the case, and the keys gradually get taller toward the thumb clusters. All [dynam1keNL] really had to do was 3D model the new case and screw in the PCB from his daily driver mikefive.

[dynam1keNL] ultimately found it nice and comfy, especially for the thumbs, but decided to take it one step further and designed a new switch footprint. Why? The PG1316s are surface-mount with contacts below the switch, so you really need a hotplate or oven to mount them.

So in order to deal with this, he made a dedicated mikecinq PCB with big cutouts with castellated holes beneath each switch. Now, the switch contacts are accessible from underneath and can be soldered with an iron.

You may have noticed that the mikefive production files are not available on GitHub — that’s because it was recently licensed and will be available soon. But if you want production files for the mikecinq, let him know in the comments.

Cyberpunk 2077 Here In 2025

While this Cyberpunk 2077 keyboard is certainly nice enough to be a centerfold, [felipeparaizo] has a full write-up on GitHub, so here I go talking about it at length instead!

This here is a Sofle RGB v2.1 that, as we’ve concluded, is heavily inspired by Cyberpunk 2077. The case is 3D-printed and then airbrushed, and then stickered up with custom decals that include references to Arasaka and Samurai. The acrylic base lets even more Baja Blast-colored RGB goodness shine through.

The switches are Akko Crystal Blues, which seem like a great choice, and the caps are two combined sets — one matte and one translucent. This is the second version of the project, and you can see how the first one turned out over on GitHub.

via reddit

The Centerfold: An Avalanche of Color

So this right here is an Avalanche keyboard, but at 60%. Go admire the original ones real quick; I’ll wait. They’re just as lovely as this one! I love the jawbreaker-esque layers of the case, and those knobs are exquisite.

Do you rock a sweet set of peripherals on a screamin’ desk pad? Send me a picture along with your handle and all the gory details, and you could be featured here!

Historical Clackers: the Brackelsberg

The Classic Typewriter page calls the Brackelsberg syllabic typewriter “another hallucinogenic creation from the golden age of writing machine design“, and I don’t disagree.

This 1897 machine had types arranged on several type sectors which swung up and down. Each sector carried about 30 types, which I take to mean characters.

The 132-key board was divided into four sectors, and they could be operated simultaneously — as in, you could type four characters at once, entering entire syllables if you so desired. Thus, it was called a syllabic typewriter.

A hammer struck from the rear, connecting the paper and ribbon with the types. It seems slow and cumbersome, doesn’t it? But Brackelsberg insisted that it was quiet, pointed out that the writing was always visible, and argued that the syllabic gimmick would make it fast and convenient to use.

Although never mass-produced, a working prototype was built and is pictured here in a photograph from Friedrich Muller’s book called Schriebmaschinen und Schriften-Vervielfältigung published in 1900.

Finally, a Keyboard That Looks Like a Typewriter and Might Not Suck

I say this because of the disappointment I suffered buying a similar Bluetooth keyboard for ten bucks from a place where everything typically costs half of that or less.  The thing just stopped working one day not long after the store warranty had expired. You win some, you lose some, I suppose.

Anyway, the Yunzii QL75 ought to fare better given that it’s ten times the cost to pre-order; at least I hope it does. And much like the crappy one I have, it comes in pink.

You can choose either Onyx tactile switches or Cocoa Cream V2 linear switches. But if you don’t like those, the switches are hot-swappable and compatible with 3-pin and 5-pins both.

The keycaps are ABS with a matte chrome electroplated finish and laser-engraved legends. Yes there is RGB, but it doesn’t shine through the keycaps, more like between them, it sounds like.

Thankfully, the QL75 works with QMK and VIA if you want to change things up. This thing has three-way connectivity to the device of your choice, which, if it’s small enough, can sit right above the keyboard where the paper would go.

There’s no telling what the knobs on the sides do, if anything, although there are arrows. On mine, they raise and lower the little kickstands.

Via TweakTown

---

Got a hot tip that has like, anything to do with keyboards? Help me out by sending in a link or two. Don’t want all the Hackaday scribes to see it? Feel free to email me directly.

Could AI that thinks more like a human be more sustainable than today's LLMs? The AI industry is dominated by large companies with deep pockets and a gargantuan appetite for energy to power their models' mammoth computing needs. Data centers supporting AI already account for up to 3.7% of global greenhouse emissions.

Xreal just announced Project Aura, new glasses that will support Android XR via a tethered compute puck.

Android XR is Google's new operating system designed to both compete with Meta's Horizon OS and power smart glasses. Announced during Google I/O just now, Project Aura is the second revealed Android XR device, after Samsung's headset, and the first to use a transparent display system, known as optical see-through AR.

Xreal is staying tight-lipped on specific details of Project Aura, sharing only the above image of the design while confirming that it will support Android XR via a tethered compute puck with a Qualcomm Snapdragon chip.

Xreal Beam Pro: A Phone-Like Device To Power Xreal Glasses

Xreal Beam Pro is essentially a custom Android phone specifically designed to power Xreal Glasses, including 6DoF AR on Xreal Air 2 Ultra.

UploadVRDavid Heaney

The design shown for Project Aura resembles the existing 3DoF Xreal One display glasses but with a camera on each temple, pointed slightly downwards, and another camera in the center of the lenses facing forwards. Those side cameras are likely for 6DoF positional tracking and hand tracking, while the central camera is likely for taking photos and videos, as well as for multimodal with Google's Gemini AI.

Note that while Xreal devices are designed to look like sunglasses, they sit much further out from your eyes than real glasses, and thus are a markedly different device category than the AR glasses in development at Meta and Apple. Those future AR glasses use a display technology called waveguides to sit as close to your eyes as regular glasses, while Xreal uses a far cheaper but also far bulkier approach called birdbath optics. They also block out most light, so can't be used as regular indoor glasses at all.

Xreal says it will reveal more details about Project Aura at Augmented World Expo (AWE) in June, and UploadVR's Don Hopper will be there to try it out.

UPDATE: Xreal confirmed to CNET that the mystery tethered device would be a new compute puck, and this article has been updated to reflect that.

Google announced at Google I/O 2025 that it is rebranding Project Starline, its corporate-focused teleconferencing platform that uses 3D imaging, and recommitting to shipping it this year. Starline, now called Google Beam, will come to “early customers” like Deloitte, Salesforce, Citadel, NEC, and Duolingo later in 2025 via Google’s previously announced partnership with HP, Google […]

At Google I/O 2025, the tech giant unveiled new capabilities coming to NotebookLM, its AI-based note-taking and research assistant. Most notably, the company is launching Video Overviews. Google says users will soon be able to turn dense multimedia, such as raw notes, PDFs, and images, into digestible visual presentations. Since its launch, NotebookLM has been […]

Ollama franchit une étape importante avec son nouveau moteur qui permet désormais d’exécuter des modèles multimodaux en local. Cette évolution majeure étend les capacités de l’outil pour gérer non seulement le texte mais aussi d’autres types de données comme les images, ouvrant la voie à de nouvelles possibilités pour les développeur·se·s.

---

Commentaires
L'article Ollama lance son nouveau moteur pour les modèles multimodaux a été posté dans la catégorie IA de Human Coders News

A new study suggests that populations of artificial intelligence (AI) agents, similar to ChatGPT, can spontaneously develop shared social conventions through interaction alone.

When teaching framing at UC Berkeley, Professor George Lakoff would often begin with a simple test: "Don't think of an elephant."

Except everyone does. When he said elephant, like it or not, all things elephant—large, slow, floppy ears, tusks, trunk, jungle, savannah—were likely to come to mind.

Lakoff gives another example: When Richard Nixon came on TV and said, "I am not a crook," everyone thought about him as a crook, even though he explicitly said he wasn't.

Another case he shares is when someone says tax relief, it evokes a frame whereby taxes are a burden, someone imposing those taxes is hurting people, someone relieving you of that hurt is helping you, and anyone who wants to stop that relief is a villain. Suppose you think taxes are good, not bad; if you use the term tax relief when arguing against it, you're setting yourself up as the villain.

Using someone else's language draws you into their worldview.

Some Framing Examples

Here are some more everyday examples of framing at work:

• Taking sides in an argument suggests there has to be a winner and loser.
• When someone helps you, saying "I owe you one" frames the favour as a transaction to be repaid rather than a gift.
• Stay-at-home parent and working parent evokes a frame where staying at home isn't work.
• Quality time frames certain family moments as more valuable and implies that some time is less meaningful.
• Screen time evokes a frame of off-screen vs on-screen time, as opposed to considering the value of what you're doing, whether on-screen or off.

Reframing Signage

I love spotting signs that shift the frame in positive, thoughtful ways. Rather than presupposing bad behaviour, they invite good.

For example, this sign from Kew Gardens:

"Respecting Significant Trees

Please help us manage our trees to ensure we can enjoy them for as long as possible.

This tree needs a break from adults and children climbing on it.

Please don't climb."

Rather than setting Kew up as the rule-enforcer spoiling your fun, it frames them as caretakers—inviting you to help give a tired tree a break. Not climbing becomes an act of kindness, not a restriction. Not climbing becomes an act of respect rather than restriction.

Our local wetlands has a "Ducks only" sign instead of an admonishing "Keep off the grass".

Or at an ATM, even saying "Wait" rather than "Don't remove your card" helps keep removing your card further from your mind.

A reader shared with me that as a lifeguard, he learned to yell "Walk!" rather than "Don't run!" A positive action to take is direct, rather than a negative that needs to be processed—see Point Positive.

Language shapes and reflects how we think. Using language that negates a frame evokes the frame. What frames are you evoking?

Related Ideas to Don't Think of an Elephant

Everything I've learned about framing, metaphor, and how they shape our thinking continues to fascinate me. Here are some related sketches and powerful metaphors:

• Primary metaphor
• The Frog Boil Metaphor
• Rivers and Buckets
• Compliments are Gifts
• The Learning Pit
• The Swiss Cheese Model
• Trust Battery
• The Accountability Ladder
• Sharpen the Saw
• Ideas Are Locations, Objects, Food
• Framing
• Get More Participation: Instead of "Anything Else?" ask "What Else?"

Plywood is an interesting material: made up of many layers of thin wood plys, it can be built up into elegantly curved shapes. Do you need to limit it to just wood, though? [Zach of All Trades] has proved you do not, when he embedded a light guide, LEDs, microcontrollers and touch sensors into a quarter inch (about six millimeter) plywood layup in the video embedded below.

He’s using custom flexible PCBs, each hosting upto 3 LEDs and the low-cost PY32 microcontroller. The PY32 drives the RGB LEDs and handles capacitive touch sensing within the layup. In the video, he goes through his failed prototypes and what he learned: use epoxy, not wood glue, and while clear PET might be nice and bendy, acrylic is going to hold together better and cuts easier with a CO2 laser.

The wood was sourced from a couple of sources, but the easiest was apparently skateboard kits– skateboards are plywood, and there’s a market of people who DIY their decks. The vacuum bag setup [Zach] used looks like an essential tool to hold together the layers of wood and plastic as the epoxy cures. To make the bends work [Zach] needed a combination of soaking and steaming the maple, before putting it into a two-part 3D printed mold. The same mold bends the acrylic, which is pre-heated in an oven.

Ultimately it didn’t quite come together, but after some epoxy pour touch-up he’s left with a fun and decorative headphone stand. [Zach] has other projects in mind with this technique, and its got our brains percolating as well. Imagine incorporating strain gauges to drive the LEDs so you could see loading in real time, or a sound-reactive speaker housing. The sky’s the limit now that the technique is out there, and we look forward to see what people make of it.

The last time we heard from [Zach of All Trades] he was comparing ten cent micro-controllers; it looks like the PY32 came out on top. Oddly enough, this seems to be the first hack we have featuring it. If you’ve done something neat with ten cent micros (or more expensive ones) or know someone who did, don’t forget to let us know! We love tips. [Zach] sent in the tip about this video, and his reward is gratitude worth its weight in gold.

At SID Display Week 2025, Samsung is showcasing two new micro-OLED panels that can deliver brighter high-resolution headsets with richer colors and no motion blur.

Micro-OLED displays are fabricated directly onto silicon wafers, a distinctly different manufacturing process to regular OLED, and offer much higher pixel density than any other production-ready display technology. Micro-OLED displays thus enable high resolution headsets with relatively slim designs - and of course OLED's signature infinite contrast with rich colors and true blacks.

Currently 2.5K micro-OLED displays from Chinese supplier SeeYA Technology are used in the Bigscreen Beyond series, while 4K micro-OLED displays from Sony are used in Apple Vision Pro, and BOE's 4K micro-OLED displays are used in Play For Dream MR and Shiftall MeganeX superlight. More headsets using a new Sony 4K micro-OLED are set to launch later this year, from Samsung, Sony, and Pimax.

Back in 2023, Samsung acquired US micro-OLED company eMagin for $218 million, and the new displays the company is showing at Display Week 2025 are likely based on eMagin's technology.

Samsung Acquiring OLED Microdisplay Company eMagin For XR

Samsung Display is acquiring OLED microdisplay company eMagin, citing “significant potential of growth” in XR devices.

UploadVRDavid Heaney

While the 4K micro-OLED panels in those current headsets reportedly have a raw brightness of roughly 5000 nits, the two new displays Samsung is showing output 15,000 nits and 20,000 nits respectively.

But if you're currently wondering "why on earth would anyone want or need a display that bright near their eyes?" there's something very important to understand here.

For all their benefits, the pancake lenses needed to magnify displays this small to an acceptable field of view have extremely poor optical efficiency. That means the majority of the light passing through them is lost, significantly reducing the viewed brightness. For today's pancake lenses, this loss is on the order of 90%.

Worse, to avoid the perception of motion blur all XR displays intentionally only illuminate for a fraction of each frame, known as the duty cycle, remaining pitch dark the rest of the frame, and with OLED displays this makes the effective brightness even lower. This technique is often called low persistence.

When both the poor optical efficiency of pancake lenses and intentional low persistence of the displays are taken into account, the viewed brightness of the current 5000 nit micro-OLED displays is only around 100 nits.

That means that Samsung's displays in a similar optical setup could achieve around 300 nits and 400 nits viewed brightness respectively, at the same duty cycle and refresh rate. Alternatively, headset makers could use a lower duty cycle to reduce or even eliminate the motion blur we criticized in our Vision Pro review, achieving a balance between increased brightness and improved motion clarity.

In addition to much higher brightness than the micro-OLED displays of today, Samsung is also claiming higher resolution and wider color gamut. One panel shown is 3888×3888, while the other is 5K, and both have 99% DCI-P3 coverage. That compares to 3660×3200 and 92% for Apple Vision Pro.

	Size	Resolution	Raw Brightness (read article)	Color Gamut (DCI-P3)	Refresh Rate
Sony's Old (Apple Vision Pro)	1.41"	3660×3200	5000 nits	92%	100Hz
Sony's New (SRH-S1) (Pimax Dream Air)	1.35"	3552×3840	5000 nits	96%	90Hz
BOE's (Play For Dream MR) (MeganeX superlight)	1.35"	3552×3840	6000 nits	92%	90Hz
LG's (Display Week 2024)	1.3"	3840×3840	10,000 nits	97%	90Hz
Samsung's 5000PPI (Display Week 2025)	1.4"	5K	15,000 nits	99%	120Hz
Samsung's 4200PPI (Display Week 2025)	1.3"	3888×3888	20,000 nits	99%	?

The much greater brightness and wider color gamut of Samsung's displays are possible because they use true red, green, and blue OLED subpixels, building on eMagin's technology. In contrast, existing micro-OLED displays use white OLED subpixels with RGB color filters on top.

Direct emission RGB is significantly more efficient, and offers better color saturation, enabling the greater brightness and wider color gamut without increasing power draw. However, what this technology won't help address is arguably the biggest issue with micro-OLED today, the cost. Micro-OLED displays with white subpixels are already difficult and expensive to manufacture, and true RGB subpixels are even more so.

As such, Samsung is currently describing these advanced micro-OLED displays as falling under research & development.

For Samsung's first standalone headset, set to introduce Google's Android XR platform later this year, the company will reportedly use Sony's new micro-OLED display, the same being used in Sony's own SRH-S1 headset coming this year too.

Le célèbre Jet Propulsion Laboratory (JPL), qui s'occupe des vaisseaux spatiaux de la Nasa, vient de réussir à remettre en service un ensemble de propulseurs de la non moins fameuse sonde Voyager 1. Ces propulseurs d'appoint, qui font partie d'un ensemble de 16, étaient pourtant considérés comme définitivement hors-service depuis 2004.Cette prouesse...

A terrarium is a little piece of the living world captured in a small enclosure you can pop on your desk or coffee table at home. If you want to keep it as alive as possible, though, you might like to implement some controls. That’s precisely what [yotitote] did with their smart terrarium build.

At the heart of the build is an ESP32 microcontroller. It’s armed with temperature and humidity sensors to detect the state of the atmosphere within the terrarium itself. However, it’s not just a mere monitor. It’s able to influence conditions by activating an ultrasonic fogger to increase humidity (which slightly impacts temperature in turn). There are also LED strips, which the ESP32 controls in order to try and aid the growth of plants within, and a small OLED screen to keep an eye on the vital signs.

It’s a simple project, but one that serves as a basic starting point that could be readily expanded as needed. It wouldn’t take much to adapt this further, such as by adding heating elements for precise temperature control, or more advanced lighting systems. These could be particularly useful if you intend your terrarium to support, perhaps, reptiles, in addition to tropical plant life.

Indeed, we’ve seen similar work before, using a Raspberry Pi to create a positive environment to keep geckos alive! Meanwhile, if you’re cooking up your own advanced terrarium at home, don’t hesitate to let us know.

Coinbase, l’une des plus grandes plateformes de cryptomonnaies au monde, a été victime d’un piratage sophistiqué. Face à une demande de rançon de 20 millions de dollars et une fuite de données sensibles, l’entreprise a décidé de retourner la menace contre ses auteurs : elle propose la même somme à quiconque permettra de les identifier.

Une avancée majeure en physique théorique pourrait enfin unifier la gravité avec les autres forces fondamentales. Cette percée, réalisée par des chercheurs finlandais, ouvre des perspectives...

Almost all satellites have some kind of thrusters aboard, but they tend to use them as little as possible to conserve chemical fuel. Reaction wheels are one way to make orientation adjustments without running the thrusters, and [Zachary Tong]’s liquid metal reaction wheel greatly simplifies the conventional design.

Reaction wheels are basically flywheels. When a spacecraft spins one, conservation of angular momentum means that the wheel applies an equal and opposite torque to the spacecraft, letting the spacecraft orient itself. The liquid-metal reaction wheel uses this same principle, but uses a loop of liquid metal instead of a wheel, and uses a magnetohydrodynamic drive to propel the metal around the loop.

[Zach] built two reaction wheels using Galinstan as their liquid metal, which avoided the toxicity of a more obvious liquid metal. Unfortunately, the oxide skin that Galinstan forms did make it harder to visualize the metal’s motion. He managed to get some good video, but a clearer test was their ability to produce torque. Both iterations produced a noticeable response when hung from a string and activated, and achieved somewhat better results when mounted on a 3D-printed air bearing.

Currently, efficiency is the main limitation of [Zach]’s motors: he estimates that the second model produced 6.2 milli-newton meters of torque, but at the cost of drawing 22 watts. The liquid metal is highly conductive, so the magnetohydrodynamic drive takes high current at low voltage, which is inconvenient for a spacecraft to supply. Nevertheless, considering how hard it is to create reliable, long-lasting reaction wheels the conventional way, the greatly improved resilience of liquid-metal reaction wheels might eventually be worthwhile.

If you’re curious for a deeper look at magnetohydrodynamic drives, we’ve covered them before. We’ve also seen [Zach]’s earlier experiments with Galinstan.

The post Google Teases Android Smart Glasses Ahead of I/O Developer Conference Next Week appeared first on Road to VR.

Intuitively, you think that everything that you stretch will pull back, but you wouldn’t expect a couple of pieces of plastic to win. Yet, researchers over at [AMOLF] have figured out a way to make a mechanism that will eventually shrink once you pull it enough.

Named “Counter-snapping instabilities”, the mechanism is made out of the main sub-components that act together to stretch a certain amount until a threshold is met. Then the units work together and contract until they’re shorter than their initial length. This is possible by using compliant joints that make up each of the units. We’ve seen a similar concept in robotics.

Potentially this may be used as a unidirectional actuator, allowing movement inch by inch. In addition, one application mentioned may be somewhat surprising: damping. If a structure or body is oscillating through a positive feedback loop it may continue till it becomes uncontrollable. If these units are used, after a certain threshold of oscillation the units will lock and retract, therefore stopping further escalation.

Made possible by the wonders of compliant mechanics, these shrinking instabilities show a clever solution to some potential niche applications. If you want to explore the exciting world of compliance further, don’t be scared to check out this easy to print blaster design!

Thanks to [I’m Not Real] for the tip!

Here’s a look at the FUI of Cyber City Oedo 808, a gritty cyberpunk anime full of retro-futuristic designs. From car dashboards and cockpits readouts to police files, and schematics, these interfaces play a key role in shaping the world and its atmosphere.

Dashboard and cockpit UI

The designs are wonderfully abstract, using lines, shapes, and motion to suggest complexity without over-explaining. Much of the detail is implied rather than shown, and that restraint adds to the aesthetic. Animation does a lot of the storytelling here: the pacing, the rhythm, the manic flickering during tense moments, all of it conveys mood and urgency without a single word. The car dashboard in particular, is so full of personality.

View fullsize
View fullsize
View fullsize
View fullsize
View fullsize

Police files

The police systems use a distinct and well-balanced colour palette, cool blues and white for type, with turquoise, deep pink, and red as accents. It gives the interface a clean yet stylised look that feels both official and futuristic. The top-down wipe transitions are a nice touch too as it subtly hints at older technologies and adds to the retro future aesthetic.

View fullsize
View fullsize
View fullsize
View fullsize

Computer interfaces

Here’s a mix of screens that involve hacking, mapping and simulations. The screen designs really capture the retro future feel thanks to the fonts, low resolution and animation style and could easily fit into the same timeline as Blade Runner or Alien Romulus.

View fullsize
View fullsize
View fullsize
View fullsize
View fullsize
View fullsize
View fullsize
View fullsize

Handheld UI

This is a really fun device that has a large screen up top for visuals and a secondary screen below for supporting details. The controls at the bottom are reminiscent of early ’90s Japanese tech and really adds to the device’s retro-future appeal.

View fullsize
View fullsize
View fullsize

DNA sequencing

These screens give off a distinctly scientific feel, thanks to the combination of complex diagrams, no-nosense typography and basic animation.

View fullsize
View fullsize
View fullsize
View fullsize
View fullsize

Interface control panels

The interface controls are often complex, built from clusters of small details and elements that sit flat on the console surface. Instead of a standard keyboard, the layouts use generously spaced-out symbols that span across a large panel. The designers did a good job of suggesting complexity through the use of lines and irregular shapes.

View fullsize
View fullsize
View fullsize
View fullsize

Targeting UI

The design of this targeting system is pretty unique. Firstly, it’s not often that you see a serif font used in a high-tech interface, like the word ‘TARGET’. The triangular layout of the callout text is also unusual. Not sure I understand the logic behind it but stylistically it’s very cool and adds to building the design language throughout the world.

View fullsize
View fullsize
View fullsize

At the end of 2024, fifteen US states had laws banning some version of facial recognition.

Usually, these laws were written on the basis that the technology is a nightmare-level privacy invasion that's also too shoddy to be relied upon. Now, a new company aims to solve that problem — though maybe not in the way you'd imagine (or like).

Per a report in MIT Technology Review, a new AI tool called Track is being used not to improve facial recognition technology, nor as a way to make it less invasive of your personal civil liberties, but as a workaround to the current laws against facial recognition (which are few and far between, at least when compared to the places it's allowed to operate). It's a classic tale of technology as "disruption," simply by identifying a legal loophole to be exploited.

That new tool, called Track, is a "nonbiometric" system that emerged out of a SkyNet-esque company that specializes in video analytics, Veritone.

According to MIT Technology Review's story, it already has 400 customers using Track in places where facial recognition is banned, or in instances where someone's face is covered. Even more: Last summer, Veritone issued a press release announcing the US Attorney's office had expanded the remit of their Authorization to Operate, the mandate that gives a company like Veritone the ability to carry out surveillance operations.

Why? Because Track can (supposedly) triangulate people's identities off of footage using a series of identifying factors, which include monitored subjects' shoes, clothing, body shape, gender, hair, and various accessories — basically, everything but your face. The footage Track is capable of scanning includes everything from closed-circuit security tapes, body-cams, drone footage, Ring cameras, and crowd/public footage (sourced from various social media networks where it's been uploaded).

In a view MIT Technology Review obtained of Track in operation, users can select from a dropdown menu listing a series of attributes by which they want to identify subjects: Accessory, Body, Face, Footwear, Gender, Hair, Lower, Upper. Each of those menus has a sub-menu. On "Accessory," the sub-menu lists: Any Bag, Backpack, Box, Briefcase, Glasses, Handbag, Hat, Scarf, Shoulder Bag, and so on. The "Upper" attribute breaks down into Color, Sleeve, Type (of upper-body clothing), and those types break down into more sub-categories.

Once the user selects the attributes they're looking for, Track gives the user a series of images taken from the footage being reviewed, containing a series of matches. And from there, it will continue to help users narrow down footage until they've assembled a triangulation of their surveillance target's path.

If this sounds like current facial recognition software — in other words, like it's a relatively fallible Orwellian enterprise, bound to waste quite a bit of money, netting all the wrong people along the way — well, the folks at Veritone see it another way.

Their CEO called Track their "Jason Bourne tool," while also praising its ability to exonerate those identified by it. It's an incredibly dark, canny way to get around limitations on their ability to use facial recognition tracking systems, simply by providing something very much like it, that isn't precisely biometric data. By going around that loophole, Signal equips police departments and federal law enforcement agencies with the unencumbered opportunity to conduct surveillance that's been legislated against in all but the precise letter of the law. And surveillance, it's worth noting, that might be even more harmful or detrimental than facial recognition itself.

It's entirely possible that people who wear certain kinds of clothing or look a certain way can be caught up by Track. And this is in a world where we already know people have been falsely accused of theft, falsely arrested, or falsely jailed, all thanks to facial recognition technology.

Or as American Civil Liberties Union lawyer Nathan Wessler told MIT Tech Review: "It creates a categorically new scale and nature of privacy invasion and potential for abuse that was literally not possible any time before in human history.”

Looks like they're gonna have to find another name for the big map.

More on Facial Recognition: Years After Promising to Stop Facial Recognition Work, Meta Has a Devious New Plan

The post The Hot New AI Tool in Law Enforcement Is a Workaround for Places Where Facial Recognition Is Banned appeared first on Futurism.

A team of researchers at the University of California, Davis, made small tweaks to the molecular structure of lysergic acid diethylamide (LSD) to see if it could be turned into an effective brain-healing treatment for patients that suffer from conditions like schizophrenia — without risking a potentially disastrous acid trip.

As detailed in a new paper published in the journal Proceedings of the National Academy of Sciences last month, the researchers created a new compound called JRT by shifting the position of just two atoms of the psychedelic's molecular structure.

With the two atoms flipped, the new drug could still stimulate brain cell growth and repair damaged neural connections, while simultaneously minimizing psychedelic effects, in mice.

"Basically, what we did here is a tire rotation," said corresponding author and UC Davis chemistry professor David Olson in a statement. "By just transposing two atoms in LSD, we significantly improved JRT’s selectivity profile and reduced its hallucinogenic potential."

In experiments involving mice, the team found that JRT improved negative symptoms of schizophrenia without worsening other behaviors associated with psychosis.

While it's still far too early to tell if JRT could be effective in humans as well, the team is hoping that the new drug could become a powerful new therapeutic, especially for those suffering from conditions like schizophrenia.

"No one really wants to give a hallucinogenic molecule like LSD to a patient with schizophrenia," said Olson. "The development of JRT emphasizes that we can use psychedelics like LSD as starting points to make better medicines."

"We may be able to create medications that can be used in patient populations where psychedelic use is precluded," he added.

Olsen and his colleagues hope their new drug could provide an alternative to drugs like clozapine, a schizophrenia treatment, without negative side effects like an inability to feel pleasure and a decline in cognitive function.

Interestingly, it also proved a powerful antidepressant in early experiments involving mice at doses 100-fold lower than ketamine, a popular anesthetic used for the treatment of depression and pain management.

But before it can be tested in humans, the team still has plenty of work to do.

"JRT has extremely high therapeutic potential," Olsen said in the statement. Right now, we are testing it in other disease models, improving its synthesis, and creating new analogs of JRT that might be even better."

More on LSD: Former CEO Sues Company That Fired Him for Microdosing LSD in an Investor Meeting

The post Scientists Tweaked LSD’s Molecular Structure and Created a Wild New Brain Drug appeared first on Futurism.

If Disney leadership has its way, we'll all be drooling over endless Star Wars reboots, sequels, and spinoffs until the Sun explodes. And what better way to keep the slop machine humming than using good old generative AI?

Unfortunately, as highlighted by 404 Media, we just got a preview of what that might look like. Industrial Light and Magic, the legendary visual effects studio behind nearly every "Star Wars" movie, released a new demo showcasing how AI could supercharge depictions of the sci-fi universe.

And unsurprisingly, it looks absolutely, flabbergastingly awful.

The demo, called "Star Wars: Field Guide," was revealed in a recent TED talk given by ILM's chief creative officer Rob Bredow, who stressed that it was just a test — "not a final product" — created by one artist in two weeks. 

It's supposed to give you a feel of what it'd be like to send a probe droid to a new Star Wars planet, Bredow said. But what unfolds doesn't feel like "Star Wars" at all. More so, it's just a collection of generic-looking nature documentary-style shots, featuring the dumbest creature designs you've ever seen. And all of them are immediately recognizable as some form of real-life Earth animal, which echoes the criticisms of generative AI as being merely a tool that regurgitates existing art.

You can watch it here yourself, but here's a quick rundown of the abominations on display — which all have that fake-looking AI sheen to them. A blue tiger with a lion's mane. A manatee with what are obviously just squid tentacles pasted onto its snout. An ape with stripes. A polar bear with stripes. A peacock that's actually a snail. A blue elk that randomly has brown ears. A monkey-spider. A zebra rhino. Need we say more? 

"None of those creatures look like they belong in Star Wars," wrote one commenter on the TED talk video. "They are all clearly two Earth animals fused together in the most basic way."

Make no mistake: ILM is a pioneer in the special effects industry. Founded by George Lucas during the production of the original "Star Wars" movie, the outfit has innovated so many of the feats of visual trickery that filmmakers depend on today while spearheading the use of CGI. Its bona fides range from "Terminator 2," and "Jurassic Park," to "Starship Troopers."

Which is why it's all the more disheartening to see it kowtowing to a technology that bastardizes an art form it perfected. What ILM shows us is a far cry from the iconic creature designs that "Star Wars" is known for, from Tauntauns to Ewoks.

Sure, there's some room for debate about how much of a role AI should play in filmmaking — with labor being the biggest question — and Bredow broaches the subject by pointing out that ILM has always taken cutting-edge technologies and used them along with proven techniques. He assures the audience that real artists aren't going anywhere, and that "innovation thrives when the old and new technologies are blended together."

That's all well and good. But to jump from that sort of careful stance to showing off completely AI-generated creations sends a deeply conflicting message.

More on AI in movies: Disney Says Its "Fantastic Four" Posters Aren't AI, They Actually Just Look Like Absolute Garbage

The post Star Wars' Showcase of AI Special Effects Was a Complete Disaster appeared first on Futurism.

We've been expecting it for a while, and now it's here: OpenAI has introduced an agentic coding tool called Codex in research preview. The tool is meant to allow experienced developers to delegate rote and relatively simple programming tasks to an AI agent that will generate production-ready code and show its work along the way.

Codex is a unique interface (not to be confused with the Codex CLI tool introduced by OpenAI last month) that can be reached from the side bar in the ChatGPT web app. Users enter a prompt and then click either "code" to have it begin producing code, or "ask" to have it answer questions and advise.

Whenever it's given a task, that task is performed in a distinct container that is preloaded with the user's codebase and is meant to accurately reflect their development environment.

Read full article

Comments

Une équipe de chercheurs a mis au point un vaccin ciblant la protéine tau, associée à la maladie d'Alzheimer, montrant des réponses immunitaires robustes chez les souris et les primates non...

La génétique pourrait bientôt révéler nos traits sans avoir besoin d'une photo. Des chercheurs chinois ont développé une IA capable de modéliser un visage en trois dimensions à partir d'un...

A new AI model, H-CAST, groups fine details into object-level concepts as attention moves from lower to high layers, outputting a classification tree—such as bird, eagle, bald eagle—rather than focusing only on fine-grained recognition.

Chaque semaine apporte son lot de chiffres sur l’intelligence artificielle, tous aussi plus impressionnants voire inquiétants les uns que les autres. Des millions d’emplois en diner, des gains de productivité astronomiques et l’intelligence artificielle générale, celle qui nous rendra tous obsolètes est à notre porte !

Mais quelle confiance pouvons nous avoir dans ces chiffres ? Quelle est la rigueur scientifique derrière eux ?

Trop souvent on confond prévision et prédiction, projection crédible et extrapolation hasardeuse.

C’est une constante dans le monde de la tech mais, une fois encore, il convient donc de distinguer ce qui relève d’une analyse fondée et ce qui relève de la croyance ou de la communication.

En effet le fait est que la plupart des chiffres avancés, que nous lisons, discutons et sur la base desquels nous prenons peut être des décisions, sont des estimations au doigt mouillé qui ne sont étayés par aucun modèle mathématique sérieux.

En bref :

• Les chiffres avancés sur l’impact de l’IA sont souvent fondés sur des extrapolations peu rigoureuses, sans modèle scientifique solide, et servent des intérêts marketing ou politiques plus que des analyses fiables.
• La confusion entre prévision et prédiction alimente une perception erronée de l’avenir de l’IA, les premières étant fondées sur des données et modèles éprouvés, les secondes relevant de la spéculation voire de la croyance.
• L’intelligence artificielle générale (AGI) fait l’objet d’une définition floue et d’horizons divergents, ce qui rend toute discussion sur son avènement hautement spéculative et non scientifique.
• Les effets annoncés de l’IA sur l’emploi et la productivité reposent sur des hypothèses fragiles et des méthodologies discutables, avec des écarts importants entre les estimations et peu de preuves empiriques à ce jour.
• Le discours dominant sur l’IA est façonné par des acteurs ayant intérêt à exagérer son impact, créant une asymétrie entre promesses technologiques et réalités économiques et sociales, au détriment d’une analyse rigoureuse.

Prévision vs prédiction : deux logiques diamétralement opposées

J’ai, il y a peu, rappelé la différence entre prévisions et prédictions (Pourquoi dirigeants et experts commettent il de grossières erreurs quant il faut anticiper l’avenir ?) mais je pense utile de refaire un rappel ici.

Une prévision repose sur des données observables, des modèles mathématiques et statistiques validés, une probabilité d’occurence évaluée. Elle est le résultat d’une méthodologie rigoureuse semblable à ce qui se fait en matière d’économie ou de météorologie.

A l’inverse une prédiction est une affirmation sur le futur fondée sur peu de faits, subjective, voire prophétique.

Disons les choses autrement.

Les prévisions sont faites par des gens sérieux, un peu tristes, qui suivent des méthodologies strictes où l’intuition et la créativité n’ont pas leur place.

Les prédictions, elles, sont faites par des gens qui vous expliquent que le futur va être terrible et que vous ne survivrez qu’en achetant leurs produits et services. Le marketing de la peur a toujours bien fonctionné et, pour citer un homme politique célèbre, plus c’est gros plus ça passe.

Souvenez vous qu’en 2015 on allait tous mourir si on n’investissait pas dans la transformation digitale. Qui est mort du digital ou l’ubérisation ? Personne (Digital : l’empire contre-attaque). Demain on parlera d’ailleurs du Metavers qu’il y a 5 ans certains voyaient valorisé entre 5000 et 13000 milliards de dollars. Et n’oubliez pas qu’en 2000 on aurait tous du avoir des voitures volantes.

Bref.

En matière d’IA la confusion entre prévisions et prédictions est systématique : on présente des estimations voire des arguments marketing comme des certitudes, on projette des effets systémiques à partir de tests locaux ou en laboratoire et on en fait des vérités.

Très peu de ces prédictions, voire aucune, ne sont modélisées à partir de données solides ni validées à partir de la comparaison de scénarios. Elles ne reposent donc sur aucun modèle robuste.

Quiconque a fait un peu d’économie sait ce qu’est un modèle robuste : il repose sur des hypothèses explicites, des données empiriques vérifiables, une capacité à être testé dans le temps, et une sensibilité maîtrisée aux variations de paramètres. Ce qui n’est souvent pas le cas ici.

Faire des prédictions sur l’IA sans modèle rigoureux, c’est comme annoncer la météo dans deux semaines sans regarder le ciel ni disposer d’un satellite.

En effet la plupart des prédictions sur l’IA reposent sur des matrices de tâches, des questionnaires d’opinion ou des raisonnements qualitatifs non modélisées. On est plus dans la prospective que la science prédictive.

Et le vocabulaire utilisé par les consultants, journaliste, dirigeants et bien sûr le marketing des éditeurs entretient volontairement cette ambiguïté afin de nous faire prendre des prophéties autoréalisatrices pour des scénarios plausibles.

L’AGI : une définition insaisissable, des horizons divergents

Elle fait rêver, fait peur, fait fantasmer : je parle bien sur de l’intelligence artificielle générale (AGI). C’est le graal, l’IA absolue : une forme d’intelligence artificielle capable de comprendre, apprendre et accomplir toute tâche cognitive humaine avec un niveau de performance au moins équivalent à celui d’un être humain, de manière autonome et transférable entre domaines.

Celle qui nous rendra tous obsolètes.

Mais encore faut-il s’accorder pour savoir de quoi on parle et là c’est loin d’être le cas car il n’existe aucune définition consensuelle sur ce qu’est l’AGI.

Pour certains, c’est une IA capable d’effectuer toutes les tâches cognitives humaines, de façon autonome et généralisable. Pour d’autres, elle désigne un système capable de transférer des compétences acquises dans un domaine vers un autre, sans supervision humaine. D’autres encore parlent simplement de performance équivalente à celle d’un humain moyen dans un ensemble de tâches variées.

Plus récemment, Microsoft et OpenAI ont annoncé que l’AGI sera atteinte dès que OpenAI aura développé un système d’IA capable de générer au moins 100 milliards de dollars de bénéfices (Microsoft and openai agree a financial definition of AGI of $100 billion).

Beaucoup moins ambitieux et par expérience je me dis que lorsqu’on abaisse les critères de jugement cela veut dire qu’on se dit qu’on aura du mal à y arriver. Un peu comme le niveau d’exigence au BAC…

Bref, l’AGI, c’est un peu comme le monstre du Loch Ness : tout le monde en parle, certains jurent l’avoir vu, mais personne ne peut la définir clairement ni prouver son existence.

En 2022, une étude de AI Impacts avait interrogé 738 chercheurs en IA (2022 Expert Survey on Progress in AI) et 50 % estimaient que l’AGI apparaîtrait avant 2059, 25 % pensent pas avant 2100, et une minorité significative jamais.

Mais à l’échelle de l’IA 2022 c’est il y a une éternité. Alors qu’en dit on maintenant ?

Sam Altman, le directeur général d’OpenAI a affirmé que l’AGI pourrait émerger dès 2025 (Reflections), une position partagée par quelques figures du secteur mais minoritaire dans la communauté scientifique. Du coté chez Anthropic, son président Dario Amodei estime que l’AGI pourrait voir le jour dès 2026, voire dans les 12 à 24 prochains mois (Dario Amodei: Anthropic CEO on Claude, AGI & the Future of AI & Humanity). Cela rejoint le scénario dit « AI 2027 », élaboré par d’anciens chercheurs d’OpenAI et du Center for AI Policy, qui tablent sur une émergence de l’AGI autour de 2027.

Mais d’autres sont beaucoup plus prudents.

Pour Geoffrey Hinton (ex-Google) l’arrivée possible de l’AGI se site entre 5 et 20 ans, soit entre 2028 et 2043 (Here’s how far we are from AGI, according to the people developing it), mais il insiste sur l’incertitude persistante autour de cette échéance et même sur ce qu’est vraiment l’AGI (‘Godfather of AI’ says there isn’t a consensus on what ‘artificial general intelligence’ means.

A coté de ça diverses études placent l’arrivée de l’AGI entre 2030 et 2060.

On parle donc d’une marge d’erreur de 35 ans pour quelque chose au sujet de laquelle aucune définition n’existe et dont certains doutent même de l’existence.

D’autres personnes faisant autorité comme Yann LeCun (Meta) la jugent très lointaine et mal définie (Meta’s LeCun Debunks AGI Hype, Says it is Decades Away), tandis que d’autres comme Eliezer Yudkowsky, le fondateur du Machine Intelligence Research Institute(Pausing AI Developments Isn’t Enough. We Need to Shut it All Down) annoncent son avènement comme imminent et potentiellement dangereux.

Ces différences rendent donc toute discussion sur le calendrier ou les impacts de l’AGI totalement spéculative et révèlent une absence totale de consensus non seulement sur ce qu’est l’AGI, mais aussi sur la plausibilité de son avènement dans un horizon temporel exploitable.

On est donc totalement dans le domaine au mieux de la croissance personnelle et, au pire, du marketing. Tout cela repose donc davantage sur des intuitions, des positions philosophiques, des impératifs commerciaux, des messages subliminaux aux investisseurs plutôt que sur une progression mesurable ou modélisable.

L’arnaque du QI de l’IA

Je lis ça et là que l’IA atteint aujourd’hui des scores de quotient intellectuel similaires aux humains les plus intelligents et qu’elle va rapidement les surpasser. Mais je ne lis personne qui au lieu de repartager du hype de manière forcenée ne se questionne sur la pertinence de l’argument.

Le QI est un outil de mesure statistique conçu pour évaluer certaines capacités cognitives humaines comme le raisonnement logique, la mémoire ou la compréhension verbale. Il repose sur une normalisation autour d’une moyenne humaine pour une classe d’âge donnée.

Appliquer ce concept à des intelligences artificielles est donc scientifiquement discutable car une IA ne partage ni la structure cognitive, ni les limites biologiques humaines.

Elle peut, par ailleurs, exceller sur certaines tâches de QI tout en échouant sur des tâches élémentaires pour un humain (compréhension contextuelle, bon sens). Essayez de demander à chatGPT un calcul ou une résolution d’équation, même simple, et vous allez rire: normal, il ne sait pas compter, même pas le nombre de caractères dans un mot ou le nombre d’occurrences d’une lettre dans un mot et ne comprend pas le sens de ce qu’il dit. Pour lui la réponse qu’il vous donne n’est pas la meilleure en termes de sens mais la plus statistiquement probable.

Les tests utilisés pour calculer le QI d’une IA sont également souvent biaisés, car les IA sont souvent entrainés sur les corpus des tests eux-mêmes. Un peu comme si vous vous entrainiez sur le sujet même de l’examen que vous allez passer.

Enfin l’intelligence d’une IA est fondamentalement différente de celle d’un être humain : elle est spécialisée, contextuelle et n’a ni conscience ni intention.

Le QI n’est donc ni pertinent, ni suffisant pour évaluer ou comparer les capacités cognitives des intelligences artificielles

D’ailleurs LeCun ne dit pas autre chose (Are we all wrong about ai? When academics challenge the silicon valley dream et, This AI Pioneer Thinks AI Is Dumber Than a Cat, Meta AI Chief Yann LeCun: Human Intelligence Is Not General Intelligence) quand il dit que l’AGI ou peu importe la manière dont vous la nommez ne sera pas atteinte par les LLM dont on s’esbaudit par ailleurs quand on parle de leur soit disant QI (Meta’s AI chief: LLMs will never reach human-level intelligence). Ce faisant il tient à peu près les mêmes propos que Luc Julia qui nous dit que les discours alarmistes autour de l’AGI sont souvent exagérés et ne reflètent pas la réalité des capacités actuelles de l’IA (Dans l’IA, trop d’artificiel, pas assez d’intelligence pour le spécialiste Luc Julia) mais je ne comprends pas pourquoi à chaque fois que je cite ce dernier sur Linkedin je vois comme une sorte de levée de bouclier, comme si des gens avaient peur qu’on leur casse leurs rêves et leurs jouets.

Ne vous méprenez pas, je ne dis pas qu’un jour ne naitra pas une IA capable de nous égaler ou nous surpasser, en tout cas dans certains domaines.

Je dis juste que personne ne s’accorde quant à savoir ce dont on parle, de quand cela arrivera ni même de si cela arrivera et en tout cas dans quelles proportions.

Je ne dis pas que tel ou tel de ces éminents spécialistes à tort ou raison, je dis juste que chacun peut choisir l’hypothèse qu’il veut, aucune n’est plus valable que l’autre et aucune ne repose sur un raisonnement scientifique mais sur des intuitions et des convictions.

IA et destruction d’emplois : un mélange d’hypothèses et d’approximation

Je vous disais dernièrement que je ne croyais pas au remplacement généralisé de l’humain par l’IA, en tout cas à moyen terme et même à long terme (IA et emploi : pourquoi je ne crois pas au « grand remplacement » de l’Homme par la machine).

Maintenant parlons des chiffres disponibles sur le sujet.

Goldman Sachs parle de 300 millions d’emplois « exposés » dans le monde (Generative AI could raise global GDP by 7%).

Toujours en 2023, McKinsey prévoyait que 60 à 70 % du temps de travail pourrait être automatisé d’ici 2030 (The economic potential of generative AI: The next productivity frontier). Notons bien la différence entre emplois et temps de travail.

Plus récemment, en 2025, le World Economic Forum (2023) anticipe 92 millions d’emplois supprimés d’ici 2030 mais également que 170 millions de nouveaux emplois seront créés dans le même temps (The Future of Jobs Report 2025).

Inutile d’aller plus loin : vous trouverez une énorme quantité de chiffres qui ne disent pas tous la même chose et surtout pas dans les mêmes proportions.

Mais il faut bien avoir en tête qu‘un emploi exposé n’est pas un emploi supprimé. De plus ces estimations ne reposent, là encore, sur aucun modèle mathématique robuste. Il ne s’agit ni de projections économétriques ni de modélisations validées mais au mieux d’extrapolations issues de matrices de correspondance entre tâches et capacités d’outils d’IA, et, au pire, d’intuitions transformées en chiffres à des fins de marketing.

Il n’existe pas, à ce jour, de modèle scientifique permettant de prédire avec fiabilité combien d’emplois seront supprimés, à quel horizon, et dans quels secteurs. C’est donc une évaluation subjective sans valeur prédictive.

On a déjà eu la leçon par le passé mais elle ne semble pas avoir été apprise. En effet dès 2013 une étude de Frey & Osborne Frey nous disait qu’entre 33 et 47% des emplois américains était automatisable (The future of employment: how susceptible are jobs to computerisation?). Trois ans plus tard l’OCDE ramenait son chiffre à 9% en raison d’un problème de méthode :les premières estimations supposaient une automatisation totale d’un poste si une majorité de ses tâches était automatisable, ce qui est totalement irréaliste.

Plus proche de nous une autre étude vient de tempérer les scénarios les plus alarmistes (Generative AI is not replacing jobs or hurting wages at all, economists claim). L’analyse des données de 200 millions d’offres d’emploi aux Etats-Unis montre que l’arrivée des outils d’IA générative n’avait pas eu d’impact significatif sur les offres d’emploi ou les salaires dans les secteurs les plus exposés.

LeCun va également dans ce sens (Meta scientist Yann LeCun says AI won’t destroy jobs forever)

J’insiste encore à nouveau sur la question de la rigueur de la méthode. On liste des tâches, on regarde ce peuvent faire des IA et on en déduit une « remplaçabilité » potentielle qui, peut être, deviendra réalité. Mais l’IA est elle la seule responsable de la destruction potentielle d’emplois en 2025 ? Peut être que des variables comme les tensions économiques ou les guerres jouent un rôle, même minime, dans un potentiel ralentissement économique ? Mais les prédictions technocentrées ne prennent jamais en comptes les variables externes…

Là encore ne me faites pas dire ce que je ne dis pas.

On me pose souvent la question de savoir si « l’IA va un nous nous piquer nos jobs ».

Ma réponse est que la question est mal posée :

• Est-ce que l’IA va prendre une partie de mes activités ? Certainement. Mais quelle proportion et à quel horizon de temps ?

• Est-ce qu’elle va m’imposer des tâches non désirées et contraintes comme perdre du temps à rédiger un prompt à usage unique ou vérifier ses résultats et corriger les erreurs ? Oui. Mais dans quelle proportion ?

• Est-ce qu’elle va créer des tâches à haute valeur ajoutée, plus épanouissante ? Certainement mais dans quelles proportions et pour combien de monde ?

• Quand ou à quelle vitesse cela va se produire ? Je n’en ai rationnellement absolument aucune idée.

Je ne dis pas que cela ne va pas arriver, je dis juste que c’est probable (quelle probabilité ?) mais sans savoir à quel point et que tout ce qu’on lit en termes d’ordre de grandeur et horizon de temps ne repose sur rien de solide.

Je peux vous dire que je vais probablement partir en vacances cet été (la probabilité n’est même pas de 100%), mais je ne sais ni ou ni quand. Partant de là je n’ai pas assez pour soutenir une conversation avec mes amis sur mes futures vacances mais si je parlais d’IA avec le même niveau de certitude je pourrais me faire passer pour un gourou.

En attendant je ne doute pas que tout ce qui est automatisable sera automatisé, qu’on se fait des illusions sur les jobs soit disant plus épanouissants et qu’au final on fera pleins de bêtises avant de peut être revenir en arrière (Cessons d’être nAIfs avec l’IA au travail). Mais pour prendre les bonnes décisions il faut des chiffres et des horizons de temps et en la matière nous navigons en pleine fantaisie.

Gains de productivité : des projections sous condition

McKinsey avance donc que l’IA générative pourrait générer +3,3 % de productivité annuelle d’ici 2040. PwC estime à +14 % l’impact sur le PIB mondial d’ici 2030 (Sizing the prize. What’s the real value of AI for your business and how can you capitalise?).

Mais ces chiffres sont conditionnels car ils reposent sur une adoption massive et rapide, une requalification généralisée des salariés et une intégration sans friction dans les organisations. Tout ce qui n’arrive absolument jamais (Vous pouvez voir l’ère informatique partout, sauf dans les statistiques de la productivité).

Et, surtout ils ne reposent sur aucune modélisation rigoureuse mais seulement sur ces hypothèses optimistes et linéaires.

Dans les faits, les gains observés restent localisés et souvent marginaux. Le coût d’intégration, la qualité des données, la culture managériale, la courbe d’apprentissage sont utant d’obstacles qui atténuent l’impact promis dans des proportions majeures, sans même parler de l’acceptabilité et de l’impact social (Les défis que pose l’IA ne sont pas technologiques mais il faut y répondre aujourd’hui).

Les estimations de gains de productivité reposent souvent sur des hypothèses empilées comme un château de cartes : il suffit qu’un seul paramètre soit irréaliste pour que l’ensemble s’effondre.

Souvenons nous qu‘il a fallu très très longtemps pour que l’électricité transforme vraiment l’industrie, le temps de reconstruire et réorganiser des usines qui étaient conçues pour d’autres modes d’énergie et que l’ère de prospérité qui a suivi a demandé, en plus, de violences luttes sociales. Et l’histoire tend à éternellement se répéter (On surestime toujours le changement à venir dans les deux ans, et on sous-estime le changement des dix prochaines années). Comme me le disait un de mes mentors : « il faut du temps pour que les choses se passent rapidement« .

Daron Acemoglou, économiste MIT et personnage a priori crédible puisque récompensé par un prix Nobel semble aller dans ce sens (Daron Acemoglu: What do we know about the economics of AI?) : les effets macroéconomiques de l’IA sont aujourd’hui surestimés, faute de preuves du contraire. Ses travaux suggère une augmentation du PNB d’au maximum 1,6% sur 10 ans avec un gain annuel de productivité de 0,05% voire des gains négatifs sur les professions les moins qualifiées, sans oublier les effets collatéraux négatifs. Selon lui, la question centrale n’est pas de savoir si l’IA va tout transformer, mais comment orienter l’innovation vers des usages réellement complémentaires au travail humain plutôt que de chercher systématiquement à l’automatiser.

On est loin des 14% de McKinsey. Qui a raison ? Peut être Acemoglou dont la méthode m’a l’air plus rigoureuse d’un point de vue économique mais je ne suis pas assez qualifié pour en juger.

Ce que je sais par contre c’est qu’entre 14% et 1,6% il y a un gouffre et que rien ne permet de dire que l’un a tort et l’autre raison sauf à vouloir suivre aveuglément l’hypothèse qui nous arrange le plus.

Une question mal posée

Plutôt que de demander « est-ce que l’IA va remplacer les humains ?« , nous devrions peut être nous demander : pour quelles tâches, avec quels effets systémiques, et à quel rythme ?

L’IA remplace des tâches, rarement des métiers dans leur entièreté. Elle crée aussi de nouveaux besoins : supervision des modèles, conception des prompts, vérification humaine. Chaque vague technologique a vu naître de nouveaux emplois, même si cela prend du temps.

La technologie ne résout pas de problème mais nous aide à les résoudre et, ce faisant, elle en crée de nouveaux que les humains devront résoudre (Technology Doesn’t Solve Problems).

On oublie aussi les effets de rebond : plus de productivité peut entraîner plus de demande. Enfin, les organisations ne changent pas instantanément : leur inertie freine l’impact des technologies, d’autant plus que les cadres sociaux et réglementaires ne suivent pas toujours la même dynamique que l’innovation technique.

La fabrique du discours brouille l’analyse

Une dernière dimension mérite d’être soulignée : ces prédictions fantaisistes ne sont pas seulement le fruit d’un excès d’optimisme ou d’un manque de méthode mais souvent le produit d’un écosystème d’intérêts croisés.

Les cabinets de conseil et les médias, friands de récits mêlant hype et peur, ont tout intérêt à alimenter des scénarios qui nourrissent leur offre, leur influence ou leur audience. Les éditeurs de solutions IA, eux, veulent convaincre les investisseurs que la terre promise est en vue. Quant aux investisseurs eux-mêmes, après avoir injecté massivement des capitaux dans les technologies d’IA, ils ont besoin de dire au marché que les usages sont matures et que le retour sur investissement est proche.

Cette dynamique produit un discours techno-évangélique auto-entretenu, dans lequel il devient impossible de distinguer l’analyse du marketing.

Ce biais influence des décisions politiques, budgétaires et RH : fermetures de filières, réformes éducatives, plans de transformation fondés sur des données peu fiables. En gouvernance comme en stratégie, prendre des décisions fondées sur des chiffres douteux, c’est déguiser l’intuition voire la crédulité en rationalité.

Une asymétrie structurelle entre discours et réalité

Les discours sur l’IA s’accélèrent bien plus vite que les organisations, les systèmes de compétences ou les régulations. Cette asymétrie entre vitesse des promesses et lenteur des réalités crée un décalage entre l’offre technologique et la capacité des systèmes à l’absorber.

Ca n’est pas nouveau, ça prend juste des proportions jamais vues.

Encore une fois il faut faire ici une différence : on peut être d’accord sur la tendance mais admettre que les chiffres ne veulent rien dire.

On peut sentir qu’une vague monte sans pouvoir dire où tombera chaque goutte d’eau.

Oui, l’IA transforme déjà le monde du travail, mais les effets globaux de cette transformation sont encore largement inconnus. Ce n’est pas la peur ou un enthousiasme immodéré qui doivent guider nos décisions, mais la rigueur. Entre les prévisions rigoureuses et les prédictions spectaculaires il faut apprendre à garder la tête froide.

Les chiffres que l’on brandit pour prédire l’avenir de l’IA relèvent bien plus de la spéculation que de la science et aucune équation n’a jamais démontré qu’un tel pourcentage de métiers allait disparaître pas plus qu’il existe un modèle qui soutient les projections à 10 ou 20 ans. Ce sont des estimations construites sur des hypothèses floues, souvent non vérifiables.

Conclusion

Les prédictions sont peut-être justes sur la tendance générale (oui, l’IA va transformer le travail) mais elles sont complètement bancales quand on en vient aux chiffres, les horizons de temps et les impacts concrets. Il serait donc bon de sortir d’une vision technologique quasi prophétique et n’ayant d’autres velléité que soutenir un discours marketing pour revenir à une analyse économique et sociale solide, humble, et évolutive.

Une technologie peut être prometteuse, sans que ses effets soient prévisibles. C’est toute la difficulté de penser l’avenir dans l’incertitude.

Je ne dis pas que rien ne va changer, loin de là, mais que les chiffres avancés ne nous disent absolument rien.

Crédit visuel : Image générée par intelligence artificielle via ChatGPT (OpenAI)

L’article AGI, emploi, productivité : le grand bluff des prédictions IA est apparu en premier sur Bloc-Notes de Bertrand Duperrin.