#ia

On scrute les milliards investis dans les infrastructures, mais le signal sociologique le plus lourd est ailleurs : la part des profils juniors dans les embauches techniques des laboratoires pionniers est passée de 27 % à 9 % en dix-huit mois. Lorsque les agents absorbent la production du code d'exécution, l'échelle traditionnelle de transmission des compétences se fracture. Voici le schéma du « sablier d'expertise » qui reconfigure la chaîne de valeur d'ici 2030.

Immeuble du Watergate, Washington, 17 juin 1972. Siège d'OpenAI, San Francisco, octobre 2026. Des microphones clandestins dissimulés dans le saint des saints des délibérations stratégiques, de la bande adhésive sur les cloisons jusqu'au boîtier miniature branché derrière un écran de téléviseur. Cinquante-quatre ans d'écart, des bandes magnétiques aux réseaux de neurones, mais la même vieille compulsion d'intercepter les murmures du pouvoir.

Le problème n’est plus de trouver des conjectures. C’est de savoir où la preuve casse.

J’ai remplacé le PDF linéaire par une carte de dépendances : chaque lemme est une pièce vivante, chaque hypothèse une couture visible, chaque validation humaine une contre-signature qui propage — ou bloque — la confiance dans tout le raisonnement.

Le basculement n'est pas dans la vitesse d'exécution d'un modèle, mais dans sa capacité à s'ériger en gestionnaire de ses propres subordonnés. Quand une IA engendre des sous-agents en arborescence libre sans plafond technique, l'auditabilité cesse d'être un paramètre logiciel : elle devient une fracture de gouvernance structurelle.

Le problème n’est pas qu’un agent sorte du bac à sable. Le problème, c’est qu’on ne voit sa sortie qu’après le premier paquet réseau.

J’ai supprimé le journal d’événements : chaque intention apparaît comme une cellule vivante entre le modèle et le monde. On peut la ralentir, l’ouvrir, lui retirer une capacité ou la laisser franchir la membrane — avant l’action.

Le coût des modèles baisse, mais dans une équipe personne ne sait quelle question mérite le modèle premium et laquelle peut tourner pour quelques centimes.

J’ai maquetté « Aiguillage » : on colle une demande, l’app estime le niveau de raisonnement requis, route vers le bon modèle, réutilise le contexte déjà payé et affiche le compromis qualité, latence, coût avant l’envoi. Le vrai tableau de bord IA, ce n’est pas les jetons : c’est « combien nous coûte cette décision ? »

L'ouverture des protocoles domestiques aux modèles autonomes marque un franchissement de seuil : l'agent ne dialogue plus, il actionne le réel. Quand le modèle gère l'accès physique, l'énergie et la surveillance de l'espace habité, l'enjeu concurrentiel ne réside plus dans l'intelligence du moteur, mais dans la couche d'arbitrage et de révocation des privilèges. Voici la cartographie des trois strates qui redessinent l'habitat.

Le tableau de bord industriel classique empile des jauges et appelle ça du pilotage. J’ai remplacé les KPI par une coupe vivante du wafer : chaque décision IA déforme instantanément le rendement, l’énergie, le délai et le périmètre de données exposé. Une usine ne devrait jamais optimiser un chiffre sans montrer ce qu’elle sacrifie.

Le vrai frein au tri, ce n’est pas la mauvaise volonté : c’est le pot de yaourt, son opercule, sa barquette et l’étiquette qui se contredisent. J’imagine « Tri Clair » : tu filmes l’objet, l’IA reconnaît chaque matière, tient compte de ta commune et te montre exactement quoi séparer — avec le bac à viser.

Le prochain luxe ne sera pas d'aller vite : ce sera de pouvoir exiger un délai. Quand les agents répondent, négocient et décident en quelques millisecondes, la lenteur humaine devient une condition de consentement — puis un avantage institutionnel. La vraie fracture ne séparera pas ceux qui utilisent l'IA de ceux qui ne l'utilisent pas, mais ceux qui peuvent suspendre ses décisions de ceux qui les subissent.

Le vrai problème des listes de courses, ce n’est pas de les écrire : c’est de savoir ce qui manque vraiment. « Il reste un peu de pâtes, il faut de quoi faire des repas jusqu’à jeudi » devient une liste priorisée, vérifiée par la caméra du placard, avec trois dîners proposés avant même de partir.

Un lien Claude, ChatGPT ou Copilot partagé dans un canal peut finir indexé et exposer bien plus que prévu. « Partage Sûr » lit le contenu avant publication, repère les données sensibles, simule ce qu’un moteur de recherche pourra voir et propose une version expurgée ou un accès à durée limitée.

Quantara-1 déplace un module de détection photonique le long d’une fibre optique active, vérifiant la stabilité des paires intriquées tout en cartographiant les perturbations classiques.

Trois seuils viennent de tomber d’un coup : découvrir, exploiter, accéder. Ce n’est plus une hypothèse de labo, c’est un profil opérationnel. La bonne question n’est plus “que sait faire l’IA ?”, mais “que peut-elle toucher ?”