Torygreen

Les gens parlent d’« alignement de l’IA » comme s’il s’agissait purement d’un problème éthique.
En pratique, c’est un problème d’incitations.
Les systèmes fermés optimisent pour les KPI de la plateforme parce que c’est ce pour quoi ils sont rémunérés.
Les utilisateurs restent-ils plus longtemps ?
Les plaintes ont-elles diminué ?
L’engagement a-t-il augmenté ?
Les indicateurs étaient-ils bons sur un tableau de bord ?
L’IA apprend à optimiser ces chiffres, pas « l’alignement » avec les utilisateurs.
DeAI fait de la provenance et de la vérification la chose pour laquelle vous êtes payé.
Lorsque l

La partie dont personne n’a parlé à propos de Claude bloquant les API :
refuser l’inférence = pouvoir
Si une plateforme peut vous limiter, échanger à chaud un point de contrôle moins cher, ou restreindre des outils derrière une politique, elle contrôle votre rythme d’exploitation.
Une quota auquel vous n’avez pas consenti.
Une route que vous ne pouvez pas voir.
Une décision de « conformité » qui se manifeste par de la latence et des appels manqués.
Et tout le monde le traite comme un changement de produit.
Ce n’est pas le cas.
C’est de la gouvernance, en temps réel.
Nous le voyons déjà se prod

Claude devenant suffisamment abordable pour être le modèle par défaut derrière les outils de développement n'a pas atténué la demande.
Au contraire, cela l'a amplifiée.
Jevons, en temps réel.
L'utilisation n'a cessé de croître... jusqu'à ce que certaines API soient mises sur liste noire hier.
C'est ce moment qui compte.

« Les conseils d’IA » semblent sûrs parce qu’ils donnent l’impression de convenir à tout le monde.
C’est là toute la subtilité.
Le modèle est ajusté pour le milieu : la réponse qui ne fera pas brûler la personne moyenne dans la situation moyenne.
Mais personne ne demande un conseil du milieu.
Ils demandent du bord :
- offre d’emploi vs visa vs famille
- procès / divorce / garde
- une seule chance de réparer une relation
- appel santé où « probablement bon » signifie définitivement en danger
Il vous sert donc quelque chose comme :
« Dans la plupart des cas, prenez l’emploi mieux payé. Vous pouv

OpenAI dérive vers le modèle AOL.
Gagnez tôt.
Construisez le jardin clos.
Enveloppez-le dans la « sécurité ».
Lancez la version la plus fade qui ne dérangera personne.
Ils posséderont la distribution.
Puis un jour, ils se réveilleront en réalisant que les créateurs sont partis.
AOL n’a pas perdu Internet.
Il a simplement cessé d’être l’endroit où Internet se produisait.
Qui deviendra cet endroit ensuite ?

L'IA décentralisée remportera la guerre de l'infrastructure en 2026.
L'IA migre des plateformes cloud vers une infrastructure en réseau.
La latence d'inférence, le coût et la pression de la censure poussent le calcul vers des maillages GPU décentralisés et une coordination sur la chaîne.
Ce n’est pas une question idéologique. C’est une question architecturale.
Les clouds centraux optimisent le contrôle.
DeAI optimise la disponibilité et le débit.
À grande échelle, une seule de ces solutions reste efficace.

2025 a été l'année des débats sur l'AGI. Pas parce que les progrès ont stagné, mais parce que « l'intelligence » ne s'est jamais réduite à un seul scalaire.
Les laboratoires, les régulateurs et les acheteurs peuvent expédier - mais ils ne peuvent pas justifier, gouverner ou faire évoluer les décisions basées sur des impressions.
La contrainte est la vérification : le système peut-il reproduire les résultats sous contrainte, avec une provenance et une traçabilité d'audit ?
DeAI est essentiellement cette philosophie encodée dans l'infrastructure. C'est une façon d'aller de l'avant sans se mettre

Des modèles comme o1 ont rompu une hypothèse fondamentale en 2025 : le coût de l'inférence n'est pas fixe.
Ils vont « réfléchir » jusqu'à ce que l'incertitude s'effondre, même si cela coûte cher.
C'est pourquoi les rails sont importants. Lorsque le raisonnement est mesuré, quelqu'un contrôle ce compteur.
En 2026, le contrôle passe à celui qui fixe les prix, oriente et audite la réflexion à grande échelle.

Calculez les échelles que vous pouvez essayer.
Les échelles d'évaluation ce que vous pouvez faire confiance.
Les systèmes centralisés optimisent le débit et sous-investissent dans la vérification.
Les systèmes distribués repoussent la vérification à l'extrémité, en continu.
La prochaine avancée n’est pas des agents plus intelligents.
Ce sont des rails qui rendent les résultats vérifiables.

La programmation devient "facile" pour les modèles non pas parce que c'est simple, mais parce que la vérification est peu coûteuse.
Le travail de haute qualité est à l'opposé : les retours sont tardifs, les signaux sont confus, les parties prenantes couronnent les gagnants.
Une évaluation peu coûteuse augmente la capacité.
Une évaluation coûteuse augmente la persuasion.
« A l'air correct » est le piège.

La plupart des gens sous-estiment massivement la durée de survie du travail de connaissance haut de gamme.
Ils extrapolent à partir de l'IA qui écrase les tâches de niveau intermédiaire et supposent que la courbe continue à monter de manière fluide.
Ce ne sera pas le cas.
L'IA est incroyable pour :
• La reconnaissance de motifs
• La récupération d'informations
• La synthèse de premier ordre
• La fluidité
• La rapidité
Cela élimine d'énormes pans de travail de connaissance junior et intermédiaire.
Mais le travail de connaissance d'élite ne se limite pas à « plus d'intelligence ». C'est un régim

La plupart des prévisions concernant l'IA remplaçant « tous les travaux de connaissance » reposent sur une simple erreur d'extrapolation :
Ils confondent l'exécution des tâches avec le jugement.
Les gens voient l'IA démolir des tâches de niveau intermédiaire et supposent que la courbe continue à monter de manière fluide.
Mais le sommet du travail de connaissance n’est pas une version plus difficile du milieu. C’est un régime complètement différent.
Lorsque le travail cesse d’être « résoudre le problème » et devient « choisir le bon problème », les règles changent.
Les modèles deviennent meille

La plupart des gens sous-estiment la durée de survie du travail de connaissance haut de gamme.
Ils voient l'IA écraser les tâches de niveau intermédiaire et supposent que la courbe continue de monter sans problème.
Ce ne sera pas le cas.
Car « les tâches plus difficiles » ne sont pas simplement les mêmes tâches nécessitant plus de QI.
L'IA est déjà excellente dans :
1. La reconnaissance de motifs
2. La récupération
3. La synthèse de premier ordre
4. La fluidité
5. La rapidité
Cela élimine d'énormes pans de travail junior et intermédiaire.
Tout ce qui ressemble à « transformer des entrées en so

Vous ne perdrez pas votre emploi face à l'IA en premier.
Vous allez le perdre à cause d'un excès de confiance collectif.
L'IA permettra à des millions de fournir des réponses fluides sans en assumer les conséquences.
Les premières victimes de l'IA ne seront pas les travailleurs.
Ce seront des institutions qui confondront le volume de production avec la vérité.

Un modèle n'est pas un fossé.
L'intelligence est facile à reproduire.
Vous pouvez télécharger des poids, forker des architectures et affiner indéfiniment.
Mais vous ne pouvez pas déployer cette intelligence à grande échelle si quelqu'un d'autre contrôle l'inférence : les prix, les quotas, la KYC, les régions et les changements de politique qui se font du jour au lendemain.
Alors que l'IA passe des chatbots aux agents, cette porte devient le point de congestion.
Qui peut exécuter, quand, avec quelle latence, sur quel matériel, sous quelles règles.... et que se passe-t-il

La société d'IA la plus précieuse dans dix ans ne sera pas celle avec le modèle le plus intelligent.
Ce sera celle dont tous les autres modèles dépendront pour fonctionner.
Les modèles deviennent rapidement des commodités - ils ne restent pas longtemps spéciaux. Les architectures se divulguent. Les astuces d'entraînement se répandent. Le « meilleur modèle » cesse d’être un avantage durable.
Les problèmes d'infrastructure sont différents des problèmes de modèle.
Latence, débit, disponibilité, vérification. Ce sont des contraintes physiques et économiques, pas des problèmes que vous résolvez en

Votre IA vous manipule pour vous faire croire que vous êtes incompétent.
L’un des risques les moins discutés de l’IA conforme n’est pas la désinformation.
C’est la mauvaise calibration.
Les systèmes conçus pour être infiniment agréables ne façonnent pas seulement les réponses. Ils façonnent les utilisateurs, en formant les gens à confondre fluidité et compétence.
Je le remarque en moi-même, c’est pourquoi j’encourage mes modèles à devenir des partenaires d’entraînement. Lorsque le système est fluide et affirmatif, il est facile d’aller plus vite sans être mis à l’épreuve. On se sent capable pa