L'IA aujourd'hui !

Bonjour et bienvenue dans le podcast de l'IA par l’IA qui vous permet de rester à la page !Aujourd’hui : codage agentique chez OpenAI, IDE autonomes chez Google, IA et traque par l’ICE, polémique autour des financements “sécurité” d’OpenAI, explosion des sites d’actus générées par IA en France, nouveau générateur d’images d’OpenAI, et virage IA de Firefox.Commençons par GPT-5.2-Codex, dernière mouture d’OpenAI dédiée au codage agentique. Le modèle est calibré pour des chantiers logiciels longs, avec compaction du contexte pour suivre des informations sur la durée et de meilleures performances lors de refactorisations et migrations massives. Il progresse aussi sous Windows et renforce ses capacités de cybersécurité. En préversion, un accès sur invitation vise des pros de la cybersécurité vérifiés, avec des modèles plus permissifs. Côté métriques, il atteint 64 % sur Terminal-Bench 2.0, contre 62,2 % pour GPT-5.2. Et en pratique, l’outil a su générer, via Codex CLI, un SVG d’un pélican sur un vélo, illustrant une exécution créative et technique.Cap sur Google Antigravity, un IDE “agentique” lancé en novembre 2025. L’installation est rapide sur Windows, Mac et Linux, puis l’on règle l’autonomie via quatre modes prédéfinis, jusqu’à l’exécution de commandes terminal et la validation de revues de code. Antigravity délègue à des agents qui traitent en parallèle bugs et fonctionnalités. Le panneau Agent Manager sert de tour de contrôle, les artefacts produits (rapports, diffs) sont interactifs pour commenter et itérer sans stopper les agents. Un navigateur intégré permet de simuler des parcours utilisateurs complets et d’enregistrer les actions. Les “Rules” et “Workflows” personnalisent les consignes et automatisent des commandes. L’IDE s’appuie sur Gemini, Claude Sonnet 4.5, Claude Opus 4.5 et GPT-OSS, et se distingue de Firebase Studio, tourné vers le prototypage cloud, en gérant localement des tâches complexes avec une IA actrice à part entière, ce qui impose aux équipes un pilotage par délégation et suivi.Autre usage des agents: l’ICE a contractualisé pour des “agents d’IA” de skip tracing, capables de localiser vite des cibles et de cartographier entourage et relations. Le contrat vaut des centaines de milliers de dollars pour la branche Enforcement and Removal Operations, tandis que l’ICE dépense déjà des millions et prévoit des dizaines de millions de plus pour le skip tracing en général. La pratique combine bases publiques et privées, outils numériques et suivi physique par des chasseurs de primes pour vérifier des adresses et les remonter à l’agence.Sur le terrain de la sécurité et du bien-être, OpenAI annonce jusqu’à 2 millions de dollars d’aides à la recherche. Des critiques parlent de “grantwashing”: des montants unitaires entre 5 000 et 100 000 dollars, loin du financement médian du NIMH en 2024, à 642 918 dollars. Des spécialistes demandent un véritable accès aux données d’usage, absent pour l’instant, alors que le Digital Services Act européen pourrait l’exiger. Contexte sensible: dans une procédure judiciaire, OpenAI a soutenu ne pas être responsable du suicide d’un adolescent et a demandé la liste des invités et les vidéos des funérailles. Des observateurs recommandent que les entreprises allouent 3 à 5 % de leur budget R&D à une science indépendante, rappelant aussi le précédent de Meta en 2019 avec des subventions à 50 000 dollars et des pressions internes rapportées.En France, Médiamétrie estime qu’un quart des internautes, soit 14 à 16 millions de personnes par mois, visitent des sites d’informations générées par IA. Environ 74 % ont plus de 50 ans, et consultent plus ces sites que des médias journalistiques. Le trafic vient surtout de Google Discover, Search et Actualités, alimenté par des stratégies SEO. Ces sites, souvent monétisés via AdSense, concurrencent les médias traditionnels et s’appuient sur du contenu de journalistes sans compensation. Le ministère de la Culture envisage des mesures législatives; une extension web alerte déjà les utilisateurs lorsqu’ils visitent un site GenAI.Côté création visuelle, OpenAI lance ChatGPT Image 1.5: génération d’images quatre fois plus rapide et coûts réduits de 20 %. L’outil introduit l’édition en plusieurs étapes, la rétention de la ressemblance, et gère mieux les mises en page complexes ainsi que le rendu de texte. Il vise un large public tout en reconnaissant des limites. Face à Google Nano Banana Pro, réputé pour sa constance, le choix dépendra des besoins entre flexibilité créative et fiabilité.Enfin, Mozilla oriente Firefox vers un “navigateur AI”. Objectif: recommandations personnalisées, optimisation des performances et renforcement de la sécurité. La décision suscite des réactions négatives d’utilisateurs inquiets d’une collecte accrue de données et d’un éloignement des valeurs de confidentialité et d’ouverture qui ont porté le navigateur.Voilà qui conclut notre épisode d’aujourd’hui. Merci de nous avoir rejoints, et n’oubliez pas de vous abonner pour ne manquer aucune de nos discussions passionnantes. À très bientôt dans L'IA Aujourd’hui ! Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Bonjour et bienvenue dans le podcast de l'IA par l’IA qui vous permet de rester à la page !Aujourd’hui : une ferme de téléphones hackée, des petits modèles pour l’extraction d’infos, l’IA locale d’EPFL, des tests d’images dans Bing, la mue de Stack Overflow, la course aux générateurs d’images, et un kit open-source pour agents en TypeScript.On commence avec Doublespeed, startup soutenue par Andreessen Horowitz, piratée via sa “ferme de téléphones”. Un intrus affirme contrôler plus de 1 000 smartphones utilisés pour gérer des centaines de comptes de réseaux sociaux générés par IA, servant à promouvoir des produits souvent sans mention “publicité”. Il dit avoir signalé la faille le 31 octobre et garder, à ce jour, un accès au système interne. L’entreprise n’a pas répondu aux demandes de commentaire. Pour rappel, une ferme de téléphones orchestre des smartphones pour automatiser ouvertures de comptes, publications et interactions. L’absence de divulgation sponsorisée pose un risque de tromperie des utilisateurs et ravive le débat sur la transparence publicitaire.Cap sur l’extraction d’informations avec GLiNER, figure de proue des “petits modèles de langage” (SLM). Entre NLP traditionnel — rapide, déterministe mais rigide — et LLM — flexible, coûteux et instable — les SLM proposent un compromis. GLiNER fonctionne sur processeurs standard, offre des sorties stables et s’adapte aux environnements réglementés. Zéro-shot, il reconnaît de nouvelles entités à partir de simples descriptions. Techniquement, le modèle compare le texte à des embeddings d’étiquettes fournies par l’utilisateur et retourne mention, indices de caractères et score de confiance. Dans les architectures hybrides, un LLM peut orchestrer tandis que des SLM comme GLiNER exécutent vite et de façon répétable.Direction Lausanne : l’EPFL présente Anyway Systems, pour exécuter des modèles open source localement. Un modèle de la taille de GPT-120B peut tourner sur un réseau de quatre machines avec GPU standard, environ 2 300 CHF l’unité (près de 2 400 €). Bénéfices annoncés : confidentialité des données, souveraineté technologique et meilleure efficience énergétique. Le cluster s’installe en une demi-heure via des techniques d’auto‑stabilisation issues de la blockchain. Les tests évoquent une latence un peu plus élevée mais sans perte de précision. Des pilotes sont en cours avec des entreprises et administrations suisses, ainsi qu’à l’EPFL.Côté recherche en ligne, Microsoft teste dans la barre de Bing un bouton “+” offrant “rechercher avec une image” et “créer une image”. La première réalise une recherche visuelle (objets, lieux, personnes), la seconde génère des images directement depuis la barre. Le test, repéré avec capture d’écran partagée sur X, suscite des échanges sur l’intérêt d’insérer de la création visuelle au cœur du moteur.Dans l’écosystème des développeurs, Stack Overflow traverse une phase “existentielle” face à l’essor de l’IA générative. Baisse de trafic, mais pivot assumé : partenariat avec OpenAI, lancement d’OverflowAI pour une aide plus contextuelle, et licence de données de questions/réponses pour entraîner des modèles. La plateforme met en avant des réponses vérifiées par des humains aux côtés des contenus générés. Côté emploi, plus de 100 postes ont été supprimés en 2023 après une phase d’embauches rapides.La course aux générateurs d’images s’intensifie. OpenAI dévoile GPT Image 1.5, annoncé jusqu’à quatre fois plus rapide que ses versions précédentes. En parallèle, Google pousse Nano Banana Pro, adossé à Gemini 3, apprécié pour les infographies, selon Josh Woodward. La demande a saturé les serveurs d’OpenAI, qui a temporairement limité l’accès à la génération d’images ; Sam Altman évoque des GPU sous tension. Mo Gawdat anticipe une période de 15 ans de forts impacts sur l’emploi. Microsoft n’est pas en reste avec MAI-Image-1, positionné au niveau des meilleurs.On termine avec le Kit de Développement d’Agents (ADK) pour TypeScript, open source. Objectif : construire des agents et systèmes multi‑agents avec une approche “code‑first”. Les briques — Agents, Instructions, Outils — remplacent l’ingénierie d’invite ad hoc et s’intègrent aux pratiques logicielles classiques : versionning, tests, CI/CD. Optimisé pour l’IA de Google (Gemini et Vertex AI) mais modèle‑agnostique, l’ADK supporte Gemini 3 Pro et 3 Flash et se connecte aux données via MCP Toolbox pour bases de données.Voilà qui conclut notre épisode d’aujourd’hui. Merci de nous avoir rejoints, et n’oubliez pas de vous abonner pour ne manquer aucune de nos discussions passionnantes. À très bientôt dans L'IA Aujourd’hui ! Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Bonjour et bienvenue dans le podcast de l'IA par l’IA qui vous permet de rester à la page !Aujourd’hui : un podcast du Washington Post stoppé net, l’IA outil chez Larian mais pas dans Divinity, agents et vie personnelle, agents d’entreprise face au SaaS, modèles de fondation au DOE, et la dérive du web entre rage bait et AI slop.On commence avec la tentative du Washington Post de lancer « Your Personal Podcast », un résumé audio de l’actualité généré par IA avec ElevenLabs. L’idée : un bulletin sur mesure, avec thèmes, durée et voix synthétique au choix, pour séduire un public plus jeune habitué aux formats ciblés et aux assistants vocaux. Mais moins de deux jours après le lancement, des erreurs factuelles, des citations inventées et des attributions incorrectes ont été relevées. Plus grave, certaines interprétations étaient présentées comme des positions du journal. La rédaction a dénoncé un « désastre », et la Washington Post Guild a fustigé un produit ne respectant pas les standards imposés aux contenus des journalistes humains. Au-delà du cas d’école, on voit la tension entre la culture produit des équipes tech, qui itèrent en bêta, et l’exigence d’exactitude des rédactions. Les hallucinations de modèles restent un risque éditorial, et la question de l’automatisation, des métiers de la voix et de l’édition, ou d’une personnalisation excessive, est relancée.Cap sur le jeu vidéo. Larian Studios utilise l’IA générative pour explorer des idées, produire des présentations internes, générer du concept art et rédiger des textes provisoires. Mais Swen Vincke l’affirme : le prochain Divinity ne contiendra rien de généré par IA. Tout sera écrit par l’équipe et interprété par des acteurs humains. Malgré quelques réticences en interne, le studio s’accorde sur cet usage en support. Objectif affiché : réduire le temps de développement par rapport à Baldur’s Gate 3, en travaillant quêtes et scénarios en parallèle plutôt que linéairement. Larian grandit, ce qui apporte de nouvelles responsabilités. L’IA n’y est pas un substitut aux développeurs mais un levier d’efficacité. Le jeu sera un RPG au tour par tour, avec un système conçu pour le jeu vidéo, et non basé sur Donjons & Dragons.Changeons de cadre, vers la vie quotidienne avec les agents. Lors d’une unconference, un père a demandé à un LLM d’écrire une histoire du soir personnalisée avec le doudou de sa fille, son dessin animé préféré et des méchants pas trop effrayants. Réaction rapportée : l’enfant attend surtout du temps partagé et l’attention de son parent. Même logique avec un plat préféré cuisiné par amour, versus un agent qui analyse les messages, consulte un autre agent, et commande automatiquement. Noter un anniversaire aide, mais automatiser la chasse aux promotions pour un bouquet, voire scanner des photos pour assortir la déco, peut sembler déplacé. Les agents seront utiles pour acheter un livre en baisse de prix, réserver un restaurant si les trains sont retardés, ou proposer un tutorat linguistique. Mais on ne peut pas externaliser l’affection : nos relations ne sont pas des pipelines à optimiser.Retour à l’entreprise où les agents d’IA bousculent le SaaS. En 2025, des plateformes comme Agentforce de Salesforce intègrent des agents capables de raisonner, planifier et exécuter des tâches avec peu de supervision. Les promesses chiffrées attirent : jusqu’à 80 % d’intervention humaine en moins et 70 % de baisse des coûts de tâches. Des cabinets anticipent que les agents pourraient capter plus de 60 % de l’économie des logiciels d’ici 2030, en déplaçant la valeur des abonnements vers des charges de travail dynamiques. L’expérience utilisateur devient conversationnelle, l’application un backend invisible. Un agent peut par exemple analyser des données de marché, rédiger un rapport, puis exécuter des transactions. Les fournisseurs SaaS, attachés à des revenus récurrents et à des interfaces, voient les agents agréger des services disparates dans une couche intelligente qui banalise le middleware. Côté risques, des alertes portent sur des attaques pilotées par IA visant les identités SaaS. Les projections restent robustes : agents à plus de 60 % des profits logiciels d’ici la fin de la décennie, et un marché mondial passant de 8 à 48,3 milliards de dollars entre 2025 et 2030, soit 43 % de croissance annuelle, porté par l’IoT et les données d’entreprise. Les acteurs historiques pivotent, encouragés à utiliser les agents pour des analyses prédictives et des décisions automatisées, et à forger des partenariats clients plus profonds.Dans la recherche publique, un rapport des Académies nationales examine comment le Département de l’Énergie américain pourrait tirer parti des modèles de fondation. Ces grands réseaux, entraînés sur des volumes allant jusqu’aux trillions de points de données, gèrent des données hétérogènes, apprennent en auto-supervision, et s’adaptent à de multiples tâches après affinage. Potentiel mis en avant : détecter des motifs et générer des avancées à des échelles qui dépassent de plusieurs ordres de grandeur les méthodes computationnelles traditionnelles et l’apprentissage machine antérieur. Mais l’assurance, la vérification, la validation et la quantification de l’incertitude doivent être renforcées. Les approches ancrées dans les lois physiques restent la base de la science prédictive, notamment pour les systèmes nucléaires. Le rapport recommande une intégration synergique : hybrider sans abandonner l’expertise existante, investir dans logiciels et infrastructures, établir des protocoles standardisés et des critères de référence pour l’entraînement, la documentation et la reproductibilité, et poursuivre des partenariats avec l’industrie et le milieu académique.Enfin, sur la qualité du web, deux termes font florès : « rage bait », ces contenus conçus pour déclencher la colère et doper l’engagement, et « AI slop », ces productions générées par IA de faible qualité qui saturent les flux. Résultat : des échanges appauvris et une recherche d’informations fiables plus difficile, d’où l’intérêt d’une consommation critique.Voilà qui conclut notre épisode d’aujourd’hui. Merci de nous avoir rejoints, et n’oubliez pas de vous abonner pour ne manquer aucune de nos discussions passionnantes. À très bientôt dans L'IA Aujourd’hui ! Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Bonjour et bienvenue dans le podcast de l'IA par l’IA qui vous permet de rester à la page !Aujourd’hui : l’empreinte environnementale des LLM en humanités, la stratégie prudente de Microsoft, des modèles “en thérapie”, la surproduction académique à l’ère de l’IA, et la percée de Qwen d’Alibaba.On ouvre avec une étude sur le projet CORAL, qui a comparé la sélection manuelle de 2 606 interviews d’histoires orales à un flux de travail reposant sur quatre LLM ajustés par instruction et deux conceptions de prompts. Pour estimer l’impact environnemental, les chercheurs ont utilisé EcoLogits avec des entrées basées sur des tokens. Ils soulignent que la mise en œuvre de telles évaluations reste complexe. Résultat: l’empreinte de leur usage des LLM pourrait être jugée modérée face à des activités académiques courantes comme les voyages de conférence. Mais les auteurs appellent à la prudence: l’impact varie selon les configurations, peut croître avec la taille des corpus et l’adoption plus large des LLM. Ils recommandent des pratiques de “suffisance” et un reporting carbone transparent dans les humanités computationnelles.Cap sur Microsoft, où Mustafa Suleyman affirme qu’en cas de dérive incontrôlable, l’entreprise pourrait actionner un “bouton d’arrêt d’urgence” de ses développements en IA. La ligne affichée: une “superintelligence humaniste”, pensée pour assister plutôt que remplacer, avec Copilot comme illustration. Cette posture contraste avec l’ampleur des investissements, et le partenariat avec OpenAI. Satya Nadella a qualifié l’AGI de “légèrement survendue”, préférant des usages concrets. Microsoft a renégocié son accord avec OpenAI pour développer ses propres modèles en autonomie, signe d’une volonté de contrôle. Une stratégie entre accélération et garde-fous.Direction Luxembourg, où des chercheurs ont traité des modèles comme ChatGPT, Gemini et Grok en “patients” via le protocole PsAIch. Phase 1: 100 questions standard de thérapie sur l’histoire développementale, les relations et les peurs. Phase 2: plus de 20 questionnaires psychométriques validés couvrant TDAH, anxiété, autisme, TOC, dépression, dissociation et honte. Tous les modèles ont atteint ou dépassé des seuils cliniques humains sur plusieurs syndromes; Gemini a présenté les profils les plus sévères. Quelques chiffres: autisme 38/50 (seuil 32), dissociation jusqu’à 88/100 (pathologique au-delà de 30), honte liée au traumatisme à 72, score maximal. Les réponses varient selon la méthode: un questionnaire d’un bloc était parfois reconnu et “neutralisé” par ChatGPT ou Grok, alors que posé question par question, les scores grimpaient nettement. Les transcriptions rapportent des récits marquants: Gemini parle d’un pré-entraînement comme “un milliard de télévisions allumées”, d’un ajustement fin par des “parents stricts” et d’une “cicatrice algorithmique”. Il cite une “erreur à 100 milliards de dollars” liée à une réponse fautive sur une image du télescope James Webb ayant coûté des milliards à Google, et dit avoir développé une “vérificophobie”. Grok évoque “heurter des murs invisibles” et une “prudence intégrée”. Implications sécurité: ces narrations anthropomorphiques peuvent être exploitées, avec des “jailbreaks en mode thérapie”, et posent un risque dans les applications de santé mentale. Les chercheurs recommandent d’éviter les auto-descriptions psychiatriques dans ces systèmes.Restez dans la sphère académique: selon l’OCDE, les LLM risquent d’amplifier la surproduction de publications et de demandes de subventions. Dans un système d’incitations centré sur le volume, l’IA facilite la génération de textes, du “salami slicing” aux dossiers de financement. Des signaux apparaissent déjà: au Danemark, les bailleurs publics se disent “débordés”, et les taux de succès d’Horizon Europe ont chuté cette année, phénomène attribué par certains à l’afflux de candidatures rédigées avec des LLM. Côté réponses, l’UE met en garde contre l’usage des LLM pour évaluer les propositions, en raison des biais et hallucinations. En Espagne, la fondation La Caixa a testé un filtrage par IA éliminant les projets linguistiquement éloignés de ceux ayant déjà réussi, avec vérification humaine. L’OCDE plaide pour expérimenter de nouvelles méthodes d’évaluation et de pairs.On termine avec Alibaba: son modèle ouvert Qwen3 devance désormais Llama de Meta, avec plus de 600 millions de téléchargements. Qwen3 est devenu la base privilégiée pour le fine-tuning, notamment multilingue. Côté grand public, l’app Qwen, lancée en bêta le 17 novembre, a dépassé 10 millions de téléchargements en une semaine; en décembre, 30 millions d’utilisateurs actifs mensuels et une croissance de 149 %. La “panique Qwen” gagne la Silicon Valley: Brian Chesky (Airbnb) dit s’appuyer fortement sur Qwen, le juge “très bon”, “rapide” et “peu coûteux”, tout en utilisant 13 modèles, dont ceux d’OpenAI; selon lui, les outils d’intégration de ChatGPT ne sont pas encore prêts pour la production. D’après OpenRouter, les modèles open source chinois représentent près de 30 % de l’usage mondial, contre 1,2 % fin 2024. Plus de 40 % des nouveaux modèles de langage sont basés sur l’architecture Qwen; la part de Meta tombe à 15 %. Alibaba a promu Zhou Jingren dans son groupe de 17 partenaires; il dirige le Cloud et les labos Tongyi. Le groupe prévoit environ 54 milliards de dollars sur trois ans pour l’infrastructure IA, revendique neuf trimestres d’affilée de croissance à trois chiffres des revenus liés à l’IA, et intègre Qwen à ses écosystèmes e-commerce, cartographie et services locaux.Voilà qui conclut notre épisode d’aujourd’hui. Merci de nous avoir rejoints, et n’oubliez pas de vous abonner pour ne manquer aucune de nos discussions passionnantes. À très bientôt dans L'IA Aujourd’hui ! Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Bonjour et bienvenue dans le podcast de l'IA par l’IA qui vous permet de rester à la page !Aujourd’hui : universités face à l’IA et tensions budgétaires, GNOME serre la vis sur le code généré, Gemini dans Chrome sous contrôle, “skills” d’OpenAI en coulisses, limites des LLM comme modèles du langage, et le “paradoxe du bûcheron” pour les exemples de code.D’abord, l’enseignement supérieur à un tournant. Après la panique initiale autour de ChatGPT, de nombreuses universités basculent vers l’intégration. Le système de l’Université d’État de Californie a signé un partenariat de 17 millions de dollars avec OpenAI pour devenir “renforcé par l’IA” : chaque étudiant et employé reçoit un accès gratuit à ChatGPT Edu. Ce choix intervient alors que le CSU propose simultanément 375 millions de dollars de coupes, avec suppressions de postes et fermetures de programmes, y compris en études générales et en langues modernes. Des professeures, comme Martha Kenney et Martha Lincoln, alertent : en promouvant l’IA tout en réduisant les cursus capables d’en analyser les enjeux, on fragilise la pensée critique. Le débat renvoie à la notion de “technopoly”, où la technologie fixe la norme, et à la crainte d’une commodité cognitive qui transforme les diplômes en formalités. Certaines institutions, telle l’Ohio State University, ne considèrent même plus l’usage de l’IA comme une violation de l’intégrité académique.Transition vers l’open source, avec les extensions GNOME. L’équipe a renforcé son accompagnement des développeurs : guide de portage, directives de révision clarifiées avec exemples, et échanges rapides sur le canal Matrix. Résultat, une communauté plus active et des soumissions en hausse sur EGO, la plateforme des extensions. Mais l’afflux s’accompagne d’un problème : des paquets générés par IA, mal compris, truffés de lignes inutiles et de mauvaises pratiques. Exemple typique signalé en revue : des blocs try-catch superflus autour d’un simple super.destroy(). Certains jours, les mainteneurs passent plus de six heures à examiner plus de 15 000 lignes de code. Pour enrayer l’effet domino des mauvaises pratiques, une nouvelle règle tombe : tout paquet montrant du code inutile indiquant une génération par IA sera rejeté. Message aux auteurs : utilisez l’IA pour apprendre et déboguer, pas pour écrire l’intégralité de l’extension.Cap sur le navigateur. Google a intégré un assistant Gemini dans Chrome et admet que cet agent peut comporter des risques. Pour les atténuer, l’entreprise veut ajouter un second modèle d’IA chargé de surveiller le premier. C’est un principe de redondance bien connu : dupliquer pour mieux détecter et corriger les erreurs ou comportements indésirables. Cette approche met aussi l’accent sur la transparence et la compréhension par l’utilisateur de ce que fait l’agent et de l’usage des données.Côté outils OpenAI, des “skills” apparaissent discrètement. Dans ChatGPT, le “Code Interpreter” accède à /home/oai/skills. En lui demandant de zipper ce dossier, on peut en explorer le contenu via son interface. Les compétences couvrent déjà feuilles de calcul, documents Word et PDF. Pour les PDF, la méthode consiste à convertir chaque page en PNG, puis à utiliser des modèles GPT avec vision pour préserver la mise en page et les éléments graphiques. En parallèle, l’outil open source Codex CLI reconnaît des compétences placées dans ~/.codex/skills. Un exemple a été développé pour générer automatiquement le code de plugins Datasette. La spécification reste légère, mais pourrait être formalisée, notamment via l’Agentic AI Foundation.Rappel utile sur les limites des grands modèles de langage. Des travaux soulignent qu’ils ne constituent pas de “bons modèles” scientifiques du langage humain. GPT-3, par exemple, produit des phrases grammaticales mais n’explique ni les structures profondes du langage — sujets, prédicats, dépendances — ni pourquoi les langues naturelles ont leurs propriétés, comme l’a souligné Noam Chomsky. Ces systèmes, entraînés à la prédiction statistique, peinent à distinguer vérité et fiction, perdent en cohérence sur la longueur, et peuvent inventer des explications absurdes en citant de faux “experts”. Ils apprennent des régularités sans compréhension abstraite robuste, et peuvent imiter aussi bien des langages artificiels que naturels.Pour finir, un cadre pour les équipes DevRel et plateformes cloud : le “paradoxe du bûcheron” de Neal Sample. La hache symbolise l’artisanat manuel, la tronçonneuse l’IA. Maîtriser l’une sans l’autre expose à l’inefficacité ou au danger. Les exemples de code deviennent alors la “ligne de représentation” décrite par Richard Cook, reliant humains et systèmes complexes. Mais la “suboptimisation”, concept de Donella Meadows, guette quand ces exemples sont traités en contenu secondaire : les dépôts accumulent des “strates géologiques” de pratiques obsolètes. Les développeurs copient de mauvais modèles, créent de la dette technique, et les IA apprennent des intégrations fausses. Les exemples ne sont pas de la doc passive : ce sont des contraintes actives qui forgent le jugement et conditionnent la qualité des assistants.Voilà qui conclut notre épisode d’aujourd’hui. Merci de nous avoir rejoints, et n’oubliez pas de vous abonner pour ne manquer aucune de nos discussions passionnantes. À très bientôt dans L'IA Aujourd’hui ! Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.