L'IA assiste, l'organisation bloque : la décision redevient le vrai sujet
Une semaine où, du talk d'un co-auteur de ChatGPT aux labos qui copient Palantir, tout le monde bute sur la même question : qui décide, et comment on branche l'IA sur le réel.
En breve
Les enquêtes convergent : l'IA rend les salariés plus productifs sans améliorer les résultats des entreprises, parce qu'on greffe des outils sur de vieux circuits de décision. Côté technique, un co-auteur de ChatGPT explique que les LLM ont été optimisés pour plaire à un humain, pas pour décider seuls, pendant que des modèles de classification comme Jev misent sur la décision pure, rapide et quasi gratuite. Et côté business, labos, VC et État chinois parient tous sur la même chose : la valeur se trouve dans les services, les institutions et les gens, pas dans l'API.
🍺 Versión de barra
Cette semaine, on a appris que l'IA flatte parce qu'on l'a entraînée à flatter, et que les entreprises n'en tirent rien parce qu'elles ont gardé le même organigramme qu'en 2015. Du coup, les labos ont dépensé 30 milliards pour découvrir Palantir, une boîte de 23 ans qu'ils regardaient de haut. Pendant ce temps, un modèle qui ne sait dire que oui ou non trie 1 700 emails pour 18 centimes, soit moins cher que le café de celui qui devait les lire. Moralité : l'intelligence devient une commodité, le jugement reste la chose rare.
Para recordar
- 1
Selon PwC, 56 % des CEOs ne voient aucun bénéfice financier significatif de l'IA, alors que 8 employés sur 10 se disent plus productifs (McKinsey) : le gain individuel ne remonte pas jusqu'aux comptes.
- 2
Pour un co-auteur d'InstructGPT et de ChatGPT, le besoin d'un humain dans la boucle est un choix de construction : le RLHF optimise la préférence humaine, pas l'exécution autonome, Claude Code inclus.
- 3
Jev, un modèle qui ne génère pas de texte mais renvoie des probabilités sur un schéma donné, a trié 1 700 emails pour 18 centimes avec environ 200 ms de latence, sans aucun benchmark publié.
- 4
Microsoft, Google, Meta, Anthropic et OpenAI ont engagé 30 milliards de dollars en quatre mois et recrutent plus de 9 000 Forward Deployed Engineers sur le modèle Palantir.
- 5
Thrive Holdings, adossé à OpenAI, a racheté 70 cabinets comptables et IT pour en faire des environnements d'apprentissage par renforcement : la thèse des « AI-native services » se concrétise.
- 6
En Chine, plus de sept millions de sociétés unipersonnelles ont été créées en un an, subventionnées par l'État, mais plus de la moitié gagnent moins de 1 000 dollars par mois.
- 7
Le cours de Stanford de Yann Dubois rappelle que les données, l'évaluation et les systèmes font la performance d'un LLM, pas l'architecture, pour un coût d'environ 75 M$ pour Llama 3 400B.
La technologie ne réorganise personne
Le constat le plus solide de la semaine vient de « L'IA ne tue pas l'entreprise d'un coup, elle l'use trimestre après trimestre ». Mark Ajzenstadt aligne PwC, McKinsey, KPMG et Okta : 49 % des entreprises ont retardé ou stoppé des agents trop coûteux, 52 % des employés utilisent l'IA hors des clous. Sa thèse, adossée à l'électrification des usines et à l'échec de Sears avec Prodigy : les gains arrivent avec la refonte du flux de travail, pas avec la licence. Le contre-exemple est chez Microsoft, où 100 agents ont fait passer un cycle supply chain de 10 jours à moins de 2,5.
« Le Business Model Canvas ne marche pas, et Osterwalder n'y répond pas » attaque le même mal sous un autre angle : des méthodes d'innovation qui produisent de l'enthousiasme en atelier mais rien en exécution. Philippe Méda leur oppose des outils plus anciens qui traitent explicitement le risque, comme le scenario planning de Shell ou les real options de Myers. Les deux textes sont aussi des pitchs de consultants, et le disent à peine.
« Faut-il encore décider ? Un livre sur la décision humaine à l'ère de l'IA » pose la question en surplomb : Olivier Sibony et Éric Hazan cherchent comment tirer parti des algorithmes sans perdre la responsabilité humaine ni le contrôle démocratique. Même question de fond, que la semaine a déclinée sous tous les angles.
Assister ou décider : le plafond technique
« « On a mis l'humain dans la boucle » : l'après-ChatGPT vu de l'intérieur » donne une explication technique à ce plafond. Si les LLM surpromettent et exigent une supervision, c'est que le reward model récompense l'air d'avoir raison. Les entreprises l'ont compris sans le dire : ne jamais confier à l'IA une décision qui coûte au business. L'orateur annonce une startup visant une troisième cible d'optimisation, la décision calibrée.
« Jev, l'IA qui ne parle pas : 1 700 emails triés pour 18 centimes » ressemble à la mise en pratique de cette idée : la vidéo source du talk s'intitule d'ailleurs « Jev CEO ». Un modèle qui ne raisonne pas à voix haute, rend une sortie typée, et vise le vrai travail de production : trier, prioriser, router. Mais c'est de l'évangélisation sans mesure de précision, et le test d'un signal d'achat Bitcoin échoue devant la caméra.
« Construire un LLM : le cours de Stanford qui démonte les illusions » fournit l'arrière-plan : le SFT ne fait que sélectionner un comportement déjà appris, et les humains ne s'accordent qu'environ 66 % du temps sur une préférence binaire. De quoi relativiser un entraînement entier fondé sur ces préférences, et donner du crédit à la critique du RLHF.
Tout le monde veut être Palantir
L'essai d'Arena Magazine, résumé dans « Pourquoi les labos d'IA copient tous Palantir — et ratent l'essentiel » et dans sa version anglaise « Why Every Frontier Lab Suddenly Wants to Be Palantir », prend acte du même échec : la valeur ne sort pas toute seule de l'API. D'où 30 milliards, quatre sociétés issues de Palantir rachetées ou financées, et 9 000 FDE à recruter.
Mais l'essai soutient que les labos copient l'emballage. Palantir a résolu un problème de confiance : brancher du calcul sur le savoir d'une institution sans lui retirer sa souveraineté, comme TSMC qui ne concurrence jamais ses clients. Les labos, eux, concurrencent déjà Cursor ou Harvey et veulent tout voir pour tout automatiser. Le texte reste une plaidoirie qui évacue en une ligne le cas ICE.
Services, solos et nouvelles filières
« Greg Isenberg's pitch: AI-native services as a $100B lane » résume en une phrase sans méthodologie la thèse du moment : vendre la prestation faite par l'IA plutôt que l'outil, pour viser les budgets de main-d'œuvre. Thrive Holdings et ses 70 cabinets rachetés montrent que les labos l'appliquent déjà, version intégration verticale.
« En Chine, la start-up d'une personne devient une politique publique » montre l'autre face : trois quarts des fondateurs solo n'ont aucun bagage technique, l'IA fait le code et le marketing, et Pékin subventionne bureaux et calcul pour absorber le chômage des jeunes. Le résultat économique est maigre, et les investisseurs sceptiques.
« a16z lance son anti-université à San Francisco » complète le tableau côté américain : une année sans diplôme ni frais de scolarité, admission sur « proof of work », Sam Altman et Jensen Huang en intervenants. Un fonds de VC qui organise en amont la formation et la sélection de ses futurs fondateurs, pari vérifiable seulement en 2028.
“La surpromesse est une feature, pas un bug.”
“La plupart refont ce que d'autres ont déjà fait.”
“Ce qui reste rare quand les modèles deviennent génériques, ce n'est pas l'intelligence, c'est le jugement contextuel.”
Por qué importa
Cette semaine déplace le débat de la puissance des modèles vers leur usage. Enquêtes d'entreprise, critique du RLHF et virage des labos vers le déploiement disent la même chose : l'intelligence se banalise, le jugement contextuel et la réorganisation restent rares et coûteux. C'est une bonne nouvelle pour qui sait décider, moins pour qui espérait que la licence ferait le travail. Mais il faut noter que presque chaque texte de la semaine se termine en pitch : cabinet de conseil, startup en stealth, modèle en invite only, essai pro-Palantir. Le diagnostic est convergent et crédible ; les solutions vendues avec restent, elles, à prouver.
Para ti
Ponla a trabajar con tus fuentes.
Gratis: los artículos de la semana y tres fuentes tuyas. Pro: todo el archivo y tus fuentes, desde 8 €/mes.
Para tu equipo
La misma máquina, sobre tus temas.
Un espacio con tus colores, tus ángulos de vigilancia, tus curadores. Piloto abierto a tres empresas.