Le vrai sujet de la préparation à la vague d'IA : le goût et le jugement

Quand une vague d'intelligence artificielle touche tout le monde à la fois, la vraie question n'est pas la destruction mais l'adaptation : comment adopter ces outils de manière à maximiser nos chances de réussir ? Le locuteur décrit beaucoup de catastrophisme autour de lui, avec des gens qui passent leur temps à essayer de se convaincre mutuellement de quels emplois l'IA va détruire. Sa thèse est que, vu avec du recul, l'IA créera bien plus d'emplois qu'elle n'en supprime. Il admet que certains emplois disparaîtront et seront remplacés par des formes de travail tout à fait différentes.

Le mécanisme derrière cette thèse est simple. Une fois que tout le savoir humain, plus la matière grise des connexions qui n'est pas du savoir mais s'en dérive, se trouve à un clic, quelque chose de profond se déplace. Quand l'information devient gratuite et immédiate, ce qui reste rare est la capacité à la trier, à la peser et à la placer au bon endroit. Le locuteur résume cela par le goût et le jugement : les modèles sont des instruments remarquables, mais le résultat dépend moins du modèle que de la personne qui impose une forme à sa sortie. Le goût, c'est savoir à quoi ressemble le bien ; le jugement, c'est décider quelle sortie utiliser.

Il montre ce que cela signifie dans son propre travail. Ses journées se passent surtout en investissement et en construction de sa plateforme 89 90, et dans les deux cas l'essentiel est la négociation et la persuasion. Pour cela il a construit un agent, un agent d'équilibre de Nash , qui modélise les dynamiques de gain à plusieurs parties, les arbitrages entre parties prenantes, les risques et les acteurs que personne n'avoue à table. L'enjeu n'est pas de gagner face à un seul interlocuteur, mais de cartographier la répartition des gains et des pertes entre tous les concernés.

Le contenu de l'agent provient de ses propres lectures. Des principes issus de livres de gestion et de littérature de psychologie sont rassemblés en un seul jeu de règles, avec des noms comme Robert Greene, Dale Carnegie ou Les Quatre Accords parmi les sources. Chaque fois qu'il lit quelque chose d'intéressant, il l'ajoute au corpus puis réécrit le texte. L'agent est donc une sorte de modèle du monde personnel : non pas un modèle téléchargé, mais un document qui grandit par un cycle de lecture, de sélection et d'élagage.

Comment se construit le modèle du monde personnel

Le corpus a une seconde fonction, qui est le filtrage. Il relit la sortie de l'agent en cherchant la part qui est plus profondément ancrée dans ses propres faiblesses psychologiques, et filtre sur cette base. Une affirmation d'un modèle n'est pas tenue pour vraie simplement parce que le modèle l'a produite. Un second agent gère le travail plus mécanique : un chiffre de consommation mis à jour en continu, une construction de portefeuille sans risque ni dette, des simulations de Monte Carlo et une optimisation, puis un retour quotidien. Le système devient une boucle de rétroaction vivante plutôt qu'une question posée une fois.

Une règle est de ne jamais être endetté, une règle qu'il admet avoir violée à ses propres dépens. Lorsque les revenus nets d'intérêts issus de ce capital couvrent à eux seuls l'intégralité de son coût de vie après impôt, la vie gagne une>Optionalité complète : il peut agir sans la pression de devoir décider, et sans précipitation pour éviter une mauvaise décision. Avec son épouse, il applique quelque chose de similaire à la santé, en transformant les analyses sanguines, l'alimentation et les études qu'ils lisent en une mise à jour continue qui fait remonter des problèmes cachés. L'idée est de poser un second regard sur les données plutôt que de confier à un modèle un savoir qu'on n'a pas.

La décision technique n'est pas le choix du modèle, mais la tenue à jour du système qui l'entoure. Grok, Gemini, OpenAI et Claude sont tous des candidats sérieux ; la vraie différence tient à la qualité des micro-services qui les habitent. C'est un vrai travail, mais une fois accompli, il reste un modèle de vie : un agent de négociation, un filtre psychologique, un gestionnaire de portefeuille et de consommation, un suivi de la longevity et de la santé, et parfois une couche qui répond aux questions sur l'éducation des enfants.

La curation est la partie qu'on ne peut pas sauter. Sans entretien ni élagage, le modèle dégénère en machine à conseils de santé moyenne qui répond sauna et immersion froide à tout, puisque c'est statistiquement ce qui revient le plus souvent. Celui qui l'utilise est précisément celui qui possède l'expertise pour dire au modèle quoi réfléchir ensuite. La compétence ne tient pas tant à écrire la réponse qu'à orienter le raisonnement. Il dit avoir consacré beaucoup de temps à écrire, élaguer, lire les sorties et les juger, et que le résultat est réglé sur son propre goût, sans prétendre qu'il existe une seule bonne réponse.

Quand un membre de son équipe a demandé l'agent de Nash, sa première réponse a été non, parce que céder un système signifie que l'autre cesse d'en faire tourner un. Il en est venu ensuite à l'idée de cousu les éléments en un modèle du monde et de laisser les gens l'essayer. Le moyen le plus rapide de savoir si un tel système sert à quelque chose est de le faire tourner contre sa propre vie, car cela apprend à la fois ce qu'il est et, plus utilement, ce qu'il n'est pas. Utilisé assez longtemps, le principal enseignement est qu'il ne s'agit pas d'une superarme : il aide à certains endroits et déçoit à beaucoup d'autres.

D'où viennent le goût et le jugement importe autant. Si vous aimez sincèrement le travail, le temps que vous pouvez y consacrer est pour ainsi dire illimité, et exprimer goût et jugement devient plus facile. Ce luxe n'est pas partagé par tous. Prenons un agent de crédit : même si un modèle traite chaque dossier de bout en bout, le oui ou le non final reste une décision humaine, et là le poids du jugement dépasse celui du goût. Ce que l'humain y gagne n'est pas un nouvel emploi, mais le temps libéré de la routine pour penser. Que devraient donc étudier les enfants ? Il n'a pas de bonne réponse, parce qu'il ignore à quel stade du cycle nous nous trouvons. Côté jugement, la voie évidente est l'ingénierie et la physique, les disciplines qui expliquent comment le monde fonctionne et où tout est borné par une loi. Côté goût, comprendre les incitations et la psychology comptera de plus en plus, ce qui pointe vers la rencontre de la philosophie, de la politique et de l'économie. La position honnête, pourtant, est que personne ne sait : les modèles sont réellement bons, mais destructeurs d'emplois ou créateurs d'abondance, la question reste ouverte, et chacun a un intérêt différent à voir une hypothèse plutôt qu'une autre se réaliser. L'obstacle est que nous vivons dans un milieu amplifié par les réseaux sociaux, optimisé pour les clics : une désinformation introduite en un tel moment ne fait que se multiplier. Si les réseaux sociaux avaient existé en 1910, au début de la révolution industrielle, la contagion aurait été incroyable ; vu d'ici, cette révolution a été extraordinairement positive pour l'humanité. Le même calcul peut valoir aujourd'hui, même si les institutions bâties en 1910 ne se transposent pas.

Qu'étudier, et ce que personne ne sait

Il faut donc un groupe de dirigeants de l'IA qui se réunissent pour proposer des solutions, le pendant des industriels qui ont vu ce que l'industrialisation leur rapporter et ont mobilisé des ressources pour le rendre en avant, de sorte que ceux qui quittaient la ferme pour l'usine aient trouvé une bibliothèque, une école et une infrastructure. Faits correctement, la marée montante soulève tous les bateaux ; sans cela, elle ronge la capacité de décision. Et même si l'état final est réellement positif pour tous, nous n'y arriverons pas : les gens resteront dans un milieu trouble, sans cadre pour comprendre pourquoi les choses peuvent s'aggraver avant de s'améliorer, et sans crédibilité, puisque la confiance n'a jamais été construite. Sa conclusion est nette : c'est un outil incroyable qui continuera de s'améliorer, il exigera des humains dotees de goût et de jugement, et la communauté de l'IA échoue lourdement dans son explication. La leçon pratique tombe clairement. Choisissez un seul modèle de fondation, construisez-y quelques micro-services liés et élaguez-les régulièrement. Ce qui mérite sa place ne s'apprend qu'en les testant contre sa propre vie. Ne confiez pas au modèle la charge de décider ni la facture de ce qui suit ; gardez les deux, car c'est précisément là que naît le jugement.