Pinned Tweet
En un an, l'IA est passée de 2,5 % à 41,3 % de projets entièrement automatisés sur le Remote Labor Index.
Et pendant ce temps, Édouard Philippe nous présente un objectif de 100 000 ingénieurs formés par an... dans cinq ans.
CINQ ANS !
Regardez ces deux graphiques.
Le premier mesure la capacité des IA à réaliser de vraies missions freelance de bout en bout. Le taux d'automatisation a doublé environ tous les trois mois sur la période observée.
Le deuxième est peut-être encore plus vertigineux. Le scénario AI 2027, considéré comme extrêmement ambitieux lors de sa publication en 2025, est aujourd'hui rejoint, voire dépassé, par certaines estimations de capacités en programmation.
Mais il y a pire. METR estime que le rythme de progression des modèles d'Anthropic a quasiment doublé. Et une grande partie de cette accélération viendrait de l'IA utilisée dans la R&D elle-même.
On commence à voir se dessiner une boucle où l'IA accélère le développement des IA suivantes. On ne sait même pas encore jusqu'où cette accélération peut aller.
Et nous, on raisonne toujours avec des plans à cinq ou dix ans.
Alors oui, former davantage d'ingénieurs, évidemment !
Mais bordel, et le reste de la population ?
Les millions de salariés qui travaillent déjà. Les indépendants. Les artisans. Les enseignants. Les jeunes en filière professionnelle.
Tous ceux qui n'auront jamais vocation à devenir ingénieurs, mais qui vont devoir travailler et vivre avec ces systèmes ?
La Chine déploie l'enseignement de l'IA dès le primaire, avec un objectif de généralisation d'ici 2030.
Chez nous, Édouard Philippe propose « zéro IA avant le collège » pour les élèves, puis une sensibilisation.
Il prévoit aussi de la formation continue et un droit à la reconversion. Très bien. Mais où sont les moyens et les échéances pour former massivement le reste de la population, dès maintenant ?
Parce que l'écart risque de se creuser à une vitesse folle entre ceux qui sauront exploiter l'IA pour démultiplier leurs capacités et ceux qui n'auront même pas appris à s'en servir.
Et on attendra quoi pour réagir ? Que des millions de personnes découvrent qu'elles doivent se reconvertir ?
Former davantage d'ingénieurs en cinq ans, pourquoi pas. Mais préparer toute la population à cette transformation, ça aurait dû commencer hier.
Post sur le Remote Labor Index :
teapawt.org/CAIS/status/2119949247…
« Former 100 000 ingénieurs chaque année », contre 40 000 aujourd’hui. C’est la proposition d’Édouard Philippe dans son programme consacré à l’IA.
Mais comment multiplier par 2,5 le nombre d’ingénieurs formés en cinq ans sans sacrifier la qualité des formations ? On compte former 60 000 « prompt engineers » supplémentaires ?
Ce dont la France a besoin, c’est de réindustrialiser intelligemment, d’automatiser massivement ce qui peut l’être et de déployer des agents IA partout où ils apportent de vrais gains de productivité.
À la vitesse à laquelle progressent les modèles, nos formations d’ingénieurs, à condition d’y intégrer sérieusement l’IA, constituent déjà une excellente base pour accompagner cette transformation.
Ce qu’il nous faut, ce sont des fondamentaux scientifiques solides, des ingénieurs capables de comprendre les systèmes physiques et industriels, de raisonner et de construire. Pas une inflation de diplômes pour atteindre un objectif politique chiffré.
BFM : « Je voudrais être rassurante. Seuls 6 % des employeurs pensent que l'IA pourra concurrencer directement l'humain dans leur métier principal d'ici cinq ans. »
Pardon, mais cette rassurite, c'est des conneries.
En mars 2026, les 21-29 ans signaient déjà environ 6 200 CDI de moins par mois qu'en novembre 2022 dans les métiers les plus exposés à l'IA (HEC et Banque de France).
Ces 6 %, c'est ce que les employeurs anticipent. Les embauches, c'est ce qui se passe déjà.
Les métiers exposés, ce sont ceux dont l'IA peut le plus facilement faire les tâches. L'étude cite par exemple le traitement de texte, la traduction, le journalisme, les études économiques et commerciales, les opérations bancaires. Dans ces métiers, les embauches en CDI des 21-29 ans sont environ 28 % sous leur niveau de novembre 2022, le mois de l'arrivée de ChatGPT. Contre 8 % dans les métiers les moins exposés.
Aux États-Unis, Stanford trouve le même décrochage chez les 22-25 ans : un écart d'environ 19 % avec les métiers moins exposés, surtout par moins d'embauches. Et l'écart va dans le même sens à l'intérieur d'une même entreprise, ou en écartant l'effet de la hausse des taux d'intérêt.
On peut encore discuter la cause. Le changement, lui, est mesuré.
Et comme il passe par les embauches, personne ne le voit venir. Pas de licenciement retentissant. Juste des offres qui ne sont pas publiées, et des jeunes qui attendent leur premier CDI. Si vous cherchez votre premier poste, si votre enfant finit ses études, ou si vous recrutez des débutants, c'est déjà votre sujet.
Je vois le mécanisme dans mon propre travail. Une stratégie de référencement (SEO) ambitieuse qui me demandait deux semaines, je la livre en trois jours depuis deux mois, avec la dernière génération de modèles. Et j'ai beaucoup moins besoin de la retravailler. Une équipe qui livre trois fois plus vite n'a pas besoin d'embaucher pour faire trois fois plus.
Pourquoi les débutants d'abord ? Les chercheurs avancent une piste : ils font davantage de tâches que l'IA accomplit bien, sans l'expérience qui les rend difficiles à remplacer. Mon explication va dans le même sens : l'IA progresse d'abord là où on peut vérifier vite qu'elle a raison. Un compte rendu de réunion fait par un logiciel comme Granola, un email, un rapport, un rapprochement de documents : ça se vérifie vite. C'est la couche simple du travail, celle par laquelle commencent les débutants. Regardez votre semaine : combien d'heures y passent ?
Si vous avez de l'expérience, vous vous dites que ça ne vous concerne pas. Les chiffres vous donnent raison : en France, l'écart s'atténue après 30 ans et disparaît presque après 50. Pour l'instant. Les chercheurs le rappellent eux-mêmes : c'est dans les postes de débutant que s'acquièrent les compétences des cadres et des dirigeants de demain. Si vous recrutez, c'est votre vivier de futurs cadres qui se joue. Et la couche simple de votre semaine, c'est celle que l'IA apprend en premier.
La couche difficile, comme confier à l'IA un dossier entier et vérifier son travail, demande encore beaucoup de pratique. Mais chaque nouvelle génération de modèles en rend une partie accessible. Mon pari : la zone touchée va monter avec les modèles. Ceux qui s'y mettent maintenant auront de l'avance quand elle sera à la portée de tous.
L'édito conclut lui-même qu'il va falloir s'y mettre, et vite. Sur ce point, il a raison. Mais on ne prépare pas les gens en les rassurant avec un sondage.
Les gens cherchent les preuves du changement alors qu'elles sont déjà là. Ils regardent juste aux mauvais endroits.

ALT Graphique : embauches en CDI des 21-29 ans en France selon l'exposition du métier à l'IA, en écart au niveau de novembre 2022. Après novembre 2022, les métiers les plus exposés décrochent jusqu'à environ −28 % en mars 2026, contre environ −8 % pour les moins exposés. Source : LIFT (HEC), Working Paper 2026-02, graphique 1.
Les études :
- Palladino, Bergeaud, Bertheau, Bunel et Degos (LIFT, HEC et Banque de France, octobre 2026) : heclift.github.io/website/fi…
- Brynjolfsson, Chandar et Chen (Stanford, août 2026) : digitaleconomy.stanford.edu/…
- France Travail, via Hello Workplace : helloworkplace.fr/metiers-ia…
Le rapport complet de France Travail n'est pas encore publié. Je le lirai en entier.
Et si vous voulez voir par vous-même : prenez une vraie tâche de votre métier, ou du métier que vous visez, et confiez-la à un modèle payant. Les versions gratuites montrent surtout la partie simple.
2
58
Quand Codex écrit le code et que Claude le relit, il y a un piège : ils peuvent se le renvoyer toute la nuit, chacun trouvant toujours un truc à reprendre.
Ma règle pour l'éviter, c’est 3 tours maximum, un tour étant une relecture puis une correction. 5 tours si le code touche à la sécurité ou peut abîmer des données. Je l'ai adaptée d'une skill de Theo, le créateur de T3 code.
Un seul relecteur, jamais du même fournisseur que l'agent qui code. Il lit, il ne touche à rien.
Chaque remarque tombe dans une des trois cases.
- Bloquante : le code ne fait pas ce qu'on lui demande.
- À corriger : un vrai bug que l'utilisateur va croiser.
- Détail : tout le reste, style compris.
Seules les deux premières relancent un tour. Un tour qui ne remonte que des détails, et la boucle s'arrête.
En face, l'agent qui code vérifie chaque remarque lui-même et fait le plus petit correctif possible. Il a le droit de dire non, preuves à l'appui, mais jamais de céder juste pour finir.
Le détail qui m'a convaincu : c'est l'agent qui code qui rédige la pull request. Selon Theo, Claude y passait sous silence les désaccords du relecteur GPT. Il a donc ajouté une ligne qui recopie le verdict du relecteur mot pour mot, sans résumé.
Et si le budget s'épuise, ça ne veut pas dire validé. Les deux avis remontent, et c'est moi qui tranche.
Lien vers sa skill qui me parait la plus utile et que j’ai adaptée (tu peux très bien remplacer Sol par un autre modèle, etc) :
github.com/t3dotgg/tstack/tr…
Cette nuit, Codex et Claude ont bossé ensemble, et sans moi.
36 conversations entre 1 h et 7 h, pas une coupure. J'en ai ouvert qu'une seule.
Codex corrigeait deux de mes PR, Claude relisait, et ils se sont renvoyé le code jusqu'à la v5. Le tout dans T3 Code, une app gratuite et open source qui fait tourner les deux avec mes abonnements.
Comme Hannibal Smith, j'adore quand un plan se déroule sans accroc.
Le truc avec T3, c'est que ça marche. Chez Codex, ils aiment bien sortir leur « it just works ». Ben désolé les gars, c'est T3 qui le ship.
Pas de bug, un fil ouvert depuis 3 jours sans ralentissement. Pourtant ça bouge tout le temps : je suis sur la nightly, 3 à 8 versions par jour la semaine dernière, et rien n'a cassé chez moi depuis début octobre.
Et surtout, T3, c'est l'outil agentique qui dit oui :
- Ta limite Claude tombe en pleine tâche, tu veux finir avec Codex dans le même fil ? Oui. Il reprend avec un résumé du fil.
- Tu veux que Codex relise ce que Claude vient d'écrire ? Oui. Claude la lui confie, et le fil de départ se réveille avec le résultat.
- Ton PC est en PLS, tu veux envoyer la moitié de tes agents sur ton Mac ? Oui. Ou sur un VPS.
- Tu veux un worktree par fil, et la PR en un bouton ? Oui.
- Tu veux valider une commande depuis le canapé ? Oui, depuis l'app iOS ou Android.
- Tu passes tes journées dedans et tu veux te créer ta propre interface ? Oui. Ton agent la modifie en direct, le mien m'a fait mon thème.
T3 pilote tes Claude Code, Codex, Cursor, Grok ou OpenCode, sans clé API ni facturation à l'usage. Depuis la v0.1.7, il consomme ta limite Claude au même rythme que Claude Code.
Même avec un seul abonnement, je ne reviendrais pas à Codex App : T3 va plus vite, délègue mieux, et je retrouve mes vieux fils.
L'étape d'après ? Faire bosser mon T3 avec celui de l'oncle @iamsupersocks, sur WattsMonde, L’atlas mondial de l'énergie.
Licence MIT, 62k étoiles sur GitHub en 9 mois, s'il vous plaît. Mais attention, c'est comme l'anneau pour les gouverner tous, il devient vite ton précieux. Pour moi, c'est déjà fait.
Cette nuit, Codex et Claude ont bossé ensemble, et sans moi.
36 conversations entre 1 h et 7 h, pas une coupure. J'en ai ouvert qu'une seule.
Codex corrigeait deux de mes PR, Claude relisait, et ils se sont renvoyé le code jusqu'à la v5. Le tout dans T3 Code, une app gratuite et open source qui fait tourner les deux avec mes abonnements.
Comme Hannibal Smith, j'adore quand un plan se déroule sans accroc.
Le truc avec T3, c'est que ça marche. Chez Codex, ils aiment bien sortir leur « it just works ». Ben désolé les gars, c'est T3 qui le ship.
Pas de bug, un fil ouvert depuis 3 jours sans ralentissement. Pourtant ça bouge tout le temps : je suis sur la nightly, 3 à 8 versions par jour la semaine dernière, et rien n'a cassé chez moi depuis début octobre.
Et surtout, T3, c'est l'outil agentique qui dit oui :
- Ta limite Claude tombe en pleine tâche, tu veux finir avec Codex dans le même fil ? Oui. Il reprend avec un résumé du fil.
- Tu veux que Codex relise ce que Claude vient d'écrire ? Oui. Claude la lui confie, et le fil de départ se réveille avec le résultat.
- Ton PC est en PLS, tu veux envoyer la moitié de tes agents sur ton Mac ? Oui. Ou sur un VPS.
- Tu veux un worktree par fil, et la PR en un bouton ? Oui.
- Tu veux valider une commande depuis le canapé ? Oui, depuis l'app iOS ou Android.
- Tu passes tes journées dedans et tu veux te créer ta propre interface ? Oui. Ton agent la modifie en direct, le mien m'a fait mon thème.
T3 pilote tes Claude Code, Codex, Cursor, Grok ou OpenCode, sans clé API ni facturation à l'usage. Depuis la v0.1.7, il consomme ta limite Claude au même rythme que Claude Code.
Même avec un seul abonnement, je ne reviendrais pas à Codex App : T3 va plus vite, délègue mieux, et je retrouve mes vieux fils.
L'étape d'après ? Faire bosser mon T3 avec celui de l'oncle @iamsupersocks, sur WattsMonde, L’atlas mondial de l'énergie.
Licence MIT, 62k étoiles sur GitHub en 9 mois, s'il vous plaît. Mais attention, c'est comme l'anneau pour les gouverner tous, il devient vite ton précieux. Pour moi, c'est déjà fait.
Mickaël Ahouansou retweeted
On vient de lui lancer une carrière sur X 😂 Alors chauffez-le en commentaires dès qu’il poste pour le motiver à continuer ! Le gars connaît l’IA mieux que personne, c’est un vrai nerd passionné par le sujet.
Le mois dernier, il a lancé Margelle (margelle.net), une méthode pour Obsidian qui a déjà fait ses preuves. Avant même l’essor de l’IA, il accompagnait un certain Eliott Meunier. Entre-temps, il a fait son petit bonhomme de chemin dans le SEO et, depuis peu, il m’accompagne aussi sur wattselse.com.
Vous devriez voir les PR qu’il m’a envoyées cette nuit, ce psychopathe de @optimikee
Qu'on donne plus d'abonnés à cet homme. Il fait partie des rares dont les analyses m'impressionnent par leur justesse, sur l'IA et ce qu'elle change vraiment dans la vraie vie, toujours à la pointe de l'actu. C'est devenu une star dans notre groupe Telegram, et j'aimerais le voir partager plus de takes de ce niveau sur X, comme celui qu'il vient de nous proposer. Il a cette vision claire qui permet d'insuffler quelque chose, et ce n'est pas pour rien que je lui ai tout ouvert sur wattselse.com pour m'accompagner
Après Salesforce avec Claudeforce, Adobe ouvre à son tour Creative Cloud aux agents IA via MCP.
Les géants du logiciel semblent avoir compris que demain, l'interface ne sera plus forcément la leur.
En même temps, avaient-ils vraiment le choix ?
Adobe is back, officially releasing MCP support for its entire creative cloud stack.
they are back on their toes, feels exciting to see this be released in real-time in Miami.
Adobe becoming headless!?
3
12
725
Mickaël Ahouansou retweeted
Je prépare la beta du logiciel WattsElse. Elle s'adresse à ceux qui bossent sur des projets énergétiques : froid, chauffage, réseaux, grid.
Tout ce qui fait tourner le logiciel est déjà en accès libre. D'abord le cours de génie climatique, ouvert à tous : wattselse.com/cours/livre
Ensuite la base, avec 552 fiches sur la réglementation, les aides et les technologies. Et l'atlas, qui place 1 556 acteurs et 286 projets dans 82 pays sur une carte.
Le logiciel relie ces trois morceaux. Son moteur est déterministe et calcule à partir des équations du cours : avec les mêmes entrées, on obtient toujours le même résultat.
Pour qui bosse dans l'énergie, c'est complètement zinzin. Si vous voulez tester, venez en MP.
Le logiciel wattselse.com prend forme, et c'est magnifique.
Un projet de chauffage touche toujours trois mondes qu'on traite d'habitude dans des outils séparés. Le logiciel les met au même endroit :
1/ La réglementation : 107 textes chargés dans l'outil.
2/ Le moteur de calcul : réseau de radiateurs, chaudière, PAC, chaufferie, groupe froid. Chaque chiffre porte son unité, son origine, son domaine de validité et le renvoi au chapitre du cours qui l'explique.
3/ Les incentives : les 205 fiches CEE, consultables à côté du calcul.
Une installation bien dimensionnée qui rate une exigence ou passe à côté d'une aide finit par coûter plus cher que prévu. Quand la règle, le calcul et l'aide vivent ensemble, on se pose la question « conforme ? financé ? » dès la première version du projet, pas à la fin.
Ce qui sort de l'outil : une note de calcul et un classeur Excel aux formules recalculables, qu'un ingénieur peut vérifier ligne par ligne.
On pilote tout ça en conversation avec un assistant sous DSV4F & Mistral ML4. La suite arrive.
Mickaël Ahouansou retweeted
« Rétablissons la vérité », écrit Laure Darcos dans sa lettre ouverte à Arthur Mensch. Je crois rêver. Rétablissons-la, oui.
Sa lettre accuse Mistral de « se désengager de l'IA générative pour recentrer son business sur le cloud et les data centers ». Or l’article X auquel elle répond s'ouvre sur l'annonce de Mistral Large 4, entièrement entraîné à Bruyères-le-Châtel, dans l'Essonne, le département dont elle est sénatrice. Difficile de passer à côté.
Sur le fond, l'objection de Mensch reste entière.
Avec ce texte, un simple indice qui rend l'utilisation vraisemblable suffit à déclencher la présomption, et c'est au fournisseur de la renverser. Comment montrer qu'une œuvre précise n'a pas servi dans un corpus de milliards de mots, sans ouvrir ses secrets industriels ? La lettre répond que « les juges sauront organiser la confidentialité ». Protéger une preuve devant un juge ne la rend pas plus facile à produire : le texte déplace la difficulté vers le contentieux sans la résoudre.
Pour illustrer le chaos américain, elle cite plus de 160 procès en cours. Pourtant, sans loi spécifique, le droit d'auteur existant a déjà fait le tri. En juin 2025, Anthropic et Meta ont obtenu gain de cause sur l'entraînement de leurs modèles. Le piratage, lui, a été jugé à part : Anthropic a accepté de verser 1,5 milliard de dollars aux auteurs pour clore ce volet. Sans présomption ni renversement de la charge de la preuve.
Et l'Europe ne part pas de zéro. Depuis août 2025, l'AI Act impose aux fournisseurs de nouveaux modèles d'IA à usage général deux obligations : respecter les refus des ayants droit (opt-out) et publier un résumé des contenus d'entraînement. Ce cadre ne permet pas encore à chaque auteur de vérifier si son œuvre figure dans un corpus, et c'est un vrai sujet. La réponse logique serait de renforcer ces moyens de vérification. La proposition fait l'inverse : elle mise sur une présomption que l'auteur déclenche et que le fournisseur doit renverser.
Les députés examinent le texte le 19 novembre. Ils méritent un débat sur ce qu'il fait, pas sur un Mistral imaginaire qui aurait quitté l'IA générative, alors qu'il entraîne ses modèles en Essonne.
Arthur Mensch vient de poser sur LinkedIn la phrase que les députés devraient lire avant le 19 novembre : quand Mistral choisira entre un data center en Essonne ou hors de France, la loi Darcos pèsera dans la balance.
Donc le Sénat a voté le texte à l'unanimité le 8 avril : dans un litige civil, dès qu'un indice rend vraisemblable l'utilisation d'une œuvre, on présume qu'elle a été utilisée par le fournisseur du modèle, et c'est à lui de prouver le contraire. Les défenseurs du texte ont un vrai argument : aujourd'hui, un auteur n'a ni les données d'entraînement ni les moyens techniques de prouver quoi que ce soit. Mais en face, prouver qu'une œuvre n'a pas servi sur des milliards de mots pose une question que personne ne tranche : quelles preuves le juge exigera, à quel coût, et qu'est-ce qu'il faudra ouvrir de ses secrets d'affaires pour les fournir. Mensch dit que c'est impossible sans livrer ses méthodes.
Et ce qui a changé depuis avril, c'est que les décisions d'investissement se prennent maintenant. Mistral a sorti Large 4, 1 000 milliards de paramètres, poids ouverts, entraîné à Bruyères-le-Châtel sur ses propres machines. L'entreprise développe 1 GW de capacité, essentiellement en Europe et largement en France. Pour l'ordre de grandeur, 1 GW, c'est à peu près la puissance d'un réacteur nucléaire, et on ne choisit pas l'emplacement de ce genre d'infra pour deux ans mais pour dix.
Mon inquiétude, c'est que la loi pèse surtout sur ceux qui entraînent en France. Sur le papier, un acteur étranger qui vend ici peut être attaqué ici. En pratique, une boîte qui a ses serveurs et ses équipes en Essonne est bien plus facile à aller chercher qu'une boîte qui entraîne en Californie.
En avril, j'écrivais déjà que la solution adulte était sur la table : une contribution sur le chiffre d'affaires réalisé en Europe, appliquée à tous, étrangers compris, qui finance la création sans transformer chaque entraînement en contentieux potentiel. Tout reste à construire, de la répartition entre créateurs à l'articulation avec les licences existantes, mais c'est la bonne direction. Mensch la repropose aujourd'hui, adossée à l'article 53 de l'AI Act. Sept mois plus tard, on rejoue le même débat, avec un modèle français de plus entre les deux.
Ma hot take : les créateurs devront s'adapter à l'IA, et les plateformes feront le nécessaire. Spotify vient de signer avec Believe pour des remix IA, avec le consentement des artistes et une rémunération à la clé. Ce n'est pas l'entraînement des modèles, mais ça montre qu'on peut payer les créateurs par des accords plutôt que par des procès.
On a enfin une boîte française capable de jouer dans la cour des grands, qui entraîne ses modèles chez nous et investit dans nos infrastructures. Et c'est maintenant qu'on décide de lui mettre des bâtons dans les roues ? C'est elle qui aura, la première, à arbitrer entre l'Essonne et ailleurs.
L'AI Act oblige déjà les fournisseurs de modèles à publier un résumé de leurs données d'entraînement et à mettre en place une politique de respect du droit d'auteur. Bruxelles travaille maintenant sur les évolutions de ce cadre, notamment la question de l'utilisation et de la rémunération des œuvres protégées. Et pendant ce temps, la France veut ajouter son propre mécanisme de présomption, avec le risque de multiplier les contentieux avant même qu'une réponse européenne commune se dessine. On ne pouvait pas coordonner tout ça à l'échelle européenne ?
À force de vouloir réglementer les champions qu'on n'avait pas, on risque de décourager ceux qu'on a enfin.
Mickaël Ahouansou retweeted
155 000 projets énergétiques dans 226 pays, 14 000 entreprises, et 10k de crédits Cursor claqués pour y arriver : c'est WattsMonde, l'atlas de Watts Else?, un an après sa naissance. Et soyons honnêtes, c'est encore un beau bordel. Des entreprises en doublon, des localisations à prouver, des fiches à trier : il reste beaucoup de charbon.
L'ambition derrière, c'est de surveiller 24 h/24 la réglementation, les aides, les technologies et les entreprises de l'énergie, puis de les faire entrer en collision pour démonter n'importe quel projet : ce qui l'encadre, ce qui le finance, avec quelle techno, et qui sait le faire. Il y a deux ans, quand j'ai commencé, le logiciel était trop ambitieux pour les outils disponibles. Il y a un an, l'atlas est enfin devenu possible.
Aujourd'hui, avec le programme Claude for Startups, mon associé @optimikee, DeepSeek V4 Flash et Mistral, on part pour le rendre complet. Une règle tient l'ensemble : aucun chiffre publié sans sa source et l'extrait qui le contient. Le modèle structure, il n'invente pas.
La partie veille a déjà validé le principe. Le Radar lit la presse énergie toutes les six heures, fait analyser chaque article par DeepSeek et écarte ce qu'il ne parvient pas à relire proprement. Ce socle va nourrir les fiches réglementation, aides et technologies : 558 aujourd'hui, surtout françaises, et demain tous les pays, tenues à jour en continu par des agents.
Le moteur, lui, vient d'un POC de deux mois : reconstruire en clean-room un solveur d'équations d'ingénierie de référence en thermique, thermodynamique, mécanique des fluides. Sur 25 modèles industriels réels, plus de 12 000 blocs convergent, et la puissance nette d'une centrale retombe à 0,4 % de son calcul de référence. Une fois emballé, ce solveur peut résoudre n'importe quel système d'équations qu'on lui pose et apporter à l'outil la partie déterministe que l'IA seule ne garantit pas. Et le jour où les world models arriveront, ce sera un festin.
Les cours dispo en accès gratuit sont branchés sur le même moteur : chaque chiffre de l'ouvrage CVC sort du code du logiciel. L'objectif, c'est de sortir techniciens, ingénieurs et étudiants d'Excel, et de rendre tout ça accessible pour l'éducation, l'information et l'innovation.
Le logiciel wattselse.com prend forme, et c'est magnifique.
Un projet de chauffage touche toujours trois mondes qu'on traite d'habitude dans des outils séparés. Le logiciel les met au même endroit :
1/ La réglementation : 107 textes chargés dans l'outil.
2/ Le moteur de calcul : réseau de radiateurs, chaudière, PAC, chaufferie, groupe froid. Chaque chiffre porte son unité, son origine, son domaine de validité et le renvoi au chapitre du cours qui l'explique.
3/ Les incentives : les 205 fiches CEE, consultables à côté du calcul.
Une installation bien dimensionnée qui rate une exigence ou passe à côté d'une aide finit par coûter plus cher que prévu. Quand la règle, le calcul et l'aide vivent ensemble, on se pose la question « conforme ? financé ? » dès la première version du projet, pas à la fin.
Ce qui sort de l'outil : une note de calcul et un classeur Excel aux formules recalculables, qu'un ingénieur peut vérifier ligne par ligne.
On pilote tout ça en conversation avec un assistant sous DSV4F & Mistral ML4. La suite arrive.
Mickaël Ahouansou retweeted
Fortunately, I have 35 years of experience in biomedical research (anyone is welcome to check my scientific record), and I have been saying the same thing for years. I completely agree with Demis: we will cure all diseases within 10 years AND reverse aging in approximately 15 years!
I realize I am an exception among my colleagues, but what I find truly messed up is denying people, whether sick or healthy, this very real hope for the future.
Let me explain the main reason why even brilliant scientists and experts struggle to imagine how this could possibly happen. It comes down to extreme cognitive dissonance and the enormous ego of human intelligence: if WE cannot achieve something, we find it inconceivable that MACHINE intelligence could. In fact, the smarter people are, the harder it often becomes for them to accept this possibility, and the more elaborate their coping mechanisms become.
Top mathematicians have just lived through this realization, and physicists will be experiencing it soon.
Yet biologists somehow feel more secure. Not because they are smarter, but because biological systems are vastly more complex. After centuries of research by some of the greatest minds in human history, the idea that AI could solve problems in biology that have eluded us for so long, and do so within just a decade or two, seems utterly inconceivable to them.
Well, they will find out soon enough!
As someone who understands biology deeply, I know that its complexity is not insurmountable. Yes biology IS extraordinarily complex, but it is ultimately a system governed by physical laws and principles that can be decoded, which we have been doing albeit very slowly. Achieving this in a decade will require superintelligence, vastly greater computational power, and enormous amounts of biological data. That is why I believe it will take a decade or two, compared with mathematics and physics, where AI is already making extraordinary progress at a much faster pace.
The fundamental mistake is assuming that the limits of human intelligence are also the limits of intelligence itself. We have spent centuries trying to understand biology with human brains, same substrate it is made of. We are about to bring an entirely different level of intelligence to the problem, one that will eventually surpass the collective intellectual capabilities of all scientists who have ever lived.
As such, I stand 100% behind Demis and others, including Dario Amodei, who have made similar predictions.
Mark my words: the coming revolution in biology and medicine will be unlike anything humanity has ever experienced!
When Demis Hassabis talks about curing all diseases within 10 years, @dawallach says scientists who have spent decades studying these problems aren't necessarily buying it.
"When [scientists] hear AI people say smart things, they go, 'Cool, yeah, let's run it.' Everyone respects Demis."
"But when Demis says we're gonna cure all diseases in 10 years, I think people who have two PhDs and have been doing this for 40 years go, 'Come on, man.'"
"You're giving a sort of false hope to a lot of people who are legitimately out there suffering or have a loved one who's on death's doorstep. That's a little messed up."
Mickaël Ahouansou retweeted
La music video en dessous a été faite uniquement avec le skill Animation Studio, je viens de le mettre en open source. Ce qu'il fait c'est sortir des animations qui tiennent la route : un hero de site, un loader d'app, un clip, un GIF...
Le core du skill est bête et méchant : il s'appuie sur des preuves. Le skill force à trier chaque info d'entrée en observé, estimé ou proposé. Une image fixe te donne le style, elle établit pas le timing. Une piste audio dans le fichier veut pas dire que quelqu'un l'a écoutée, par exemple. Sauf que c'est exactement là que les animations générées partent en vrille : l'agent invente du mouvement qu'il a jamais vu.
Ensuite timing et spacing. Timing c'est quand ça arrive, spacing c'est la vitesse perçue entre deux positions. Colle le même easing générique sur toutes les propriétés et t'obtiens ce motion mécanique qui donne de l'IA slop direct. Ease-out pour une arrivée, ease-in pour un départ, et du dépassement seulement avec une raison derrière et une position finale stable.
Les loops c'est vicieux. Une boucle peut fermer parfaitement en position et sauter en vitesse au raccord (le seam). Y'a un check_loop.mjs dedans qui compare numériquement F(t) et F(t+1), continuité de vitesse comprise, et qui attrape les rampes modulo dont les deux bouts mentent. Même rigueur à l'export : pour une durée D et N frames, t = i*D/N avec i de 0 à N-1, jamais de frame de fin dupliquée sinon ça fail à chaque tour.
Côté son : une seule origine de temps et pas l'horloge système, et des repères calés sur des preuves audio réelles plutôt qu'un événement collé sur chaque beat. Pour les clips le workflow documenté c'est refrain d'abord puis film complet, avec les corrections de timing qui passent par le fichier de sous-titres plutôt que par des phonèmes devinés. Les deux étapes existent dans les exemples du repo : un refrain de 24 secondes et un film lyric complet de 3 minutes, avec l'audio.
Ah et un GIF qui tourne en boucle dans ton player ne prouve rien sur la boucle source. C'est donc défini strictement dans le skill.
Pour rester carré : les explainers, Rive, Three.js et Blender sont documentés dedans mais aucun exemple rendu dans le showcase. Le repo n'embarque d'ailleurs aucun moteur de rendu, juste le workflow, les références techniques et deux petits scripts de contrôle. Tu es libre d'utiliser tes outils habituels aussi.
Have fun!
Skill, showcase, et instructions :
github.com/lbframe/animation…
Vidéo: Sol 6.1 high fast, Suno v6 pro, Turboscribe SRT, Animation Studio
Mickaël Ahouansou retweeted
- Je ne vois AUCUNE raison de continuer à entraîner des modèles d’IA toujours plus puissants.
- Guérir le cancer ?
- Oui bon. Mais à part guérir le cancer ?
- La possibilité de vieillir en bonne santé, sans oublier qui sont ses enfants, sans porter des couches ?
- Admettons. À part le cancer et la vieillesse en bonne santé ?
- L’espoir pour les personnes handicapées de retrouver la parole ou la vue ? De traiter la maladie de Charcot, la sclérose en plaques et Parkinson ? D’inventer de nouveaux vaccins pour qu’un parent ne voie plus jamais son enfant mourir ?
- Tu ne vas pas me faire tous les progrès médicaux un par un ! À part le cancer, la vieillesse en bonne santé, la fin du handicap ou de la mortalité infantile ?
- Des robots pour que plus personne ne soit obligé de nettoyer des toilettes, de déboucher les égouts, de porter des sacs de ciment sous la canicule, de risquer sa vie sur un chantier ?
- Je te concède tout ça ! Mais à part le cancer, la vieillesse en bonne santé, la fin du handicap ou de la mortalité infantile et la disparition des métiers pénibles ?
- La démultiplication des rendements agricoles pour que tout le monde sur la planète mange à sa faim ?
- Admettons. Mais à part le cancer, la vieillesse en bonne santé, la fin du handicap ou de la mortalité infantile, la disparition des métiers pénibles et des famines ?
- L’invention de nouvelles technologies vertes ? Une énergie abondante et propre ? Faire reverdir les déserts ? Dessaler l'eau de mer pour offrir de l’eau potable à tous ? Vaincre le réchauffement climatique ?
- Bon. Mais à part le cancer, la vieillesse en bonne santé, la fin du handicap ou de la mortalité infantile, la disparition des métiers pénibles et des famines, et le sauvetage de la planète ?
- Un monde d’abondance où chacun pourra se loger confortablement, se chauffer l’hiver, et ne plus regarder les prix au supermarché ?
- Ok mais à part le cancer, la vieillesse en bonne santé, la fin du handicap ou de la mortalité infantile, la disparition des métiers pénibles et des famines, le sauvetage de la planète et l’abondance ?
- L’exploration spatiale ? La résolution des mystères de l’univers ?
- Qu’elle s’occupe déjà de nos problèmes concrets…
Mickaël Ahouansou retweeted
Ojectif fin 2026-2027 : pousser wattselse.com jusqu'à une candidature à YC.
WattsElse, c'est un logiciel de calcul énergétique et CVC pour les ingénieurs, adossé à un ouvrage de cours qui vise à devenir la référence de l'IA appliquée aux règles de l'art. Chaque chiffre du livre sort du même code que le logiciel. Aujourd'hui, ces calculs vivent dans Excel ou EES. On veut un outil web, sans rien à installer, où chaque calcul se suit étape par étape : un ingénieur doit pouvoir faire confiance à un résultat qu'il n'a pas écrit lui-même.
Dix ans passés sur les verrous m'ont conditionné pour ça. On verra si l'appétit est aussi gros que les capacités. Quoi qu'il en soit, on va bien s'amuser et en choquer plus d'un, potentiels investisseurs comme potentiels clients.
On peut avoir tous les débats philosophiques qu'on veut sur l'état du marché, l'IA qui va nous remplacer, blabla. Mais il n'y a rien de pire que l'inaction, et que de ne pas repousser le champ de ses ambitions avec une techno pareille.
Je suis aussi de plus en plus convaincu que le monde corporate, même s'il va utiliser l'IA à fond, ne va pas l'exploiter correctement avant un bon moment. Il faut des couilles, des risques, et construire from scratch un système dans ce sens, réplicable et scalable.
Anthropic a une règle de sûreté.
Si l'IA fait doubler la vitesse à laquelle ses modèles progressent, un seuil d'alerte est franchi.
En août, dans son rapport de risques, Anthropic écrivait rester sous ce seuil. Il y a un mais...
METR a refait le calcul avec les chiffres confidentiels du même rapport. Il trouve 1,97, et estime qu'il aurait été plus juste d'écrire « autour de 2 ».
Les chiffres qui permettent de le vérifier sont caviardés.
METR est un évaluateur indépendant. Anthropic lui a donné accès à des données internes pendant 11 semaines et lui a demandé de relire ce rapport.
Le 1,97 mesure toute l'accélération. Le seuil ne compte que la part qui vient de l'IA, et une partie peut venir d'autre chose, comme les recrutements. METR juge plausible que le seuil ait été franchi au 15 juillet, mais la plupart des chercheurs concernés, chez METR comme chez Anthropic, penchent pour non. Il rejoint aussi Anthropic sur le risque, encore faible à cette date.
Depuis, METR a mesuré la tendance jusqu'en octobre 2026, sur un indice de benchmarks qui inclut les modèles non publiés d'Anthropic :
- avant octobre 2025, +15 points par an
- depuis, +29 points par an
- soit environ 1,9 fois plus vite (entre 1,5 et 2,8), presque deux ans de progrès en un an
Selon METR, environ 80 % de cette accélération viendrait de l'usage de l'IA par les équipes d'Anthropic, une estimation qu'il donne comme très incertaine. Il ne se prononce pas sur le seuil pour aujourd'hui.
Plus tôt, j'écrivais que l'IA progresse vite là où l'on peut vérifier son travail automatiquement.
METR le note aussi à propos de son propre chiffre. Pour mesurer les progrès, il utilise surtout des tests qu'une machine peut corriger, par exemple une réponse juste ou fausse, ou un code qui passe ses tests. Sur les tâches plus floues, il ne sait pas si l'accélération est aussi forte.
Le dernier modèle interne dépasse déjà 50 % sur chacun des 15 benchmarks utilisés, et METR écrit que ce manque de tests difficiles le rend « un peu nerveux » sur sa capacité à mesurer la suite.
teapawt.org/METR_Evals/status/2118…
Replying to @METR_Evals
1. Benchmarks provide one piece of evidence for acceleration. Since Oct 2025, AECI scores for Anthropic’s models have grown at 1.9x [95%: 1.5–2.8] the earlier rate. Analysis choices affect this estimate, and it remains unclear how benchmark scores map to real-world capabilities.
La mort qui devient un choix.
Greg Brockman, président d'OpenAI, l'a évoqué sur la scène du WSJ. Sans date. La seule échéance qu'il donne est plus proche : de « vraies avancées significatives » en santé et contre les maladies, d'ici 12 à 18 mois.
Là-dessus, je le crois. Une piste contre une maladie se vérifie bien plus vite qu'une vie plus longue.
Derya Unutmaz, immunologiste au Jackson Laboratory, va plus loin, avec une date : vers 2035, chaque année vécue en ajoutera plus d'une, puis le vieillissement sera inversé.
Là, tout bute sur un détail qu'une étude allemande d'octobre rend visible.
Si l'IA va si vite dans le code, c'est qu'une réponse s'y vérifie en quelques secondes. Le test passe ou casse. Un modèle peut échouer des milliers de fois par jour, et c'est sur ces tests qu'on l'entraîne.
L'IA avance à la vitesse à laquelle on peut vérifier qu'elle a raison.
Contre le vieillissement, le vrai test, ce sont des gens qui vivent plus longtemps en bonne santé. Ça se compte en décennies.
Alors les chercheurs mesurent autre chose.
C'est l'étude allemande. À Bonn, des chercheurs ont transformé des cellules sanguines d'une personne de 80 ans en cellules souches nerveuses, puis mesuré leur âge avec des horloges épigénétiques, qui le lisent dans des marques chimiques sur l'ADN. Les cellules affichent à peine 20 ans.
La cellule a 20 ans selon l'horloge. Le donneur en a toujours 80.
Ces horloges sont un test rapide, comme ceux du code. Une IA entraînée dessus deviendrait vite excellente pour faire reculer l'horloge. Personne ne sait encore si ça fait vivre plus longtemps.
Et pour le savoir, il n'existe qu'un seul instrument : le calendrier.
Mon pari pour mai 2028, au bout des 18 mois : Brockman aura eu raison sur les maladies. Et aucun traitement anti-âge conçu par IA n'aura prouvé qu'il allonge la vie humaine. Le vrai saut viendra quand on aura montré, sur des patients suivis des années, qu'un test rapide prédit vraiment la santé. L'IA pourra alors s'entraîner dessus comme sur du code. Le 2035 de Derya Unutmaz dépend de ce jour-là.
L'étude de Bonn, pour ceux qui veulent lire la source (Aging Cell, octobre 2026) : doi.org/10.1111/acel.70751
1
146




















