Tous les quelques mois, la Silicon Valley trouve un nouveau mot sur lequel se disputer.

Cette fois, le mot était "slop". Ce seul mot, venant de l'un des esprits derrière OpenAI et l'Autopilot de Tesla, a plongé tout le monde de la tech dans un mode de confrontation.

L'entretien entre Andrej Karpathy et Dwarkesh Patel dure près de deux heures et demie.

Et depuis des jours, il provoque des ondes de choc à travers la vallée.

Maintenant que la poussière est retombée, il est temps de regarder au-delà des gros titres et de se concentrer sur ce qui compte vraiment.

Surtout si vous construisez, déployez ou travaillez avec l'IA en ce moment.

Parce que la controverse ne portait pas vraiment sur ce qu'Andrej a dit, mais sur qui l'a dit et quand.

Quand le cofondateur d'OpenAI, l'un des ingénieurs derrière l'Autopilot de Tesla et les premiers modèles GPT, qualifie les agents actuels de "slop", cela a un impact différent.

Surtout dans une année où le capital-risque injecte des milliards dans des startups d'agents qui peuvent à peine remplir une feuille de calcul.

Ses commentaires n'ont pas seulement contesté un titre. Ils sont entrés en collision frontale avec le cycle du battage médiatique.

Ce n'était pas un débat technique. C'était un rappel à la réalité.

Pour comprendre la réaction, il faut comprendre d'où vient Andrej.

Ce n'est pas un commentateur sur Twitter. Ce n'est pas un bricoleur de prompts à la recherche de viralité.

C'est l'un des bâtisseurs qui a aidé à définir ce domaine.

Il s'exprime depuis le sommet de la pile, le monde de l'architecture des modèles, des pipelines de données et des dynamiques d'entraînement.

C'est un monde très différent de celui auquel la plupart d'entre nous sont confrontés lorsque nous utilisons les outils d'IA d'aujourd'hui en production.

Et cette différence entre la recherche et la pratique, entre le laboratoire et le terrain, est ce qui rend cette conversation fascinante.

Alors, qu'a-t-il dit concrètement ?

La phrase la plus citée d'Andrej était simple.

Les agents utiles ne seront là que dans une décennie.

Son point : les agents d'aujourd'hui manquent de trois choses : la mémoire, la robustesse et la fiabilité.

Il a qualifié les résultats actuels de "slop". Les gens se sont accrochés à l'insulte.

Il décrivait une capacité.

Les agents d'aujourd'hui ne se souviennent pas et n'apprennent pas intrinsèquement.

Leur robustesse vient de l'architecture, pas des agents eux-mêmes.

Et dans les entreprises, ils sont liés aux processus métier, aux flux de travail des API et à la supervision humaine.

Ils n'agissent pas librement. Ils vivent à l'intérieur de la structure.

Cela ne les rend pas inutiles. Cela signifie que nous sommes encore dans la phase d'ingénierie de l'intelligence.

Nous payons pour la fiabilité par l'architecture et le ROI est réel, bien que non magique.

Ces outils ne remplacent pas les gens. Ils les prolongent, automatisant les décisions répétitives, coordonnant les données et agissant comme copilotes à travers les processus.

Dans tous les secteurs, cela permet déjà d'économiser des millions en productivité, pas des milliards du jour au lendemain.

Mais des progrès mesurables et constants.

Le calendrier d'Andrej ne diminue pas cette valeur.

Il nous rappelle que l'architecture est un multiplicateur.

Il existe un fossé entre la façon dont les chercheurs et les bâtisseurs définissent le fonctionnement.

Les chercheurs visent l'autonomie, des agents qui s'autocorrigent et persistent à travers les tâches.

Les bâtisseurs se soucient des résultats, des systèmes qui font gagner du temps, passent à l'échelle ou réduisent les coûts maintenant.

Les deux ont raison, ils opèrent simplement sur des horloges différentes.

Le monde d'Andrej tourne sur des décennies. Le nôtre sur des trimestres.

Confondre les deux est ce qui crée le bruit.

Andrej l'a très bien formulé : le pré-entraînement, c'est comme aspirer la supervision à travers une paille.

En langage clair, c'est comme enseigner en notant les examens finaux sans jamais voir les devoirs.

Vous obtenez un score à la fin, juste ou faux, oui ou non, mais aucun retour d'information en cours de route.

C'est pourquoi les modèles ont du mal avec les nuances.

Le pré-entraînement est un instrument grossier.

Des milliards d'exemples sont nécessaires avant qu'un système ne commence à généraliser.

Et cela explique pourquoi deux personnes peuvent obtenir des réponses complètement différentes du même modèle.

Les LLM ne détiennent pas une vision unique du monde, ils reflètent la vôtre.

Votre formulation, votre ton et même l'ordre de vos mots façonnent les schémas qui s'activent.

Vous ne parlez pas à un seul esprit.

Vous échantillonnez à partir d'une distribution de schémas, et pourtant, cela fonctionne.

Si l'IA s'arrêtait d'évoluer aujourd'hui, nous aurions encore une décennie de valeur à déployer.

Le plafond est plus haut que ce que le battage médiatique admet et le plancher est plus stable que ce que croient les critiques.

Quand Andrej a dit que l'apprentissage par renforcement est terrible, il ne voulait pas dire cassé.

Il voulait dire incomplet. Actuellement, les modèles ne reçoivent un retour qu'à la fin, un simple oui ou non.

C'est comme enseigner le piano en notant le récital, sans jamais corriger le rythme ou la tonalité pendant l'entraînement.

Il appelle à un retour d'information plus fin étape par étape ou à une meilleure mémoire, des moyens pour que les modèles apprennent non seulement les résultats, mais le raisonnement.

C'S'est ainsi que les systèmes passent de l'imitation à la compréhension.

La plupart des gens imaginent que l'AGI est un saut soudain, un boom qui remodèle tout.

Andrej ne le pense pas et je suis totalement d'accord.

Il pense que l'IA se fondra dans la même longue courbe d'automatisation qui façonne notre monde depuis des siècles.

Alors, qu'entend-il par là ?

L'innovation humaine est déjà intégrée dans notre croissance économique de base.

Cette croissance annuelle régulière du PIB de 2 % dont parlent les économistes comprend déjà des siècles de technologies de rupture.

La machine à vapeur, l'électricité, les ordinateurs, Internet, et maintenant l'IA.

Chacune a changé nos vies de façon spectaculaire, mais aucune n'a fait grimper soudainement le PIB pour toujours.

Au lieu de cela, elles nous ont maintenus sur à peu près la même courbe exponentielle, fluide, continue et cumulative.

L'argument d'Andrej est donc simple.

Nous ne devrions pas nous attendre à ce que l'AGI provoque un nouveau saut dans la courbe.

Elle prolongera probablement la trajectoire existante, le même schéma de 2 % simplement alimenté par de nouvelles formes d'automatisation.

En d'autres termes, l'IA s'intégrera, elle ne fera pas exploser le graphique.

Cela ne veut pas dire qu'elle ne transformera pas notre façon de vivre ou de travailler.

Elle le fera. Cela signifie qu'au niveau macroéconomique, ces transformations sont absorbées dans le rythme plus large du progrès à long terme.

Son message n'est pas pessimiste. Il est très pragmatique.

Le pouvoir de l'IA réside dans la continuité, en superposant une nouvelle intelligence sur ce qui fonctionne déjà sans le briser.

Andrej appelle cette prochaine décennie l'ère de l'intégration.

L'accent passe de la démonstration de l'intelligence à celle de la fiabilité.

Les gagnants ne seront pas ceux qui courent après les gros titres sur l'AGI, ce seront ceux qui recâblent les industries, construisent des systèmes qui passent réellement à l'échelle et conçoivent une gouvernance qui fonctionne.

C'est là que la plupart d'entre nous vivent, dans ce milieu complexe où l'intelligence rencontre l'infrastructure.

Tout au long de la conversation, Andrej revient sans cesse sur la mémoire.

Sans elle, les systèmes ne peuvent pas apprendre le contexte ou la continuité. Ils ne peuvent pas personnaliser, ils se réinitialisent simplement.

Il a raison, la mémoire est le goulot d'étranglement.

La plupart des équipes aujourd'hui font discrètement de l'ingénierie de la mémoire, décidant de ce dont les agents se souviennent, où cela réside et qui le contrôle.

Si we résolvons la mémoire durable à grande échelle, nous débloquons la prochaine phase d'utilité.

Si nous ne le faisons pas, les agents resteront intelligents mais oublieux.

Comme un poisson qui oublie ce qu'il a vu il y a deux secondes.

Ils continueront de nager en rond, faisant des choses impressionnantes sur le moment mais n'apprenant jamais vraiment de l'expérience.

Dans l'un des détours les plus fascinants, Andrej a rejeté une comparaison qui apparaît souvent dans le débat sur l'IA.

L'idée que l'apprentissage automatique est comme l'évolution.

Dwarkesh Patel a évoqué la célèbre idée du regretté Richard Sutton, "la leçon amère".

La notion que l'intelligence, biologique ou artificielle, émerge toujours de systèmes d'apprentissage à usage général qui fonctionnent assez longtemps pour découvrir leurs propres règles.

Andrej n'est pas d'accord.

Il dit que c'est une mauvaise métaphore parce que nous ne menons pas l'expérience de la nature.

L'évolution est un processus d'optimisation biologique. Elle prend des milliards d'années et n'optimise pas pour la compréhension ou la sécurité. Elle optimise pour la survie.

Les cerveaux ont évolué pour se répliquer, pas pour s'aligner.

Nous n'avons pas ce genre de temps ni de tolérance pour le hasard.

Nous n'essayons pas de faire évoluer l'intelligence par accident. Nous l'étudions délibérément.

C'est pourquoi Andrej trace la ligne si clairement.

Nous ne construisons pas des animaux, nous construisons des outils.

C'est plus qu'une simple distinction technique.

C'est une distinction philosophique.

Si vous considérez l'IA comme la vie, vous lui donnerez la liberté, l'autonomie, l'évolution et ses propres objectifs.

Si vous considérez l'IA comme un outil, vous la concevrez pour le contrôle, la fiabilité et la responsabilité.

Ce cadrage change tout : la façon dont nous réglementons l'IA, comment nous mesurons le succès, et même notre relation avec elle en tant que créateurs.

Parce que les outils peuvent servir l'humanité, tandis que les êtres vivants sont en compétition avec elle.

L'ADN compresse peut-être la vie, mais nous concevons des systèmes intentionnels.

Nous ne copions pas la biologie, nous exprimons une discipline d'ingénierie.

Quand on voit l'IA comme un outil, on construit pour la responsabilité, pas pour l'émerveillement. Pour la valeur, pas pour la vanité.

Et cette distinction entre révérence et responsabilité pourrait être la plus importante de tout le débat.

Ma partie préférée de la conversation : ce qu'Andrej appelle la "marche des neuf".

Et je pourrais commencer à lui emprunter cette expression.

Il a dit que chaque neuf supplémentaire représente une quantité constante de travail.

Quand vous obtenez une démo qui fonctionne à 90 %, ce n'est que le premier neuf.

Ensuite, il faut le deuxième neuf, un troisième, un quatrième et un cinquième, et c'est pourquoi cela prend si longtemps.

Les voitures autonomes en sont le parfait exemple.

Chaque neuf de fiabilité supplémentaire, de 90 % à 99,999 %, coûte le même labeur.

Le progrès semble soudain de l'extérieur, mais il paraît sans fin de l'intérieur.

L'IA suivra le même schéma.

Chaque neuf est le prix de la confiance. Soyez patients, mais acharnés.

Vers la fin, Andrej parle d'Eureka, sa Starfleet Academy pour la maîtrise technique.

Il imagine une éducation adaptative, personnalisée et alimentée par des tuteurs IA qui imitent les grands enseignants. Réactifs, stimulants, empathiques et précis.

Il ne parle pas seulement des salles de classe.

Il décrit un changement culturel, une évolution de l'apprentissage humain lui-même. Un apprentissage adaptatif pour les humains, tout comme les LLM s'adaptent pour les machines.

Et c'est peut-être là la véritable histoire : nous évoluons nous aussi.

Nous apprenons en temps réel comment maîtriser ces machines.

Tout comme nos ancêtres ont appris à être plus rusés que les animaux qui les chassaient autrefois, nous apprenons à guider une nouvelle forme d'intelligence.

Une intelligence qui pourrait nous dépasser si nous arrêtions d'apprendre à ses côtés.

Les gros titres sont pourtant passés à côté de l'essentiel.

Ce n'étaient pas des funérailles pour l'IA.

Je crois que c'était un calibrage.

Le message d'Andrej est simple. Le progrès prend du temps.

La fiabilité nécessite une architecture. La mémoire nécessite une conception.

Si vous construisez aujourd'hui, c'est votre avantage. Supposez la continuité. Concevez pour la fiabilité.

Traitez la mémoire comme une stratégie, pas comme un correctif. Attendez-vous au progrès, pas aux miracles.

L'IA ne nous remplace pas, elle nous reflète.

Elle montre où s'arrête la cognition humaine et où commencent nos systèmes.

Ce n'est pas la décennie de la perfection, c'est la décennie des agents, imparfaits, évolutifs et immensément puissants.

La décennie où nous apprenons à construire avec une intelligence qui apprend encore elle-même.