Meta clone Zuckerberg en IA : saurez-vous reconnaître le vrai robot ?

Pourquoi les avis sur l'IA sont si partagés

Le rapport annuel AI Index de l'université Stanford, publié cette semaine, dresse un état des lieux contrasté de l'intelligence artificielle mondiale. Parmi ses chiffres marquants : les États-Unis hébergent 5 427 centres de données, soit plus de dix fois autant que n'importe quel autre pays. Le rapport souligne également une vulnérabilité structurelle majeure de toute l'industrie : une seule entreprise, TSMC, fabrique la quasi-totalité des puces IA de pointe, rendant la chaîne d'approvisionnement mondiale dépendante d'une unique fonderie à Taïwan. Sur le plan des performances, les contrastes sont tout aussi frappants : le modèle phare de Google DeepMind, Gemini Deep Think, a décroché une médaille d'or aux Olympiades internationales de mathématiques, mais est incapable de lire une horloge analogique dans la moitié des cas. Ce rapport met en lumière une fracture profonde entre experts et grand public dans la perception de l'IA. Selon ses auteurs, 73 % des chercheurs américains en IA estiment que la technologie aura un impact positif sur l'emploi, contre seulement 23 % du grand public, soit un écart de 50 points de pourcentage. Un fossé similaire apparaît sur les questions économiques et médicales. Cette divergence s'explique en partie par des expériences radicalement différentes : les experts utilisent l'IA principalement pour des tâches techniques comme le code ou les mathématiques, domaines où les modèles sont objectivement devenus excellents, car les résultats sont vérifiables et les améliorations plus faciles à mesurer. Le grand public, lui, expérimente davantage des usages ouverts, où les modèles font encore régulièrement des erreurs grossières. Ce phénomène a été théorisé sous le nom de "frontière en dents de scie" : les grands modèles de langage excellent dans certains domaines précis tout en restant médiocres dans d'autres, sans cohérence apparente. Le chercheur influent Andrej Karpathy a lui-même noté sur X un fossé croissant de compréhension des capacités réelles de l'IA entre les utilisateurs avancés, prêts à payer jusqu'à 200 dollars par mois pour les meilleures versions, et le reste du public. Quelqu'un utilisant Claude Code aujourd'hui accède en réalité à une technologie fondamentalement différente de celle que quelqu'un a expérimentée gratuitement il y a six mois pour planifier un événement. L'IA progresse si vite que l'expérience utilisateur se fragmentes selon les niveaux d'accès, de maîtrise et de cas d'usage, rendant tout consensus sur "ce qu'est vraiment l'IA" aujourd'hui presque impossible à atteindre.

Cette étude révèle pourquoi l’IA pourrait fragiliser l’économie des entreprises

Une étude publiée en avril 2026 par des chercheurs de l'Université de Pennsylvanie et de l'Université de Boston, intitulée "The AI Layoff Trap", modélise mathématiquement un mécanisme économique préoccupant lié à l'automatisation massive par l'IA. Les chiffres sont éloquents : plus de 100 000 postes ont disparu dans le secteur technologique en 2025, et 2026 s'annonce encore plus marqué avec déjà 61 000 suppressions d'emplois recensées. Des géants comme Amazon et Meta multiplient les vagues de licenciements, tandis que les chercheurs estiment que près de 80 % des travailleurs américains restent exposés à l'automatisation. L'étude utilise un modèle issu de la théorie des jeux pour démontrer que chaque entreprise, prise individuellement, agit de façon parfaitement rationnelle en adoptant l'IA afin de réduire ses coûts et maintenir sa compétitivité face à ses concurrents. Le problème, selon les auteurs, est que cette rationalité individuelle produit une irrationali­té collective. Moins d'emplois signifie moins de pouvoir d'achat, donc moins de consommation, donc une demande en recul dans tous les secteurs de l'économie. Les revenus des entreprises finissent par chuter, y compris celles qui ont massivement automatisé. Le mécanisme est décrit comme un dilemme du prisonnier appliqué à l'échelle macroéconomique : chaque acteur optimise sa survie à court terme, mais l'ensemble du système se déstabilise. Les entreprises qui n'automatisent pas perdent des parts de marché face à celles qui le font, ce qui les contraint à automatiser à leur tour, entretenant un cercle qui érode progressivement la demande dont toutes dépendent. Ce que rend particulièrement inquiétant le constat des chercheurs, c'est l'échec des solutions habituellement proposées. Le revenu universel de base, la redistribution fiscale du capital ou encore la formation professionnelle continue sont examinés et écartés : aucune de ces mesures ne modifie les incitations profondes qui poussent les entreprises vers l'automatisation massive. Tant que la pression concurrentielle reste intacte, chaque acteur continuera d'accélérer ses investissements en IA pour ne pas se laisser distancer, quelle que soit la politique redistributive en place. Cette étude s'inscrit dans un débat économique qui prend de l'ampleur alors que les grandes entreprises technologiques réallouent leurs budgets salariaux vers des infrastructures d'IA, posant une question structurelle à laquelle les gouvernements et les régulateurs n'ont pas encore trouvé de réponse convaincante.

Enseigner à l'ère de ChatGPT, c'est souffrir

Un enseignant en sciences de la Terre dans un college américain, employé à temps partiel depuis de nombreuses années tout en occupant d'autres postes en parallèle, décrit comment l'intelligence artificielle générative a transformé son métier en expérience épuisante. Celui qui avait choisi l'enseignement par vocation, malgré des salaires notoirement bas et une absence totale de sécurité de l'emploi, se retrouve aujourd'hui à enseigner exclusivement en mode asynchrone en ligne, c'est-à-dire via des vidéos enregistrées plutôt que des sessions en direct. Ce format, déjà plus difficile à gérer que les cours en présentiel, est devenu un terrain fertile pour le désengagement estudiantin amplifié par des outils comme ChatGPT. L'impact est concret et quotidien. Dans une salle de classe physique, un professeur peut lire les expressions d'incompréhension sur les visages, adapter son rythme, maintenir une dynamique de groupe. En ligne et en asynchrone, ces leviers disparaissent. L'étudiant n'a pas à se présenter à heure fixe, personne ne remarque s'il décroche, et avec l'IA générative désormais capable de rédiger des réponses plausibles à la plupart des exercices universitaires, la tentation de déléguer le travail intellectuel est permanente. Ce que l'enseignant décrit comme une expérience "surtout misérable" traduit une crise plus large de la relation pédagogique à l'ère du contournement facile. Ce témoignage s'inscrit dans un débat qui traverse l'enseignement supérieur américain depuis l'arrivée de ChatGPT fin 2022. Les facultés peinent à trouver un équilibre entre interdire des outils impossibles à bannir réellement et repenser entièrement les modalités d'évaluation. Le cas des cours en ligne asynchrones, souvent confiés à des contractuels mal payés et peu soutenus institutionnellement, cristallise les tensions : ce sont précisément les formats les plus vulnérables à la fraude par IA, et ceux dont les enseignants disposent du moins de ressources pour s'adapter. La question de savoir comment enseigner efficacement dans ce contexte reste largement sans réponse institutionnelle satisfaisante.

Le Nobel de chimie qui dirige l’IA chez Google : « J’aurais préféré guérir le cancer avant de lancer ChatGPT »

Demis Hassabis, PDG de Google DeepMind et lauréat du prix Nobel de chimie 2024 pour ses travaux sur AlphaFold, a exprimé publiquement un regret profond : selon lui, le lancement de ChatGPT par OpenAI en novembre 2022 a précipité l'ensemble de l'industrie dans une course commerciale qui a détourné l'IA de ses applications les plus prometteuses, notamment la recherche médicale et scientifique. Il aurait préféré que les grandes avancées en intelligence artificielle servent d'abord à guérir le cancer ou à résoudre des problèmes biologiques complexes, avant d'être massivement déployées pour automatiser des tâches bureautiques. Cet aveu touche un point sensible : la tension entre IA scientifique et IA commerciale est réelle et structurelle. Les laboratoires comme DeepMind avaient construit leur identité autour de la recherche fondamentale, AlphaFold a prédit la structure de plus de 200 millions de protéines, une révolution pour la biologie. Le pivot brutal vers les assistants conversationnels grand public a redirigé les talents, les financements et l'attention médiatique vers des produits générant des revenus immédiats, au détriment de projets à impact potentiellement transformateur mais à retour plus lent. Hassabis n'est pas le premier à formuler cette critique, mais sa position est singulière : il dirige l'un des laboratoires les plus puissants au monde, intégré à Google, donc lui-même acteur de cette course commerciale. Sa déclaration illustre les contradictions internes d'une industrie tiraillée entre ambitions scientifiques de long terme et pressions concurrentielles immédiates imposées par la montée en puissance d'OpenAI et de Microsoft.

💬 Hassabis a raison sur le fond, mais bon, il dirige Google DeepMind, donc il participe à la même course qu'il dénonce. Ce qui me retient dans cette déclaration, c'est moins le regret que l'aveu implicite : l'industrie sait très bien ce qu'elle sacrifie quand elle court après les revenus. AlphaFold, c'était la promesse que l'IA allait servir à quelque chose de vraiment utile, et on a bifurqué vers des chatbots pour rédiger des mails.