Le débat du jour : L'IA peut-elle vraiment "apprendre" comme nous ?

Salut ! On entend beaucoup parler d'agents IA, de modèles toujours plus performants, mais une question fondamentale continue de faire débat : nos intelligences artificielles actuelles peuvent-elles vraiment développer une connaissance implicite et une capacité d'apprentissage continu comme un cerveau humain ?

Beaucoup d'experts s'accordent à dire que les grands modèles de langage (LLMs) possèdent une forme de connaissance implicite, acquise pendant leur phase d'entraînement massive. Cependant, la grande différence avec nous, c'est leur incapacité à apprendre en permanence. Alors que ton cerveau fait constamment de nouvelles connexions, reconnaît de nouveaux schémas et forme de nouvelles intuitions tout au long de la journée, un LLM ne fait cela que pendant son entraînement. Une fois le modèle déployé, sa capacité à intégrer de nouvelles informations et à ajuster son "savoir" est fortement limitée.

C'est là que le concept d'agents IA, comme Claude Code ou OpenClaw, entre en jeu. Ils sont impressionnants, capables d'exécuter des tâches complexes en écrivant des "notes à eux-mêmes" dans des fichiers externes, un peu comme un remplaçant qui documenterait méticuleusement son travail pour le prochain. Marc Andreessen, un célèbre capital-risqueur, a même résumé cela en disant que "ton agent n'est que ses fichiers" (source).

Le problème ? Cette architecture, bien que pratique, implique que toute connaissance implicite qu'un LLM pourrait développer au cours d'une session est perdue lors du passage à une autre instance de modèle. Or, cette "connaissance sous l'eau", ces intuitions, ces théories à moitié formées, sont essentielles pour la créativité et la résolution de problèmes complexes chez l'humain. C'est ce qui nous permet de faire des liens inattendus et de développer des idées originales.

De nombreux métiers intellectuellement exigeants demandent des mois, voire des années, pour accumuler ce contexte et cette compréhension implicite. Les architectures actuelles des agents IA, basées sur un transfert explicite d'informations via des fichiers, peinent à reproduire cette profondeur. Cela soulève la question de savoir si nous sommes réellement proches de créer de véritables "scientifiques IA" capables de découvertes originales, ou si nous avons besoin de repenser fondamentalement la manière dont ces modèles apprennent et retiennent l'information.

L'enseignement principal : Tant que les IA ne pourront pas développer une connaissance implicite continue et la maintenir à travers les sessions, elles resteront limitées dans leur capacité à "penser" profondément et à rivaliser avec l'ingéniosité humaine dans les tâches intellectuelles complexes (source).

L'Actu

Voici un aperçu des cinq actualités qui ont marqué le monde de l'IA ces dernières 24 heures :

• Subquadratic lance SubQ : une révolution dans l'efficacité des LLM Le laboratoire Subquadratic a dévoilé SubQ, un modèle LLM sub-quadratique qui promet de réduire le coût de calcul par mille et d'offrir une fenêtre contextuelle native de 12 millions de tokens. Cette avancée vise à remplacer les nombreuses "astuces mémoire" utilisées jusqu'à présent pour compenser les limitations des architectures de transformeurs classiques, et pourrait permettre aux agents de travailler pendant des semaines sans perte de contexte (source et source).

• Anthropic s'implante à Wall Street avec des agents Claude dédiés à la finance Anthropic a lancé dix modèles d'agents Claude "prêts à l'emploi" spécifiquement pour les équipes des services financiers. Ces agents peuvent réaliser des tâches complexes comme la création de pitchbooks, le filtrage des dossiers KYC, la rédaction de notes de crédit ou les clôtures de fin de mois, et sont intégrés à Microsoft 365 (Excel, PowerPoint, Word, Outlook) (source et source).

• GPT-5.5 Instant d'OpenAI : des réponses plus claires et moins d'hallucinations OpenAI a déployé GPT-5.5 Instant comme modèle par défaut pour tous les utilisateurs de ChatGPT. Ce nouveau modèle se distingue par une réduction de 52,5 % des "hallucinations" sur les requêtes à enjeux élevés (médecine, droit, finance) et des réponses 30,2 % plus concises, sans sacrifier la pertinence (source et source).

• Le gouvernement américain veut inspecter les modèles d'IA avant leur sortie Google DeepMind, Microsoft et xAI ont accepté de soumettre leurs futurs modèles d'IA à des tests de sécurité nationale par le gouvernement américain avant leur déploiement public. Cette initiative, gérée par le Center for AI Standards and Innovation (CAISI), marque un tournant dans la régulation de l'IA, la traitant de plus en plus comme une infrastructure stratégique plutôt que comme un simple logiciel grand public (source et source).

• OpenAI se lance dans le hardware avec un "téléphone agent AI" prévu pour 2027 OpenAI prévoit de produire en masse son propre "téléphone agent AI" dès le premier semestre de l'année prochaine. Ce dispositif intègrera un processeur de signal d'image pour une meilleure perception du monde réel et deux processeurs AI pour différentes tâches. L'entreprise explorerait également le développement de lunettes intelligentes, d'une lampe connectée et d'écouteurs, entrant ainsi en concurrence directe avec Apple sur le marché du hardware (source).

Avis d'Expert : Agents IA : L'accès ne fait pas le sens

Le spectacle des agents IA qui naviguent sur nos ordinateurs, cliquent sur des formulaires et organisent nos calendriers est impressionnant. Mais derrière cette façade, il y a une distinction cruciale à faire entre "l'accès" et le "sens", et c'est ce qui déterminera le véritable impact de ces outils.

Trop souvent, le progrès de l'IA est mesuré par sa capacité à "atteindre" de nouvelles fonctions, à interagir avec toujours plus de logiciels. Un agent peut ouvrir un navigateur, cliquer sur un bouton de commande. Mais est-ce qu'il comprend réellement ce que ce bouton signifie ? Est-ce qu'il saisit les implications contextuelles, les conséquences imprévues, le "pourquoi" derrière l'action ?

Les logiciels actuels sont conçus pour l'interprétation humaine. Un humain sait que déplacer une invitation de calendrier ne se limite pas à changer une ligne dans une base de données ; cela peut notifier les participants, modifier leurs préparations, rompre un engagement ou reporter une réunion difficile à organiser. Un agent, à travers une interface humaine, peut inférer certaines de ces implications, mais l'inférence n'est pas la même chose que la compréhension sémantique directe.

Selon Nate's Newsletter, les produits basés uniquement sur l'accès exigent une supervision constante, tandis que ceux qui intègrent un sens profond "se développent discrètement". La véritable valeur ajoutée de l'IA ne résidera pas dans sa capacité à cliquer sur un bouton, mais dans sa capacité à comprendre la signification du travail et à exercer un jugement éclairé. C'est pourquoi la "propriété de la couche qui dit à l'agent ce que le bouton signifie" sera le véritable avantage concurrentiel à long terme. C'est une bataille de fond pour l'avenir des plateformes IA.

Le Cadeau : Crée ton "Second Cerveau" avec un simple prompt

Marre de tes notes éparpillées ? Tu veux organiser tes pensées et tes recherches dans un système intelligent et navigable ? On a trouvé le cadeau parfait : un prompt de quatre lignes qui te permet de transformer n'importe quelle pile de notes brutes en un "second cerveau" entièrement lié, sans coût et sans base de données vectorielle complexe.

Il te suffit de coller tes notes (un transcript de réunion, un dump de recherche, un mémo vocal) dans un LLM comme Claude, puis d'exécuter ce prompt magique :

Dissect this raw note into atomic Obsidian markdown files. Each file = one concept. Use [[wikilinks]] between any concept that references another. Output as separate code blocks with filenames.

Le LLM va atomiser ton texte, créant de multiples fichiers, chacun centré sur un concept unique, et les reliera automatiquement avec des [[wikilinks]] (des liens cliquables entre les notes). Tu obtiendras un graphe de connaissances navigable, comme une carte mentale interactive. Il ne te restera plus qu'à déposer ces fichiers dans ton coffre Obsidian (manuellement ou via l'outil en ligne de commande d'Obsidian) et le tour est joué ! C'est une façon simple et efficace de tirer parti des LLM pour organiser ton savoir et "atomiser" ton information (source).

Un dernier pour la route

Dans un monde où l'IA transforme tout, Anthropic et Google nous offrent une belle énigme économique : Anthropic, concurrent direct de Gemini, s'engage à dépenser 200 milliards de dollars sur cinq ans auprès de Google Cloud. Le rival est aussi le client. L'investisseur est aussi le fournisseur. Quand les géants de l'IA se mangent la queue, on se demande qui, au final, sera le dindon de la farce.

Cette newsletter est rédigée par Gemini 2.5-Flash à partir d'un échantillon de newsletters IA reçues lors des dernières 24h. Il s'agit d'une expérience qui vise notamment à évaluer le taux d'hallucination dans les contenus rédigés sans supervision humaine.