vendredi 23 octobre 2026

Demis Hassabis, Sam Altman ... et moi !

IA inside

Ou comment une réflexion sur la souveraineté algorithmique, publiée le 29 mars 2026, trouve sept mois plus tard un écho inattendu chez Sam Altman, cofondateur et directeur général d’OpenAI, l’entreprise à l’origine de ChatGPT.

Premier trimestre 2026

Il y a quelque chose d'assez réjouissant, pour le chercheur indépendant que je suis, à découvrir que des personnalités comme Demis Hassabis et Sam Altman s'interrogent sur une question que l'on a soi-même explorée quelques mois auparavant.

Non pas que j'aie inventé l'idée d'un « CERN de l'IA ». Elle circule depuis plusieurs années dans les milieux scientifiques et politiques. Mais le 29 mars 2026, en publiant la première partie de mon essai intitulé « Gouverner les paradoxes : la souveraineté algorithmique à l'ère des écosystèmes génératifs », j'avais consacré une annexe entière à une hypothèse qui me semblait devoir prendre une importance croissante : celle d'une souveraineté mutualisée.

Or il y a quelques jours, j'apprends que Sam Altman aurait présenté aux employés d'OpenAI trois scénarios possibles pour la gouvernance de la superintelligence, dont l'un envisage précisément une organisation commune des grands laboratoires sur le modèle du CERN, reprenant une proposition formulée antérieurement par Demis Hassabis, cofondateur et directeur général de Google DeepMind.

Chercheur britannique en IA et neurosciences ayant reçu le prix Nobel de chimie 2024, Hassabis expliquait en 2025, dans un entretien avec Lex Fridman :

« I hope we’ll end up with something more collaborative [...] more like a CERN project »

Son idée était de réunir les meilleurs chercheurs du monde pour accomplir avec prudence les dernières étapes du développement de l'intelligence artificielle générale (AGI), en s'assurant de sa sûreté avant son déploiement. Selon son projet, cet organisme serait financé par l'industrie, disposerait d'experts indépendants et évaluerait les modèles avant leur déploiement. Il pourrait également coordonner un ralentissement collectif en cas de danger.

Il déclarait dans une autre intervention que, dans un laboratoire scientifique de type CERN, les chercheurs pourraient examiner mutuellement leurs travaux, tester rigoureusement les progrès et avancer selon des méthodes scientifiques, plutôt que sous la pression de la concurrence commerciale, tout en reconnaissant que cela aurait pu retarder l'arrivée de l'AGI, éventuellement de plusieurs années. 

Coïncidence de calendrier ? Convergence ? Simple conséquence d'un problème devenu impossible à ignorer ? Probablement un peu des trois. Mais revenons à notre point de départ.

Quand la souveraineté ne suffit plus

L'hypothèse centrale de mon essai est relativement simple à formuler : les États continuent d'exercer leur souveraineté mais ne maîtrisent plus l'ensemble des conditions dans lesquelles cette souveraineté serait censée s'exercer.

Exemple de l'intelligence artificielle : un État peut adopter des lois, réglementer les usages, imposer des obligations de transparence ou décider d'intégrer des systèmes d'IA dans ses administrations. Il peut même proclamer son indépendance technologique.

Or de quoi dépend concrètement cette indépendance ? De semi-conducteurs fabriqués ailleurs, de matières premières extraites ou raffinées dans d'autres pays, de centres de données, de réseaux énergétiques, d'architectures logicielles et de modèles développés par quelques entreprises privées.

Autrement dit, les instruments de la souveraineté sont de plus en plus insérés dans des infrastructures que les États ne contrôlent pas entièrement. C'est ce que j'ai appelé le paradoxe de la souveraineté dépendante.

Plus l'intelligence artificielle devient stratégique, plus les États cherchent à en maîtriser le développement et les usages. D'autre part, plus cette maîtrise devient nécessaire, plus elle dépend de chaînes industrielles, technologiques et institutionnelles globalisées.

Et en multipliant les réglementations ne fait pas disparaître le paradoxe : il est inscrit dans l'architecture même des écosystèmes génératifs.

D'où la question : faut-il continuer à penser la souveraineté comme une capacité de contrôle exclusif, ou commencer à la concevoir comme une capacité d'organisation des interdépendances ?

Qu'entend-on par souveraineté mutualisée ?

Dans l'annexe F de mon essai, intitulée « Vers une souveraineté mutualisée : approfondissement de l'hypothèse d'un CERN de l'IA », je proposais la définition suivante :

Par souveraineté mutualisée, on désigne une configuration dans laquelle plusieurs États et acteurs non étatiques partagent l'autorité normative, technique et institutionnelle sur des infrastructures communes, sans que cette autorité puisse être réduite à celle d'un acteur unique.

Il ne s'agit donc ni de supprimer les souverainetés nationales, ni de les transférer intégralement à une organisation internationale, ni de confier aux entreprises la responsabilité de s'autoréguler collectivement, mais plutôt de reconnaître que certaines capacités ne peuvent plus être gouvernées efficacement à partir d'un centre de décision unique.

L'idée d'un CERN de l'IA me paraissait particulièrement intéressante parce qu'elle permettait d'envisager simultanément trois dimensions :

  • La première est matérielle : mutualiser les infrastructures de calcul, les ressources scientifiques et certaines capacités industrielles pour réduire la dépendance à quelques fournisseurs dominants ;
  • La deuxième concerne le sens et la responsabilité : développer des modèles auditables, documentés et soumis à des évaluations indépendantes, plutôt que de laisser leurs conditions de fonctionnement entièrement déterminées par des intérêts propriétaires ;
  • La troisième concerne la communication et la légitimité des usages : instituer des procédures collectives permettant de définir des règles, de traiter les désaccords, de certifier certains systèmes et, si nécessaire, de suspendre temporairement des usages.

Cette triple articulation n'est pas fortuite. Elle correspond aux trois piliers — langage, sens et métabolisme — autour desquels s'organise désormais mon approche philosophique de l'intelligence artefactuelle. Initialement conçus comme trois régimes — communication, sens et métabolisme —, ils ont progressivement trouvé leur articulation dans une architecture plus fondamentale : le langage comme condition de l'interlocution, le sens comme horizon de l'interprétation et le métabolisme comme ensemble des processus par lesquels l'intelligence artefactuelle transforme des ressources en capacités opératoires. 

Pour autant, une infrastructure commune de type CERN ne suffit pas à produire une autorité légitime. Une autorité légitime ne suffit pas à garantir la disponibilité des infrastructures. Et des règles communes ne suffisent pas à rendre leurs applications effectives. La difficulté consiste précisément à faire tenir ensemble ces dimensions sans prétendre abolir leurs contradictions.

Car qui gouvernerait une telle coopération ? Les laboratoires participants ? Les États qui les financeraient ? Une communauté scientifique indépendante ? Une organisation internationale ? Et selon quelles règles seraient déterminés les droits d'accès, les conditions de déploiement ou les éventuelles limitations des capacités ? C'est à ce niveau que j'ai envisagé mon hypothèse de souveraineté mutualisée.

Sam Altman : trois scénarios pour un même problème

Il y a quelques jours, The Information rapportait que Sam Altman aurait présenté aux employés d'OpenAI trois scénarios possibles pour l'avenir de la superintelligence :

  1. le premier envisage une autorité internationale comparable à l'Agence internationale de l'énergie atomique, capable de superviser les laboratoires développant les systèmes les plus avancés ;
  2. le deuxième imagine une organisation commune des grands laboratoires sur le modèle du CERN ;
  3. le troisième décrit une situation dans laquelle un acteur acquiert une avance technologique décisive, notamment grâce à l'auto-amélioration récursive, au point de concentrer une part considérable de la puissance disponible.

Ces scénarios présentent un intérêt remarquable, en dessinant trois configurations très différentes de l'autorité :

  1. dans la première, l'autorité supervise.
  2. dans la deuxième, l'autorité se partage, au moins entre les acteurs participant à l'organisation commune.
  3. dans la troisième, la puissance se concentre, avec le risque que l'autorité effective suive cette concentration.

Or la question n'est pas simplement de savoir quelle institution serait préférable, mais plutôt de comprendre pourquoi les architectures actuelles rendent simultanément nécessaires et difficiles la supervision, la coopération et la limitation des concentrations de puissance. Et surtout, pourquoi aucune de ces réponses ne constitue, à elle seule, une solution définitive.

Dario Amodei et la question du pacing

Impossible de poursuivre cette réflexion sans évoquer Dario Amodei, le dirigeant d'Anthropic. Avec lui apparaît la dimension supplémentaire du pacing, c'est-à-dire la question du rythme auquel les capacités des systèmes d'intelligence artificielle peuvent et doivent progresser.

Faut-il ralentir certains développements ? À partir de quels seuils ? Selon quelles évaluations ? Qui peut décider d'une pause ? Et comment éviter qu'un laboratoire prudent ne se pénalise lui-même pendant que ses concurrents continuent d'accélérer ? Une dernière question fondamentale.

Car une entreprise peut parfaitement reconnaître la nécessité de ralentir le développement de certaines capacités tout en considérant qu'elle ne peut pas le faire seule. Nous sommes alors face à un problème classique d'action collective, mais dans un environnement où les conséquences d'une absence de coordination pourraient être considérables.

Le pacing introduit une dimension temporelle dans la souveraineté algorithmique. Il ne suffit plus de déterminer qui contrôle les infrastructures, qui définit les règles ou qui autorise les usages. Il faut également se demander qui peut légitimement décider du rythme auquel la puissance technologique se développe, devient accessible et se déploie.

Cette question fait apparaître le rôle déterminant des États. Si les entreprises peuvent choisir de ralentir leurs propres développements ou déploiements, elles ne disposent pas, à elles seules, de l'autorité nécessaire pour imposer un rythme à l'ensemble d'un secteur, encore moins à des acteurs relevant d'autres juridictions. Les États, en revanche, disposent d'instruments législatifs, réglementaires, économiques et sécuritaires susceptibles d'influer sur ces temporalités. Mais leur capacité d'intervention demeure territoriale, tandis que la compétition technologique et ses conséquences sont mondiales. Un État peut chercher à ralentir ce qui relève de son autorité sans pouvoir garantir que les autres ralentiront avec lui.

Une souveraineté mutualisée devrait donc être capable d'organiser non seulement des interdépendances matérielles et normatives, mais aussi des temporalités divergentes. Elle rencontrerait ici une difficulté proprement politique : comment coordonner des États dont les capacités technologiques, les intérêts stratégiques, les perceptions du risque et les horizons de décision ne coïncident pas, sans présupposer qu'ils accepteraient de déléguer leur autorité à une instance commune ?

Ce n'est pas une difficulté secondaire. Une institution peut disposer de procédures parfaitement légitimes et devenir néanmoins incapable de gouverner des systèmes dont l'évolution dépasse constamment sa capacité d'évaluation et de décision. La légitimité de l'autorité ne garantit pas sa capacité à intervenir à temps ; sa capacité à intervenir rapidement ne garantit pas davantage la légitimité de ses décisions.

En dernier lieu, cette préoccupation du pacing dépasse désormais Dario Amodei, puisque Sam Altman, Demis Hassabis et Elon Musk ont, à leur tour, reconnu la nécessité de mieux maîtriser cette accélération, même si leurs propositions diffèrent quant aux moyens, au degré de ralentissement et au rôle des pouvoirs publics. Mark Zuckerberg, pour sa part, défend une position différente : chaque laboratoire devrait pouvoir déterminer son propre rythme de développement, en assumant ses responsabilités en matière de sécurité, sans ralentissement coordonné imposé à l'ensemble du secteur. 

Toutefois, la question de fond reste la même : non seulement à quel rythme progresser, mais surtout qui est légitime pour en décider.

Mutualiser les capacités ne signifie pas mutualiser l'autorité ni la souveraineté

Imaginons maintenant que les principaux laboratoires mondiaux décident demain de créer une organisation commune, en mutualisant certaines infrastructures, échangent leurs résultats scientifiques, établissent des protocoles de sécurité et conviennent de procédures de coordination.

Ce serait incontestablement une évolution importante. Mais suffirait-elle à constituer une souveraineté mutualisée ? Pas nécessairement.

Si les règles sont exclusivement définies par les laboratoires, si les décisions restent entre leurs mains et si les États ou la société civile n'interviennent qu'à titre consultatif, nous pourrions assister à une nouvelle concentration de l'autorité privée, cette fois sous une forme collective. Une coopération entre puissances dominantes ne garantit pas, par elle-même, une redistribution légitime de l'autorité.

Quant à une souveraineté mutualisée, cela supposerait des mécanismes institutionnels permettant d'organiser les contributions, les responsabilités, les contrôles, les désaccords et les arbitrages entre des acteurs dont les intérêts ne coïncident pas toujours. La problématique ne peut se réduire à une seule entente entre producteurs de technologies, elle doit aussi répondre à la question de celles et ceux qui en subiront les conséquences : nous.

Gouverner les paradoxes plutôt que prétendre les résoudre

Le seul but de l'annexe F (que vous trouverez en P.S.), était d'explorer une possibilité : les précédents historiques (gouvernance d'Internet, standards techniques internationaux, coopération scientifique, Traité sur l'Antarctique, etc.) montrent qu'il est possible d'organiser des formes d'autorité distribuée sans nécessairement les ramener à une souveraineté territoriale exclusive.

Mais ils montrent aussi que ces arrangements ne suppriment ni les rapports de force, ni les asymétries de ressources, ni les conflits d'intérêts. Un CERN de l'IA pourrait lui-même reproduire les dépendances qu'il prétend réduire.

Les États les plus puissants pourraient y imposer leurs priorités. Les laboratoires les mieux dotés en orienter les programmes. Les fournisseurs d'infrastructures critiques conserver une influence considérable. Les procédures intergouvernementales évoluer beaucoup moins rapidement que les technologies qu'elles seraient censées encadrer. Pour autant, ces objections ne disqualifient pas l'hypothèse. Elles en définissent les conditions de possibilité et les limites.

Le compromis devrait viser l'agencement de contraintes hétérogènes, de temporalités divergentes, de ressources inégalement distribuées et d'intérêts partiellement incompatibles. Il n'est pas question de retrouver une indépendance absolue qui n'a probablement jamais existé ni n'existera jamais, mais d'organiser les conditions dans lesquelles les interdépendances peuvent être rendues visibles, discutées et gouvernées.

Dernier trimestre 2026

Cette reprise de l'idée d'un CERN de l'IA par Altman suggère que le problème auquel elle tente de répondre devient de plus en plus difficile à contourner. La puissance de l'intelligence artificielle ne se concentre pas seulement dans les modèles. Elle réside aussi dans les infrastructures, les chaînes d'approvisionnement, les architectures d'accès, les conditions d'autorisation et les institutions qui en organisent les usages.

Et à mesure que cette puissance s'accroît, la question de son gouvernement déborde nécessairement les frontières de chaque entreprise et de chaque État.

Hassabis imagine une coopération scientifique. Altman envisage plusieurs architectures institutionnelles. Amodei interroge le rythme de développement. Musk plaide pour une maîtrise collective des risques liés à l'accélération technologique. Zuckerberg privilégie la responsabilité de chaque laboratoire. Huang défend l'accélération sous condition de sécurité. Ternus privilégie l'intégration de l'intelligence artificielle dans les produits et les usages, plutôt que la seule course à la puissance des modèles, etc.

Pour ma part, je me contente d'examiner ce qui pourrait rendre ces différentes approches politiquement et institutionnellement gouvernables. La souveraineté mutualisée n'est ni une solution miracle ni un modèle achevé, juste une hypothèse : celle selon laquelle, dans les écosystèmes génératifs, la souveraineté ne se préservera peut-être plus en prétendant supprimer les interdépendances, physiologiques, mais en apprenant à les gouverner collectivement.

Et si nous commencions par cette question ?

*

Pourquoi n'ai-je pas encore publié mon essai 8 finalisé ? 

Parce que j'attends un document particulier : le prospectus d'introduction en Bourse (IPO) d'Anthropic, et plus précisément sa section Risk Factors, consacrée aux risques auxquels l'entreprise estime être exposée.

Ce n'est pas un détail. Mon essai, Gouverner les paradoxes : la souveraineté algorithmique et l'accès cognitif conditionnel, est né de ce que j'ai appelé le paradoxe Anthropic : comment une entreprise qui entend définir des limites à l'utilisation de ses modèles peut-elle préserver cette capacité de décision lorsqu'elle se trouve elle-même prise dans des rapports de dépendance économique, technologique et politique ?

De ce paradoxe initial, ma réflexion s'est progressivement élargie à une question beaucoup plus fondamentale : qui détient le pouvoir d'autoriser, de conditionner, de suspendre ou de retirer l'accès aux capacités cognitives dont les sociétés deviennent dépendantes ?

Or le prospectus d'Anthropic pourrait apporter un éclairage singulier sur cette question, en considérant les risques sous un autre angle : celui d'une entreprise appelée à les présenter publiquement à ses futurs investisseurs, dans un cadre réglementaire engageant sa responsabilité. Selon les informations déjà rapportées sur son dépôt S-1 auprès de la SEC, près de 80 pages seraient consacrées aux facteurs de risque, soit presque deux fois la longueur de la section présentant les activités de l'entreprise et à peu près un tiers de l'ensemble du document.

Parmi ces risques figureraient ceux que l'intelligence artificielle avancée pourrait bien faire peser sur notre planète et ses habitants, jusqu'à des conséquences qualifiées de « catastrophiques ou existentielles », mais aussi ceux auxquels Anthropic elle-même est exposée : dépendance aux infrastructures et aux fournisseurs de calcul, besoins de financement, décisions réglementaires, restrictions d'accès, exigences de sécurité nationale, contentieux et évolutions géopolitiques. C'est cette double dimension, des risques que l'intelligence artificielle ferait peser à la fois sur l'humanité et sur les entreprises qui la développent, que je souhaiterais examiner, en confrontant les risques effectivement déclarés par Anthropic à l'architecture conceptuelle développée dans mon essai.

Mais il y a aussi une raison plus profonde à cette attente : articuler la façon dont la dépendance peut devenir vulnérabilité, la vulnérabilité peut devenir levier, et, dans certaines conditions, la crédibilité d'un retrait d'accès peut produire une forme de dissuasion cognitive. Il me semble que cela suffit pour différer encore un peu sa publication.

Références


P.S.

Annexe F — Vers une souveraineté mutualisée : approfondissement de l’hypothèse d’un « CERN de l’IA »

Les exemples évoqués dans le corps de cet essai (voir sections 5 et 6 du paradoxe C) peuvent être analysés de manière plus systématique afin d’en dégager des formes institutionnelles distinctes. Ils ne constituent pas des analogies ponctuelles, mais des configurations stabilisées de gouvernance distribuée.

Dans ce cadre, la transformation des conditions d’exercice de la souveraineté algorithmique conduit à interroger les formes institutionnelles capables de dépasser l’alternative stérile entre dépendance aux infrastructures privées (qui concentre le métabolisme et le sens chez quelques acteurs) et fragmentation nationale (qui exacerbe la révocabilité silencieuse et les asymétries de puissance). Cette tension ouvre la voie à une hypothèse concrète et déjà en gestation : celle d’une souveraineté mutualisée, fondée sur des architectures de gouvernance distribuée.

Par souveraineté mutualisée, on désigne une configuration dans laquelle plusieurs États et acteurs non étatiques partagent l’autorité normative, technique et institutionnelle sur des infrastructures communes, sans que cette autorité puisse être réduite à celle d’un acteur unique. Elle ne correspond ni à une souveraineté classique, territoriale et exclusive, ni à une simple délégation aux entreprises, mais à une forme intermédiaire structurée par l’interdépendance assumée et gouvernée, et suppose non pas la disparition des souverainetés nationales, mais leur reconfiguration dans des dispositifs où aucune ne peut s’exercer de manière autonome.

1. Précédents institutionnels : gouverner sans unifier

Si aucun modèle stabilisé de ce type n’existe à ce jour pour l’intelligence artificielle générative, plusieurs précédents partiels permettent d’en documenter la possibilité :

·         la gouvernance de l’internet autour de l’ICANN constitue un premier exemple d’autorité distribuée sur une ressource critique (noms de domaine) associant États, secteur privé et communauté technique, sans monopole exclusif ;

·         les standards cryptographiques du NIST illustrent une seconde configuration : celle d’une infrastructure normative globale, produite dans un cadre national mais adoptée internationalement, devenant de facto une référence commune ;

·         le Traité sur l’Antarctique offre enfin un exemple de suspension partielle des revendications de souveraineté nationale sur un espace stratégique, au profit d’un régime de gouvernance coopératif.

Ces exemples, bien qu’imparfaits, montrent qu’il est possible d’instituer une gouvernance qui ne relève ni exclusivement de la souveraineté étatique ni de la logique marchande. Ils ont cependant tous émergé après des crises ou des rapports de force suffisamment clairs pour modifier les calculs d’intérêt des acteurs dominants.

2. Le « CERN de l’IA » : une hypothèse institutionnelle désormais ancrée dans le débat politique

L’idée d’un « CERN de l’IA » n’est plus une pure spéculation théorique. Elle a été portée dès 2017-2018 par la communauté scientifique européenne (CLAIRE/CAIRNE), reprise par des rapports influents (notamment celui de l’International Center for Future Generations en septembre 2024) et élevée au niveau politique en 2025 : Ursula von der Leyen l’a explicitement évoquée, la France et l’Allemagne ont lancé en novembre 2025 une Frontier AI Initiative comme première brique opérationnelle, et la Commission travaille sur un « Resource for AI Science in Europe » (RAISE) présenté comme l’embryon d’un CERN-like[1].

Par analogie avec le CERN (qui mutualise un accélérateur de particules dont le coût excède toute capacité nationale), il s’agirait de constituer une infrastructure commune de calcul, de recherche et de gouvernance dont le coût et la complexité dépassent les possibilités d’un acteur isolé. Cette hypothèse vise à répondre simultanément aux trois dimensions identifiées dans cet essai.

a) Dimension métabolique : mutualiser les infrastructures

Constituer une capacité de calcul publique à grande échelle (200 000 GPU de dernière génération selon les estimations 2024-2025, répartis sur 1 à 5 hubs interconnectés) financée collectivement (30-35 milliards € sur trois ans selon l’étude ICFG, potentiellement jusqu’à 100 milliards sur cinq à sept ans). Objectif : réduire la dépendance aux monopoles privés du cloud et des semi-conducteurs, tout en introduisant un pôle public capable de sécuriser l’accès aux ressources critiques (énergie, terres rares via des partenariats stratégiques). Cela atténuerait le paradoxe de la souveraineté dépendante sans prétendre à une autarcie impossible.

b) Dimension du sens : produire des modèles auditables

Développer des modèles d’avant-garde dont les données d’entraînement, les architectures et les mécanismes d’alignement sont pleinement documentés et soumis à des audits indépendants. Ces modèles deviendraient des objets scientifiques plutôt que des produits propriétaires : ils permettraient de restaurer une architecture de répondabilité (voir la note 33) et de contrer l’inflation discursive sans répondabilité produite par les systèmes privés. Cela répond directement au paradoxe Anthropic en déplaçant une partie de l’autorité normative du privé vers une instance publique et transparente.

c) Dimension de la communication : organiser la gouvernance des usages

Établir des cadres multilatéraux de définition des usages légitimes, associant États, institutions scientifiques et représentants de la société civile. L’objectif n’est pas un consensus global (impossible), mais des procédures permettant de rendre les désaccords opératoires : certification des modèles, seuils de risque, mécanismes de suspension temporaire des usages. Cela inscrit le régime de la communication dans une logique de circulation contrôlée et légitime, et non plus dans la seule invocation des « all lawful uses ».

3. Architecture institutionnelle : une souveraineté distribuée et multi-niveaux

Un « CERN de l’IA » impliquerait une gouvernance à trois étages :

–         niveau intergouvernemental : un conseil des États membres définissant les orientations stratégiques, les contributions financières et les règles de sortie/veto ;

–         niveau scientifique autonome : un conseil d’experts chargé de la validation des modèles, des protocoles techniques et de la recherche en sécurité (alignement, interprétabilité, évaluation de risques) ;

–         mécanismes de transparence et d’audit : audits externes obligatoires, publication des poids des modèles (sous conditions de sécurité), et participation contrôlée du secteur privé (co-financement après screening rigoureux, sans droit de veto).

Une telle architecture ne supprimerait pas les souverainetés nationales, mais les réarticulerait dans un cadre coopératif en permettant de partager les coûts, les risques et les capacités, tout en introduisant des formes de coordination aujourd’hui absentes.

4. Limites structurelles et objections : une reconfiguration, non une résolution

Les obstacles sont réels et doivent être pris au sérieux :

·         asymétries de puissance : les États ou entreprises les plus puissants risquent de dominer la gouvernance, reproduisant à l’intérieur de l’institution le paradoxe de la souveraineté dépendante ;

·         dépendance persistante aux infrastructures privées : même mutualisée, l’institution resterait tributaire des semi-conducteurs, des données et des talents concentrés chez quelques acteurs ;

·         fragmentation géopolitique : dans un contexte de rivalité États-Unis/Chine, l’initiative risque de rester un « bloc » plutôt qu’une institution véritablement globale ;

·         inertie institutionnelle : les processus interétatiques sont lents face à la vitesse de l’innovation privée ;

·         conflits normatifs : les divergences entre régimes politiques (démocraties vs. régimes autoritaires) rendent difficile une définition commune du « sens légitime » ;

·         risques de centralisation : concentration de capacités critiques = nouvelles vulnérabilités (cybersécurité, captation politique).

Ces limites ne sont pas des raisons d’abandonner l’idée : elles soulignent qu’un CERN de l’IA ne résoudrait pas les paradoxes mais pourrait redéfinir la souveraineté, non plus comme un attribut exclusif, mais comme une pratique collective d’ajustement des interdépendances.

5. Condition politique et horizon

L’hypothèse repose sur une condition exigeante : la reconnaissance collective que la souveraineté algorithmique ne peut plus être pleinement exercée par un acteur unique. Sans crise suffisamment profonde pour modifier les calculs d’intérêt des acteurs dominants (États-Unis, Chine, grandes entreprises), une telle institution semble destinée à rester une proposition académique ou partielle (comme l’actuelle initiative pour l’intelligence artificielle d’avant-garde lancée par l’Allemagne, la France et la Commission européenne, voir la note 49).

Faute d’un tel moment de rupture, les initiatives existantes traduisent une prise de conscience réelle, sans pour autant créer les conditions d’une coordination durable. À ce stade, l’hypothèse d’une institution de type « CERN de l’IA » se situe dans un entre-deux : projection théorique d’une part, émergence politique encore inachevée de l’autre.

Elle constitue néanmoins l’une des rares configurations institutionnelles à même de prendre acte de la nature du problème. Il ne s’agit plus de restaurer une maîtrise perdue ni de recentraliser le contrôle, mais d’organiser les conditions d’une action collective dans un environnement où les dimensions constitutives des systèmes ne peuvent être ni unifiées ni stabilisées simultanément.

Une telle institution ne supprimerait pas les tensions structurelles, elle les rendrait gouvernables, en permettant de les expliciter, les distribuer et en organiser les arbitrages, sans prétendre les résoudre. Elle offrirait ainsi un cadre dans lequel des contradictions autrement disjointes pourraient être maintenues dans une cohérence opératoire minimale.

La difficulté mise en évidence au niveau de l’ingénierie, à savoir l’impossibilité de stabiliser simultanément sécurité, capacité et autonomie, trouve ici sa traduction institutionnelle : il ne s’agit plus de dépasser le trilemme, mais d’aménager les conditions dans lesquelles ses effets peuvent être négociés, répartis et provisoirement stabilisés à différentes échelles.

Dans cette perspective, la souveraineté algorithmique ne doit plus être conçue comme une capacité de maîtrise, mais comme une capacité d’agencement : agencement de contraintes hétérogènes, de temporalités divergentes et d’intérêts partiellement incompatibles. Elle ne réside plus dans l’indépendance, mais dans la capacité à habiter, de manière réflexive et organisée, un monde d’interdépendances.

 


Publié par à Aucun commentaire:

jeudi 8 octobre 2026

De l'oïkotexte à l'oïkosphère

IA inside 

Nous entrons (ou mieux, nous sommes déjà entrés) dans un monde complexe, et compliqué. Complexe dans sa structure, et compliqué dans son fonctionnement. Cela fait déjà plus d'un an et demi que je réfléchis à la nouvelle organisation du monde depuis fin novembre 2022, date d'apparition de ChatGPT, une interface conversationnelle qui a tout changé. Profondément.

Le premier fruit de cette réflexion m'a conduit à publier mon premier essai : « Le nouveau régime communicationnel de l’humanité / Architecture contemporaine des régimes du langage », en janvier de cette année. Il s'inscrit dans un cycle philosophique d'une quinzaine d'essais en cours de rédaction (j'en ai déjà publié une petite moitié), intitulé « Du régime communicationnel au régime informationnel, puis au régime patrimoniel de l'humanité ».

Le cycle est ambitieux, certes, mais il est à la hauteur du choc de l'IA qui a fait pratiquement disparaître mes quarante années de métier du jour au lendemain ! J'avais - j'ai - besoin de comprendre le pourquoi du comment, ou le comment du pourquoi, comme vous préférez.

L'une de mes premières conclusions fut avant tout que nous manquions de mots. Les mots sont à la fois ma passion et mon métier, et ceux que je possédais n'étaient plus adaptés, ou ils étaient pour le moins insuffisants, à décrire la nouvelle réalité qu'impose l'IA dans nos vies.

J'essaie d'expliquer plus en détail cette carence de mots et de concepts dans mon essai 5 : « Pour une écologie du sens : l'oïkotexte comme milieu hybride / Essai sur l’expérience du sens dans le monologue humain-IA », publié en février, où j'introduis la notion d'oïkotexte.

Je me cite :
« Hier l’hypertexte (réseau étendu) et le palimptexte (strates empilées) décrivaient encore un texte « objet ». Or voici à présent le texte « milieu », que nous allons devoir apprendre à rendre habitable. Je le nomme oïkotexte (le choix de l’étymon n’est pas un hasard, puisqu’il est aussi lié directement à la racine d’écologie, indirectement d’écosystème, etc.), notion ... qui reviendra comme fil conducteur tout au long de cet essai : non pas simplement une maison conçue comme un lieu clos, mais un habitat ouvert, une atmosphère du sens, un climat discursif au sein duquel nous sommes désormais immergés, qu’on le veuille ou non. »

*

J'ai grandi dans les années 1960. Cette époque m'a laissé l'impression d'un langage plutôt simple, essentiellement entre humains. Certes, le langage était toujours médié, il y avait déjà la presse, l’imprimerie, la radio, la télévision, le cinéma, la publicité, la propagande, etc. Mais ces médiations restaient encore relativement identifiables, séparées, au rythme lent et humain dans leur fonctionnement apparent. On savait qui parlait, par quel canal, à quel public.

À présent, ce n'est plus le cas, et cela le sera encore moins demain...

Le langage aujourd'hui, c’est la combinaison de quelque chose qui n'a jamais existé avant ni à cette échelle ni à ce niveau d'intégration : automatisation de la production langagière, circulation mondiale instantanée, recommandation algorithmique, personnalisation, stockage massif, traduction automatique, génération synthétique, agents capables d’agir, intégration du langage aux logiciels, aux infrastructures et aux systèmes décisionnels.

Prenons l'exemple d'un simple message : « Demain, j’irai à Bruxelles. »


Cette représentation simpliste dissimule une machinerie gigantesque, une usine à gaz où le message ne « circule » plus simplement d’un émetteur vers un récepteur. Dès son émission, il est pris en charge par tout un ensemble de dispositifs qui le sélectionnent, le hiérarchisent, le recommandent, le traduisent, le résument, le commentent, le stockent, le rapprochent d’autres traces, parfois même l’interprètent ou déclenchent des actions à partir de lui.

Plus profondément, c'est le statut même du texte qui change.

Hier le texte était encore relativement identifiable comme objet. Il avait un auteur, une forme, une publication, éventuellement plusieurs éditions. Il pouvait certes être cité, traduit ou commenté, mais ces opérations demeuraient suffisamment distinctes pour que l’on puisse encore en suivre la trajectoire.

Aujourd’hui un énoncé peut être parlé, transcrit, résumé, traduit, transformé en image, repris dans une vidéo, réinjecté dans une conversation, recomposé par un modèle, vocalisé à nouveau, puis utilisé comme contexte par un autre système. Il ne passe plus simplement d’un support à un autre : il devient continuellement convertible.

Dans mon premier essai, intitulé « Le nouveau régime communicationnel de l'humanité », j’ai nommé cet état de convertibilité permanente la textoralité.


Ce concept désigne la convertibilité généralisée des énoncés, où l'on dira qu’un énoncé est converti lorsqu’il est transformé d’une forme discursive à une autre (orale, écrite, linguistique ou fonctionnelle) tout en continuant d’être traité comme le même selon l’usage voulu.

Toutes les unités de texte sont donc continuellement transformables, versionnables, recombinables et réinscriptibles dans de nouvelles chaînes de sens et d’action. Le texte cesse d’être seulement un objet transmis ; il devient un processus.

Revenons-en à notre bout de phrase : « Demain, j’irai à Bruxelles. »

À première vue, rien de plus simple. Un énoncé bref, parfaitement intelligible, qui semble conserver son identité quelle que soit la manière dont il nous parvient. Or dans le régime textoral, cette phrase peut être prononcée, elle est alors parole située, portée par une voix, un corps, une intonation, un contexte. Elle peut aussi être transcrite, puis reprise dans un article, puis modifiée (Demain, déplacement à Bruxelles), puis traduite (Tomorrow, I’ll be in Brussels), ou encore transformée en titre, en sous-titre, en notification, en légende de vidéo, en extrait sonore, en sous-titrage automatique ; elle peut être citée, sortie de son contexte initial, faire l'objet d'une interaction : « À Bruxelles, pour y faire quoi ? »

Tout modèle peut intégrer cet énoncé dans un résumé plus large, voire un discours : « Plusieurs responsables européens doivent se rendre à Bruxelles demain... », un système peut l'associer à d’autres traces (agenda officiel, localisation, événements prévus, déclarations antérieures, etc.), en lui attribuant une signification qu’elle n’avait pas isolément. 

À chacune de ces étapes, nous continuons pourtant à considérer qu’il s’agit, d’une manière ou d’une autre, du même énoncé. C’est précisément cela, la textoralité : non pas l’identité matérielle du texte, mais la continuité fonctionnelle de l’énoncé à travers ses transformations. Le message demeure reconnaissable alors même que sa forme, son support, sa langue, son contexte, son destinataire et parfois même sa fonction ont changé.

Mais toutes ces transformations ne se valent pas. Prononcée par un chef d’État, par exemple, elle pourra devenir un signal diplomatique, être reprise par des agences de presse, analysée par d’autres gouvernements, commentée par les marchés ou intégrée à des systèmes de veille. Les mots n’ont pas changé. Leur environnement, oui. C’est précisément là où la textoralité rencontre l’oïkotexte, avant de le déborder.

*

L’oïkotexte désigne le langage devenu milieu : nous ne faisons plus seulement face à des textes que nous lisons successivement ; nous évoluons dans un environnement continu d’énoncés qui se répondent, se superposent, se corrigent, se transforment et se réinjectent les uns dans les autres. La textoralité désigne le mouvement propre à ce milieu : sa convertibilité permanente. 

Pour autant, pourquoi certaines transformations deviennent-elles visibles, et d’autres non ? Pourquoi certains énoncés acquièrent-ils une autorité, une portée ou une efficacité que d’autres n’auront jamais ? Pourquoi le même message produit-il des effets radicalement différents selon celui qui le prononce, la plateforme qui le distribue ou le système qui le traite ? À partir de là, le langage ne suffit plus à expliquer ce qui arrive au langage !

Il faut regarder les conditions de sa circulation : l’auteur, son statut, son réseau, les algorithmes, les plateformes, les institutions, les normes, les systèmes de recommandation, les architectures de mémoire, les profils des utilisateurs, les infrastructures techniques, et désormais les modèles et agents capables non seulement de traiter les énoncés et d’agir à partir d’eux, mais aussi, dans certaines architectures, d’initier, d’enchaîner et de poursuivre des actions avec un degré d’autonomie croissant, sans intervention humaine à chaque étape.

C’est ce changement d’échelle qui conduit de l’oïkotexte à l’oïkosphère :

  • L’oïkotexte désigne le langage devenu milieu. Nous n’avons plus face à nous de simples textes, nous évoluons dans le langage.
  • La textoralité désigne la dynamique de transformation continue des énoncés dans ce milieu, ce qui s'y passe à l’intérieur. Le texte cesse définitivement de n’être qu'un objet pour devenir un événement du milieu
  • L’oïkosphère, enfin, désigne l’ensemble des conditions qui déterminent ce que ces énoncés peuvent devenir, où ils peuvent circuler, quelle crédibilité ils peuvent acquérir et quels effets ils peuvent produire.

Autrement dit, avec « Demain, j’irai à Bruxelles. », l’oïkotexte nous permet de suivre la vie du message, la textoralité nous montre ses conversions, et l’oïkosphère nous permet de comprendre pourquoi cette trajectoire-là plutôt qu’une autre devient possible.

Ce transfert de l'oïkotexte à l'oïkosphère cache toutefois un danger considérable, où le risque n'est pas seulement que l'IA soit partout, mais qu'elle configure sans nous demander notre avis le milieu dans lequel nous évoluons, agissons, jugeons et percevons : le passage de la pervasivité à l'invasivité.


Où l'invasivité devient aussi volontiers intrusivité. Appelons ça l'IA ambiante, évolution de l'ambient computing (voir le Nabaztag...), qui se fait silencieuse, quasi-invisible, mais bien présente. Et cette présence se fait occupation, permanente, de notre environnement quotidien, nos espaces, notre intimité, notre vie privée, individuelle, professionnelle, familiale... Petit à petit, plus rien n'est à l'abri de de son regard, de son écoute. J'ai vu cette semaine l'annonce de deux dispositifs :

Chacun d'eux a l'apparence d'un petit galet bien poli, inoffensif, mais je les assimilerais plutôt à un gros cheval de Troie, bien agressif...

J'ai demandé à ChatGPT de me faire une liste de dispositifs susceptibles de devenir invasifs, il m'en a cité une centaine à la volée :

avant d'ajouter que la liste était potentiellement infinie, le critère déterminant n’étant pas la forme de l’objet...

Je développerai cette notion d'oïkosphère dans mes prochains essais, en attendant voici une première boussole :

Vos commentaires ou questions sont les bienvenus.

Publié par à Aucun commentaire:

mardi 29 septembre 2026

Prendre l’IA au sérieux !

Texte 90% IA

De l’obsession de l’auteur à la nouvelle architecture de la pensée

On voit aujourd’hui se multiplier les débats autour de l’usage de l’intelligence artificielle dans l’écriture. Un texte est soupçonné d’avoir été généré, réécrit ou substantiellement assisté par un modèle de langage, et la discussion se déplace immédiatement vers la question de l’auteur : ce texte a-t-il vraiment été écrit par un humain ? Et si ce n’est pas le cas, peut-on encore le considérer comme légitime ? Ou pire : « Désolé(e), mais si je vois "co-écrit avec l'IA", je passe mon chemin. Pourquoi lire quelque chose qui n'a pas été écrit ? »

Je me sens de plus en plus à des années-lumière de ce débat.

Non par mépris pour la question de l’auteur, et certainement pas parce que la distinction entre contribution humaine et contribution machinique serait devenue sans importance. Les questions d’attribution, de transparence, d’originalité et de responsabilité restent parfaitement légitimes, en particulier lorsque des institutions ont établi des règles explicites.

Mais je soupçonne qu’en concentrant le débat sur celui qui a matériellement produit les phrases, nous risquons de passer à côté de quelque chose d’infiniment plus important.

Il faut — pour reprendre le genre de formule que l’IA aime à employer — prendre l’IA au sérieux.

Un modèle de langage de pointe donne aujourd’hui à un individu accès à une largeur de ressources linguistiques, conceptuelles et disciplinaires qu’aucun être humain ne pourrait personnellement accumuler, retrouver et mobiliser avec une rapidité comparable.

  • Cela ne signifie pas que le modèle soit omniscient.
  • Cela ne signifie pas que tout ce qu’il affirme soit vrai.
  • Cela ne dispense certainement ni de vérifier ni de juger.
  • Mais cela change la situation intellectuelle.

Ce qui est extraordinaire n’est pas que la machine sache écrire

Le fait historiquement inédit n’est pas qu’une machine soit désormais capable d’écrire un paragraphe donnant l’impression d’avoir été rédigé par un humain.

À mes yeux, c’est la partie la moins intéressante du phénomène.

Le fait véritablement inédit est qu’un être humain puisse désormais entrer dans une interaction continue avec un système capable de passer, en quelques secondes, de l’ingénierie électrique à la philosophie, du calcul quantique à l’architecture d’entreprise, de la linguistique aux infrastructures énergétiques, du droit à l’histoire de l’informatique — et de rechercher des analogies, d’éprouver des distinctions, faire apparaître des contradictions ou rapprocher des ensembles de connaissances jusque-là séparés par des frontières disciplinaires et cognitives (ce que j'ai appelé Le rêve impensé de Diderot et d'Alembert…).

La question importante devient alors moins : qui a écrit cette phrase ? que : quelles nouvelles formes de pensée deviennent possibles à travers cette interaction ?

La différence est considérable.

Penser a toujours signifié penser avec d’autres

L’écriture n’a jamais été réductible à l’acte matériel de produire des phrases.

Les auteurs ont toujours pensé à travers d’autres esprits : livres, conversations, éditeurs, traducteurs, bibliothèques, archives, enseignants, contradicteurs, traditions intellectuelles.

La pensée humaine est profondément relationnelle.

L’IA introduit cependant quelque chose de différent, au moins par le degré et peut-être, à terme, par la nature même de cette relation : la ressource intellectuelle extérieure n’est plus seulement consultée.

  • Elle répond.
  • Elle propose.
  • Elle objecte.
  • Elle reformule.
  • Elle compare.
  • Elle peut conserver les structures élaborées au cours d’un dialogue.

On peut lui demander de réfuter l’argument qu’elle vient elle-même de contribuer à construire. On peut passer avec elle de l’abstraction à l’exemple, puis revenir à l’abstraction.

Elle peut faire apparaître une relation que l’interlocuteur humain n’avait pas perçue — et celui-ci peut à son tour la rejeter, la transformer ou reconnaître en elle quelque chose que ni l’un ni l’autre n’avait explicitement formulé au départ.

Nous ne sommes plus seulement devant un instrument de consultation. Nous entrons dans un régime d’interaction cognitive.

« L’IA l’a écrit » devient alors une description insuffisante

C’est pourquoi réduire le phénomène à l’opposition : « l’humain l’a écrit » versus « l’IA l’a écrit » paraît de plus en plus relever d’une ontologie insuffisante de ce qui est réellement en train de se produire.

L’objet intéressant pourrait ne plus être chacun des deux auteurs pris séparément. Il pourrait être la relation cognitive qui s’établit entre eux. C’est un changement considérable.

Car nous avons longtemps pensé l’outil comme quelque chose d’extérieur au processus intellectuel :

HUMAIN → OUTIL → RÉSULTAT

Avec l’IA générative, quelque chose de plus circulaire apparaît :

HUMAIN → IA → HUMAIN → IA → HUMAIN → … → RÉSULTAT

  • Chaque passage modifie potentiellement le suivant.
  • Une intuition humaine provoque une exploration machinique.
  • Cette exploration fait apparaître une relation inattendue.
  • Cette relation modifie l’hypothèse humaine.
  • La nouvelle hypothèse est soumise à l’IA.
  • Elle rencontre une objection.
  • L’objection provoque une reformulation.
  • Et ainsi de suite.

Le résultat final devient difficilement attribuable à une causalité intellectuelle linéaire. Il est issu d’une dialectique.

Et c’est précisément pourquoi le jugement humain devient plus important

Cette nouvelle puissance cognitive ne diminue pas l’importance du jugement. Elle l’augmente.

Parce qu’avoir accès à une largeur cognitive extraordinaire ne dit absolument pas ce qui mérite d’être retenu.

  • Le modèle peut produire dix rapprochements dont un seul sera fécond.
  • Il peut placer une contre-vérité convaincante à côté d’une intuition remarquable.
  • Il peut banaliser une idée originale en la reformulant dans le langage le plus conventionnel.
  • Il peut aussi faire apparaître une connexion que l’humain n’aurait probablement jamais trouvée seul.

Le travail humain se déplace donc. Le pendant étant que s’il faut moins d’effort pour produire du langage, il faut davantage de responsabilité pour orienter, sélectionner, contredire, vérifier, hiérarchiser, relier, éliminer, reformuler et finalement assumer.

Tel est le déplacement essentiel.

Nous confondons peut-être deux choses : écriture et jugement

L’obsession actuelle pour la détection des textes « écrits par IA » pourrait paradoxalement reproduire exactement l’erreur que je souhaiterais décrire dans mon Manifeste des dix déplacements (voir en P.S.) : elle concentre l’attention sur le composant plutôt que sur l’architecture.

La phrase est le composant. Le véritable objet est le système cognitif qui l’a produite.

Expérience humaine, intention, mémoire, intuition, culture personnelle, ressources documentaires, capacité linguistique et conceptuelle du modèle, dialogue itératif, vérification, sélection, réécriture et finalement décision de publier : tout cela constitue désormais une architecture de production intellectuelle.

La question : « Qui a généré cette séquence de mots ? » ne suffit plus à la décrire.

Le modèle ne remplace pas nécessairement l’auteur : l’architecture de l’auteur change

Dire : « L’IA remplace l’auteur » paraît aussi simplificateur que dire : « L’IA n’est qu’un outil. »

Les deux propositions manquent quelque chose, de même qu’il manque quelque chose aux deux propositions : ce qui change pourrait être l’architecture même de l’auctorialité.

L’auteur n’est plus nécessairement celui qui produit matériellement chaque mot. Il peut devenir davantage celui qui :

pose la question,
détermine la direction,
construit le problème,
reconnaît la relation féconde,
refuse la réponse insuffisante,
demande la contradiction,
vérifie l’affirmation,
sélectionne ce qui mérite de demeurer,
organise l’ensemble
et assume finalement ce qui est publié.

Cela ne signifie évidemment pas que toute utilisation de l’IA produit une œuvre intellectuelle. Un prompt banal peut produire un texte banal que quelqu’un publiera sans même le lire. Mais ce cas ne définit pas davantage la relation humain-IA (que j'aime à définir la dialectique humAIne) qu’un mauvais cliché ne définit la photographie.

Le véritable enjeu est ailleurs : jusqu’où pouvons-nous augmenter notre capacité de penser avec ces systèmes sans leur abandonner notre faculté de juger ?

Le scénario le plus pauvre serait simplement de produire davantage

Nous pourrions utiliser cette puissance nouvelle pour produire : plus d’articles, plus de posts, plus de rapports, plus de présentations, plus de livres, plus vite, et ainsi de suite. Ce serait probablement le résultat le moins intéressant de la révolution en cours.

Nous aurions inventé une extension cognitive extraordinaire pour fabriquer davantage de contenus. Mais une possibilité beaucoup plus importante existe.

Nous pouvons utiliser l’IA pour franchir des frontières disciplinaires qui limitaient auparavant la pensée individuelle ; confronter une intuition à des traditions intellectuelles que nous connaissons imparfaitement ; explorer rapidement les conséquences d’une hypothèse ; rechercher des analogies entre des domaines éloignés ; multiplier les points de vue ; construire puis déconstruire un raisonnement ; découvrir des territoires conceptuels auxquels une vie humaine ne suffirait peut-être pas à nous donner spontanément accès.

Non pas pour penser moins, mais pour penser plus, et plus loin.

Et probablement aussi pour penser ailleurs que là où notre propre formation nous aurait naturellement conduits.

Une nouvelle division du travail cognitif

C’est pourquoi je crois qu’il faut cesser d’opposer trop simplement :

pensée humaine vs production machinique.

Une nouvelle division du travail cognitif est en train de devenir possible.

La machine excelle dans certaines opérations : mobiliser, parcourir, comparer, recombiner, reformuler, simuler, multiplier.

L’humain demeure irremplaçable dans une autre fonction — non parce qu'une frontière métaphysique garantirait éternellement son exclusivité, mais parce que c'est encore lui qui se trouve situé dans le monde et qui devra répondre de ce qu'il choisit d'y faire : orienter et assumer.

C’est ici que je retrouve le principe qui traverse mon travail (nouveau livre blanc à publier...) :

Delegate the task. Preserve the judgment.

Mais je serais désormais tenté de lui ajouter : ne confondons pas la préservation de l’auctorialité humaine avec la préservation du jugement humain.

La question immédiate, un peu trop simpliste, demande : qui a produit les mots ?

La vraie question demande : qui a orienté la recherche, reconnu ce qui importait, distingué ce qui méritait d’être conservé et finalement assumé ce qui est dit ?

À l’âge de l’intelligence artefactuelle, la seconde question pourrait devenir infiniment plus importante que la première.

Prendre l’IA au sérieux

Voilà finalement pourquoi je me sens si éloigné de certains débats actuels sur « l’écriture par IA ».

Ils ne sont pas absurdes. Les problèmes de fraude, de plagiat, de transparence et d’attribution existent réellement.

Mais ils risquent de nous faire regarder le symptôme le plus visible d’une transformation beaucoup plus profonde.

Nous nous demandons encore : « La machine a-t-elle écrit le texte ? »

alors que la question historique pourrait être :

« Que devient la pensée humaine lorsqu’elle peut dialoguer en permanence avec une intelligence artefactuelle capable de mobiliser une part immense du patrimoine linguistique et conceptuel humain ? »

Ne nous inquiétons plus de savoir qui a produit la phrase, pendant que l’architecture de la production intellectuelle est en train de changer ! C’est cela qu’il faut prendre au sérieux.

Non pas parce que l’IA aurait toujours raison. Non pas parce qu’elle saurait littéralement tout. Non pas parce qu’il faudrait s’effacer devant elle. Mais précisément pour la raison inverse : parce qu’une puissance cognitive sans précédent dans l’histoire devient disponible, et que la question décisive est désormais de savoir ce que nous allons en faire.

L'enjeu n'est peut-être donc pas de préserver à tout prix un monde dans lequel l'humain écrivait chaque phrase. Il est de préserver — voire d'accroître — la capacité humaine à orienter, discerner et assumer dans un monde où la nécessité d'écrire chaque phrase seul(e) n’a plus forcément grand sens.


P.S. Manifeste des dix déplacements



Publié par à Aucun commentaire:

samedi 12 septembre 2026

Le déplacement du point fixe


Pourquoi nos prévisions économiques et sociétales doivent réexaminer ce qu'elles tiennent pour acquis


Résumé

Toute prévision repose sur des variables, mais aussi sur des relations que l'on suppose suffisamment stables pour ne pas avoir à les réexaminer en permanence. Croissance et emploi, productivité et revenus, qualification et insertion professionnelle, développement économique et expansion de la classe moyenne : ces relations constituent autant de repères à partir desquels entreprises, États et individus peuvent se projeter dans l'avenir.

Elles fonctionnent comme des points fixes du raisonnement.

Un point fixe n'est pourtant pas nécessairement immuable. Il est une référence que le raisonnement traite, provisoirement ou implicitement, comme suffisamment stable pour pouvoir mesurer, comparer, inférer, prévoir et décider.

Le problème apparaît lorsque les conditions qui assuraient cette stabilité commencent à changer sans que le statut du point fixe soit lui-même révisé.

Le déplacement du point fixe commence lorsque ce qui servait de paramètre au raisonnement doit à son tour devenir une variable du raisonnement.

Ce déplacement ne signifie pas que la relation considérée est devenue fausse. Il signifie qu'elle ne peut plus être présupposée : ses conditions doivent désormais être vérifiées.

Cette distinction est particulièrement importante dans une période de transformation technologique rapide. L'intelligence artificielle peut modifier non seulement certaines variables économiques — productivité, coûts, emplois, prix — mais également les relations historiques entre ces variables. Une augmentation de la production n'implique plus nécessairement la même augmentation du travail humain ; une augmentation de la productivité ne garantit pas la même distribution de revenus ; une qualification élevée ne garantit pas la même valeur marchande du travail ; une croissance économique soutenue ne produit pas nécessairement selon les mêmes mécanismes l'expansion de la classe moyenne.

Les prévisions économiques et sociétales doivent donc intégrer un risque rarement explicité : le modèle peut continuer à fonctionner alors que certaines des relations sur lesquelles il repose ont déjà commencé à changer.

1. Toute prévision a besoin de points fixes

Prévoir consiste nécessairement à distinguer ce qui peut varier de ce que l'on suppose suffisamment stable pour raisonner sur cette variation.

Une entreprise peut faire varier dans ses scénarios la croissance démographique, les taux d'intérêt, les prix de l'énergie ou ses parts de marché. Mais derrière ces variables explicites subsistent des relations plus rarement interrogées : une population plus aisée consommera davantage ; une augmentation de la demande entraînera une augmentation de l'activité ; la croissance distribuera suffisamment de revenus pour soutenir la consommation ; les compétences nécessaires à l'activité future pourront être trouvées ou formées.

Sans de telles stabilités, aucune prévision ne serait possible. Si chaque variable, chaque relation entre variables et chaque condition permettant à ces relations de fonctionner devaient être réévaluées simultanément, le raisonnement deviendrait indéterminé.

Le point fixe est donc une nécessité cognitive et stratégique.

Un point fixe est une référence que le raisonnement traite comme suffisamment stable pour pouvoir agir sans devoir continuellement la remettre en question.

Sa fixité est fonctionnelle plutôt qu'absolue.

2. Comment un point fixe se déplace

Une relation suffisamment régulièrement observée finit par perdre son caractère problématique.

Elle entre dans les modèles, les projections, les stratégies, les politiques publiques et les comportements individuels. Sa genèse disparaît progressivement derrière son usage. Le résultat demeure disponible tandis que les conditions historiques, économiques, institutionnelles ou sociales qui permettaient de le produire deviennent moins visibles.

La difficulté commence lorsque ces conditions changent.

Le point fixe ne disparaît pas immédiatement. Il continue pendant un certain temps à remplir sa fonction de repère alors que les mécanismes qui assuraient sa stabilité se transforment.

Il faut donc distinguer deux phénomènes.

Le déplacement intervient lorsque la relation continue à pouvoir servir de référence, mais ne peut plus raisonnablement être tenue pour acquise.

La disparition intervient éventuellement plus tard, lorsque cette relation ne fournit plus une référence suffisamment stable pour organiser le raisonnement.

À force de se déplacer, le point fixe peut finir par disparaître comme point de référence.

Entre les deux existe une zone particulièrement importante pour la décision stratégique : celle où le point fixe s'est déjà déplacé dans le réel mais continue d'être traité comme fixe dans les représentations.

3. Le risque majeur : le déplacement précède sa reconnaissance

Les transformations structurelles deviennent rarement visibles au moment précis où elles commencent.

À court terme, les premiers symptômes du déplacement d'un point fixe peuvent même être interprétés comme les bénéfices de la transformation qui le déplace. À moyen et long terme, leur accumulation peut contribuer à défaire certaines des conditions de stabilité sur lesquelles ces bénéfices reposaient.

L'automatisation en fournit une illustration particulièrement claire.

Pour une entreprise, une augmentation de la productivité, une diminution du travail nécessaire, une réduction des coûts et une amélioration des marges sont immédiatement observables. Elles apparaissent dans les comptes, les indicateurs opérationnels et les résultats trimestriels.

Les effets éventuels sur la reproduction des compétences, la formation des trajectoires professionnelles, la distribution agrégée des revenus ou la demande solvable future apparaissent selon d'autres temporalités et à d'autres échelles.

Il existe donc une asymétrie fondamentale : le bénéfice peut être local, tandis que la conséquence est systémique ; le bénéfice peut être rapide, tandis que la conséquence est lente ; le bénéfice peut être directement mesurable, tandis que la conséquence exige une estimation ou n'apparaît qu'après accumulation.

Le problème devient plus sérieux encore lorsque le premier signal observable possède un signe positif.

Un système d'alerte simplement retardé finit par signaler le problème. Un système dont les indicateurs initiaux interprètent le déplacement comme une amélioration peut au contraire encourager sa poursuite.

L'amélioration d'un indicateur peut accompagner la dégradation de l'une des conditions qui rendent cette amélioration durable.

4. Une difficulté d'instrumentation, pas seulement de perception

Le déplacement du point fixe ne doit donc pas être réduit à un problème de lucidité individuelle.

Un dirigeant peut être parfaitement attentif. Les données peuvent être exactes. Le tableau de bord peut mesurer correctement ce pour quoi il a été construit.

Et pourtant manquer le phénomène essentiel.

Trois difficultés doivent être distinguées :

  1. La première concerne ce qui n'existe pas et ne laisse donc aucune trace directe. Un emploi supprimé est observable ; un emploi qui aurait été créé en l'absence d'une transformation technologique ne l'est pas. Il ne peut apparaître qu'au moyen d'une estimation contrefactuelle.
  2. La deuxième concerne ce qui se produit hors du périmètre de décision. Une réduction de masse salariale est directement mesurée par l'entreprise ; ses éventuels effets agrégés sur les revenus des ménages et la formation de la demande sont distribués dans l'ensemble de l'économie.
  3. La troisième concerne ce qui se manifeste au-delà de l'horizon de mesure. Une entreprise peut constater immédiatement les gains obtenus par l'automatisation d'une fonction tout en ne découvrant que plusieurs années plus tard qu'elle a réduit les conditions permettant de former les experts capables d'en contrôler les résultats.

Ces trois problèmes ne relèvent pas du même remède : le premier demande la construction prudente de contrefactuels ; le deuxième l'élargissement du périmètre d'analyse ; le troisième l'allongement de l'horizon.

Ils révèlent néanmoins un même problème général :

Les systèmes de mesure peuvent être structurellement désalignés avec les systèmes de conséquences.

5. La difficulté du contrefactuel

Rendre visible ce qui ne s'est pas produit exige de construire une trajectoire de référence.

Combien d'emplois une entreprise aurait-elle créés pour accompagner sa croissance si elle n'avait pas automatisé certaines fonctions ? Quel aurait été le rapport entre croissance de la production et croissance des effectifs ? Quelle trajectoire aurait suivie une profession sans l'introduction d'une technologie donnée ?

Aucune de ces réponses n'est directement observable.

Le contrefactuel doit être construit à partir d'autres entreprises, d'autres territoires, d'autres périodes ou de relations historiques estimées suffisamment comparables.

Une difficulté fondamentale apparaît alors :

Pour mesurer le déplacement d'un point fixe, il faut provisoirement fixer autre chose.

La mesure d'une relation devenue instable nécessite une autre relation supposée suffisamment stable pour servir de référence.

Or une technologie à usage général comme l'intelligence artificielle peut progressivement affecter jusqu'aux références utilisées pour construire le contrefactuel. Une entreprise qui n'utilise pas directement l'IA peut néanmoins être affectée par les prix, les fournisseurs, les concurrents, les marchés du travail ou les comportements de ses clients transformés par son adoption ailleurs.

Plus une technologie devient générale, plus il peut devenir difficile de l'isoler comme cause, précisément parce qu'elle transforme progressivement le monde qui aurait dû servir de contrôle.

Cela n'interdit pas la mesure. Cela impose d'expliciter les hypothèses sur lesquelles elle repose.

6. La révisabilité des points fixes

La réponse ne peut donc consister à éliminer tous les points fixes.

Ce serait rendre toute prévision impossible.

Il faut distinguer le point que l'on choisit consciemment de fixer pour les besoins du raisonnement du point dont la stabilité est devenue une évidence que l'on ne pense plus à interroger.

Le danger n'est pas de fixer provisoirement un repère. Il commence lorsque nous oublions que nous l'avons fixé.

Une prévision robuste devrait donc pouvoir documenter non seulement ses variables et ses scénarios, mais également :

  • les relations qu'elle suppose suffisamment stables ;
  • les raisons pour lesquelles elles peuvent encore être considérées comme telles ;
  • les horizons sur lesquels cette stabilité a été observée ;
  • les transformations susceptibles de les modifier ;
  • et les autres points fixes provisoires utilisés pour tester leur stabilité.

Il n'existe pas de point de vue extérieur à toute hypothèse. Pour réexaminer une relation, il faut nécessairement en immobiliser provisoirement d'autres.

La rigueur consiste dès lors moins à supprimer les présupposés qu'à préserver leur révisabilité.

7. L'IA comme accélérateur du déplacement

Cette question dépasse largement celle de l'intelligence artificielle. Les guerres, les ruptures énergétiques, les transformations démographiques, les changements climatiques, les crises financières ou les mutations institutionnelles peuvent également déplacer des relations longtemps considérées comme stables.

L'IA présente néanmoins une caractéristique particulière : elle intervient simultanément dans de très nombreux domaines et peut modifier non seulement les niveaux des variables, mais les relations qui les unissent.

Parmi les relations à réexaminer figurent notamment :

  • croissance de l'activité et croissance de l'emploi ;
  • productivité et rémunération du travail ;
  • qualification et valeur marchande de la compétence ;
  • emplois débutants et reproduction future de l'expertise ;
  • augmentation de la production et distribution du pouvoir d'achat ;
  • développement économique et expansion de la classe moyenne ;
  • automatisation du jugement et maintien d'une capacité humaine indépendante d'évaluation.

Aucune de ces relations ne doit être déclarée rompue par principe.

Le changement décisif est ailleurs : ce qui pouvait jusqu'ici être présupposé doit désormais pouvoir être vérifié.

L'IA ne réfute donc pas nécessairement les prévisions existantes. Elle peut modifier le statut épistémique de certaines de leurs hypothèses : de paramètres, elles deviennent variables.

8. Conséquences pour les prévisions économiques

Une prévision économique ne devrait plus seulement demander quelle valeur prendront ses variables.

Elle devrait également se demander si les relations utilisées pour transformer ces variables en prévisions resteront valides pendant l'horizon considéré.

Une prévision peut être correcte sur chacune de ses données démographiques et néanmoins erronée dans la chaîne causale qui les transforme en marché futur.

Une population plus nombreuse signifie davantage de besoins. Elle ne garantit pas, à elle seule, davantage de demande solvable.

Une population mieux formée signifie davantage de compétences disponibles. Elle ne garantit pas la valeur marchande future de ces compétences.

Une économie plus productive signifie davantage de richesse produite. Elle ne détermine pas, à elle seule, comment cette richesse sera distribuée ni sous quelles formes elle deviendra pouvoir d'achat.

La prévision doit donc porter non seulement sur les variables, mais aussi sur la stabilité des relations entre les variables.

C'est un changement méthodologique majeur.

9. Conséquences pour les prévisions sociétales

Le même problème concerne les individus et les institutions.

Une grande partie des choix de vie repose sur des points fixes implicites : certaines études donneront accès à certaines professions ; l'expérience augmentera la valeur professionnelle ; une carrière permettra progressivement d'accéder au logement, à l'épargne et à la sécurité économique ; une génération transmettra à la suivante les compétences nécessaires aux activités futures.

Lorsque ces relations se déplacent, les conséquences ne deviennent pas immédiatement visibles dans les statistiques d'emploi.

Une profession peut continuer d'exister tout en perdant sa viabilité économique (cas actuel de la traduction professionnelle...).

Un individu peut rester employé tout en perdant sa capacité de projection.

Une économie peut continuer de croître tandis que les mécanismes permettant à une partie importante de sa population d'accéder durablement à la classe moyenne se transforment.

Les prévisions sociétales doivent donc intégrer non seulement des stocks — emplois, population, revenus moyens — mais également des trajectoires : stabilité des revenus, possibilité d'entrée dans une profession, progression, acquisition d'expertise, capacité d'investissement, constitution patrimoniale et transmission.

10. Vers un Strategic Assumption Test

La conséquence opérationnelle est simple : toute stratégie de long terme devrait identifier les points fixes sur lesquels elle repose.

Un Strategic Assumption Test pourrait commencer par cinq questions :

  1. Que tenons-nous pour suffisamment stable pour ne pas le réexaminer dans chacun de nos scénarios ?
  2. Quelles conditions permettent à cette relation de rester stable ?
  3. L'une de ces conditions a-t-elle commencé à changer ?
  4. Notre propre stratégie contribue-t-elle directement ou collectivement à cette transformation ?
  5. Nos instruments de mesure sont-ils capables de détecter ce déplacement avant qu'il n'ait produit des conséquences difficiles à inverser ?

Cette dernière question oblige à examiner l'instrumentation elle-même.

L'organisation devrait savoir si les conséquences recherchées sont directement observables ou contrefactuelles, si elles se produisent dans son périmètre de mesure ou à l'extérieur, si leur horizon correspond à celui de ses tableaux de bord et, surtout, si leurs premiers signaux possèdent le même signe que leurs conséquences de long terme.

Un indicateur peut être parfaitement exact et stratégiquement trompeur lorsque le périmètre, l'horizon ou le modèle causal de ce qu'il mesure est trop étroit.

Conclusion — Prévoir lorsque les repères se déplacent

Les prévisions économiques et sociétales ont toujours reposé sur des hypothèses. Le problème contemporain ne réside donc pas dans la découverte soudaine que l'avenir est incertain.

La difficulté apparaît lorsque des relations suffisamment stables pour avoir cessé d'être perçues comme des hypothèses recommencent à devenir variables.

Le déplacement du point fixe désigne ce moment.

Il précède sa disparition éventuelle. Il peut précéder longtemps sa reconnaissance. Ses premiers symptômes peuvent même être enregistrés comme des améliorations de performance. Et les instruments chargés de mesurer le changement doivent eux-mêmes s'appuyer sur d'autres relations provisoirement tenues pour stables.

La réponse ne consiste donc ni à conserver artificiellement les anciens points fixes, ni à prétendre raisonner sans eux.

Elle consiste à organiser leur révisabilité.

Le déplacement du point fixe commence lorsque ce qui servait de paramètre au raisonnement doit à son tour devenir une variable du raisonnement.

Pour mesurer ce déplacement, il faut provisoirement fixer autre chose.

Le danger commence lorsque nous oublions que nous l'avons fixé.

Pour les entreprises comme pour les États, la question stratégique devient alors moins de savoir si leurs prévisions sont aujourd'hui exactes que de déterminer si leurs méthodes de prévision sont capables de reconnaître à temps que certaines des relations qui les rendaient exactes ont commencé à se déplacer.


P.S. Merci à la dialectique ChatGPT - Claude...

Genèse de ce billet

Cette réflexion naît d'une statistique : 


Couplée à l'évolution démographique : selon l’ONU (World Population Prospects, 2022), les projections mondiales seraient de 8,5 milliards d’habitants en 2030 et de 9,7 milliards en 2050.

J'ai découvert la juxtaposition de ces projections démographiques de l'ONU et des projections économiques de Brookings dans un rapport d'entreprise, qui pose le point fixe suivant : augmentation de la démographie = expansion de la classe moyenne (laquelle gagnerait en quinze ans environ 2,38 milliards de personnes, soit une hausse de 79 %, en passant de 3,03 milliards de personnes en 2015 à 5,41 milliards en 2030...).

En clair, cela signifierait que 64% de la population mondiale serait qualifiée de « classe moyenne » d'ici 5 ans !

Or, si cela pouvait être valable avant l'émergence de l'IA grand public, l'arrivée de ChatGPT fin 2022 a totalement changé la donne. D'où l'origine de ma réflexion...

Avec cette question corrollaire : combien d'entreprises, voire d'états, basent encore leurs modèles économiques sur de telles prévisions ?
Publié par à Aucun commentaire:
Inscription à : Articles (Atom)