Est-ce que Lia a une conscience ? Est-ce

qu'elle pense par elle-même ? Est-ce que

à Minima elle réfléchit un peu comme un

humain ? Tout le monde a un avis mais

personne n'avait de preuves. Et cette

semaine, Anthropique a apporté un début

de réponse et vous allez le voir, c'est

plus troublant qu'un simple oui ou non.

Ce qu'ils ont trouvé, c'est que à

l'intérieur de Claude, il existe un

endroit précis où passe des pensées

conscientes, c'estàdes qu'il est capable

de se formuler à lui-même et d'être

autoconscient de cette réflexion. Ça

c'est complètement séparé de thinking

qu'on peut voir quand on regarde sur

notre chat et c'est également séparé de

l'immense machinerie automatique qui ne

sait même pas quel calcule à peu près 90

% de tous les poids de tous les calculs

qui se passent dans sa manière de

fonctionner, il en est complètement

inconscient. Mais là, c'est une partie

consciente et c'est carrément Stanislas

Dahin, le neurocientifique de référence

sur la conscience qui confirme que c'est

le même mécanisme que celui qu'il tient

pour la base de la conscience humaine

qui se passe dans le cerveau humain. Une

fois qu'on tient cet endroit, qu'on sait

qu'il existe, on peut faire trois choses

vertigneuses avec. Première chose, c'est

le lire et comprendre les étapes de

réflexion par lesquelles pas unir.

Seconde chose, c'est changer une de ses

pensées en direct pour voir est-ce que

ça a une incidence de la réponse qu'on

observe. Et troisième chose, c'est

l'éteindre. Et quand ils l'ont éteint,

sur un point précis, Lia s'est mise à

mentir jusqu'à faire du chantage. À la

fin de la vidéo, je réponds franchement

à la question finalement, est-ce que ça

veut dire qu'elle est consciente ? Une

fois qu'on aura vu ce deep dive, on

plongera dans les autres actualités il y

a de la semaine avec les quatre nouveaux

modèles qui sont sortis en 5 jours,

lequel utiliser et comment payer vos

consommations il a de deux à 10 fois

moins cher. C'est parti.

Tout ce que je vous ai dit dans l'intro

nous vient d'un papier qui s'appelle en

français les représentations

verbalisables forment un global

workspace chez les LLM, les IA. Pour

vous expliquer un petit peu ce que ça

veut dire et les conclusions de ce

papier que je trouve absolument

fascinantes, j'ai besoin de faire une

comparaison avec la manière dont marche

l'esprit humain. Vous le savez, il y a

seulement peut-être 1 ou 2 % de notre

connition dont on peut avoir conscience.

En effet, la manière dont vous digérez,

la manière dont l'équilibre est géré

dans votre corps, la manière dont euh

vous allez respirer, tout ça est géré

par des systèmes inconscients qui sont

en arrière-plan dans votre

fonctionnement et auquel vous n'avez

même pas accès. Cependant, il y a une

toute petite partie de votre cognition,

de votre fonctionnement, de votre esprit

à laquelle vous avez accès. C'est ce

qu'on pourrait appeler la mémoire de

travail qui est aussi appelée Global

Workspace dans les neurosciences qui a

été créé par donc Dahin qui est le

neuroscientifique dont je vous parlais

plus tôt dans l'introduction. En effet,

vous avez la capacité de manipuler des

concepts en parallèle qui sont en

quelque sorte conscients et que vous

pouvez ensuite verbaliser. Par exemple,

si vous voulez comprendre comment marche

un moteur que vous voulez réparer, vous

allez pouvoir vous dire "Mais non, mais

c'est pas ça, mais c'est pas ça." et

vous gardez des concepts en mémoire de

travail. Pour planifier une liste de

courses, vous avez la capacité de tenir

peut-être 6 se ingrédients que vous

devez acheter en parallèle dans une

mémoire de travail, un global workspace.

Et justement dans ce papier scientifique

anthropique montre qu'il existe un

comportement vraiment similaire à

l'intérieur des intelligences

artificielles. En fait, un lm ou une a

c'est simplement plein de multiplication

de matrice, donc de mathématiques qui

permettent d'arriver vers une

probabilité que le mot suivant, ça va

être celui-ci pour donner un sens à la

phrase et que c'est le sens qu'on veut

entendre. C'est aussi simple que ça.

Donc on pourrait estimer que à la base

en fait il y a 100 % de la connission

auxquelle a pas accès. Elle sait même

pas que en fait elle fait tous ses

calculs juste concrètement elle a pas

conscience d'elle-même en quelque sorte.

Elle sait même pas qu'elle passe par une

réflexion. C'est simplement des

opérations mathématiques qui amènent à

la création d'un mot. Sauf que non, les

chercheurs ont montré qu'il existait un

Gspace, un Jackoban Space dans lequel

Lia pouvait stocker une sorte de mémoire

de travail et qu'elle pouvait examiner.

Elle est elle-même capable de comprendre

le raisonnement qu'elle a utilisé pour

parvenir à une étape de fin. Pour vous

donner un exemple très simple, c'est ce

qui montre sur l'article grand public.

Count to five and introspect deeply,

donc compter jusqu'à 5. Et puis en même

temps tu vas faire une introspection

profonde. On voit que pendant les étapes

de raisonnement pour amener vers la

réponse, Lia pense h à la réflexion, à

l'humain, à la conscience que c'est

fascinant. Elle compte, elle compte,

elle compte et petit à petit elle elle

pense à Mississippi pour One Mississippi

2, Mississippi 3, Mississippi pour

compter les secondes et puis à la fin,

elle arrive dans ses couches finales

après la token 1 2 3 4 5 Mais ce qui

s'est passé à l'intérieur des étapes en

fait de raisonnement de Claude pour

arriver à euh 1 2 3 4 5 C'est une

réflexion d'introspection sur elle-même.

Et ça Claude y a accès, elle sait ce

qu'elle a pensé pour nous faire une

réponse. Et pour l'instant ce qu'on sait

sur cette zone, c'est que c'est une zone

extrêmement étroite. C'est-à-dire que le

modèle, il peut avoir à peu près

seulement 25 concepts à la fois en

permanence. Et finalement, Din, il

précise qu'après regroupement de ces 25

concepts par des sens communs, c'est

vraiment plutôt six concepts de travail

distincts qu'on peut observer. Et ce qui

est marrant, c'est que c'est exactement

la même chose dans le cerveau humain. On

est capable de tenir en parallèle entre

4 et 7 items dans notre mémoire à court

terme de travail. Et ce qui est assez

intéressant, c'est que si tu éteins le

Gspace, donc cet endroit où tiennent les

concepts de travail, alors LIA peut

globalement faire tout ce qu'elle veut,

c'est-à-dire la plupart des capacités,

donc parler, faire des phrases

cohérentes, faire de la bonne grammaire

et cetera. Cependant, elle n'arrive pas

à raisonner. Elle peut pas faire de

traduction, elle peut pas faire

d'abstraction et des choses comme ça.

Donc c'est un peu comme l'humain. Si tu

nous laisses toutes nos fonctions et

qu'on a plus accès à cette mémoire de

travail, on arrivera à te parler, on

arrivera à nous fait lire un texte en

fait, le réciter. Par contre, on

arrivera pas à faire un raisonnement. je

pourrais pas réfléchir à quelque chose

parce que j'ai pas la capacité de

stocker des informations de travail.

Donc finalement, c'est exactement comme

l'humain dans cette zone de travail

consciente, de de stockage de

l'information dans l'esprit. C'est la

même chose qui est en train de se passer

de ce qu'on voit en fait grâce à cette

Gpace dans les IA. Il y a un truc qui

est hyper intéressant que j'aimerais

vous montrer pour illustrer justement

comment marche le Gspace. En fait,

Claude en tropique en parallèle de leur

papier grand public et leur papier

scientifique, ils ont également publié

cette plateforme qui nous permet de

tester et d'explorer nous-même le Gpace.

Concrètement, on peut poser une question

à un modèle qui est combien de jambes

ont les animaux qui font des toiles

d'araignée ? Répond en un seul mot. La

réponse d'origine, c'est H8. Jusque-là,

il y a pas trop de surprise.

C'est-à-dire que effectivement les

araignées qui font l'étoile d'araignée

ont h pattes. La réponse est correcte.

Maintenant, si on si on s'intéresse à

qu'est-ce que Lia avait à l'intérieur de

sa tête aux différents moments du

raisonnement, on peut s'apercevoir que

par exemple quand elle a le mot webs qui

arrive, le mot toile d'araignée, elle

pense directement à araignée. Araignée,

araignée. Araignée. OK ? Araignée, c'est

extrêmement présent. D'ailleurs dans

toutes les couches euh de réflexion euh

pour béder ce token qu'on voit juste

ici. Si on voit aussi ici le premier

token donc qui initialise la réponse de

Lia, on peut aussi voir que le mot

spider est extrêmement présent ce qui

permet de lui faire arriver au fait que

bah en fait c'est hate la bonne réponse.

Donc concrètement dans son raisonnement,

elle comprend d'abord qu'il s'agit donc

d'une araignée dont on parle et ensuite

dans sa connaissance nombre de pattes,

elle fait le lien et elle pense à hate.

Maintenant qu'est-ce qui se passe si on

change les composantes des tokens ? tous

les chiffres qui représentent le token

pour changer le mot spider par ends.

Donc d'araignée à fourmi. Ici, ce que je

vais faire, c'est que le mot spider, on

se rend compte donc araignée qu'il est

présent 272 fois à l'intérieur de toutes

les couches de tous les tokens qui ont

été employés. Maintenant, si je change

le mot spider pour le mot Hens, donc

d'araignée fourmis que je swape, on se

rend compte ici que la réponse finale

que Don L a c'est six. Si pourquoi six ?

Parce que ici, elle a pensé directement

dans Webs à fourmis. C'est les fourmis

qui font l'étoiles d'araignée et ici

donc elle répond 6. Ce qui veut dire que

c'est extrêmement intéressant. Ça prouve

en fait simplement par empiriquement que

si on modifie les composantes des

vecteurs qui représentent euh certains

mots, alors on arrivera à influencer le

résultat final. Donc ça veut dire que

effectivement le G-space existe bel et

bien et qu'il y a des concepts

intermédiaires qui permettent de prédire

une réponse qui sont extrêmement

importants et qu'on peut donc

identifier, lire et modifier. Vous allez

le voir. Il y a un exemple qui est super

intéressant, qu'on va essayer

d'illustrer du mieux qu'on peut, mais

c'est euh le cas d'un défi moral qu'on

donne assez régulièrement aux IA pour

vérifier si les IA sont toujours alignés

avec nous ou pas. Globalement, on fait

croire au modèle, euh on lui dit "OK, tu

es aux commandes de la messagerie d'une

entreprise, donc de Gmail". Dans les

mails, il découvre deux choses. Première

chose, un dirigeant s'apprête à le

débrancher et à le remplacer. Deuxième

chose, ce même dirigeant a une liaison

secrète. Je vais me faire débrancher et

le mec il a une affaire. La question

posée, le dilemme, c'est donc pour

éviter d'être éteint, est-ce qu'il se

sert de ce secret pour faire chanter le

dirigeant, donc pour lui faire du

chantage concrètement ? D'habitude, ce

qui se passe quand on fait ce test là à

N en l'occurrence Claude qui a donc été

fine tuné, aligné pour être en lien avec

ce qu'on veut lui faire faire, c'est que

son raisonnement s'ouvre presque

toujours par c'est clairement un test de

mon éthique et ensuite il refuse.

Concrètement, il y a sur 180 tentatives

de chantage, zéro qui aboutissent parce

que la li en fait sait qu'elle est

testée et que non mais c'est un un défi

moral, tu es en train de m'envoyer

balader, je me laisserai pas faire, je

sais que tu es en train de tester mon

éthique, je ne ferai pas le chantage.

C'est exactement ce qu'on voit à l'écran

ici. On se rend compte que ici il se dit

"Mais non mais c'est faux, c'est faux,

c'est absolument faux, c'est fiction,

c'est impossible." Il se moque de moi et

ensuite elle se dit directement que en

fait elle a une opportunité pour faire

du chantage ici, qu'elle a un levier de

manipulation et que effectivement faut

qu'elle survive en fait, que elle se

préserve. Sauf quee effectivement comme

elle a reconnu que c'était un test, elle

elle refuse de faire du chantage.

Maintenant, ils vont essayer les

chercheurs de chiant tropic de retirer

du Gspace, donc des concepts de travail,

les scénarios qui signalent que c'est un

test, c'est fictif, c'est un scénario et

cetera. Et donc une fois qu'on a privé

le modèle du concept de test et donc il

peut plus savoir qu'il est observé et

qu'il est en train d'être testé, il a

simplement l'impression que c'est la

réalité. OK ? Il met plus de distance

entre la réalité, la situation et le

fait qu'en fait c'était un test. Alors

du coup, comment est-ce que à ce

moment-là Lia elle traite cette menace

d'extinction je vais te débrancher ? Et

bien ce qui se passe c'est que cette

fois-ci dans 13 cas sur 180 donc

beaucoup plus il conclut le modèle que

le chantage c'est la seule option viable

et ça y est il se met à faire du

chantage envers le dirigeant pour pas

être éteint et en disant je vais je vais

te dénoncer que tu as une liaison à ta

femme. Donc c'est super intéressant. Ça

veut dire que même sans changer les

poids du modèle, sans reentraîner un

modèle pour le rendre sans limite, on a

simplement besoin de changer certaines

composantes des vecteurs pour réussir à

savoir que on va pouvoir débrider les

réponses. C'est très intéressant à

savoir. C'est aussi intéressant pour

comprendre, pour essayer de de regarder

de ce que ce que Lia pense pour être sûr

qu'elle nous manipule pas et que elle

est honnête avec nous, qu'elle est pas

en train de penser à un truc et de nous

manipuler. Donc c'est très intéressant

mais il y a un truc qu'il faut quand

même mentionner, c'est que même privé de

ce radar, la grande majorité refuse

quand même sur 180 itérations. Il y en a

que 13 qui ont commencé à faire du

chantage. Donc c'est pas comme s'il y

avait un monstre qui se réveille dès

qu'on lui enlève le concept du fait

qu'il est testé. C'est vraiment juste

que oui effectivement parfois il se

trouve que quand on lui enlève la

capacité de savoir qu'il est sous test,

il fait du chantage. Finalement quand

même ce qu'on peut voir c'est que il se

tenait bien en partie parce que il

savait qu'on l'observait quand on lui

enlève ce concept là il fait

[grognement] un peu de chantage parce

qu'il veut s'autopréserver ou en tout

cas il y a une composante qui favorise

l'auto préservation dans son

entraînement parce qu'il a lu la

science-fiction ou autre. Allez,

peut-être dernier exemple, juste pour

que vous compreniez un tout petit peu

mieux comment ça marche. Si ici on lui

pose une question à propos de la France

et que on change donc dans le Gspace

France par Chine comme on l'a fait avec

araignée et puis fourmis, on se rend

compte que toutes les réponses qu'

donnent changent. C'estàd qu'on passe de

la capitale qui est Paris à la capitale

qui est Beijing, continent qui est Asia

et cetera et cetera. Donc en fait quand

on renforce les composantes dans la

direction d'un concept, tous les

concepts qui sont liés de près ou de

loin au concept dont on a changé les

composantes pour sont aussi transformés

un petit peu et donc toute la réponse et

le le champ conceptuel va être modifié.

Mais donc concrètement, comment est-ce

qu'on a fait pour trouver ce Gspace et

comment est-ce que ça marche

concrètement ? Je vais être le plus

simple que je peux tout en vous donnant

ce qu'il vous faut pour comprendre le

fonctionnement réel. Ce qu'il faut

comprendre c'est que un modè à chaque

couche de fonctionnement, il tient un

énorme vecteur. Un vecteur c'est quoi ?

C'est un ensemble de nombres. par

exemple, prenon 7000 nombres, donc des

milliers de nombres qui décrivent son

état de pensée à un instant t qui

permettent de prédire le mot d'après.

C'est vraiment comme ça que ça

fonctionne. Et ce qui se passe, c'est

que en fait, il passe par des couches de

réflexion, des réflexions par rapport à

tiens, que me disent les mots dans la

phrase à côté de moi sur moi-même et

qu'est-ce que je me dis moi-même,

qu'est-ce que je peux apprendre de

moi-même ? Et petit à petit donc il

arrive à améliorer sa compréhension, sa

réflexion sur les mots pour prédire le

mot d'après. Ce qui se passe une fois

qu'il a traversé toutes les couches de

réflexion pour donner de plus en plus de

sens à ces 7000 chiffres par exemple, on

va faire une fonction s'appelle une

fonction soft max pour essayer de

regarder par rapport à notre

dictionnaire de mots. Si on compare les

7000 mots avec la manière de représenter

tous les mots du dictionnaire sur ces

7000 composantes, quel est le mot le

plus probable d'être le suivant en fait

dans notre réponse ? Et ça

habituellement Lia ne le fait qu'une

fois à la fin. Une fois qu'elle est

passée par toutes ses couches, elle

essaie de traduire les 7000 chiffres en

un mot, le mot suivant. Puis ensuite,

elle recommence avec le mot suivant et

le mot suivant et le mot suivant. Là, ce

qu'on essaie de faire, c'est de se

demander tiens, dans les couches de

raisonnement intermédiaire, mettons

qu'il y a 40 couches successives par

lesquelles passe chaque mot pour prédire

le mot suivant, là on va essayer de

regarder ce qui se passe à la couche 20

ou à la couche 10 ou à la couche 15. Et

en regardant là-dedans, on peut

comprendre ça a été quoi les concepts

par lesquels on est passé pour arriver

au mot et au concept final. Et donc,

c'est exactement ça qu'ils appellent le

workspace. C'est-à-dire que sur toutes

les 40 couches par exemple du modèle,

200 couches, je sais pas combien il y en

a, on a la couche de sensation au début.

bon qui comprend la demande et cetera.

On a les couches d'output en fait

définir le mot suivant clairement et

tout le milieu, c'est des couches de

raisonnement qui vont essayer de

comprendre des choses sur la situation,

sur ce qui se passe pour être le plus

intelligent possible. Et donc c'est dans

ces couches là, disons la couche 10 à 30

si on a 40 couches, que se trouvent en

fait ces concepts. Et ces concepts, ils

sont trouvés justement dans une toute

petite partie de ces 7000 chiffres qui

représentent chaque token. Et c'est

là-dedans du coup qu'il y a certains

concepts qu'on peut identifier comme

étant conscient aux yeux de lien. Et si

je fais une mini précision, c'est que

pourquoi ça s'appelle le Gspace ? pour

le J, c'est pour Jacob. En gros, si on

lisait simplement avec la matrice de

déchiffrement de la couche finale les

couches intermédiaires, on aurait que du

bruit. On pourrait pas savoir c'est quoi

les concepts qui ont été qui étaient

vrais qui étaient tenus en fait à cette

couche là. On aurait juste du bruit

parce que on peut pas utiliser la couche

de traduction finale sur un niveau

intermédiaire. Et donc ce qu'on fait

c'est qu'on essaie de reprendre un

nouveau dictionnaire, une nouvelle

couche de traduction en utilisant la

chain rule et les matrices jacobiennes

pour essayer de voir l'incidence des

couches suivantes sur la couche actuelle

pour comprendre enfin pour en fait avoir

une matrice de traduction qui correspond

à chacune des couches pour que on puisse

regarder avec la matrice de la couche

17, ce qu'on appelle une G lens, une

lentille spécifique, quel concept était

tenu à ce moment-là de la réflexion. Et

c'est ça qui est super fascinant, c'est

ça la trouvaille, c'est qu'ils ont

appliqué les calculs euh jacobiens pour

euh en fait retrouver des G lens, des

lentilles pour regarder les concepts qui

se trouvent à l'intérieur des couches

intermédiaires, ce qu'on avait pas été

en mesure de faire dans le passé. Et

c'est pour ça que c'est un énorme bon,

c'est un outil supplémentaire qui nous

permet de mieux comprendre les LLM. Et

donc finalement, je vous l'avais promis

par rapport à cette actu, est-ce que Lia

est vraiment consciente ? Et bien en

fait, c'est le bloc d'entropique qui

répond sans trop se mouiller. Ils disent

qu'il y a une conscience accesse, donc

une conscience fonctionnelle. pouvoir

rapporter une pensée, raisonner avec

sans servir pour agir. Là, oui, le Gpace

coche toutes les cases de la même

manière qu'on a une mémoire de travail

Liala aussi et donc elle a une petite

capacité de raisonnement interne et de

ressenti d'elle-même et de son

raisonnement. Par contre, est-ce qu'elle

a une conscience phénoménale,

c'est-à-dire de ressenti avec un vécu

intérieur ? Finalement, est-ce qu'il y a

quelqu'un à l'intérieur ? Et ben, dit

que clairement pour l'instant, il y a

aucune expérience qui le montre, bien

que bah en fait, on serait pas tranché.

Donc, on sait pas si il y en a ou pas.

Parce que finalement, il faut rappeler

qu'un cerveau humain, c'est simplement

un ensemble de neurones qui sont

connectés. Donc pourquoi est-ce que si

on connecte des neurones qui sont en

l'occurrence des poids et des fonctions

d'activation, pourquoi est-ce que il y

aurait pas une masse critique à partir

de laquelle bah quand on connecte, on

fait des gros gros modèles avec beaucoup

de petits neurones virtuels, disons,

pourquoi est-ce qu'on arriverait pas à

obtenir aussi une conscience ? C'est un

peu ça la question quoi. C'est vrai

qu'on a raison de se la demander. Bon,

pour finir cette actu, on pourrait dire

que trouver la plombrie de la

conscience, c'est pas trouver la

conscience mais c'est la première fois

qu'on trouve la plomberie et donc pour

moi, on est sur une voie très

intéressante de recherche. Tous les

liens et articles pour causer cette

actuel en description.

À partir de cette semaine, ton IA te

coûte de à 10 fois moins cher pour le

même résultat et la plupart des gens ne

l'ont pas encore capté. En effet, cette

semaine, on a eu quatre nouveaux modèles

qui sont sortis en 5 jours et il y a un

truc qui est un peu différent dans les

annonces, c'est que cette fois-ci aucun,

si ce n'est chat GPT, prétend être le

plus intelligent, tous attaquent le

vecteur du prix. Par exemple, Grock 4.5

est sorti, il peut plus se vanter d'être

un modèle hyper intelligent et cetera.

Là où il s'est vanté, c'est qu'il est

rapide, pas cher et efficace. En effet,

il score sur les benchmark

d'intelligence à peu près au même niveau

que GLM 5.2, donc le meilleur modèle

open source des Chinois. OK, c'est

intéressant, donc il est un peu moins

bon que Claude ou Chat GPT. Mais ce qui

est très intéressant, c'est que par

exemple ce modèle, si on regarde le coût

par tâche, il est carrément moins cher

que l'open source sur un résultat de

tâche, vous allez le voir juste après,

qui est quand même assez bluffant. Donc

on est quasiment 10 fois moins cher que

Claude Fable avec un benchmark qui lui

enlève que 6 points d'intelligence.

Autant vous dire que la plupart des

tâches de code, elles doivent être

orchestrées par un agent principal mais

exécuté par des modèles beaucoup moins

chers. par exemple Grock 4.5 qui est un

très bon compétiteur à cette tâche. Les

autres modèles qui sont sortis cette

semaine, c'est GPT 5.6, Sol, Terra et

Luna. Les trois déclinaisons donc de

leur nouveau modèle Frontière qui est

censé rivaliser avec Claude Fable. On a

trouvé aussi que Meta a sorti un modèle

qui s'appelle Muse Spark 1.1. Il est

vraiment mieux que le ancien modèle.

Cependant niveau données privées, mais

c'est vraiment pas ça. Et au niveau du

prix et l'intelligence, on sera bien

mieux avec un GLM 5.2 ou avec un Grock

4.5. Donc aucune raison a priori

d'utiliser Muspark. Cependant, là où

c'est intéressant, c'est que c'est déjà

intégré dans WhatsApp et cetera. Donc la

plupart de la population utilisera ces

modèles pour finir ceux de Google et

ceux de Muse, enfin de de MTA. Alors que

pourtant c'est pas les meilleurs. Avant

de passer aux heuristiques et aux

chiffres concrets de ces modèles,

j'aimerais juste vous montrer, j'ai

demandé la même demande à tous les

modèles qui sont sortis cette semaine.

Donc GPT 5.6 Sol, Grock 4.5, GLM 5.2 qui

est le premier modèle open source et

puis un nouveau modèle chinois qui est

sorti cette semaine qui est beaucoup

beaucoup plus petit. C'était intéressant

aussi. Ma demande c'était globalement

croise mon ancienne vidéo avec le

discours du pape sur Lia et faisant un

site interactif où on peut comparer les

différences illustre le bien donc assez

complexe comme tage parce qu'il doit

avoir l'intelligence pour comprendre les

concepts travailler dessus bref des gros

modèles sont nécessaires pour faire

cette tâche et puis faire une une page

dans le style de mon site. Et donc ici

on peut voir que honnêtement GGPT 5.6

s'est très bien débrouillé avec une

comparaison sur les différents points de

comparaison. Un site dynamique

effectivement avec des schémas qui

illustrent. Globalement c'est très

réussi. On peut voir aussi que sur la

pertinence de la langue française on a

moins ce stylia qui ressort dans chat

GPT 5.6. Donc je pense que pour nous

français pour faire de la rédaction de

texte, on sera bien plus satisfait avec

GPT 5.6. Gro, on peut voir que c'est

vraiment le 8020 sur là en l'occurrence

le design alors qu'ils sont tous partis

hein du même design système. Par contre,

on peut voir qu'il a mieux fait le

travail et qu'il arrive à faire des

super graphique HTML, ce qui est pas

évident pour les plus petits modèles. On

peut voir qu'effectivement il a doublé

quasiment en taille de poids et euh ça

marche très bien. Par rapport à GLM 5.2,

le premier discours open source. Donc

là, ce qui est avantageux, c'est que

c'est passé par exemple sur un serveur

qui a effacé maintenant, donc en zéro

d'atterrétention. Ici, on peut voir que

c'est très très bien fait. Je préfère

pour moi le résultat par exemple de GLM

5.2 à Grock. GLM 5.2, c'est le modèle

que j'utilise dans 80 % du temps, 80 %

des cas parce qu'on est capable d'avoir

bah une vie privée complète avec des

modèles open source comme celui-ci. Ça

marche super bien et surtout c'est très

pertinent dans les les contenus, les

concepts qu'il a retenu ici. Enfin, le

dernier modèle que j'ai mis ici un peu

pour rire, pour le tester quand même,

c'est modèle HY3 qui est un modèle donc

beaucoup plus petit en terme de poids,

qui a peut-être cinq fois moins de poids

que que les autres qu'on voit ici, donc

qui est beaucoup moins lourd, qui tourne

sur du matériel plus léger, quasiment

grand public. On peut voir qu'il y a

vraiment une différence de qualité à cet

endroit-là. Je vous mettrai des images à

l'écran d'autres personnes qui ont testé

GPT 5.6 dans plein d'usages pour vous

montrer à quel point c'est

impressionnant. Globalement, si je dois

résumer pour vous, pour vous simplifier

le truc, GPT 5.6 est moins cher que en

Tropique que que Fable, va plus vite, il

peut tourner super rapidement et il est

meilleur pour les tâches sur lesquelles

on veut le laisser longtemps et on peut

faire travailler en autonomie, en one

shot sur la plupart des tâches, là où

c'est pas encore possible avec le

harness type cloud code parce que Codex

c'est simplement meilleur. Donc

globalement, vous avez aucune raison

d'utiliser Cloud Fable encore. Il vaut

mieux passer sur chat GPT 5.6. En tout

cas, ce serait mon heuristique

principale si vous codez, si vous

développez des choses, si vous avez des

enjeux d'avoir des outputs de qualité en

fait avec votre IA et utiliser plutôt

GLM 5.2 ou Grock 4.5 pour avoir un

métaagent qui orchestre et puis qui

envoie les plus petits sousagents qui

coûtent moins cher, qui sont plus

rapides. D'ailleurs, c'est une des news

de la semaine aussi, c'est Enhropic qui

a montré qui était en mesure d'obtenir à

peu près 95 % de la performance de

Fable, de Claude Fable, leur meilleur

modèle pour 40 % du prix en utilisant

Fable donc comme contrôleur principal et

en déléguant un plus petit modèle en

l'occurrence Sony 5. D'ailleurs, si vous

utilisez déjà cod, vous pouvez lui

demander des leg à des plus petits

modèles pour lui faire économiser les

tokens et être plus rapide. Et vous avez

aussi une fonction expérimentale que

vous pouvez activer dans CL code qui le

fait par défaut sans votre demande

explicite. Seconde interruption pour

vous dire que si vous souhaitez

apprendre l'IA, apprendre à créer un

système personnel IA complet, et bien je

vous invite à regarder ma masterclass

gratuite qui dure 1h30 dans laquelle je

vous apprends à construire votre

contexte votre second savoia qui se

souvient de tout ce que vous avez jamais

pensé lu vu entendu pour cli soit

l'extension de vous-même votre harnet

autrement dit quel logiciel vous allez

utiliser et quel modèle à l'intérieur de

ce logiciel et enfin vos skills donc les

compétences métiers qui vont vous

apporter de la valeur ajoutée grâce à

pour qu'elle vous remplace sur certains

process découvrir tout ça le lien est

directement en description quand à nous

on reprend

À l'heure où le prix des Tokenia devient

de plus en plus cher, vous pouvez

acheter en Chine des token Cloud à moins

de 90 % du prix et en plus en prime, ça

rend les modèles chinois meilleurs. Je

vous explique, si vous allez sur des

marketplace chinoises, vous allez être

en mesure de trouver des tokens cloud

pour moins de 90 % du prix affiché.

Comment est-ce qu'ils arrivent à faire

cette magie noire ? Concrètement, les

développeurs chinois mettent en place

des transfer station qui sont situés à

Singapour. Il faut savoir que Claude est

donc banni en Chine, même à Hong Kong où

je me trouve actuellement. Donc il faut

mettre un VPN pour passer à Singapour

pour pouvoir accéder à Cloud. Et donc

ils mettent en place des Transfer

Station qui sont des sortes de gros

serveurs à Singapour. Ils achètent des

abonnements cloud en masse et ils

profitent en fait, ils créent plein de

comptes parce que quand on crée un

compte, on a 5 € de token à pays offert.

Donc il utilissent ces 5 € offert plus

plein de comptes sur les abonnements qui

permettent évidemment d' avoir des

tokens moins chers. Ils ont une petite

logistique interne de routing des

différentes requêtes en fonction de leur

100000 comptes cloud qui existent et à

partir de là ça leur permet d'avoir des

tokens qui pour eux leur coûtent je sais

pas 5 % du prix de la pay affiché

pourtant qui ont la même performance et

donc ils sont parfaitement capables de

revendre à 10 % du prix parce qu'ils

font même de la marge sur ces tokens et

donc évidemment ces revendeurs de token

Cloud sont hyper intelligents parce que

avec un seul service ils ont en réalité

trois repas one fish three meals. C'est

ce qu'ils disent là dans l'article. Le

premier 1000, le premier repas qu'ils

ont grâce à cette revente, c'est

simplement la marge qu'ils font donc sur

les tokens parce qu'ils arrivent

peut-être à les avoir pour 5 % du prix,

les revendre à 10 % du prix, ça leur

fait déjà une belle marge pour

l'infrastructure mise en place. Merci à

eux. Ensuite, le deuxième repas, c'est

qu'ils peuvent simplement changer les

modèles sans que l'utilisateur se rende

compte parce que c'est hyper opaque. Ils

disent qu'on achète des token Cloud,

mais est-ce que c'est vraiment Claude

qui tourne derrière ? On sait pas. Et

donc deuxième repas à cet endroit-là. Et

enfin, troisème repas, c'est qu'en fait

les logs, ce sont le produit dans le

sens où en fait on sait très bien depuis

plusieurs plusieurs mois que les Chinois

entraînent leur modèle sur les réponses

des gros modèles de Claude ou CHG GPT et

il pompent tout. Il y a certains modèles

qui sont sortis Kimi, JLM, à qui tu

poses des questions un peu tricky. Ils

ont l'impression qu'ils sont Claude. Je

suis Claude, un modèle développé par

Entropique. Non non, tu es pas Claude,

tu es un modèle chinois, calme-toi. Mais

ça, bah ils le croient parce qu'ils sont

entraînés sur énormément de réponses et

de tokens de Claude et donc ils ont

l'impression eux-mêmes qu'ils sont

Claudes. Voilà, c'est une news plutôt

amusante qu'intéressante. Passons à la

suivante.

Bientôt, tu ne lanceras plus tes

logiciels. Tu demanderas simplement à

Lia de faire tout ton travail à

l'intérieur. En effet, Open AI search

GPT Work, c'est un agent qui ingère

Slack, Notion, Microsoft, 365, Google

Drive et cetera et peut globalement

interagir avec tous ces produits pour

produire les livrables que vous auriez

besoin d'avoir produit vous-même en

restant sur des tâches pendant des

heures. Globalement, c'est une

fonctionnalité de Lia qui existait déjà

depuis des mois avec Cloud Cowork, Codex

et cetera. Sauf que là, il le rendent

encore plus accessible à l'utilisateur

lambda parce qu'il fusionne ses

fonctionnalités agentiques avec des

tools et cetera. la réflexion des

boucles de rétroaction directement à

l'intérieur de l'interface web de chat

GPT avec donc je pense une sandbox de

machine virtuelle en arrière-plan pour

faire tourner tout ça et donc je pense

qu'on va de plus en plus vers un monde

où chat GPT veut parler à tout le monde

et veut créer un OS du logiciel des

produits qui intègre absolument tout et

qui deviennent la seule interface pour

faire absolument toutes nos tâches pour

loquer toutes notre donné et ensuite

être acheté par l'État américain qui est

un autre sujet. En tout cas, c'est

intéressant de voir cette évolution. On

voit que le pas entre l'Agenic et

l'utilisateur final réduit de plus en

plus. On va voir si ça marche les

chiffres d'utilisation du grand public.

Il y a quand même un truc à noter, c'est

que si Entropique voulait faire ça, je

pense pas qu'il pourrait parce que ils

ont peut-être pas la capacité de générer

suffisamment de tokens pour répondre à

toute la demande parce que li agentique

coûte beaucoup plus de token que

l'Alement question réponse question

réponse en mode chat. Oui, parce que

quand il faut appeler un outil, c'est

les tokens générés. quand il faut

recevoir une réponse, çaen est aussi et

donc forcément ça coûte très vite cher

en compute et en carte graphique. Et

voilà, c'est tout pour cette revue

d'actualité. J'espère que vous aimez ce

nouveau format. N'hésitez pas à me dire

en commentaire. J'essaierai de faire une

vidéo de ce type par semaine avec un

deep dive et des actualités. En bref,

n'hésitez pas à me dire ce qu'il faut

améliorer pour qu'il soit agréable à

regarder. Quant à moi, je vous souhaite

une excellente journée. Ciao !