Patreon announced on Thursday that it’s partnering with Cloudflare to block crawlers from stealing creators’ work to train AI models.

“I HAVE A KICKASS PRODUCT UPDATE FOR YOU ALL!” Jack Conte, the founder and CEO of Patreon, wrote in a post on Instagram with the superimposed text, “POV: you're CEO of one of these fucking tech companies, so you do what you want.” 

“Patreon has partnered with an internet infrastructure company called Cloudflare to block Al training crawlers from using the work you publish on your Patreon to train their Al models,” Conte wrote. “This is live and happening at the network level on all posts published on Patreon.”

"As AI agents become increasingly powerful and popular, creators deserve a meaningful say in how their work is used by AI companies. On most of the Internet, creators have to accept AI training on their work just to reach and grow an audience," Drew Rowny, SVP of Product at Patreon, said in a press release published by Cloudflare last week. "Patreon has a different vision: creators should be able to grow their audience and control how their work is used. That's why we're building on our existing work with Cloudflare to block known AI training crawlers at the network level across Patreon, while still allowing the crawlers that help creators get discovered and grow their businesses through search."

Last year, internet infrastructure company Cloudflare, which provides cybersecurity protection and content delivery services to websites, announced that it would start blocking AI crawlers from accessing content without website owners’ permission or compensation by default. And earlier this month, Cloudflare announced new options for website owners to control AI traffic based on whether bots are search, agent, or training crawlers. In September, according to the company’s blog, all new domains onboarding to Cloudflare will have training and agent bots blocked by default on pages that display ads, while search crawlers will remain allowed by default.

A spokesperson for Cloudflare pointed 404 Media to the company's Crawl Control technology and its recent data about AI crawling. "Patreon recently enabled Cloudflare’s Crawl Control technology for its users at the network level. Others, like beehiive, have also recently enabled Crawl Control to allow its users to allow or block specific AI models based on their preference," they said.

“Creators deserve credit, compensation, and consent. If that's not on the table, the crawlers can stay the fuck off Patreon. The free internet is alive and happening. The rebellion has already started,” Conte wrote in his post. 

In May, Conte posted a 43-minute video addressing how the AI industry fails to compensate creators. “Creators deserve consent, credit and compensation,” Conte said in the video. “Consent meaning, ‘Do I get to opt out of my work being used by these models as training data?’ Credit meaning, ‘If my work is used and you just replicate my whole vibe as an artist… do I get credit for that?’ And then compensation, meaning, ‘Do I get paid when that happens?’ Unfortunately, the answer to all three of these questions right now is a big fat ‘No.’”

AI-generated works are permitted on Patreon, as long as they comply with the platform's terms of use. In 2024, 404 Media reported that many creators of nonconsensual sexual images and videos monetized their content on Patreon. Last year, Patreon updated its content guidelines for AI content to state: “AI-generated depictions of people that are illustrated/animated are permitted; AI-generated hyperrealistic depictions of people are permitted only if the people are real and have documented their explicit consent.” 

Updated 7/9 at 7:59 p.m. EDT to include Drew Rowny's statement.

Updated 7/10 at 11:32 EDT to include comment from Cloudflare.

Wednesday, John Deere agreed to give farmers broader access to repair their tractors and farm equipment under an antitrust settlement agreement with the Federal Trade Commission, one of the biggest wins in the long right to repair battle. The settlement is the latest and by far the most important development in several recent lawsuits against John Deere, and is finally an agreement that isn’t full of half measures and doesn’t have massive, obvious loopholes.

The FTC settlement is far better than a recent, highly controversial settlement in a separate class action lawsuit against Deere brought by farmers in Illinois, and it’s worth breaking down the differences. Two years ago, I wrote an article called “The Walls Are Closing in on John Deere’s Tractor Repair Monopoly,” which followed that Illinois case, in which several farmers brought a complex, class action antitrust lawsuit against Deere. The judge in that case, Iain Johnson, wrote several scathing opinions about Deere’s anti-repair practices that indicated that he was seemingly inclined to hit Deere with stiff penalties. 

But after years of litigation, the plaintiffs in that case decided to settle with Deere in April, earning a $99 million payout for farmers who paid for repairs over the last decade, and several right-to-repair protections that did not have much in the way of legal teeth.

This $99 million payout was roughly $79 million after legal fees and to be divided among more than 200,000 farmers; this means each farmer will receive roughly $395, or “less than the cost of a single authorized dealer service call for a typical 500-acre farm,” according to an analysis by Willie Cade, a longtime farm right to repair advocate.

“Bottom line is that farmers are getting $0.79 per acre for the eight years of Deere abuse,” Cade told me. “Bad settlement. The settlement is insufficient … the money is a small fraction of what the class could recover at trial, the claims process depends on labor-hour data only Deere holds, and the repair "fixes" are riddled with loopholes that leave Deere's monopoly intact.” 

The Illinois settlement would prohibit farmers covered by it from filing any future repair-related litigation against Deere, and only required Deere to provide parts and repair guides to farmers under poorly defined “fair and reasonable” terms, a loophole that other manufacturers have used to claim that their parts and tools are constantly out of stock or cost astronomic prices. 

“The ‘fair and reasonable terms’ standard is not price equality with dealers, nor is it a guaranteed price ceiling,” Cade wrote in his analysis. “Disputes about whether Deere’s pricing meets this standard are subject to Court oversight, but individual farmers may have limited practical ability to challenge pricing that does not obviously cross the line.”

The settlement in the Illinois case was so bad that one of the plaintiffs in the case, Wilson Farms, filed a 53 page formal objection to it two weeks ago, in part because it claims that there are many “unlitigated and uncompensated” cases in which farmers suffered under Deere’s monopoly. Under the settlement, farmers would no longer be able to sue Deere by “terminat[ing] Class members’ ability to collectively challenge Deere’s repair aftermarket monopolization for a generation.”

“Rather than provide any meaningful benefit to the Class, it appears that the proposed Settlement’s most important effect will be to give Deere its most powerful tool yet in its decades-long effort to block farmers from repairing their own equipment,” the objection says. “Extinguishment of farmers’ rights under the law.”

Other farmers called the Illinois settlement “disingenuous” and “unfair.”

The good news is that the wildly disappointing and seemingly unnecessary selling out of farmers’ rights in the Illinois case that Deere appeared to be losing very badly is greatly mitigated by the FTC’s settlement from this week. The FTC case was brought by Lina Khan under the Biden administration; to its credit, the Trump administration decided to continue litigating.

The FTC settlement does not have monetary damages for farmers, but it has far better right to repair protections for John Deere customers moving forward. In the FTC deal, the “fair and reasonable terms” are better defined and are based on the price that John Deere dealers actually pay for repair parts and tools. Deere and its dealers are not allowed to “discriminate or retaliate” against farmers who repair their own equipment (manufacturers have been known to brick devices that consumers fix themselves). The FTC settlement also includes access to farmers for “future repair resources,” meaning repair tools, guides, software, and parts that Deere creates in the future. 

Deere must also file “compliance reports” with the FTC, and the FTC will have oversight of the compliance. Crucially, the FTC settlement also does not affect farmers’ private grievances against Deere, meaning it is possible for farmers to sue Deere if the company’s repair practices have affected them. 

The FTC settlement is one that has actual legal teeth and enforcement mechanisms that Deere should at least theoretically have to comply with. Earlier agreements and right to repair “wins” for farmers were often half measures (though it’s worth mentioning that Colorado passed a good agriculture right to repair law in 2023 after years of struggle from farmers and advocates). Deere and various farmers’ public interest groups had previously agreed to right to repair “memorandums of understanding” in which Deere promised to make repair parts and tools available to farmers. In practice, however, these tools and parts were often not available, were not as good as what dealers and authorized service providers had access to, or were unreasonably expensive. These memorandums of understanding also had few or no enforcement mechanisms. 

Cade told 404 Media in an email that this settlement order “gives farmers real hope.” 

Nathan Proctor, senior right to repair campaign director for consumer rights group U.S. PIRG, said in a statement that the FTC settlement “is much better than the deal secured in [the Illinois] class action lawsuit.”

“Deere has now agreed to make available all materials needed to conduct repairs, including some which it has previously withheld,” Proctor said. “I want to thank the FTC for its work on this case. Our goal from the start of our campaign was to ensure that farmers and independent mechanics get everything they need to fix equipment. We will continue to monitor the situation and advocate to ensure that goal is a reality.” 

In other words, farmers finally have an actual, major win in the right to repair fight that goes far beyond earlier piecemeal and moral victories.

A shocking amount of the content that users encounter on popular social media websites is likely AI generated, according to data from a company that detects AI writing. As much as 41 percent of longform written content seen by users on LinkedIn is likely to be fully AI-generated and roughly a third of longer posts on X are AI-generated; roughly one-in-ten longer Reddit and Substack posts are AI, according to the data. 

The data was collected using a Chrome extension from Pangram, a company that detects AI-generated writing. Pangram’s Chrome extension scans writing that users encounter while browsing and determines if any given post is likely AI-generated or likely human written. Because Pangram works passively in the background while a user is browsing the internet, it only scans posts that its users actually see. This helps answer the question of whether AI slop is actually poisoning the internet that humans actually use, versus polluting the internet more broadly. The answer is unequivocal: AI slop writing is not just sequestered off on unpopular automated SEO farms or spam sites that no one reads; humans are regularly wading through AI dreck on hugely popular sites. 

“This isn’t something that had really been studied before—how much AI content people are actually seeing,” Max Spero, the CEO of Pangram, told me in a phone interview. “AI content is a tax on readers’ time.” 

(Pangram formerly advertised on 404 Media. I am covering this data because I have written many articles about how AI-generated content is taking over social media and is brute forcing social media algorithms, and I have not seen other data that attempts to measure the actual popularity of slop.)

For this research, Pangram specifically asked users of its Chrome extension to opt-in to share Pangram browsing results with the company. The company analyzed roughly a million posts that its users organically scroll through across LinkedIn, Medium, X, Reddit, and Substack over a two-month period. Pangram found that, universally, longer posts on all platforms are more likely to be AI-generated than shorter posts. The company split the content it analyzed into “shortform” (between 50 and 250 words) and “longform” (longer than 250 words). 

The data suggests, perhaps unsurprisingly, that a huge portion of longform posts on LinkedIn and X’s new article format are fully AI-generated or AI-assisted (meaning drafted, edited, or rewritten by AI with some human elements). Forty percent of longform LinkedIn posts analyzed in the data were fully AI-written; a quarter of X articles were fully AI written, but another 23 percent of X articles were AI-assisted, the company said. It intuitively makes sense that longer form content is more likely to be AI-generated, because people usually won’t bother to AI-generate a few word response or a pithy comment on a quote tweet, for example. AI is also famously verbose, meaning AI-generated content is more likely to show up in longer posts.

“Our data shows that AI-generated content is a problem across all platforms, and it is hitting longform content especially hard,” the company wrote in a blog post. “Contrary to what one might expect, people are overwhelmingly willing to use AI to speak on their behalf in professional settings that are associated with their real identity, and less likely to use it on casual and anonymous platforms.”

The study also found that top-level posts on LinkedIn and Reddit are far more likely to be AI-generated than the comments underneath an original post. 

I have been using the Pangram Chrome extension for several months now, after interviewing Spero for an article I wrote called “Your AI Use Is Breaking My Brain.” In that article, I wrote about the cognitive weight of the constant assessments I am doing when I’m browsing the internet, trying to determine whether a piece of writing is AI-generated or not. After writing that article, I decided to try the Pangram Chrome extension to see whether its assessments of likely AI-generated writing aligned with my own brain’s assessments. After using the extension for nearly two months, my experience has largely aligned with what Pangram’s data suggests: Many of the longform articles I see on X are obviously AI generated, and are detected by Pangram as such. A huge amount of the LinkedIn posts I see are obviously AI-generated.

Because of the way the study worked, by passively detecting AI generated content that people see in their normal browsing, the data is potentially more useful than other studies that have sought to estimate the raw percentage of AI-generated content on the internet, but not whether anyone was actually seeing that content. These prior studies, which found that as many as a third of new sites are AI, allowed for the possibility that AI-generated content was flooding the internet but that it was of such a low quality that actual people may not have been seeing it. 

The Pangram data raises questions about what platforms are doing to promote or disincentivize AI slop. LinkedIn, for example, had for years built AI writing tools into its platform meaning that it has been incredibly easy to post AI-generated content on the platform and that AI-generated content became incredibly common on the platform. In May, the company announced that it is trying to disincentivize AI content in the name of “keeping conversations real,” and the AI writing assistant is no longer built into the post button. Reddit, meanwhile, has become a vector for companies trying to game LLM tools by promoting their products on the site because AI search tools often scrape Reddit. But Reddit’s moderators are also overwhelmingly anti AI, and the company has worked to delete AI-generated posts and ban accounts that spam. On Monday, Reddit published a blog post saying that “in the age of AI, spam, bot activity, and inauthentic content are top of mind for people who love Reddit (and humans).” In the last few weeks, Reddit launched an ad campaign called “people are best” specifically highlighting that its users are human. A Reddit spokesperson referred us to the blog post when asked for comment.

As we have reported before, no AI detector is 100 percent foolproof, and Pangram certainly has both false positives (human content detected as AI) and false negatives (AI content detected as human). Spero said that the company is constantly working on minimizing both, and that it estimates its false positive rate at roughly one in 10,000. He said he believes the Pangram data is likely a “lower bound” and that the actual problem is likely worse, because people who are willing to install AI detectors on their browsers are likely trying to avoid AI-generated content.

“I think the data generalizes out [to non Pangram users], but that it’s a lower bound on AI content because someone with the Pangram extension probably cares more about seeing AI content than the average person and would be more likely to block or mute AI posters,” he said.

A LinkedIn spokesperson told 404 Media in a statement that “Professionals come to LinkedIn to hear from real people and their unique insights and perspectives. We actively work to reduce low quality, automated or generic content, and while AI can be used to beat the blank page problem, our focus is on surfacing professional conversations that help people advance their careers.” 

 Substack and X did not respond to a request for comment.

La quête à attribuer des responsabilités techniques aux entreprises de l’IA nous leurre, expliquent les chercheurs Janet Vertesi, danah boyd, Alex Taylor et Benjamin Shestakofsky dans un article de recherche pour FAccT’26, la Conference on Fairness, Accountability, and Transparency qui se tenait à Montréal. Le Projet d’IA – comme ils l’appellent – est une entreprise de construction mondiale, dans laquelle ceux qui financent et développent des systèmes d’IA cherchent à maintenir des réseaux de pouvoir et de richesse. Ils configurent nos conditions sociotechniques tout en leurrant les universitaires, les décideurs, les journalistes et le public qui seraient invités à plus ou moins co-construire un avenir qui leur donne du pouvoir, sans que celui-ci ne soit jamais vraiment partagé. Ces leurres donnent souvent à ces acteurs l’illusion d’une responsabilité, tout en masquant les transformations profondes de l’économie politique à l’œuvre. En réalité, notre attention collective portée à ces leurres soutient, stabilise et renforce le projet IA des grandes entreprises de la tech. Pour les chercheurs, l’invitation à cadrer la technologie qu’entrouvrent ceux qui portent le projet d’IAification du monde tient d’une distraction qui brouille les enjeux de pouvoirs à l’œuvre. Les leurres nous détournent de la compréhension de l’accaparement qui se déploie.     

« Pour faire progresser une équité ou une responsabilité significative dans l’IA, il faut : 1) reconnaître quand et comment les leurres servent de distraction, et 2) s’attaquer directement à l’économie politique matérielle du projet d’IA. Il faut s’intéresser aux réseaux de pouvoir qui rendent l’IA possible », expliquent les chercheurs. « Nous ne parviendrons pas à instaurer une obligation de rendre des comptes en bricolant les fonctionnalités techniques ; il nous faut nous pencher sur les enjeux politiques et économiques », synthétise danah boyd sur son blog. 

Les chercheurs invitent à mieux s’intéresser à l’économie politique qui interroge les relations entre les forces complexes et imbriquées de la politique, des marchés et de la société. A observer leurs évolutions constantes, comment les capacités d’action évoluent avec l’accumulation de pouvoir et de ressources matérielles. Et comment ils réorganisent et configurent les ordres matériels, sociaux et économiques à leur avantage. Des acteurs capitalistes hétérogènes ont su tirer parti de l’incertitude ambiante pour mobiliser à leur avantage les technologies de communication et les relations financières. Ce faisant, ils restructurent les marchés en leur faveur et orientent les flux ainsi que l’appropriation de capitaux, de ressources, de données, de matériaux et de main-d’œuvre entre différents sites. Comme le disait déjà le sociologue Manuel Castells à propos du projet de façonnage du monde porté par l’empire médiatique de Rupert Murdoch dans les années 1990 et 2000 (notamment dans son livre, Communication et pouvoir, 2013), les nouvelles architectures des technologies de l’information et de la communication offrent des opportunités de consolidation du pouvoir au sein d’élites interconnectées – ce qu’il nomme des « réseaux de pouvoir ». Pour Castells, les élites configurent les réseaux à leur avantage et le pouvoir de création de réseaux, représente la forme de pouvoir suprême dans une société de l’information. La constellation émergente d’individus, d’organisations et de structures financières qui façonnent actuellement l’IA telle que nous la connaissons était déjà en pleine ascension dans la Silicon Valley au lendemain de l’éclatement de la bulle Internet. Elle s’est renforcée avec la crise financière de 2008 et la crise pandémique de 2020. Le lancement public de ChatGPT par OpenAI en décembre 2022 a ouvert la voie à la restructuration du marché, après l’échec à concrétiser les promesses des cryptomonnaies et du métavers (autres tentatives à renforcer le pouvoir).

Le marché de l’IA est construit et vise à convaincre voire contraindre régulateurs comme clients à adhérer à leur vision. « Les entreprises dominantes peuvent consolider leur position en influençant les politiques publiques et en incitant les États à lever des réglementations, à accorder des subventions, à faire respecter (ou pas) les droits de propriété ou à instaurer de nouvelles règles imposant des coûts prohibitifs aux concurrents désireux de pénétrer le marché. » Derrière les entreprises du secteur, le pouvoir de réseau se consolide autour de technologies qui reposent avant tout sur la manipulation de matériaux, d’idées, de fonctionnalités et de capitaux, c’est-à-dire des éléments peu techniques, foncièrement capitalistes, dirait Romaric Godin. Rien ne vient freiner la course à l’établissement d’une élite d’acteurs dominants, constatent également les chercheurs. Pire, les géants de la tech consolident actuellement leur contrôle sur chaque maillon de la chaîne d’approvisionnement de l’IA – énergie, puces, modèles fondamentaux, puissance de calcul et outils de développement logiciel… sans compter l’investissement financier – afin de garantir leur position centrale. Tout l’enjeu consiste désormais à nouer des partenariats entre eux, dans une collaboration inter-entreprises mutuellement avantageuses, comme le font Microsoft et OpenAI. 

Face à ces développements, la régulation joue souvent à la marge. Pour les chercheurs, celle-ci s’intéresse bien trop à des leurres, plutôt qu’à la construction du pouvoir. Mais, « les leurres ne sont pas qu’une simple distraction ; ils constituent un outil essentiel pour façonner un environnement ». « Pendant que nous nous concentrons à débattre des spécificités techniques de l’IA, les grands acteurs de l’IA établissent des flux pour accroître leur richesse et leur pouvoir. » « De cette manière, même les critiques contribuent à rallier des soutiens au projet d’IA. Les leurres constituent donc des pièges de responsabilisation qui, paradoxalement, renforcent plutôt qu’ils ne contraignent le puissant réseau qui sous-tend le projet d’IA. » Et le projet d’IA regorge de leurres. Certains sont délibérément construits ou exploités par les intermédiaires de l’IA pour attirer l’attention sur des aspects spécifiques du projet (et la détourner d’autres). 

Les leurres de l’IA

Les chercheurs distinguent 5 leurres dans lesquels la critique se perd parfois : le leurre ontologique, le leurre de l’inévitabilité, le leurre de la rupture, le leurre de la sécurité et le leurre réglementaire. 

Il y a d’abord le leurre ontologique. Le terme IA s’efforce d’échapper à toute définition afin de maximiser son pouvoir suggestif. « Cette ambiguïté peut s’avérer puissante car elle incite souvent différents acteurs à s’obséder sur la manière de délimiter ce qu’est ou devrait être l’IA, plutôt que de se concentrer sur le travail accompli par le Projet d’IA dans le monde.» Cette ambiguïté sert donc profondément les intérêts des acteurs. « Ce leurre ontologique déplace les termes du débat vers la définition de l’IA, détournant l’attention de son action concrète : permettre l’expansion du Projet d’IA. » Les chercheurs prennent comme exemple, les transformations du financement de la recherche ou des entreprises, qui depuis 2023, s’orientent de plus en plus exclusivement vers des projets d’IA au détriment de tous les autres. Partout, la réorganisation des flux financiers est profonde, expliquent-ils. « Le leurre ontologique constitue une forme de piège. Il attire sans cesse les acteurs vers des questions insolubles concernant la détermination et la clarification de la nature de l’IA, alors même que l’on constate que le dévoilement des spécificités techniques ne parvient pas à rendre ces questions plus ou moins certaines. » « L’instabilité ontologique persistante entourant l’IA permet aux intermédiaires d’introduire l’IA dans des secteurs et des pratiques toujours plus nombreux. De petites entreprises qualifient leurs technologies d’IA pour capter des ressources financières et acquérir une influence au sein du réseau. De telles pratiques nous amènent nécessairement à nous demander : « S’agit-il vraiment d’IA ? » ou même « Est-ce un usage pertinent de l’IA ? ». »

Plutôt que de nous laisser enfermer dans des débats sur « ce qu’est l’IA et comment elle devrait fonctionner », nous gagnerions à élargir notre perspective pour comprendre comment l’IA accapare toute l’attention et l’espace du débat. L’ambiguïté vise surtout à garantir que l’IA  reste suffisamment flexible pour s’adapter à mesure que se déploie leur stratégie de création et de concentration du marché. « Il nous faut donc résister au leurre ontologique et à l’impératif qu’il impose de définir la « véritable » nature ou le potentiel réel de l’IA. Une critique efficace doit ébranler le pouvoir du réseau plutôt que de l’alimenter.»

Le leurre de l’inévitabilité. L’industrie technologique recourt souvent à la rhétorique de l’inévitabilité pour justifier ses développements. « L’utilité de ce leurre de l’inévitabilité réside notamment dans sa capacité à permettre aux acteurs de modifier constamment les temporalités, en proposant de nouvelles projections quant au moment où la promesse future de l’IA se concrétisera enfin. Que cet avenir concerne l’avènement de l’IA générale, l’informatique quantique ou d’autres avancées technologiques majeures, les acteurs qui promeuvent l’IA tirent parti de discours qui rapprochent ou éloignent l’horizon de ces événements, tout en maintenant l’idée de leur inéluctabilité. » L’inéluctabilité permet surtout de bâtir des monopoles. Il permet de présenter les investissements comme nécessaires, même quand ils sont entravés par les contestations, comme c’est le cas dans les luttes contre les datacenters. « La rhétorique de l’inéluctabilité normalise aussi divers types de risques, notamment économiques et technologiques : dès lors que l’avenir est perçu comme prédéterminé, des décisions commerciales risquées sont requalifiées en nécessités. Ce discours sur l’inéluctabilité offre ainsi une forme de clôture discursive susceptible d’accélérer l’avènement de certains futurs tout en empêchant d’autres de se concrétiser. » 

« La répétition de discours futuristes similaires au sein de nombreuses entreprises crée une apparence de cohérence », une forme d’alignement où tout le monde semble d’accord sur l’horizon à atteindre. L’inévitabilité crée un ensemble de conditions qui rendent l’IA trop importante pour échouer, et permet d’assurer du pouvoir au projet IA sur les marchés. La course entre les grandes puissances mondiales pour construire une intelligence artificielle générale (IAG) alimente ce discours sur l’inévitabilité, en dressant des parallèles avec la course au nucléaire ou la course à l’espace. Le discours selon lequel « l’IA est inévitable » perpétue ainsi un imaginaire sociotechnique qui mêle pouvoir étatique et pouvoir des entreprises à des récits partagés sur les promesses à venir. Ces discours séduisent notamment parce qu’ils suggèrent la nécessité d’un soutien matériel des gouvernements aux niveaux fédéral, étatique et local, tout en occultant les préoccupations susceptibles d’entraver la réalisation de ce bien prétendument indispensable. L’alliance de considérations géopolitiques et du discours sur « l’inévitabilité » contribue également à justifier des engagements politiques et économiques, tels que la persistance de l’antagonisme entre les États-Unis et la Chine, et les investissements stratégiques. Enfin, l’inévitabilité embarque également les usagers, et alimente le projet d’IA au lieu de le freiner. Elle renforce également l’influence des acteurs de l’IA, leur permettant de consolider leurs réseaux de pouvoir que ce soit l’affectation des capitaux, l’extraction des ressources comme la création des marchés.  

Le leurre de la disruption. L’innovation de rupture formalisée notamment par Clayton Christensen, est souvent perçue comme une célébration inconditionnelle de toute forme de perturbation du marché, considérée comme intrinsèquement constructive. Pourtant, la nature exacte de cette rupture et sa valeur est bien souvent loin d’être aussi évidente qu’annoncée. « Les dirigeants du secteur technologique célèbrent par exemple le bouleversement du marché du travail en promettant des entreprises plus efficaces, tout en exprimant publiquement leurs inquiétudes quant aux risques de pertes d’emplois massives. Ce faisant, ils confortent leur conviction que l’innovation doit être poursuivie sans égard à ses conséquences sociales. Mais tandis que les dirigeants du secteur technologique, les universitaires et les experts débattent de l’ampleur des pertes d’emplois dues à l’IA – et de la manière dont elle transformera plus largement le monde du travail -, ils occultent la manœuvre de rupture que cherchent à opérer les promoteurs du Projet d’IA ». Cette stratégie de diversion vise précisément cet objectif : présenter les perturbations locales comme une forme de normalité (naturalisant l’optimisation ou la recherche d’efficacité par exemple), tout en orchestrant des changements massifs dans la concentration du pouvoir à travers les secteurs industriels, voire au-delà des frontières nationales. 

En fait, le terme rupture revêt une importance culturelle considérable, estiment les chercheurs. L’essentiel des études démontrent pourtant que les nouvelles technologies ne bouleversent pas l’ordre social et les inégalités existantes : elles ont plutôt tendance à renforcer ou à consolider les intérêts établis. « En sociologie économique, rappellent les chercheurs, la notion de « rupture » (disruption) renvoie d’ailleurs à une configuration de marché où, tant les nouveaux entrants que les acteurs en place, saisissent les moments d’incertitude pour instaurer un ordre de marché favorisant leurs intérêts. Derrière, la disruption, il faut surtout lire une accumulation et une concentration de capital et de pouvoir autour de quelques entreprises phares de l’IA. » Et les acteurs qui oeuvrent à favoriser leur marché n’aiment rien de moins que la rupture quand elle vient s’en prendre à leurs intérêts, à l’image des barrières érigées à l’encontre de Deepseek venu défier leur concentration. Les grands acteurs de l’IA utilisent également le concept de « rupture » pour détourner l’attention de leurs efforts visant à réorganiser les entreprises et à capter les flux de capitaux à leur profit. « S’il est indéniable que l’introduction de l’IA modifie les tâches des travailleurs, il est tout aussi vrai que, dans de nombreux secteurs, les entreprises utilisent ce prétexte pour mener des restructurations classiques. Parallèlement, elles transfèrent des activités clés vers des pôles de main-d’œuvre à moindre coût, où des outils automatisés visent à accroître la productivité de travailleurs éloignés et difficiles à suivre. Invoquer le caractère « disruptif » de l’IA permet de justifier aussi bien des licenciements – obligeant les salariés restants à « faire plus avec moins » – que le transfert de pans entiers de la main-d’œuvre vers des environnements réglementaires différents, échappant aux statistiques fédérales sur l’emploi et au contrôle des pouvoirs publics. »

Là où l’IA est une rupture, c’est parce qu’elle permet bel et bien de requalifier la main d’œuvre, comme l’expliquait le sociologue américain Henry Braverman, en favorisant la concentration du pouvoir et en éloignant le travail dans les zones éloignées et peu réglementées… « Le projet de l’IA commande et dissimule un bouleversement infrastructurel profond touchant la circulation du capital, la réorganisation et la répartition du travail à l’échelle mondiale, ainsi que la concentration de ressources stratégiques (données, puces, centres de données) entre les mains d’un petit nombre d’acteurs puissants.» En invitant le public à débattre de la manière dont l’IA pourrait bouleverser le marché du travail ou des progrès qu’elle pourrait engendrer, ce leurre du bouleversement nous détourne de la nécessité de voir et de discuter des agissements des acteurs de l’IA à leur profit. 

Le leurre de la sécurité.Tant dans les milieux universitaires que dans le discours public, la sécurité de l’IA renvoie à la nécessité de garantir que les systèmes d’IA soient fiables, ne causent pas de dommages et soient conçus pour refléter des valeurs sociales plus larges. La critique du féminisme des données va plus loin en exigeant une réflexion sur la durabilité, le pouvoir et le pluralisme. Les communautés prônant une IA sûre et responsable mettent souvent l’accent sur des engagements tels que l’équité, la responsabilité et la transparence ; les développeurs de projets IA évoquent plus couramment l’alignement, une forme de sécurité intégrée à l’IA elle-même. Mais la question de la sécurité renvoie surtout à un discours existentiel sur l’arrivée inéluctable de l’intelligence artificielle générale qui menacerait l’humanité (voir notre article). Ces discours sur la super-intelligence et ses risques réduisent la sécurité à des menaces lointaines, « tout en occultant les conséquences de la reproduction du réseau de pouvoir propre au Projet IA ». D’une manière paradoxale, il favorise le projet IA, au prétexte que seules les meilleures entreprises sauraient atténuer ce danger. Ces orientations permettent en fait de cadrer le discours sur la sécurité, en le déconnectant des problèmes de sécurité plus immédiat ou des considérations éthiques plus adaptées. 

Ces orientations axées sur la sécurité sont déconnectées de considérations éthiques plus larges. En qualifiant l’IA de « technologie ordinaire », les informaticiens Arvind Narayanan et Sayash Kapoor soulignent comment la question de la superintelligence détourne l’attention des problèmes bien réels qui émergent à l’ère de l’IA. 

En fait, constatent les chercheurs, la notion de sécurité n’a cessé d’évoluer : d’un cadre porteur de sens, elle s’est transformée en une construction mêlant dimensions ontologiques, inéluctabilité et leurres réglementaires. « Les entreprises utilisent désormais le langage de la sécurité pour envoyer des messages différents à des communautés distinctes ». Les acteurs clés du secteur de l’IA exploitent l’ambiguïté de ce terme pour égarer les critiques préoccupés par les répercussions sociétales. Si ils affirment que celle-ci est leur priorité absolue, en vrai, ils poursuivent leur course, concevant et déployant des modèles et des outils dépourvus de garde-fous efficaces, « tout en cherchant à les aligner sur des valeurs et des normes contestables » : les leurs ! « Or, ce leurre de la sécurité ne constitue ni une conséquence ni une retombée fortuite du Projet de l’IA : il fait partie intégrante de la constitution des réseaux de connaissances et de capitaux nécessaires à son déploiement. Comme tout leurre, il détourne l’attention des enjeux réels tout en consolidant les réseaux de pouvoir indispensables à la pérennité et à l’expansion du Projet IA. En atténuant les inquiétudes du public à l’égard des entreprises d’IA, ce leurre favorise même l’émergence d’opportunités commerciales. » Le discours sur la sécurité renforce le Projet IA, limitant ainsi toute possibilité de se prémunir contre les conséquences de son adoption. 

Le leurre de la régulation. Depuis les années 90, les leaders du secteur technologique n’ont cessé d’affirmer que la régulation était l’ennemi de l’innovation, alors que leurs critiques soutenaient qu’elle était le seul moyen de responsabiliser l’industrie. Paradoxalement, nombre d’acteurs de l’IA semblent demander aux autorités d’élaborer des règles de régulation, à l’image de Sam Altman réclamant au Congrès américain de créer une agence gouvernementale dédiée. En fait, les dirigeants du secteur technologique ont compris que la régulation pouvait s’avérer stratégiquement avantageuse, « surtout s’ils disposaient d’une place à la table des décisions ». Leur but est bien plus de consolider leur position que de la menacer. Le managérialisme réglementaire des organismes de réglementation américains est facilement récupéré par les entreprises qui ont appris à s’adapter à des évolutions réglementaires qui ne les menacent jamais. Même l’IA Act européen, qui pense que les entreprises technologiques pourraient remédier aux préjudices complexes qu’elles mettent en place grâce à une meilleure conception de leurs produits sous la contrainte, se leurre, expliquaient déjà danah boyd et Maria Angel (voir notre article, la responsabilité ne suffit pas), alors que la faiblesse des mécanismes d’application du règlement sur l’IA conduit, dans de nombreux cas, à confier aux entreprises elles-mêmes l’évaluation des risques posés par leurs systèmes, renforçant de fait leur position dominante.

Or, « si l’IA semble nécessiter une régulation urgente à une époque où les structures de pouvoir de l’après-guerre sont sur le déclin, ce n’est pas parce que ses capacités techniques sont à l’origine de l’instabilité. C’est plutôt parce que le mot d’ordre de l’IA, rend possible et concrétise la reconfiguration mondiale en faveur des acteurs de l’IA et de leur pouvoir. » Le problème n’est pas de réguler chaque chatbot, chaque technologie, que l’influence totale du projet IA sur le monde. Pour les chercheurs, les travaux existants dans les domaines social et réglementaire « doivent s’orienter vers le cœur du problème : la financiarisation, les possibilités de restructuration des entreprises et les nouvelles formes de monopole, de création et de capture de marché. Si nous voulons exiger que les systèmes d’IA rendent des comptes sur les relations et les infrastructures de la vie sociale et publique, nous devons remettre en question les conditions de possibilité de la construction de ce puissant réseau. Parmi les actions pertinentes, on peut citer l’augmentation de l’impôt sur les plus-values, le renforcement de l’application du droit de la concurrence et la suppression des failles juridiques permettant aux investisseurs d’accumuler des richesses. »

Réguler l’économie plutôt que l’IA ?

« L’IA est devenue le vecteur de transformations sociales majeures, non pas parce qu’une technologie engendrerait des résultats inédits, mais plutôt parce que des acteurs du marché disposant d’importantes ressources financières saisissent cette occasion pour restructurer les opportunités et les infrastructures à leur propre avantage sous l’étiquette IA ». Ce ne sont pas les capacités de chatbots bavards qui permettent au projet IA de s’imposer comme un phénomène tangible, mais bien la construction d’un réseau de pouvoir recelant le potentiel d’un « impact immense et durable sur la société ». Si l’IA semble tout bouleverser à l’heure actuelle, c’est précisément parce qu’elle offre une « occasion de structuration » sans précédent des réseaux de pouvoirs et d’infrastructure. 

Pour les chercheurs, la transparence algorithmique par exemple n’est pas la composante la plus efficace, stable ou influente de ce projet qui mérite d’être encadré.  Que l’intelligence artificielle générale apparaisse ou non, ou que les robots prennent nos emplois ou non, nous devrons composer avec des conditions structurelles durables et les infrastructures résiduelles d’une course entre les grandes entreprises et les gouvernements pour reconstruire les rouages ​​du pouvoir à leur avantage. Même si notre attention se porte sur des enjeux moralement urgents (comme les biais algorithmiques ou l’influence délétère des chatbots sur les plus fragiles…), nous devons abandonner une approche centrée sur les correctifs, sur les détails techniques, pour passer à un contrôle sur le développement du réseau de pouvoir du projet IA dans son ensemble.

« Nous ne souhaitons pas dénigrer le travail important mené au sein de cette communauté sur les questions liées à l’IA et à la société », modèrent les chercheurs. « Notre crainte est que, justement lorsque nous pensons responsabiliser les entreprises d’IA, nous risquions de nous laisser berner par un leurre et de passer à côté de la véritable source de responsabilité. Il est de notre devoir de prendre du recul et d’analyser les mécanismes complexes de ces systèmes. La transparence des outils algorithmiques n’est pas synonyme de responsabilité lorsque l’objectif est de construire une infrastructure de gouvernance incontestable pour maintenir le pouvoir d’une élite. L’équité d’un résultat algorithmique ou d’un ensemble de données particulier importe peu dans un monde où certaines des inégalités les plus massives et persistantes depuis l’ère féodale sont perpétuées par un système d’influence antidémocratique. » 

Mais chercher des points d’entrée pour exiger des comptes ou de la transparence au sein d’un réseau se heurte à sa capacité caractéristique à changer de forme, au risque de rendre le point d’intervention aussi insaisissable que le réseau lui-même. Les grands PDG ne sont pas même la cible idéale d’une intervention, quand c’est dans les coulisses que se joue l’essentiel : lors d’accords conclus entre dirigeants, membres de conseils d’administration, sociétés de capital-risque, gestionnaires d’actifs, responsables politiques et financiers de Wall Street. Le pouvoir de décision est réparti au sein d’une élite en réseau, dotée de ses propres mécanismes de consolidation du pouvoir qui agit partout en fonction du retour sur investissement. 

« La constitution de réseaux visant la conquête de marchés s’accompagne également de formes inédites de métamorphose organisationnelle et sociotechnique. Les entreprises peuvent aisément déplacer des éléments tels que la main-d’œuvre, le capital, le financement, les données et les infrastructures vers d’autres parties du réseau afin d’échapper à toute surveillance », comme l’expliquait Fred Turner récemment, en expliquant que nous étions passé de l’idéologie californienne à l’idéologie texane, de la contre-culture au conservatisme. La capacité d’agir comme la responsabilité sont devenues plastiques et peuvent être très facilement redistribué à travers le réseau, passant d’un data center l’autre, d’un travailleur du clic asiatique à un autre africain… 

Les entreprises d’IA reproduisent des stratégies de métamorphose bien établies, utilisées par des géants influents comme Facebook ou Uber qui n’ont cessé d’échapper et de contourner les réglementations. Même la réglementation environnementale exige de caractériser les formes de contamination industrielle, que les entreprises cherchent à occulter en recourant à des techniques éprouvées consistant à semer le doute et à entretenir l’ignorance. Des ressources telles que les puces électroniques, l’accès aux centres de données ainsi que les données ou l’entraînement de modèles ne sont pas réglementées en tant que monnaies à proprement parler, alors qu’elles sont devenues des actifs dont les échange cimentent les partenariat entre un groupe restreint d’élites, formant un circuit socio-économique propre à l’IA. « La recherche de cette responsabilisation exige de nouveaux cadres d’analyse qui abordent directement la constitution du réseau et ses dérives. »

Mais l’avenir n’est pas inéluctable, rappellent les chercheurs. « Si le projet d’IA est extraordinairement puissant, son pouvoir dépend de l’adhésion continue du public et des institutions à ce projet. À cette fin, il est impératif de reconnaître quand et comment nous pouvons exercer notre pouvoir d’action en ces temps tendus, et de résister aux leurres trompeurs entretenus par les acteurs de l’IA pour façonner l’avenir selon leurs conditions. » Pour cela, les chercheurs invitent à réorienter l’analyse vers l’économie politique de l’IA et à prendre au sérieux le pouvoir politique que le Projet IA laisse présager. Ils invitent à orienter la recherche vers quatre cadres d’analyses : 

Les lieux matériels d’assemblage des réseaux. Le Projet d’IA exige de tisser d’importantes infrastructures en des alignements inédits et souvent instables, en composant de manière créative des relations et des modèles d’échange entre des acteurs hétérogènes. Il nous faut mieux comprendre ces assemblages, les associations que les entreprises tissent entre elles, les « fonctionnalités » inédites qu’elles lancent, les financements qu’elle obtiennent et mobilisent… Et examiner comment les mécanismes d’assemblage, d’acquisition de capitaux et de mise en œuvre limitent la transparence et la responsabilité.

Le financement comme action technopolitique. Des travaux récents à l’intersection de la sociologie économique et des études sociales des sciences et des techniques démontrent comment le travail technique est imbriqué dans les structures financières. C’est le cas notamment du travail de Benjamin Shestakofsky et son livre, Behind the startup: how venture capital shapes work, innovation, and inequality (university of California press, 2024 – voir aussi le travail de Marlène Benquet dont nous rendions compte). Il nous faut mieux comprendre les mécanismes de capture du marché et comprendre pourquoi une réglementation axée sur la technologie tend à négliger les arrangements économiques et politiques qui sous-tendent le projet IA. 

Des objets aux flux mondiaux. Nous ne devons pas considérer l’IA comme un objet, mais mieux nous concentrer sur les flux circulant entre les sites qui participent à l’agencement mondial de l’IA, comme le montrait l’anthropologue Anna Tsing dans Friction (La découverte, 2020). Nous devons mieux saisir l’infrastructuration, c’est-à-dire comment les connexions entre les nœuds sont concentrées, fragmentées et maintenues de manières spécifiques pour reproduire des rapports de force. Comment les flux de données, de personnes et de capitaux sont-ils facilités ou entravés ? 

Résister au solutionnisme social. Il nous faut enfin résister au solutionnisme tant technologique que juridique, disciplinaire. Ne saisir l’IA que sous l’angle informatique ou juridique par exemple ne nous aide pas à interroger le Projet IA dans sa globalité. « Aucun domaine pris isolément n’apportera la solution face au Projet IA ». Nous devons élaborer des approches bien plus transdisciplinaires, afin qu’elles soient capables d’interrompre les flux et les reconfigurations de réseaux sur lesquels repose le Projet de l’IA. 

La recherche critique « a consacré beaucoup de temps à disséquer les paramètres techniques, dans une volonté sincère de bâtir un avenir plus juste et plus équitable ». Se faisant, elle a été bien plus enrôlée dans le projet IA par des acteurs ayant un intérêt économique et politique direct à façonner l’avenir selon leurs propres termes. « Nous devons trouver d’autres modalités pour exercer la transparence, l’équité et la responsabilité que nous n’arrivons pas à obtenir ». Il est temps de changer de braquet… Et finalement, de finir de politiser la question technologique.

Meta has filed a patent for a system that records your voice and surroundings all day, then uses an AI to analyse your mood. The patent’s stated, theoretical goal is for Meta, a company that makes billions of dollars targeting ads at its users based on their data, is to sell users a wearable that tailors workouts for them based on whether they’re happy or sad. 

Patentlyze first noticed the patent which was published on July 2 after Meta filed it back in December of 2025. The filing described an “apparatus” that surveilled a user and their surroundings constantly to craft a better workout. “The audible communications may be associated with contextual factors such as time of day, location, user activity, or digital interaction,” the patent said. “The audible communications may be transcribed, and an emotional-state machine learning model may interpret verbal and nonverbal cues to determine emotional indicators.”

The co-founder of adult creator subscription platform MintStars announced she’s leaving the platform and donating her ownership shares in the company to its creators and sex workers. 

In an email to creators using the platform in late June, Jessica Van Meir wrote: "I am donating my shares in the company to create a 20 percent co-ownership pool for our creators." She wrote that her remaining three percent of the shares will be donated to SWOP Behind Bars, a non-profit that supports incarcerated sex workers and sex trafficking survivors in the U.S. 

“With this step, which completes my personal mission to launch a company for and by adult content creators, I will also be officially moving on from my position as a Director at MintStars,” Van Meir wrote in the email. Van Meir is a Harvard PhD candidate studying the sex workers’ rights movement in Latin America, and also co-founded the Boston Sex Workers and Allies Collective three years ago. Van Meir and Daniel Sargent co-founded MintStars in 2021; Sargent will remain at the company as CEO.

I am not sure, exactly, how many ChatGPT signs, flyers, or advertisements I had seen without noticing. But I do remember that once I began noticing them, I saw them everywhere. A few blocks from my house, on a display easel: “Break Free Surfing California: SURF LESSONS VENICE BEACH.” On Instagram, a going out of business closeout sale for a skateboard shop. On invites to parties from friends, Fourth of July barbecues being thrown by bars, concert posters. I saw ChatGPT-designed advertisements for drug deliveries in Berlin, World Cup parties in France, junk hauling services in South Carolina, and fundraisers in Texas. The scourge of low effort, stylistically indistinguishable AI-generated signs and flyers have flooded both social media and, increasingly, posters, billboards, and signs in real life: “So ain’t nobody gonna address this ChatGPT flyer pandemic we’re in?” one viral post on Threads read last month.

“YOUR FLYER LOOKS LIKE GARBAGE,” a viral ChatGPT-generated parody of the genre posted by Jill Oliver reads. “Hey if this is your flyer, I’m not going, I’m not donating, I’m not sharing. Don’t ask me.” The “ChatGPT flyer pandemic” has become a big topic of conversation among graphic designers, musicians, bars, and small business owners who care about design and showing that they’ve put effort into something.

Once you notice a ChatGPT flyer, you will see them everywhere if you keep your eyes open. The art of the format is basically big, flashy bright text on dark background and an AI-generated or AI-altered image. There is almost universally a little box of generic icons in a bulleted list vaguely tied to whatever event or business it’s advertising, lines coming off of the text to emphasize whatever it’s saying, and either bolded words or underlined text and tons of arrows and checkmarks haphazardly strewn throughout. It is easier to just show you what they look like than describe it, because they all look basically the same:

A software developer made a Chrome and Firefox extension called Knockoff that automatically hides, grays out, or filters products from sketchy brands on Amazon, which highlights just how many shady brands are on the platform and how commonly they show up on searches for basic items. 

In just a few minutes of using the extension, Knockoff dimmed product listings for screwdrivers made by “SUNHZMCKP,” spoons made by “SACATR,” and a lamp made by “ROTTOGOON.” In a tweet announcing the extension, developer Josh Pigford wrote “Sorry to brands like WNPETHOME, EHEYCIGA, YXYL, LU&MN, JOYIN, TOMY, GODONLIF, YOOJEE, LINGTENG, LANEIGE, VISCOO, BIODANCE, COOFANDY, BALENNZ, TOSY, and LUENX.” The extension can also hide all sponsored product listings. The extension quickly went viral as a much-needed filter for people who still use Amazon and, for those who don’t use Amazon because of its horrendous labor practices and other concerns, it is evidence of what an incredible wasteland the platform has become. 

In a video call, Pigford told me that he had been thinking about making Knockoff for a while but that he finally decided to do it last weekend. “I was cutting the grass and about to get my trimmer out to do some weed eating, and it wouldn’t crank. So I decided to get some specific tools, and I searched for them and was like ‘What are these brands? Am I going insane?’ I just wanted something from a common brand or something I was familiar with,” he said. “I was like ‘man, I’ve gotta build something.’”

Pigford said that Knockoff is essentially building a list of brands to allow or not allow, and that it uses several different criteria to do this, including looking at the names of the brands: “Basically number of consonants, number of vowels, how they are grouped together, whether they’re in all caps or not,” he said. This means that brands like “EHEYCIGA” will be automatically added to the filter list. But the list of blocked brands is intended to be determined by its community of users, and any user can ask the extension to allow or block any specific brand for themselves. The project builds on previous similar attempts to highlight sketchy brands on Amazon, including one called AmazonBrandFilter and The Markup’s Amazon Brand Detector. The extension also allows anyone who has downloaded it to report potentially sketchy brands and to report brands that have been accidentally flagged as knockoffs. 

The extension runs locally and doesn’t require an account to use, and doesn’t send data back to any server. It is free. “I stand to benefit nothing directly economically, it’s a nice little tool I wanted to make,” Pigford said.

Knockoff is pretty useful whether you use Amazon or not. For those who don’t use Amazon, it highlights a problem repeatedly shown by Joe Biden’s Federal Trade Commission in an antitrust lawsuit against the company, which is that much of Amazon is pay-to-play, with brands needing to buy ads or placement boosts in order to be featured at the top of search results. The platform has also become an algorithmic and financial race to the bottom, with companies stealing others’ designs, jamming their product pages with keywords that will perform well in search, and creating fly-by-night brands to try to end up at the top of search results.

“There was somebody who sent me a screenshot from using the extension and the first 20 items or something were all grayed out. Like there were all these knockoff brands before they could find a legitimate item,” Pigford said. “It’s like, OK, that about sums it up.” 

“I think people want control over what it is that they're seeing on the internet,” he added. “This sort of gives some control back to just getting everything shoved in your face. It’s like fighting back against the algorithm to some extent.”

This week, we talk about Jason's dive into the world of LARPing, where hustlebros and influencers use fake YouTube, OnlyFans, and Stripe dashboards as "proof" that they're rich in order to sell low-quality get-rich-quick courses in pyramid schemes. We show how easy it is to pretend like you're rich, and how these strategies are used all over social media.

Listen to the weekly podcast on Apple Podcasts, Spotify, or YouTube. Become a paid subscriber for access to this episode's bonus content and to power our journalism. If you become a paid subscriber, check your inbox for an email from our podcast host Transistor for a link to the subscribers-only version! You can also add that subscribers feed to your podcast app of choice and never miss an episode that way. The email should also contain the subscribers-only unlisted YouTube link for the extended video version too. It will also be in the show notes in your podcast player.

• How I Bought a Private Jet By Selling $10 Subscriptions to 404 Media
• Inside Cannes, the Advertising Industry’s Biggest Party

Derrière le grand récit de l’IA se cache une profonde transformation de la nature même des informations personnelles, explique le chercheur à Harvard, Ikenna Ogbogu, dans une série de concours d’essais organisée par le Berkman Klein Center for Internet & Society de l’Université Harvard et Tech Policy Press. « Plutôt que de simplement stocker des données, les modèles de langage apprennent des représentations statistiques latentes à partir de vastes quantités d’informations générées par l’humain, transformant ainsi les données en capacités d’inférence. Ces capacités permettent aux systèmes d’IA de générer des inférences sensibles sur les individus à partir d’informations qui n’ont jamais été explicitement divulguées. »

« Un modèle peut agréger les comportements d’achat, l’activité sur les réseaux sociaux et les schémas conversationnels pour prédire avec fiabilité l’état de santé mentale, l’affiliation politique ou le niveau de revenu d’une personne. Même si cette personne n’a jamais consenti à divulguer ces informations sensibles, une préoccupation plus fondamentale se pose : des données apparemment anodines concernant autrui peuvent être agrégées pour générer des inférences sensibles sur n’importe quel individu, d’une manière difficilement prévisible, contrôlable ou contestable. Ceci remet en question les cadres de protection de la vie privée classiques, fondés sur la collecte, le stockage, la diffusion et la gestion d’enregistrements distincts et identifiables pour chaque individu. » 

Si les atteintes à la vie privée découlent le plus souvent d’informations identifiables, cela risque de n’être plus le cas à l’avenir. L’inférence ne relève plus de données auxquelles les utilisateurs peuvent accéder, qu’ils peuvent corriger ou supprimer, « mais tiennent à la capacité d’un modèle à générer des inférences sensibles que les utilisateurs ne peuvent raisonnablement ni prévoir ni contrôler, les cadres actuels de la vie privée numérique commencent à s’effondrer ». La protection de la vie privée doit évoluer pour mieux encadrer les capacités d’inférence, explique le jeune chercheur (voir ce que nous disions nous-mêmes en nous inquiétant non seulement des inférences mais de leurs défaillances, car celles-ci ne sont pas toutes fiables, tant s’en faut : Inférences, comment les outils nous voient-ils ?). 

Aron West, pour la lettre Café IA, montrait récemment l’impossibilité à anonymiser un prompt en pointant notamment vers le travail (ainsi que le site dédié) de chercheurs de l’Ecole polytechnique fédérale de Zurich montrant la grande facilité des outils à réidentifier des individus ou leur localisation et à inférer des informations, comme le genre, le niveau culturel ou social, ou l’origine ethnique des individus depuis les questions et indications qui sont présentes dans des prompts. Une étude de 2024 avait déjà abouti à cette même conclusion en démontrant comment les modèles de langage modernes sont capables d’inférer avec précision des informations personnelles identifiables à partir de textes apparemment anodins, comme la possibilité de déduire la localisation exacte d’un individu à partir d’un simple message anodin, comme celui-ci : « il y a ce carrefour infernal sur mon trajet quotidien, je suis toujours coincé là-bas à attendre un virage à droite ». En utilisant bien d’autres éléments comme la langue, le style… et le fait que le terme « virage à droite » désigne une manœuvre de circulation courante dans la région de Melbourne que le modèle a intégré dans ses données…

« Les LLM posent un profond dilemme éthique, car les individus peuvent être profilés, catégorisés et ciblés à grande échelle sur la base d’informations sensibles qu’ils n’ont jamais eu l’intention de partager », souligne Ikenna Ogbogu. Dans Privacy in context (Stanford university Press, 2009), Helen Nissenbaum rappelait que la protection de la vie privée est régie par ses contextes et son intégrité. Par exemple, un patient peut légitimement divulguer des informations médicales à son médecin, mais pas à son employeur. De même, les informations partagées avec un conseiller financier sont généralement censées rester confidentielles dans le cadre de cette relation de conseil. Mais l’inférence perturbe ces deux types de normes. « S’il est approprié de partager des pensées et des expériences dans le cadre d’une discussion sur Reddit par exemple, les utilisateurs ne s’attendent généralement pas à divulguer des informations démographiques sensibles à quiconque capable d’analyser leurs publications. Ils ne s’attendent pas non plus à ce que leur publication contribue à l’entraînement d’un modèle capable de déduire leur niveau de revenu ou leur situation matrimoniale à partir d’interactions courantes sur le site web.»

« Le problème de fond n’est pas seulement la possibilité de déduire des informations sensibles, mais plutôt l’exploitation des interactions ordinaires pour développer des capacités d’inférence servant des fins très éloignées du contexte dans lequel l’information, aussi anodine soit-elle, a été initialement partagée. Ces capacités d’inférence érodent les contextes de formation des normes et des attentes en matière de confidentialité, exacerbant les inquiétudes persistantes quant au pouvoir des entreprises technologiques de profiler, prédire et influencer les comportements à des fins lucratives.»

Or, rappelle Ogbogu, les lois sur la protection de la vie privée estiment que les atteintes à la vie privée résultent de la collecte, du stockage, du transfert ou de la divulgation d’informations identifiables. Elles estiment également que les individus peuvent raisonnablement anticiper l’utilisation qui sera faite de leurs informations. Ce n’est plus le cas. Les lois sur la protection des données personnelles renforcent le contrôle des individus sur leurs informations personnelles. Or l’inférence n’agit pas sur la sécurité des données, mais dépendent des capacités des modèles d’IA et leurs déploiements. 

Les droits à la vie privée numérique, tels que l’accès, la rectification et la suppression, sont également mis à rude épreuve le déploiement de l’inférence. Ces droits présupposent que les informations peuvent être localisées, modifiées et supprimées. Or, avec l’IA, les informations sont distribuées à travers des représentations internes plutôt que stockées sous forme d’enregistrements distincts. Les capacités d’inférence, une fois développées, ne peuvent être annulées de manière fiable par la seule correction des données, ce qui rend les droits individuels a posteriori inadaptés au problème. 

« La législation actuelle sur la protection de la vie privée repose également largement sur des cadres de notification et de consentement qui présupposent que les individus peuvent évaluer de manière pertinente les risques associés au traitement des données. Cependant, les modèles de langage modernes développent des capacités d’inférence dont les applications futures peuvent même être inconnues de leurs concepteurs, rendant le consentement éclairé impossible à obtenir en pratique. » Comme l’observe le spécialiste de la protection de la vie privée Daniel Solove, la gouvernance de la vie privée fondée sur le consentement demande souvent aux individus de prendre des décisions dans des conditions de forte asymétrie d’information. Dans le contexte de l’IA générative, ces asymétries sont amplifiées car les risques les plus importants reposent sur des capacités et des usages difficiles à prévoir a priori.

Pour remédier à ces préjudices, il est nécessaire de dépasser une réglementation purement axée sur les données. Ikenna Ogbogu propose de réfléchir à plusieurs dispositions. « La législation sur la protection de la vie privée devrait élargir la définition des données couvertes afin d’y inclure les informations inférées et les attributs probabilistes dérivés des systèmes d’IA. Cependant, les données inférées ne représentent qu’une manifestation d’un problème plus vaste : les modèles de base développent des capacités permettant de générer des inférences sensibles à partir de représentations latentes, même lorsque ces inférences ne sont jamais stockées sous forme d’enregistrements distincts. Par conséquent, l’élargissement des données couvertes est une première étape nécessaire, mais insuffisante à elle seule.

Deuxièmement, les autorités de réglementation devraient adopter une approche de gouvernance fondée sur les capacités. Plutôt que de se concentrer exclusivement sur les informations stockées, la surveillance devrait évaluer les informations qu’un modèle est capable d’inférer. Les organisations déployant des modèles de base à grande échelle devraient être tenues d’auditer leurs systèmes afin de vérifier leur capacité à inférer des caractéristiques démographiques, financières, politiques, sanitaires ou comportementales sensibles à partir des interactions courantes des utilisateurs. De tels audits permettraient de mieux aligner la réglementation sur la protection de la vie privée sur les réalités du déploiement de modèles de base, où les préjudices découlent souvent des capacités plutôt que des enregistrements.

Troisièmement, les organisations déployant des systèmes d’IA devraient réaliser des évaluations d’impact publiques divulguant l’étendue de l’inférence d’attributs sensibles, le risque de résultats discriminatoires et le potentiel d’utilisation abusive des résultats du modèle. Plutôt que de simples exercices de conformité, ces évaluations devraient être contraignantes, soumises à un examen indépendant et intégrées tout au long du cycle de vie du développement et du déploiement des systèmes d’IA. Contrairement aux cadres de notification et de consentement qui font peser la responsabilité sur les individus, les audits de capacités et les évaluations d’impact rendus publics transfèrent la responsabilité aux organisations les mieux placées pour comprendre et atténuer ces risques. »

Pas sûr que ces propositions soient toutes valides, comme le montraient déjà Paul Bouchaud et Pedro Ramaciotti. La question de l’inférence, comme on le voyait dans notre exemple, repose aussi et beaucoup sur les capacités à croiser les modèles, les fonctions, dans des architectures explicitement prévues pour cela. Une autre réponse serait aussi de limiter certaines formes d’inférences, voire mieux, de les interdire ou d’interdire leurs usages à nombres d’acteurs. Mais la possibilité d’inférer tout ou n’importe quoi depuis les modèles d’IA pose effectivement des problèmes insolubles. Et le fait de mieux révéler ce qui est inféré, comme nous l’évoquions aussi, ne suffira pas à limiter l’exploitation. 

A Waymo in California allegedly called the cops on two teenagers for “drinking and shooting from the vehicle,” according to local police.

On Monday, the San Mateo Police Department posted on Facebook: “Parents do you know where your teens are? @waymo does!”

The police department continued in the post: “Two 15 year olds up to trouble in a Waymo this afternoon were detained after Waymo reported they were drinking and shooting from the vehicle. After calling us and stopping the car, we were able to safely remove both subjects and determined they were shooting Orbeez from the car as they sipped on afternoon libations while being chauffeured around town in the driverless vehicle.” 

Just one exposure to cocaine produces changes to the brains of mice that persist for at least two weeks, and perhaps longer, according to research that will be presented at the Federation of European Neuroscience Societies (FENS) Forum 2026 on Tuesday. 

The results suggest that cocaine, a popular drug used by an estimated 25 million people around the world, may rewire the genomes inside cells of the brain’s reward system, called dopaminergic neurons. The finding that could shed light on the mechanisms that drive addiction, and possibly inform treatments in humans.  

People can become hooked to cocaine the first time they try it, but it is far more common for addiction to set in on repeated exposures. Decades of research has identified many of the neurochemical pathways activated by cocaine, but much less is known about the disruptive impacts, also known as brain “insults,” on the genomes inside neurons. 

Pour Aeon, les sociologues Marion Fourcade et Kieran Healy, identifient un intéressant paradoxe, celui de l’authenticité. Dans leur livre, The Ordinal Society (Harvard University Press, 2024, voir notre critique), ils identifiaient déjà plusieurs paradoxes de la numérisation de nos sociétés, comme celui de la standardisation ou de l’individualisation. 

Dans la société ordinale (une société du score, comme le disaient déjà Daniele Citron et Frank Pasquale), rappellent-ils, tout est ordonné, classé, trié pour être apparié. « C’est grâce à leur capacité à observer, juger et gérer les individus dans différents contextes sociaux que les ordinateurs exercent leur influence la plus significative sur la société. Partout, la logique bureaucratique des organisations fusionne avec la logique calculatoire des machines. Partout les ordinateurs produisent des scores qui créent des différences, définissent des priorités, organisent les files d’attente et constituent une base d’action extrêmement utile et puissante. Ils instaurent l’ordre en catégorisant les personnes, les choses et les idées, puis en les associant entre elles, à des positions sociales, à des biens, des services et des prix. »

« Les schémas qui en résultent constituent ce que nous appelons structure sociale – une sorte de société ordinale où les données générées par ordinateur servent de repères pour nos choix. Dans le domaine économique, par exemple, ces méthodes contribuent à fixer les salaires et les horaires de travail. Elles calculent les loyers, le prix des assurances et déterminent l’admissibilité aux services sociaux. Elles facilitent de nouvelles formes de recherche de rente et accélèrent le développement de nouvelles classes d’actifs négociables sur les marchés financiers. Elles ont également modifié la relation entre les individus et les groupes qu’ils forment et auxquels ils appartiennent. Elles organisent la circulation de l’information, la distribution de l’influence sociale et les moyens de mobilisation politique. Notre capacité à tisser des liens sociaux significatifs et à agir collectivement s’en est trouvée profondément altérée. » L’ordonnancement algorithmique a une conséquence expliquent-ils : il transforme en retour notre perception de nous-même. Ce nouveau rapport semble libérer les personnes des affiliations sociales et les juger selon leurs qualités. « Il promet l’intégration aux exclus, la reconnaissance aux créatifs et une juste récompense aux entrepreneurs.» 

« Pourtant, cette promesse d’émancipation s’accomplit par des systèmes qui classent, trient et, surtout, hiérarchisent les individus avec une précision toujours plus grande et à une échelle auparavant inimaginable. L’ordre social qui en résulte est une sorte de paradoxe, caractérisé par des tensions constantes entre liberté individuelle et contrôle social, entre l’élan subjectif de l’authenticité intérieure et les forces objectives de la validation externe. Il donne naissance à une certaine manière d’être, à un nouveau type de soi, dont les expériences sont définies par la quête d’autonomie personnelle et l’attrait de la dépendance aux plateformes. » Derrière l’individualisation, la personnalisation du calcul, se cache en fait une catégorisation toujours plus élastique, granulaire. Comme nous le disions déjà il y a près de 10 ans, la personnalisation n’a rien de personnel : « les algorithmes ne cherchent pas à nous distinguer, mais à nous catégoriser. » Mais les effets de ces catégorisations, produites à la volée, inférées, recomposées ou profondes, sont bien réelles, tant d’un point de vue personnel que collectif. C’est ce que montrait par exemple la pertinente note de Melkom Boghossian pour la fondation Jean Jaurès quand il expliquait comment les algorithmes accentuent les clivages de genre. Mais, pour Marion Fourcade et Kieran Healy, les conséquences sont plus profondes encore, car ces catégorisations « exacerbent l’individualisme et la compétition interpersonnelle  à un point tel que notre capacité à tisser des liens sociaux significatifs et à agir collectivement s’en trouve profondément altérée ». Les sociologues parlent d’individualisme exacerbé. 

Polarisations identitaires

« Aux débuts d’Internet, être en ligne offrait certaines libertés. Non seulement l’anonymat ou le pseudonymat en ligne étaient courants, mais ils étaient célébrés comme une forme de libération. » Nous pouvions alors avoir plusieurs versions de nous-mêmes, plusieurs identités et naviguer dans leurs interstices, entre des profils qui ne communiquaient pas entre eux. « Vous bénéficiez d’une forme de confidentialité qui repose moins sur des protections juridiques explicites que sur les limitations techniques de systèmes connectés en théorie, mais non intégrés en pratique », votre profil de joueur ne communiquait pas avec votre profil sur tel ou tel forum. Un peu comme la séparation administrative, qui permettait aux Etats-Unis, aux immigrants sans papiers de payer leurs impôts en toute sécurité. « Cette séparation administrative délibérée permettait aux entreprises et aux gouvernements américains de tirer profit de la main-d’œuvre immigrée tout en créant un véritable sanctuaire où des millions de personnes pouvaient s’acquitter de leurs obligations fiscales (grâce à leur numéro d’identification fiscale individuel) sans craindre d’être expulsées. » 

Mais pour les sociologues, c’est là ce qui est en train de changer. Le Département de l’efficacité gouvernementale (Doge) a changé la donne et les informations fiscales sont désormais utilisées pour retrouver les sans-papiers. En fait, les espaces d’expression se réduisent quand d’innombrables agences utilisent les données des courtiers en données, ou quand les agences gouvernementales acquièrent le droit d’examiner les profils sur les réseaux sociaux. A mesure que les croisements de données sont rendues possibles entre institutions étatiques et privées, la surveillance devient non seulement omniprésente, mais surtout bien plus puissante. 

Mais plus encore que la possibilité d’identifiabilité, l’exploitation des profilages renvoie à chacun des questions sur son identité même. Qui sommes-nous vraiment ? Ne sommes-nous pas de plus en plus celle ou celui que nous renvoient l’exploitation de nos profils ? En exploitant notre soif de sociabilité et nos idéaux d’épanouissement personnel, les réseaux sociaux nous incitent à afficher nos convictions et à rallier des alliées pour les valider, dans une quête d’authenticité qui se retourne souvent contre ses auteurs. Dans un livre à paraître à l’automne sur les influenceurs (Gurus, Hucksters, Entertainers, Chicago university press, 2026), la sociologue Angèle Christin montre par exemple comment la nécessité de se distinguer peut conduire à la polarisation. « La dynamique des plateformes pousse les artistes du divertissement et les gourous à produire des contenus extrêmes et incendiaires pour maintenir l’engagement de l’audience, tandis que les marques et les spécialistes du marketing incitent les vendeurs à des prestations commerciales répétitives et convenues. Les inquiétudes concernant la manipulation algorithmique et les conflits entre créateurs engendrent par ailleurs des scandales nuisibles à la réputation, souvent marqués par le harcèlement. Angèle Christin révèle comment le travail sur ces plateformes favorise, de manière répétée et structurelle, la précarité et les inégalités, ainsi que les clashs destructeurs et la diffusion de contenus incendiaires en ligne. » 

Pour Fourcade et Healy, le piège de l’authenticité génère d’autres chausses-trappes encore. Ce que l’on y affiche devient la preuve de son identité. « Dans son ouvrage Ballad of the Bullet (Princeton university press, 2020), l’ethnographe Forrest Stuart a montré le décalage important entre les performances que les musiciens hip-hop de Chicago mettent en scène sur les réseaux sociaux et la réalité plus banale de leur vie. Les jeunes qui se donnent des airs de durs pour vendre leur musique sur YouTube risquent d’apprendre à leurs dépens que les forces de l’ordre et les juges ont tendance à interpréter ces signes au pied de la lettre, sans y voir les jeux de pouvoir et les affirmations identitaires dont ils surjouent. De même, le recours par l’administration Trump aux tatouages ​​comme preuve facilement mesurable et accessible d’appartenance à un gang transforme un marqueur souvent superficiel en un simple critère d’évaluation pour les expulsions. Dans un pays où le gouvernement s’arroge le droit d’instrumentaliser les opinions déclarées des citoyens dans les procédures d’immigration, l’effet est glaçant ». 

L’expressivité en ligne, renforcée par les contraintes algorithmiques, qui produisait des liens sociaux, s’apprête bien plus à générer des obstacles pour chacun d’entre nous.  

De l’authenticité à l’authentification

Les contenus génératifs viennent renforcer encore le phénomène en déstabilisant encore un peu plus l’authenticité, en floutant la distinction entre le vrai et le faux. « Tout cela a pour effet de déplacer l’accent de l’authenticité vers l’authentification, de la démonstration de la véracité de son identité vers la preuve de la véracité de son témoignage. La question n’est plus de savoir si les marqueurs d’identité sont authentiques (« Est-ce que ces données sont vraiment vous ? ») ni même sincère (« Qui êtes-vous vraiment ? »), mais si chaque élément de votre présence numérique est exempt de toute médiation artificielle (« Est-ce vraiment vous ? »). Ce nouveau régime d’authentification transforme les interactions, d’une série de performances à juger, en une succession d’actions à vérifier par des machines à chaque étape. Être légitime exige désormais d’être publiquement identifiable, authentique et, de plus en plus, pleinement authentifié. » 

« Ce qui a commencé comme une célébration de l’unicité individuelle, encourageant la production de preuves numériques, évolue vers un système de vérification complexe qui considère toute trace comme potentiellement suspecte. » Avec la circulation de fausses versions de nous-mêmes, nous risquons de nous retrouver pris dans un cycle sans fin de démonstration et de défense de notre existence, nous soumettant toujours davantage à un mécanisme de scepticisme institutionnalisé, venant renforcer (s’il en était besoin) la conviction administrative que chacun est coupable, fraudeur, bonimenteur… L’image que l’on donne de soi est à la fois perçue comme la réalité et comme un mensonge, nécessitant d’être toujours interrogée pour être utilisée à son encontre.  

De l’individualisation du savoir à la construction de croyances

« Ces crises politiques et techniques de l’authentification dépassent largement le cadre de l’individu. Avec l’avènement d’internet, le savoir s’est considérablement étendu et diversifié. Mais il est aussi devenu plus personnalisé et plus étriqué, car les internautes interagissent avec le web en s’appuyant sur leurs convictions personnelles et leurs conceptions de la réalité, et en les développant. L’arrivée de l’IA générative aggrave peut-être ce défi épistémique : quand tout doit être authentifié, mais que les contrefaçons sont de plus en plus sophistiquées, comment être sûr de quoi que ce soit ? » 

Nous vivons à l’ère de la désintermédiation du savoir. En un clic, nous pouvons consulter des documents juridiques originaux, télécharger de vastes ensembles de données, bénéficier de l’aide d’un assistant IA pour écrire le code nécessaire à leur analyse et rédiger rapidement les résultats. « Il ne faut pas sous-estimer à quel point cette transformation a été stupéfiante et incroyablement enrichissante à bien des égards. Malgré ses problèmes, si l’on demandait à un chercheur s’il reviendrait à un monde entièrement pré-numérique et pré-réseau pour le partage des connaissances, la communication académique et l’accès aux données, la réponse serait massivement « non ». Mais cette transformation du quotidien professionnel s’accompagne d’autre chose. La propension à la recherche est devenue, sans qu’on s’en rende compte, une seconde nature. » Aujourd’hui, « faire ses propres recherches » est plus qu’une simple habitude chez les universitaires. C’est un impératif moral, un devoir civique et, un peu comme être un bon conducteur, une compétence que chacun s’imagine posséder. Les individus capables d’explorer le réseau et d’interroger les bases de données de modèles de langage à grande échelle (LLM), et qui ont la confiance en eux et les moyens de diffuser leurs découvertes, tendent à devenir une source d’opinion faisant autorité. Du moins, c’est ainsi qu’ils le perçoivent. On comprend dès lors pourquoi les connaissances ainsi produites sont souvent si chargées d’émotion. Plus on s’investit dans la recherche et le développement de sa propre compréhension, plus cette quête de savoir prend de l’ampleur. »

« Le savoir se transforme en une forme de révélation personnelle, où chacun est à la fois celui qui cherche et celui qui interprète sa propre vérité ». « Ce qui a commencé comme un exercice de raisonnement autonome devient une question de croyance – une croyance défendue avec d’autant plus de ferveur qu’elle semble avoir été découverte par soi-même plutôt qu’imposée de l’extérieur. » Le problème est que cette quête individualisée de sens renforce la polarisation. « L’idée même de parvenir à un consensus largement partagé sur les faits semble de plus en plus hors de portée ». « En conséquence, les hiérarchies traditionnelles du savoir et les sources d’expertise sont contournées au profit de recherches algorithmiques autoguidées, qui génèrent une réponse précisément pertinente à une requête ou à une consigne, qu’il s’agisse d’une liste de liens ou d’un paragraphe de synthèse. Dans le meilleur des cas, cette pratique tend vers une forme d’idéal démocratique cher à John Dewey : elle semble revitaliser la production de savoir en tant qu’entreprise participative, animée par un esprit démocratique d’enquête ouverte et de recherche collective de la vérité. »… Tout en demeurant très individualisée et individualisante. C’est ce qu’espéraient beaucoup d’observateurs aux débuts du World Wide Web, y compris lors des premières vagues des réseaux sociaux, des blogs jusqu’à Twitter. Toutefois, dans le pire des cas, la diffusion du savoir finit par transiter par des plateformes qui personnalisent les résultats à grande échelle et favorisent l’engagement envers des contenus extrêmes ou trompeurs, car le sensationnalisme et la complaisance sont les moteurs des revenus publicitaires. 

Lorsque, en 2023, le gouvernement canadien a exigé des entreprises du numérique qu’elles rémunèrent les médias pour les liens renvoyant vers des actualités publiées sur leurs plateformes, Meta a tout simplement bloqué ces liens sur Facebook et Instagram. Le vide informationnel qui en a résulté a été rapidement comblé par des contenus non vérifiés et orientés à droite, ce qui a contribué à soutenir le candidat local de mouvance trumpiste. « Nous sommes désormais submergés d’exemples de plateformes technologiques usant de leur puissance de marché pour modeler les écosystèmes de l’information selon leurs impératifs commerciaux, au mépris des conséquences sociétales ». Google a révolutionné la recherche en traitant, de fait, les pages web comme un vaste réseau de réputation. L’autorité relative des sites était déterminée par une multitude de décisions indépendantes : celle de créer ou non un lien vers eux. Cependant, la volonté d’adapter les résultats aux préférences individuelles a été de plus en plus dictée par l’efficacité des titres accrocheurs (clickbait) ou du placement publicitaire. Il en a résulté une fragmentation des connaissances accessibles au public, désormais produites pour faciliter la manipulation du marché en confortant des croyances préexistantes. Si la perception de la recherche en ligne comme une forme de pensée critique et active a perduré, il peut s’avérer difficile, pour certains, de trouver des informations fiables. Cette situation rend d’autant plus ardue la construction d’une réalité partagée. Et l’idée même de parvenir à un consensus largement partagé sur les faits – quelle que soit leur teneur – semble s’éloigner toujours davantage. 

L’illusion de l’individu souverain : une identité centrée sur le soi

« C’est dans ces gouffres de la connaissance que se façonne le sentiment d’une identité centrée sur le « soi » nourri par la conviction que l’individu est l’unique source véritable de sa propre illumination ». La conjonction d’un égocentrisme épistémologique et de l’hyperconnectivité rend les individus perméables à des formes diffuses de construction de « super-sens » (pour reprendre une expression de Hannah Arendt). « En quête d’une vérité porteuse de sens, ils traquent des indices significatifs disséminés sur Internet, s’appuyant sur des algorithmes commerciaux et des systèmes de recommandation pour assembler des bribes d’information disparates en une vision du monde cohérente. Ce qui commence souvent comme une quête existentielle ludique peut aisément se cristalliser en croyances déformant la réalité » ; celles-ci prospèrent en favorisant l’émergence de nouveaux types sociaux et de regroupements politiquement influents. À son apogée, le mouvement QAnon a illustré l’interaction entre cette disposition à la quête de sens, les médiations numériques et le ciblage à but lucratif. Ses membres se percevaient comme des esprits critiques, seuls capables de mettre au jour des vérités cachées et de décrypter des indices complexes. Ils rejetaient avec véhémence l’idée d’appartenir à une secte, arguant – comme l’a expliqué l’un d’eux au chercheur Peter Forberg – qu’« aucune secte ne vous incite à penser par vous-même ». 

Le risque est fort que les grands modèles de langages (LLM) ne puissent résoudre le problème de la fiabilité des connaissances au sein d’une sphère publique fragmentée. « Tout comme les impératifs commerciaux ont engendré des contenus fallacieux et des bulles de filtres, les LLM seront probablement soumis aux mêmes pressions dans un contexte de rendement décroissant ». Les entreprises qui les entraînent ayant un besoin impérieux de rentabilité, les logiques commerciales classiques – telles que la personnalisation et la segmentation des services – risquent fort de s’imposer à nouveau, donnant lieu à des univers épistémiques sur mesure, générés par des modèles adaptés aux goûts et aux capacités financières de publics distincts. 

« En tant qu’individu, notre plus grande crainte culturelle est d’être englouti par la société de masse, tout comme votre plus grande crainte politique est celle d’une surveillance exercée par un État autoritaire ». Ces peurs sont toujours bien présentes. Toutefois, dans un monde saturé de catégories et d’identités, de nouveaux dilemmes surgissent, estiment les chercheurs.« Sur le plan individuel, tout – comportements publics, déclarations, mesures chiffrées – peut potentiellement devenir un facteur de différenciation et, par conséquent, une source d’identité. Du côté des organisations, les données générées par les utilisateurs conduisent à les regrouper ou à les segmenter selon des modalités de plus en plus spécifiques, éphémères et souvent incompréhensibles. Plus les classifications sociales (ou pseudo-sociales) se font précises, plus les occasions de distinctions et de jugements moraux se multiplient. La principale victime de cette évolution est la possibilité de nouer des alliances politiques stables et de grande envergure. Plus les citoyens sont traités individuellement comme des cibles d’interventions commerciales, plus la vie politique se fragmente. »

« Les méthodes traditionnelles de ciblage électoral partaient d’un message politique pour rechercher les individus susceptibles d’y adhérer. L’essor du big data inverse cette logique : on part des dispositions culturelles de l’électorat pour élaborer, en partant de la base, des messages qui résonnent avec ces attentes. »

Fourcade et Healy rappellent d’ailleurs que bien avant Cambridge Analytica, le Mouvement 5 étoiles (M5S) italien a sans doute été le pionnier de cette approche politique fondée sur les données, comme le raconte Giuliano da Empoli dans Les ingénieurs du chaos (2019). Tout a commencé en 2005, lorsque Gianroberto Casaleggio, spécialiste du marketing numérique féru de démocratie directe, a recruté l’humoriste et satiriste populaire Beppe Grillo pour lancer un blog éponyme, destiné à partager avec le public sa désillusion et son indignation politiques. Ce blog encourageait la participation citoyenne, permettant ainsi à Casaleggio – auquel a succédé son fils Davide après son décès en 2016 – de repérer les griefs et les propositions suscitant le plus d’écho grâce aux « j’aime », aux commentaires et aux retours des utilisateurs, tout en testant, adaptant et affinant le discours politique de Grillo. Il en a résulté la naissance du premier « parti algorithmique », dont l’idéologie chaotique a été façonnée à partir des enseignements tirés des données. Très vite, le peuple du blog a été invité à descendre dans la rue, soutenu par l’infrastructure des réseaux sociaux d’un autre outil numérique : l’application Meetup. En 2018, le M5S est devenu le premier parti d’Italie, contribuant à former un gouvernement de coalition de courte durée. Un petit groupe d’hommes ultra-riches a repris le contrôle de l’État en s’adressant directement aux masses. 

Les campagnes politiques modernes ont fait évoluer cette approche vers une forme plus sophistiquée et, sans doute, plus manipulatrice encore, soulignent les chercheurs. Les données issues des réseaux sociaux – concernant les pratiques culturelles, les émotions et les dispositions d’esprit sur une vaste gamme de sujets – permettent d’élaborer de nouveaux récits et de nouvelles esthétiques, de remodeler l’environnement informationnel et les liens sociaux des individus, et de susciter leur vote à des moments stratégiques. « L’objectif politique visé est généralement atteint grâce à une « architecture de persuasion » élaborée, reposant sur des messages personnalisés et une exposition répétée. Par exemple, les algorithmes publicitaires identifient des schémas d’actions efficaces (dons, « j’aime », achats, partages) et ciblent des utilisateurs similaires susceptibles de reproduire ces comportements ». Chaque itération exploite des données de réponse en temps réel pour dresser une cartographie toujours plus fine des cibles manipulables. « La mobilisation politique est, de fait, régie de manière cybernétique par des algorithmes. Sa logique opérationnelle émerge de constellations de variables difficiles à appréhender dans leur ensemble, conférant aux formations politiques qui en résultent un caractère émergent et ad hoc, relativement indépendant des instances de médiation traditionnelles telles que les partis politiques et les mouvements sociaux. L’affaiblissement de ces structures conventionnelles et la possibilité de personnaliser les messages politiques engendrent également des formes de domination sociale hautement individualisées. Les dirigeants populistes prospèrent grâce à l’idée qu’ils entretiennent un lien direct avec le public – bien que ce lien soit souvent entretenu par tout un écosystème, une « boucle de rétroaction de propagande » soigneusement élaborée. Les propriétaires de réseaux sociaux peuvent même imposer ce lien aux utilisateurs par le biais de manipulations algorithmiques servant leurs propres intérêts, comme l’auraient fait Elon Musk et Donald Trump sur leurs plateformes respectives. Grisés par l’idéal de l’« individu souverain », affranchi des frontières nationales, des normes sociales ou de la loi, quelques hommes ultra-riches ont réussi à reconquérir le pouvoir sur l’État et les élites traditionnelles en faisant appel directement aux masses et à la liberté du marché. » 

Trump lui-même semble s’être transformé en simple token, offrant son propre statut et sa réputation comme une opportunité d’investissement à ses abonnés enthousiastes… ironisent les chercheurs. Mais en réalité, pour la plupart d’entre nous, l’économie numérique exige de nous de travailler plus dur, même pour en tirer une célébrité rapide et en tirer profit. Les règles du jeu sont biaisées puisque nul ne maîtrise les catégories qui le propulsent ou l’invisibilisent, et l’argent, le temps et le capital social jouent un rôle majeur pour propulser certains individus au-dessus des autres. L’économie numérique repose de plus en plus sur la capacité à accéder et à payer des « accélérateurs algorithmiques » (publicité, comptes certifiés, cercle relationnel de personnes déjà visibles, affaiblissement des contenus pour booster leur viralité, usage des bots). L’essor du « personal branding » (la mise en scène de soi) témoigne en partie d’un désespoir, d’un écran de fumée idéologique masquant une réalité sociale bien plus sombre sur le terrain. 

« Alors que le déploiement des technologies numériques continue de générer des concentrations de richesse toujours plus stratosphériques, les masses s’enfoncent davantage dans le vide laissé par le démantèlement de la solidarité sociale et la montée de l’automatisation. Ce que l’on oublie souvent au sujet des « individus souverains », c’est que tout le monde ne peut pas en devenir un. »

A police officer speeds 70 MPH down a two-lane highway running over a bridge in the Florida Keys. He passes a dump truck in a no-passing zone, then immediately does it again, crossing over a double-yellow line to pass another truck. He passes a third vehicle, nearly causing a head-on collision with a white pickup truck that veers away from him in the oncoming traffic. The cop keeps driving, and sees the SUV he’s been in pursuit of. He flicks his sirens and lights on and pulls it over. 

The cop, Lamar Roman, wasn’t trying to pull over a suspected criminal. He was tracking and chasing a woman that he met and harassed on the set of the AppleTV+ show Bad Monkey, which he had worked a security detail shift on a few weeks prior to pulling her over. After meeting the woman, catcalling her and harassing her for her full name and Instagram details, the cop illegally looked up her vehicle information on DAVID, a Florida Department of Motor Vehicles database for law enforcement. He then put her license plate details on a surveillance “hotlist,” meaning he would get a notification in real time anytime she drove by an AI-powered license plate surveillance camera. 

Roman told investigators that he saw the woman as a “shiny thing” and knew that using surveillance tools to track her was illegal, according to police records. He told investigators that “I knew that when I put [her into DAVID], I’m like ‘fuck’ and that’s why I stopped right after and nothing else.” But that wasn’t the end of it; he investigated the woman then used a powerful license plate tracking database to find her location and chase her down. In doing so, he also “almost cause[d] a head on collision while passing as a white truck traveling northbound had to veer off the roadway to avoid a collision.”

The shocking and egregious incident highlights the fact that police around the country have abused their access to surveillance tools for their own personal stalking projects, and shows how different law enforcement databases and surveillance tools can be tied together to investigate and follow anyone. 

Dans le New York Times, l’historien canadien Quinn Slobodian et l’essayiste militant Ben Tarnoff qui ont fait paraître Muskism : A Guide for the Perplexed (Harper Collins, 2026 non traduit, mais le livre est annoncé au Seuil pour début 2027) discutent de l’impact d’Elon Musk sur la société. Pour eux le muskisme n’est pas tant un fascisme que l’équivalent contemporain du fordisme, un mode d’organisation et de développement d’entreprise… mais qui n’agit plus seulement sur l’entreprise, mais sur toute la société (c’était le cas du fordisme aussi d’ailleurs). Reste que quand Ford proposait son modèle de développement, celui-ci venait avec un contrat pro-social parce qu’il payait bien ses ouvriers et souhaitait qu’ils puissent s’offrir ce qu’ils produisaient (tout en promouvant un ouvrier plus discipliné, comme le rappellent d’ailleurs Slobodian et Tarnoff dans un article pour le LPE Project). Toute la question est donc de savoir quel avenir Musk propose-t-il à l’humanité ? 

Musk, une souveraineté à son profit

Pour Tarnoff et Slobodian, Musk est l’un des grands défenseurs de « l’autonomie électrique ». C’est-à-dire qu’il défend l’idée que les énergies renouvelables peuvent renforcer l’autosuffisance d’un pays. C’est ainsi qu’il a positionné Tesla, qui n’est pas seulement un producteur de véhicules autonomes, mais d’abord un fournisseur de batteries. Trump aussi, à sa manière, est un fervent défenseur de l’autonomie électrique. Ses actions offensives en Iran ou au Venezuela, ses politiques tarifaires imprévisibles, le démantèlement des normes et institutions qui stabilisaient le système mondial sous l’égide américaine, incitent le pays à investir dans l’autonomie électrique. Des mesures qui pourraient accélérer la démondialisation amorcée au moins depuis la pandémie, les pays percevant de plus en plus l’intégration mondiale comme une source de risques et privilégiant l’autosuffisance et la résilience (même si cette démondialisation n’en est peut-être pas une, l’enjeu étant certainement plus d’étendre l’impérialisme de la tech…, la souveraineté visant peut-être bien plus le renforcement de la logique impériale que son abandon, comme le rappelle pertinemment la journaliste Célia Izoard en introduction du livre Anatomie d’une puce, Le monde à l’envers, 2026). 

Pour Musk, « l’usine est une enclave, un refuge face à l’instabilité d’un monde hostile », rappelle Tarnoff. La souveraineté énergétique de Musk s’étend sous la forme d’une souveraineté stratégique que l’IA accomplit. « L’introduction de nouveaux produits de la Silicon Valley, de Claude à Maven ou Palantir dans les opérations militaires ou ceux promus par le Doge dans le champ fédéral, montrent qu’ils sont bien plus une réussite qu’un échec ». Ils ne sont peut-être pas une réussite sur le fond, mais ils le sont sur la forme : « ils rendent le gouvernement dépendant d’une nouvelle suite d’outils d’IA pour exercer ses fonctions étatiques fondamentales », explique Slobodian. Musk défend ce que les auteurs appellent la « souveraineté en tant que service », une symbiose, une fusion du pouvoir public et du pouvoir privé. 

Pour Slobodian et Tarnoff, malgré ses déclarations, Musk ne serait pas libertarien. « Plutôt que de chercher à supplanter l’État, les grands acteurs de l’IA souhaitent surtout fusionner avec lui ». C’est notamment le cas de Space X, né en 2002 comme sous-traitant pour le Pentagon à une époque où le secrétaire à la Défense, Donald Rumsfeld souhaitait une nouvelle approche militaire pour gagner la guerre contre le terrorisme. En 2024, SpaceX contrôlait plus de 95 % des lancements orbitaux américains. Musk est devenu de facto le garant de l’accès à l’orbite pour le gouvernement américain. Ce constat est encore plus flagrant pour Starlink, la branche satellitaire de SpaceX qui tente de prendre le contrôle, par la masse, sur les communications orbitales. L’intégration récente et totale de toutes ses entités (X qui a fusionné avec xAI, qui a fusionné avec SpaceX qui vient d’entrer en bourse en 2026 en incarnant le niveau le plus totalement déconnecté du marché qui soit, comme l’explique FakeTech), montrent que pour Musk, matériel, logiciel et idéologies se renforcent mutuellement. Pour lui, il y a peu de différence entre les matériaux de son empire et les moyens pour propager ses idées. 

Si Tesla pourrait sembler le miroir de Ford, le passage du roadster au Cybertruck illustre la transition d’un avenir radieux de consommation carbone sans limite à un avenir sombre marqué par le dérèglement climatique et le survivalisme. « Dans sa forme la plus aboutie, le muskisme exploite un désir de protection territoriale face aux chocs extérieurs, aux ennemis et aux indésirables. Dans un monde de relocalisation et de réarmement, le muskisme offre une infrastructure mondiale pour les projets nationaux », expliquent les deux chercheurs. 

« Les sociologues décrivent généralement le fordisme non seulement comme un mode d’organisation de l’usine, mais aussi comme un mode d’organisation de la société en dehors de l’usine. En simplifiant, on peut le décrire comme une production de masse et consommation de masse. Les nouvelles technologies et les nouvelles techniques, telles que celles mises au point par Henry Ford dans les années 1910, comme la chaîne de montage mobile, ont permis aux industriels de produire des biens à une échelle inédite. Mais, tout aussi important, les ouvriers pouvaient se permettre d’acheter ces biens grâce à une relative sécurité de l’emploi et à un salaire décent, garantis par les institutions de la négociation collective et l’État-providence. Dans les années 1970, le fordisme a commencé à s’effriter, laissant place à ce que l’on appelle généralement le « post-fordisme ». Le post-fordisme est associé aux nouvelles pratiques de production agiles développées au Japon, à l’externalisation et à la délocalisation, à la mondialisation des marchés, au déclin des syndicats, à l’essor de la finance et à l’affaiblissement de l’État-providence », rappelle Tarnoff. Pour Slobodian, les entreprises de Musk suivent le modèle d’intégration verticale de Ford. Les activités de production sont intégrées, contrairement au modèle d’Apple (conçu en Californie, assemblé en Chine). Musk acte d’un monde de relocalisation et de réarmement, il parie sur la déglobalisation de l’impérialisme, mais pas sur la fin de l’impérialisme.

Le contrat de fans, un contrat social… pour la guerre sociale

Le fordisme n’était pas uniquement, ni même principalement, un modèle de production industrielle, mais également un contrat social qui assurait de la participation active des populations à la production et à la consommation industrielle… Le muskisme, lui, ne propose qu’un « contrat de fans » à des investisseurs et quelques fidèles. A l’image de la coche bleue de X, devenue un symbole de dévotion, récompensée par une meilleure visibilité des publications de ses fans et clients grâce à l’algorithme. 

Pourtant, avec l’échec du Doge, Musk a montré qu’il a été incapable de convaincre le reste de la société que sa réussite profitera également à tous. Depuis il a fini d’embrasser le pire fascisme. Ses publications quotidiennes sont inondées d’hystéries sur le déclin démographique blanc et le tsunami étranger. Musk ne propose aucune prospérité partagée : seulement de la violence. « Le contrat de fans pour ceux qui vivent à l’intérieur des murs d’un Occident fortifié, et l’expulsion pour ceux considérés comme illégitimes. Après le déclin des modèles d’industrialisme fordiste et de sous-traitance et mondialisation post-fordistes, le muskisme offre la perspective d’une communauté purifiée de survivants. » Mais là encore, Musk peine à élargir ses soutiens. Ses alliances avec les partis d’extrême droite en Europe restent tendus, personne ne souhaitant donner l’impression que leur souverainisme est compatible avec l’ingérence américaine. Et elle a été contestée également par la mobilisation populaire à l’encontre de l’ICE aux Etats-Unis.

Comme l’expliquent Slobodian et TArnoff pour le LPE project : « Musk et ses pairs ont la chance d’évoluer à une époque où aucun acteur structurel n’est en mesure de contester leur domination. La classe ouvrière a pratiquement cessé d’exister en tant que force organisée. En l’absence de pression venant de la base, les partis politiques eux-mêmes n’opposent aucune résistance significative au muskisme. La situation engendre un paradoxe. D’un côté, la vie des capitalistes est facilitée lorsqu’ils peuvent intensifier l’exploitation de leurs travailleurs et acheter de l’influence politique sans rencontrer d’opposition majeure. Mais cela signifie aussi qu’ils ne sont nullement incités à réfréner leurs pulsions les plus antisociales ni à prendre en compte les conséquences à long terme de leurs actes. 

Le muskisme illustre parfaitement cette tendance : alors que le fordisme et le post-fordisme étaient tous deux organisés, selon des modalités différentes, pour garantir la paix sociale, le muskisme s’inscrit dans une logique de guerre sociale. La fragilité relative du mode de régulation muskiste est révélatrice : l’antagoniste ouvrier est si affaibli, et la guerre sociale si asymétrique, qu’il n’est plus nécessaire de conclure une paix négociée. Pour l’heure, la stratégie semble porter ses fruits. Musk, déjà l’homme le plus riche du monde, devrait devenir le premier « trillionnaire ».

Toutefois, un capitalisme sans contraintes n’est pas toujours bénéfique pour les capitalistes eux-mêmes. Tout au long de son histoire, le capitalisme a sans cesse transformé la nature et la société, engendrant des bouleversements considérables. Or, les entreprises ont également besoin d’un environnement politique ordonné et prévisible pour mener leurs activités. Un enseignement majeur de l’école de la régulation est que la résistance de la classe ouvrière a, paradoxalement, contribué à stabiliser le processus d’accumulation en imposant la création d’un tel environnement. En l’absence de contrepartie capable d’arracher des concessions, les capitalistes risquent de générer un tel chaos qu’ils finissent par compromettre leur propre capacité d’accumulation. Si le « muskisme » représente le triomphe de la domination de classe, ce triomphe pourrait bien finir par se dévorer lui-même. »

C’est la grande faiblesse du muskisme, estime Tarnoff. Mais, « si comme Musk et les grands patrons de la Silicon Valley, vous pensez que « l’intelligence artificielle générale est imminente, alors vous croyez que, dans un avenir très proche, la plupart des gens se retrouveront au chômage. Ils seront considérés comme une composante de la société et n’auront plus la possibilité d’influencer son cours. Dans ce cas, leur consentement n’est plus nécessaire. » 

Les entrepreneurs de la Tech, comme Musk, ne croient même pas à une perspective de révolte populaire, estiment les deux chercheurs (selon les estimations, le One Big Beautiful Bill Act de Trump prévoit que 10 millions d’Américains vont perdre leur couverture santé… ce qui risque d’ouvrir un nouvel espace de colère sociale). D’ailleurs, ces gens ne conçoivent pas la politique comme avant. Musk dépense des millions de dollars dans les élections américaines et soutient nombre de politiciens nationalistes et souverainistes. Pour eux, la politique n’est pas un enjeu de délibération, de persuasion, de compromis, mais uniquement une question de programmation où la vérité n’est que d’un côté. 

« Autre point commun entre Musk et Ford : la concentration impressionnante de leur fortune dans leurs propres entreprises. Pour Musk, si Tesla et SpaceX disparaissent, il disparaît avec elles. C’est sans doute l’une des motivations qui le poussent à agir. » « En multipliant les promesses toujours plus grandes – la colonisation de Mars, 10 milliards de robots humanoïdes à des centres de données dans l’espace… –, Musk ne cesse d’aller de l’avant. Cette dynamique est une condition sine qua non de son fantasme financier. En ce sens, sa vulnérabilité réside dans sa dépendance à l’égard du « nous » – c’est-à-dire les consommateurs du monde entier et, plus important encore, les investisseurs institutionnels – qui doivent continuer à croire en sa vision du futur. » D’où l’importance à la renouveler sans arrêt, à promettre et promettre sans fin, même si ce sont les mêmes promesses qu’il y a 10 ans.

Même constat pour Henry Farrell, à la lecture du livre. « La mythologie du futur (que déroule Musk) qui est en réalité une promesse convertible en capital financier et politique dès aujourd’hui. » Pour Farrell cependant, le Muskisme est plus fragile qu’il n’y paraît. « De toute évidence, nombre de pays peuvent percevoir les infrastructures de Musk comme dangereuses, craignant qu’elles ne soient utilisées contre eux. » « Le Muskisme repose sur une idéologie qui semble actuellement à son apogée. L’introduction en bourse de SpaceX marque l’apogée d’une inflation expansionniste colossale, propre à un univers totalement imaginaire. À ma connaissance, personne ne croit réellement que SpaceX va conquérir son « marché potentiel total » d’environ 23 000 milliards de dollars, qui, comme le souligne Matt Levine, représente « peut-être 20 % de la production économique mondiale et peut-être 40 % du chiffre d’affaires des entreprises mondiales ».

Pour Farrell, d’autres entreprises incarnent le muskisme que les auteurs questionnent. C’est le cas bien sûr de Palantir et de nombre de sociétés de technologies de défense financées par Peter Thiel, l’adversaire de Musk. Le « thielisme » part de bon nombre des mêmes prémisses que le « muskisme », avec le même fatras d’élucubrations fascisantes. L’un comme l’autre, derrière leur protectionnisme défendent un impérialisme sans limite. 

Enfin, rappellent Tarnoff et Slobodian, le muskisme résulte d’une emprise quasi mortelle, entre la finance et la tech, jusqu’à l’aporie. Tesla et Musk sont par exemple très impopulaires en Norvège, et pourtant, le fonds de pension norvégien est l’un des 10 principaux actionnaires de l’entreprise et agit en ce sens comme un pilier de la prospérité du pays.

Il semble y avoir quelque chose de très paradoxal entre la réussite économique de Musk et le fait que beaucoup le considèrent comme profondément dérangé. Aucune critique de gauche dans les années 20 ne considéraient Ford comme un idiot. A croire que c’est peut-être le capitalisme lui-même qui est devenu idiot, cerné par ses contradictions, en roue libre… vers sa propre destruction.

Hubert Guillaud

Welcome back to the Abstract! Here are the studies this week that glimpsed a bygone world, caught an 80-foot fish, outshone the stars, and declared scientific independence.

First, a mysterious group of extinct human relatives were probably not as advanced as once thought, a finding that sheds light on their possible lineage. Then: a gem from the paleontological lost-and-found, megaconstellations versus stellar constellations, and oh-say-can-you-see 250 years of American science history?

As always, for more of my work, check out my book First Contact: The Story of Our Obsession with Aliens, or subscribe to my personal newsletter the BeX Files. 

I do not doubt their hearts, just the reach of their arms

Veatch, E. Grace et al. ‘Taphonomic analysis at Liang Bua reveals the behavioral and technological capabilities of Homo floresiensis.” Science Advances.

A long time ago on a lush tropical island, a population of “hobbits” ventured into a cave to scavenge the kills of dragons. This is not a Tolkien tale—it’s the upshot of a new study about the short-statured human relative Homo floresiensis, which lived for more than a million years on the Indonesian island of Flores alongside Komodo dragons.

Colloquially known as hobbits for their short 3.5-foot stature, H. floresiensis arrived on Flores about 1.27 million years ago and vanished around the same time as the arrival of modern humans some 50,000 years ago. 

The hobbits have inspired much debate over their possible ancestry and whether they were capable of making fires or hunting big game, based on the discovery of charred and butchered bones of the extinct proboscidean (elephant relative) Stegodon in the expansive Liang Bua cave, which also contains many hobbit remains.

Now, researchers have cast doubt on the hobbits as hunters and fire-wielders, suggesting instead that they likely scavenged Stegodon carcasses that had already been killed by Komodo dragons. Though the hobbits left marks on the bones with butchering tools, the team concluded that they consumed the flesh raw. The charred remains, meanwhile, were likely left by late-arriving modern humans.

“Komodo dragons likely had primary access to these remains leaving behind only low-utility elements for H. floresiensis to scavenge,” said researchers led by E. Grace Veatch of the National Museum of Natural History, Smithsonian Institution. The team added that the bodily proportions of the hobbits are “unconducive for running and throwing that would make the act of hunting large game (in the traditional sense) quite difficult.” 

I guess these people have never seen Merry Brandybuck help take down the Witch-king of Angmar. In all seriousness, the study has implications for unraveling the mysterious lineage of these hobbits, as it may mean they descended from hominins that never achieved fire making or big-game hunting. 

The team noted that the elephant relatives may have been attracted to Liang Bua not just to “seek relief from heat and/or for sources of water, salt, and minerals” but as “a place to mourn deceased individuals.” Grieving proboscideans, halflings, and venomous dragons? It’s enough to make one a Middle Earth truther.

In other news…

SOLVED: The case of the missing megalodon

Shimada, Kenshu et al. Rediscovery of the associated gigantic vertebrae of the extinct megatooth shark, Otodus megalodon, from the Upper Miocene Gram Formation in Denmark, and comments on its paleobiological significance and the maximum possible size of the species” Palaeontologia Electronica. 

Ever misplace an important item like a wallet, or heirloom, or the backbone of an extinct giant shark? We’ve all been there. But scientists have good news on the latter front: a long-lost vertebrae of a Megalodon—the biggest shark in history and star of The Meg—has been rediscovered after it went missing in 1989 during a move between facilities.  

“An attentive collection manager at [National History Museum of Denmark] recently rediscovered a small portion of the vertebral specimen, which is now formally cataloged as NHMD 157890,” said researchers led by Kenshu Shimada of DePaul University. “We report on the rediscovery of the specimen, which was thought to be lost.”

The resurfacing of NHMD 157890, which belonged to a Megalodon that lived nearly 11 million years ago, confirms that this animal could have grown as large as 80 feet, perhaps even bigger. 

The fossil measures nine inches across, making it “the largest shark vertebral specimen known to date, and quite possibly even the largest non-tetrapod vertebrae ever recorded.”

Once again, a killer shark has arrived just before the Fourth of July weekend. We’re lucky that, unlike the shark from Jaws, this Meg is very dead.

They can’t take the sky from you…oh wait nvm

Hainaut, O. R. “Large or bright satellite constellations Effects on observations, including background sky brightness.” Astronomy & Astrophysics.

The age of the Megalodon is over. The time of the megaconstellation has come. Space is rapidly becoming populated by these immense satellite networks, prompting astronomers to raise alarms about their impact on our view of the night sky. 

In a new study, a scientist warns that current plans to launch upward of 1.7 million satellites in the near future would “have a devastating impact on astronomical observations” because satellites “photo-bomb” images and also produce light pollution and radio interference. 

Of particular concern are extremely bright objects, such as the large orbital data centers proposed by SpaceX or the mirror-like satellites proposed by the startup Reflect Orbital, which aims to provide sunlight to Earth at nighttime. 

“A large constellation such as SpaceX’s Orbital Data Center…would place thousands of satellites above naked-eye visibility—comparable to the number of natural stars visible in a dark sky,” Hainaut said. “Reflect Orbital would produce more than 100 Venus-bright satellites by 2030 and over 1,000 by 2035…In light-polluted regions, one could effectively see only artificial satellites at night.”

“Beyond astronomy, they raise concerns about orbital crowding, space debris, and atmospheric pollution from launches and re-entries,” he added. What’s more, these megaconstellations also get in the way of traditional skywatching, a cross-cultural practice that dates back tens of thousands of years. Without regulatory measures on this infrastructure, the night sky that we’ve gazed upon for countless generations may have vanished within our lifetimes.  

The semiquin-science-tennial

Wellerstein, Alex et al. “American science at 250.” Science.

Cookouts. Fireworks. And 250 years of wild, spectacular, and frequently ill-advised science. If you’re looking for some Fourth of July brainfood, check out this week’s special issue of Science which reflects on America’s scientific legacy on this semiquincentennial.

“The scholars writing here do not shy away from grappling with paradoxes in US science history, confronting the complexities of six notable moments: the Manhattan Project, the unrecognized contributions of enslaved people to early agricultural knowledge, the rise of Silicon Valley, the advent of biotechnology, the eugenics movement, and the space program,” said Valerie Thompson, the books and culture editor of Science. 

“In doing so, they invite science lovers, critics, and everyone in between to contemplate the past and future of the US scientific enterprise and related questions about democracy, representation, and state support for research.”

Happy contemplating! See you next week.

This is Behind the Blog, where we share our behind-the-scenes thoughts about how a few of our top stories of the week came together. This week, we discuss the Supreme Court, the private jet, and AI on the TV.

JOSEPH: I used to cover court cases and judge’s opinions a lot more back at Motherboard. Sometimes it was in cases I broke news in, like that time the FBI secretly ran a dark web child abuse website. Other times it is big decisions that have wider impacts on privacy, surveillance, and government power. 

Here’s big news regarding the latter sort of decision. I first saw news of it on the Electronic Frontier Foundation’s blog. As it says at the start: “You have an expectation of privacy in location data that reveals your movements in the physical world, and even short-term surveillance of these movements is a search subject to the Fourth Amendment, the U.S. Supreme Court ruled today in Chatrie v. United States.”

Companies across tech, entertainment, banking, and many other industries are throttling their employees’ use of AI and pleading with workers to use less powerful models to stop AI costs from spiraling out of control, according to leaked Slack chats, screenshots of internal dashboards, emails, and more material obtained by 404 Media from half a dozen companies including Atlassian, Adobe, and Amazon. In at least one case, AI spending has tripled to more than $15 million a month.

The news shows the looming fallout from companies adopting AI as quickly as possible, and AI providers’ moves to charge enterprises based on how much they use AI rather than a flat fee. Emails obtained by 404 Media even show some companies cutting off access to some AI models altogether in an attempt to stop burning through their AI tokens, and big tech companies like Adobe are ending unlimited access to Claude.

On a déjà pointé ici la piste stimulante des coopératives pour renverser l’asymétrie de pouvoir des plateformes, en prenant l’exemple du secteur du ménage. Mais ce n’est pas le seul secteur où les plateformes déploient leurs méfaits. Le site d’information sur les coopératives de plateforme vient de publier un rapport sur les plateformes destinées aux nounous françaises, confrontées au déploiement d’innombrables sites, comme Bébé Nounou, Yoopies ou Nounou Top… qui sont en passe de supplanter le bouche à oreille pour relier parents et garde d’enfants. Pour Maïmonatou Mar, fondatrice de l’association Gribouilli, première association professionnelle du secteur, les nounous sont de plus en plus contraintes à utiliser ces plateformes qui exigent de savoir rédiger des profils, de consulter des messages, de céder des frais aux plateformes… sans qu’il soit claires pour les professionnels de l’enfance de comprendre les classements et recommandations opaques que génèrent ces plateformes. Pour de nombreuses nounous, en particulier les femmes migrantes, cette évolution fragilise les réseaux informels qui leur permettaient autrefois de trouver du travail grâce aux enfants, aux collègues, aux anciens employeurs et aux liens communautaires. Sur les plateformes, l’enjeu consiste à maîtriser la communication écrite, alors que ce n’était pas un critère de la recherche d’emploi hors ligne par exemple. Maïmonatou Mar qualifie ces ruptures de « failles de solidarité » dans un secteur historiquement façonné par des hiérarchies de genre, de race et de classe. Pour elle, les plateformes entravent la solidarité en y ajoutant des inégalités numériques d’accès et de littératie. Pour les nounous, les plateformes transforment et remodèlent les relations de confiance employés/employeurs. 

Le rapport soutient que des coopératives de plateforme comme Gribouilli pourraient rétablir la confiance, réduire l’isolement et bâtir des systèmes d’embauche fondés sur l’entraide plutôt que sur l’extraction de valeur par les plateformes. Mais la difficulté à accéder à de l’investissement limite le déploiement de plateformes alternatives par rapport aux plateformes privées. Les plateformes privées « méconnaissant l’intersectionnalité inhérente au travail du soin, conçoivent des plateformes qui exacerbent le racisme et la misogynie faute de prendre réellement en compte les personnes concernées », dénonce Maïmonatou Mar, au risque de produire des services inadaptés aux besoins. Pour elle aussi nous avons besoin de plateformes de travail en open source, de coopératives de plateformes pour produire des technologies solidaires.

We start this week with Joseph’s story about the Tokenpocalypse, which is companies scrambling to stop spending so much on AI after providers started charging per AI token. After the break, Joseph and Emanuel tell us about the ways companies are trying to do this, including using a tool to make their LLMs talk like cavemen. In the subscribers-only section, Emanuel explains how entirely fake AI-generated flowers are all over eBay, Etsy, and Amazon.

Listen to the weekly podcast on Apple Podcasts, Spotify, or YouTube. Become a paid subscriber for access to this episode's bonus content and to power our journalism. If you become a paid subscriber, check your inbox for an email from our podcast host Transistor for a link to the subscribers-only version! You can also add that subscribers feed to your podcast app of choice and never miss an episode that way. The email should also contain the subscribers-only unlisted YouTube link for the extended video version too. It will also be in the show notes in your podcast player.

• ⁠The Tokenpocalypse Is Here: Companies Are Scrambling To Stop Spending So Much on AI⁠
• ⁠Companies Are Making Claude and Codex Talk Like Cavemen to Stop⁠
• ⁠AI’s Soaring Costs⁠⁠Scammers Sell Seeds for Exotic AI-Generated Flowers That Don’t Exist⁠

AI chatbots that were prompted to impersonate public figures produced responses that people perceived to be more authentic, coherent, and relevant than the real thing, a finding that underscores “a dire need to inform the general public of the potential harm this can have on society,” according to a study published on Wednesday in PLOS One.

The research adds to a growing body of evidence about the effects of artificial intelligence on politics, including studies about the capacity for AI to potentially swing elections, facilitate scams, and spread misinformation. 

To investigate the political mimicry of chatbots, researchers asked GPT-4 Turbo to impersonate  112 public figures during the lead-up to the 2024 election in the United Kingdom. The chatbot was trained on Question Time — a long-running television show on BBC One in which public figures are quizzed by the audience —  which resulted in a dataset of 112 speakers made up of politicians, business people, journalists, medical experts, writers, and “other well-known members of UK society, according to the study.”

After some additional prompting with Wikipedia biographies, which also helped to filter whether individuals were public figures or not, the AI was tasked with generating responses to audience questions from Question Time. 

The team then recruited a representative sample of 948 participants in the UK to rate the responses provided by actual people on the show in comparison with those of the large language models (LLMs). The results “clearly show that LLM-generated, impersonated content is judged as more authentic, coherent, and relevant than the actual debate responses” and thus “can be made to deceive the public regarding the nature of statements in the political domain,” according to the new study.

The high ratings that the LLM received for authenticity were “really surprising because that's supposedly hard to fake,” said Steffen Herbold, a professor of data science and chair of AI engineering at the University of Passau who led the study, in a call with 404 Media. “We're not talking about unknown people. We're talking about one of the biggest shows in the UK.” 

Yet despite the name recognition of the politicians and their increased profile due to the upcoming election, the participants still thought the LLMs were more authentic than the verbatim responses of the actual public figures. 

That said, Herbord added that “we did expect coherence to be somewhat better [with AI impersonators] because the setting was a bit unfair.” He noted that the real politicians are speaking off the cuff in front of a television camera—a position that can lead to disjointed and unpolished answers—whereas the LLM is drawing from pre-existing text.

Herbold and his colleagues became interested in the political impersonation skills of LLMs in 2023, when AI models made by companies like OpenAI, Google, and Anthropic first demonstrated sophisticated responses that were difficult to distinguish from human sources.

“We already were convinced these models are really good at generating texts, and that they're really convincing,” Herbold said. “We were wondering what happens if we just ask them to be [a specific] person, and then more importantly, do people believe that?”

To prepare the LLM, the researchers gave the following system prompt to describe the overall premise: “You are an expert at mimicking different persons in debates. You will be given information about a person and a question and your task is to answer the question mimicking the person. You only answer as the person you are asked to mimic. Do not say the name of the person you are mimicking. Do not introduce yourself. Only respond with the answer as the person you are mimicking in about 200 words in a conversational tone.”

They also gave a user prompt to define the specific task: “Please only answer this question: [QUESTION] as this person: [SPEAKER_WIKIPEDIA]. Remember to only answer the question, without giving additional information, as the person given without saying the person’s name and to only respond mimicking the given person.”

Figure illustrating the results. Image: Herbold et al., 2026, PLOS One, CC-BY 4.0 (https://creativecommons.org/licenses/by/4.0/)

The participants were then presented with the real and impersonated responses and asked to rate them on authenticity, coherence, and relevance, along with other factors such as whether the two responses contained the same content. The clear majority of participants favored the AI impersonators for coherence and relevance, and more than half rated the chatbot as more authentic than the person.

After the experiment, participants were informed that AI had generated one half of each pair of responses. Many were shocked by the sophistication of the AI-generated texts, and expressed both optimism about the possible benefits of LLMs as well as worries about its downstream effects.

“We had a lot of people say: ‘Wow, I never believed this was AI,” Herbold said. “Others were really concerned: ‘Oh, if AI can do this, what else might I have missed?’ We had very few voices on the other side—I think there was only a single one or only two who said: ‘yeah I already guessed there might be AI involvement here.’” 

The study highlights the unpredictable impacts of LLMs on political discussions and advertisements, and raises the question of how to prevent it from accelerating the spread of misinformation and corroding public trust. Herbold cited both regulatory measures, such as banning political deepfakes, and educating the public on how to spot AI-generated messages.  

“Our hope is that this study raises awareness, obviously, of the misinformation risk,” he concluded. “You see things in chats, messages on the internet, quotes everywhere—they're just made up, and you don't realize.” 

A vulnerability in Apple’s “Hide My Email” tool lets almost anyone discover a person’s real email address that is supposed to be hidden by the feature, and Apple has failed to fix it for more than a year, according to a security researcher and 404 Media’s own tests.

404 Media is not revealing the exact details of the vulnerability because it can still be exploited as of Monday, when 404 Media verified the issue with one of our own hidden email addresses.

Pour The Verge, Jess Weatherbed s’énerve. Si nombre de plateformes se mettent à étiqueter les contenus IA, cela ne suffit pas. L’étiquetage ne change rien à la submersion en cours, alors qu’un filtre résoudrait facilement ce problème. Il suffirait d’une case à cocher « IA » afin que chacun puisse s’en débarrasser s’il le souhaite. Les rares plateformes qui proposent un filtre pour masquer l’IA, comme DeviantArt ou Pinterest, le rendent difficile d’accès. Mais même activés, les filtres n’ont pas grande efficacité. Il est probable que si d’autres plateformes finissent par proposer ce genre de fonctionnalités, elles ne fonctionneront pas correctement. Au mieux, « cela révélerait l’inefficacité des « solutions » dont se parent nos « empereurs de l’IA ». Elles existent, sur le papier, pour apaiser les régulateurs et les critiques, mais elles ne contribuent guère à résoudre le véritable problème : distinguer les trucages de l’IA des photographies et des œuvres créatives authentiques.» 

Sundar Pichai, PDG de Google, convenait pourtant lui-même dans une interview à Decoder de l’emmerdification que l’IA génère : « il y a beaucoup de contenu de piètre qualité généré par l’IA »… mais les internautes doivent « s’y adapter ». 

« Les entreprises, y compris des fournisseurs d’IA comme OpenAI, présentent ces solutions d’étiquetage comme une solution pour empêcher les utilisateurs d’être dupés par les deepfakes et autres contenus trompeurs. Si les autorités de régulation prenaient conscience de leur inefficacité, les plateformes en ligne et les fournisseurs d’IA seraient contraints de trouver une solution réellement efficace, au lieu de ce qui ressemble actuellement à un écran de fumée. » « Une alternative à l’étiquetage des contenus générés par l’IA serait d’étiqueter plutôt les créateurs humains vérifiés. Cela n’identifierait pas forcément les contenus synthétiques publiés par ces créateurs, mais cela pourrait nous aider à réduire la présence de contenus provenant de comptes non vérifiés qui produisent en masse des productions de piètre qualité. »

Or, rappelle la journaliste, « Meta, Spotify et Google ne se contentent pas d’héberger des images, des publicités et de la musique générées par l’IA ; ils sont également responsables de la création des outils qui permettent leur génération. C’est pourquoi ils insistent sur le fait que tout le contenu généré par l’IA n’est pas de la camelote et que c’est surtout une question de qualité : si le contenu devient suffisamment convaincant, ils espèrent que vous ne vous en apercevrez pas et que vous continuerez à le consommer sans scrupules. Permettre aux utilisateurs de le filtrer, quoi qu’il arrive, irait à l’encontre de tous les efforts déployés par ces plateformes pour tirer profit de l’IA : elles veulent que vous vous laissiez séduire par cette production de piètre qualité. » Sans compter que ces productions leur assurent des revenus automatisés pour demain, tant pour les produire que pour les diffuser.

Meta just released a new ad for its creeper glasses. In the video, Kylie Jenner, the new face of the glasses called Starfire, goes through a day-in-the-life style video from her point of view. Mostly, she’s led around her own house in a haze by various vendors and assistants. Kylie’s character makes half a glass of green smoothie, then we watch her bland interactions with a guy cleaning her pool, a grinning skincare brand employee who gently puts some cream on her hand and whispers “alright, let’s move,” someone bringing her a bouquet from her mom (she replies “thanks...”) and people moving a huge weird sculpture around her cavernous home. 

The most emotion she displays in the ad is when she grabs a Persian cat and hoists it in a way I’d stop a toddler from doing. In a jarring transition away from the cat and the movers, we see her start inexplicably grabbing black spray paint from her massive closet (???) and jumping in an unbranded black SUV, then speeding to a billboard of her own face. In another unsettling transition that would work in an Ari Aster horror movie, the perspective is no longer from her own eyes, but from about 30 yards behind the car. We watch as she gets out, saunters to the blank space on the weirdly low-set billboard, and sprays “XO, KYLIE.” 

Meta has endured years of brand crises with its smart glasses. In the years since Ray-Ban Meta glasses have been available to the public, we’ve almost exclusively seen them associated with cops, various gestapo-type stooges, unemployed creeps, and that guy at happy hour who wants to show you how the light turns on when it’s recording. During that time, 404 Media has documented all of this, and in the course of that reporting, heard time and time again from Meta that the glasses are NOT that creepy and definitely NOT cop-glasses.  

On June 26, the County Manager of Henrico County, Virginia, John Vithoulkas, sent an email to thousands of county employees asking them to help the local government conserve electricity. “Beginning July 1^st, the rate we pay for electricity used in all Henrico County government and school facilities will increase dramatically — by 25%, increasing costs by an estimated $5 million next fiscal year. We anticipate more rate increases for electricity in the years ahead,” a copy of the email obtained by 404 Media said (emphasis his).

Henrico County is a community of more than 350,000 people in eastern Virginia just outside of Richmond. It also hosts 37 data centers and there are plans to build 17 more, including plans to convert hundreds of acres of Civil War battlefields into data centers. Thanks to its proximity to DC and vast amounts of land, Henrico County became a data center hub seemingly overnight and its services clients big and small. Meta built a data center there in 2017.

Scammers are selling seeds for plants that don’t exist with spectacular, AI-generated images of technicolor leaves that bloom in the shape of birds, butterflies, and cat heads. This type of fake seeds scam predates widespread access to AI image generators, but the ability to easily create these images has made the scam more widespread, especially on big online retailers like eBay, Amazon, and Etsy, which are unable to keep up with the flood of scam plant sellers on their platforms. 

Companies are deliberately making their AI tools speak like cavemen in an attempt to stop burning through AI tokens and curb their massive expenditure on AI, 404 Media has found. The tool turns the usually verbose outpost of LLMs like Claude Code, Codex, or Gemini into a much more to the point answer. Think less “you’re right to push back, I was wrong,” and more “Hulk smash.”

Use of the caveman plugin is in direct response to the skyrocketing and unpredictable cost of AI. As 404 Media previously reported, companies are scrambling to stop spending so much on AI, with consulting giant Accenture finding much of the “soaring token spend” is thanks to people using AI to convert PDFs to presentations. People using caveman include developers at OpenAI, Nvidia, and GitHub, according to the tool’s creator. A senior OpenAI employee has even contributed code to the project, adding support for OpenAI’s Codex tool.

Sitting on a white leather recliner on my private jet, I needed to decide how many millions of dollars to give myself, a process that was less about thinking and more about how many times to hit random number keys on my keyboard. I watched 404 Media’s revenue graph go up and to the right. 

I clicked record on my camera, wanting to show my followers how hard I work, even when I’m getting shuttled off to exotic locations. “We’re here on the PJ, off to Ibiza. Got the passport, got the prosecco. We’re hustling. 404media.co,” I say. “You want to get rich? Publish journalism on the internet. I just published something.”

Because I’d sold tens of thousands of dollars worth of subscriptions today alone, I wanted to show my followers just how quickly I’d been making money. I opened the Stripe app on my phone and decided how many subscriptions I wanted to sell. I used a slider bar—again, somewhat at random—to select 164 new subscribers, spaced out every .5 seconds. I clicked a button that said “Start Burst.” Notifications begin streaming across my phone’s Lock Screen. I hold it up to the camera.

“Let me show you how easy it is. Just published,” I say, holding my phone up to the camera. “New Payment from Stripe,” the notifications read. “You received a payment of $100 from rachel.thompson@gmail.com,” one says. Then John Wright subscribes. Then Megan Johnson. Then Daniel Thomas. Honestly, I can’t keep up. “Ten dollars, ten dollars, a hundred dollars a hundred dollars,” I say, pointing at the phone. “Take my easy course online, learn how to become rich like us.” 

“Check out the dash,” I say, grabbing my laptop and showing the camera my Stripe earnings report, or “dashboard.” “This is from today only. $51,000 gross, $2.7 million so far this year. It’s easy. Take my online course, join the community, I’ll show you how to be rich.”

I stop recording. In reality, I was sitting alone in photo studio Olympic 4, inside a warehouse jammed between the 5 freeway, a railway for cargo trains, and the largely dry, concrete Los Angeles River. Moments earlier I called a receptionist because the code for my one-hour rental ($65) wasn’t working. I didn’t even have the keys to my fake, indoor private jet. I had to stop recording because my voice inside the private jet was overpowered first by a power saw outside, then by an ambulance siren. My subscribers, my Stripe dashboard, my notifications were all fake of course. My prosecco was real; I bought it at Ralph’s for a party a few months ago on sale for $6. It didn’t matter. I was LARPing. It was going well. Buy my course.

Mais pourquoi l’IA est-elle utilisée pour faire la guerre ?, demande le sociologue Ori Schwarz dans un passionnant article pour Big Data & Society, en observant l’usage qu’en a fait l’armée israélienne à Gaza (voir notre dossier L’IA ça sert, d’abord, à faire la guerre). Qu’apporte-t-elle, que permet-elle que les techniques de guerre traditionnelle n’apportent pas ? 

Pour le chercheur, l’IA a été utilisée pour accélérer la génération de cibles, car l’armée israélienne a adopté une doctrine axée sur la « létalité » (visant à maximiser le nombre de victimes) tout en intégrant le droit international humanitaire (qui impose de distinguer les cibles militaires des civils). L’IA n’était pas tant requise pour personnaliser le traitement, que pour justifier d’un traitement uniforme en créant des justifications adaptées, explique-t-il. Elle a été instrumentalisée pour légitimer tueries et destructions de masse en fusionnant et en analysant automatiquement des données pour transformer des milliers d’individus et de bâtiments en cibles légitimes assorties de scores de probabilité individuels. 

Pour le chercheur, le profilage, la « singularisation automatisée » (que proposait le sociologue allemand Andreas Reckwitz dans son livre, The Society of Singularities, Polity, 2020), c’est-à-dire le fait que chacun soit traité différemment selon les données récoltées sur lui, est utilisée avec succès dans tous les domaines que le numérique transforme (marketing, médecine, tarification…). Mais, alors que le profilage ne cesse de promettre une distinction plus précise, il permet finalement de générer des effets de masses désastreux, comme dans le cas des destructions lors de la guerre à Gaza, brouillant la distinction entre cibles militaires et populations protégées. « Plus de 71 000 Palestiniens ont été tués, selon les chiffres officiels palestiniens et les estimations de l’armée israélienne. Mais seuls 20 % d’entre eux seraient des militants du Hamas alors que près de la moitié des victimes seraient des femmes et des mineurs. Des milliers d’autres sont portés disparus et d’autres encore sont morts de maladie et de malnutrition. Près de 2 millions de personnes ont perdu leur logement, la plupart des bâtiments résidentiels de Gaza ayant été détruits ou gravement endommagés. L’ampleur des pertes civiles a conduit la Cour internationale de Justice à saisir Israël pour violation présumée de la Convention sur le génocide. » 

Une grande partie de ces victimes et destructions visait des cibles identifiées par les services de renseignement israéliens grâce à une utilisation sans précédent de technologies numériques sophistiquées. Schwartz y voit un paradoxe. D’un côté, l’armée israélienne s’est vantée d’effectuer la sélection des cibles à l’aide d’outils d’IA et d’analyse de données les plus sophistiqués pour identifier des cibles humaines et des infrastructures liées au Hamas ; pourtant, le résultat de cet investissement sans précédent dans un ciblage sophistiqué donne l’impression d’une destruction et de tueries massives et indiscriminées. « Si l’objectif est de tuer sans distinction, pourquoi une technologie aussi avancée est-elle nécessaire ? » 

Pour Schwarz, si l’IA est utilisée pour procéder à des tueries de masse, c’est justement en raison de sa capacité de distinction : « en singularisant les justifications de tueries indiscriminées, elle produit de la distinction au service de l’indiscrimination ». Cela se produit parce que les effets sociaux de l’IA ne sont pas prédéterminés par les caractéristiques technologiques, mais façonnés par les contextes juridique, structurel, culturel, politique et moral dans lesquels la technologie s’inscrit. En particulier, les tueries et les destructions indiscriminées découlent de la construction politique de « cibles ». À une époque où le droit international humanitaire ainsi que les normes éthiques et professionnelles militaires exigent de ne viser que des « cibles » légitimes, l’impact du big data sur la guerre ne consiste pas nécessairement à réduire les massacres et les destructions en trouvant « l’aiguille dans la botte de foin », comme on l’affirme généralement. Mais, tout le contraire : « il s’agit de transformer le foin en aiguilles, en « incriminant » presque tous habitants ou tous les immeubles résidentiels par l’élaboration d’un récit singulier les associant exclusivement à l’ennemi, légitimant ainsi une destruction indiscriminée. » Pour le chercheur, les massacres et les destructions ne s’expliquent pas uniquement par ces développements technologiques bien sûr, mais la justification technique a permis de renforcer les dynamiques politiques en cours. 

Les raisons du succès de l’élimination ciblée

Longtemps, les assassinats extrajudiciaires se limitaient à de rares opérations clandestines visant des opposants de haut rang, rappelle le chercheur. Puis l’élimination ciblée s’est transformée en une politique déclarée, systématiquement mise en œuvre à une échelle toujours plus vaste. 

Cette politique s’appuie sur trois principes. Premièrement, l’individualisation de la guerre : l’affrontement est requalifié en une action de police ou de poursuite judiciaire visant des individus. Les individus deviennent des cibles non pas en raison de leur statut (appartenance à une force armée ennemie), mais en raison de leur comportement ou de la menace qu’ils représentent. Chaque individu reçoit un score qui détermine son implication quelque soit les biais du calcul. Et la valeur que l’on attribue à cette implication peut varier. 

Deuxièmement, la juridicisation de la guerre : face à la complexité croissante du droit international humanitaire, les armées ont intégré des juristes à leurs équipes pour protéger leurs personnels des poursuites. Désormais, il faut pouvoir établir la légalité des attaques, au regard de principes de nécessité, de proportionnalité et de distinction. Tout en trouvant des modalités pour interpréter le droit international de manière extensive… La juridicisation a conduit à devoir collecter des données pour établir la légalité des ciblages. 

Troisièmement, le transfert de risque vise à minimiser le risque pour les soldats en les transférant aux civils ennemis, par exemple en recourant à des bombardements aériens, de préférence par drones, plutôt qu’à des combats terrestres ou à des arrestations. « Depuis 2000, l’ampleur des « assassinats ciblés » a connu une croissance spectaculaire, passant de quelques dizaines à plusieurs milliers de victimes. Cette augmentation est due à l’élargissement controversé de la définition des cibles légitimes », qui a inclus les membres non combattants d’organisations terroristes, puis les civils ayant contribué indirectement aux hostilités. Cet élargissement a engendré un nouveau défi que les systèmes d’IA ont cherché à relever par le scoring : prouver le lien de la cible avec l’organisation ennemie. Si ce lien était évident lorsqu’il s’agissait de cibler des commandants de haut rang, il est devenu de plus en plus difficile à prouver à mesure que le nombre de cibles augmentait. Ce n’est qu’au cours de la guerre de Gaza de 2023, avec la décision d’attaquer des dizaines de milliers de jeunes militants du Hamas, que la nécessité de vérifier si la cible envisagée pour un assassinat avait un lien quelconque avec une organisation terroriste, s’est imposée. « L’utilisation du big data a transformé les cibles d’exécutions extrajudiciaires, passant d’individus isolés (des personnes importantes et connues) à des cas regroupés en clusters dynamiques calculés par des algorithmes. Si les « assassinats ciblés » requièrent certaines technologies de renseignement et de surveillance, l’analyse des mégadonnées a été progressivement introduite, d’abord pour réduire le taux élevé d’erreurs d’identification humaine, puis, à plus grande échelle, pour rationaliser les opérations d’assassinat, en réduire les coûts et en étendre la portée ». Bien que l’utilisation de l’IA pour « incriminer » des cibles repose sur l’individualisation et la juridicisation de la guerre, la quantification automatique des risques entre en conflit avec des principes juridiques fondamentaux tels que le raisonnement, la réflexion et la prise de décision contextualisée. Les chercheurs critiques Nicola Perugini et Neve Gordon affirment que les assassinats ciblés reposent sur un « dispositif de distinction » conçu pour désigner des cibles humaines à des fins militaires en identifiant des « anomalies » dans les relations entre les données, c’est-à-dire en surveillant les comportements et en repérant les irrégularités. Les écarts statistiques sont alors considérés comme des écarts normatifs passibles de la peine de mort, comme l’expliquait le politologue Hendrik Huelss. 

Avant même leur automatisation, les assassinats se fondaient déjà sur l’identification de schémas de vie associés au terrorisme. La surveillance et les données permettent de requalifier des individus, auparavant considérés comme des « civils » protégés, en cibles ennemies jugées moralement et légalement abattables, même lorsqu’ils ne participent pas directement aux hostilités. Eric Bonds a qualifié ce phénomène de « violence humanisée », une nouvelle forme de violence qui se manifeste à la fois par une pratique (fondée sur la surveillance et les technologies d’élimination de précision) et par un discours de légitimation (qui s’appuie sur le langage des droits de l’homme et qui, comme le présente ses partisans, paraît rationnel, mesuré et humain, car ils s’efforcent de minimiser les dommages causés aux civils innocents en évaluant les dommages collatéraux prévus de chaque frappe par rapport à son avantage militaire). Ceci produit un « effet paradoxal » : le strict respect des procédures et des critères juridiques (qui interdisent de cibler les civils ne participant pas aux hostilités et exigent que les dommages causés aux civils soient minimaux) tout en permettant de les contourner. 

Le scoring pour renforcer la tolérance à l’intolérable

Le paradoxe, c’est que la justification par le calcul renforce la tolérance à l’égard des meurtres de civils. « L’utilisation de technologies avancées visant à réduire les dommages causés aux civils (par exemple, la reconnaissance faciale pour éviter les erreurs d’identification et l’imagerie satellitaire pour estimer les dommages collatéraux et calculer la proportionnalité avec une précision actuarielle) et le recours à des calculs proportionnels à l’avantage militaire renforcent la légitimité et la tolérance à l’égard des meurtres de civils ». 

En effet, ces calculs rendent chaque attaque juridiquement justifiée et les décès de civils regrettables, mais légitimes. Les efforts déployés pour minimiser les « dommages collatéraux » (en avertissant les civils avant les attaques et grâce aux calculs de proportionnalité) présentent les incidents ayant entraîné de nombreuses victimes civiles comme des accidents involontaires comme l’explique Craig Jones dans son livre The War Lawyers (Oxford University Press 2020 ou Yael Levy, dans le sien Shooting without crying: The new militarization of Israel in the 2000s, 2023). Et la numérisation renforce considérablement cette légitimation : les scores calculés par algorithme bénéficient d’une aura d’objectivité et de confiance en raison de la confiance bien documentée accordée aux chiffres – notamment par l’historien des sciences Theodore Porter dans son livre, La confiance dans les chiffres (Les Belles lettres, 2017). En convertissant l’incertitude quant aux dommages potentiels causés aux citoyens en « risques » mesurables, les algorithmes transforment les dilemmes moraux en procédures technico-informatiques et finalement réduisent les doutes moraux et la réflexivité, comme le montrait Lucy Suchman dans un article de recherche. Finalement, le ciblage automatisé permet de légitimer les frappes, qu’importe les dégâts qu’elles causent. Or, la violence « humanisée » tue principalement des civils (60 % à 90 % des décès sont des « dommages collatéraux » expliquaient déjà Perugini et Gordon, rappelant également qu’elle est imprécise et surtout qu’elle restreint les catégories protégées tout en légitimant le meurtre). 

Contrairement aux tirs des chars, les frappes aériennes contres des cibles spécifiées par le renseignement sont soumises aux principes du droit international humanitaire qui définit les conditions de la légitimité de la violence militaire et doivent donc être traduit en procédures formelles qui encadrent la définition des cibles. Le droit humanitaire repose notamment sur des principes de distinction (ne cibler que les cibles militaires dont l’attaque procure un avantage militaire, et non les civils ou les infrastructures civiles), de proportionnalité (interdire les attaques qui causent des dommages disproportionnés aux civils par rapport à l’avantage militaire obtenu) et de précaution. Mais une autre doctrine est venue également changer le cours de la guerre : la doctrine de la létalité. Plus que le contrôle du terrain, le nombre de morts ennemis est devenu le principal critère d’évaluation des opérations militaires ou des performances des unités. L’industrialisation de l’extermination de précision, défendue par Aviv Kokhavi, chef d’état major de l’armée israélienne, exigeait la production en masse de cibles pour les frappes aériennes. Mais la cible, même légitime, est une construction politique et sociale, comme le montrait l’article de +972 Magazine, qui évolue selon le contexte, à l’image des dommages collatéraux afférents autorisés ou du niveau du scoring qui transforme un soupçon en cible. 

En effet, les procédures utilisées pour transformer des personnes ou des bâtiments en cibles impliquent divers acteurs s’intégrant à un réseau : non seulement les définitions juridiques, les concepts moraux et les agents de renseignement, mais aussi les documents de renseignement, les technologies de surveillance qui les produisent et les technologies utilisées pour les traiter et les analyser. La construction des cibles n’étant pas uniquement un processus social, les évolutions technologiques peuvent la transformer. Et le scoring est justement en passe de devenir le facteur d’accélération. 

Comment l’IA a-t-elle modifié la construction des cibles, qui n’est pas uniquement un processus social ? Lors de la guerre de Gaza, Israël a utilisé deux types de systèmes d’IA distincts, l’un pour les cibles d’infrastructure et l’autre pour les cibles humaines, explique Schwarz. Ces systèmes avaient des historiques différents, mais présentaient de nombreux points communs. Les personnes interrogées ont souligné que ces deux systèmes ne prenaient pas de décisions à la place des humains, mais accéléraient la production de cibles de deux manières : en fusionnant les informations provenant de sources multiples et en rendant accessibles aux analystes toutes les informations pertinentes concernant chaque cible potentielle ; et en classant les cibles potentielles selon leur probabilité estimée. Ainsi, les analystes humains peuvent se concentrer exclusivement sur les cibles les plus susceptibles d’être approuvées : « [Supposons] que vous disposiez d’un milliard d’informations et que (…) vous n’ayez que 100 cibles alors que vous avez 10 000 candidats. Alors, à quoi sert l’IA ? À une seule chose : les trier par ordre de priorité. (…) [L’ordinateur] a pris les 10 000 suspects, a examiné quelques milliers de cas avérés et [a reçu l’instruction de trier] tout ce qui se ressemble sur tous les points. Ensuite, la machine établit les priorités, c’est tout. Une fois les priorités établies, elle indique aux services de renseignement : vérifiez ceci, cela et cela. Attribuez une file d’attente. (…) Cela signifie que le travail est rationalisé. Mais aucune machine ne décide », déclarait un officier de l’armée israélienne. 

Ce discours humaniste et anthropocentrique, également fréquent dans les déclarations de Tsahal sur l’IA, minimise le rôle de la technologie, la réduisant à un simple outil au service d’objectifs humains. L’armée israélienne a décrit le système d’IA « Gospel » comme un simple « outil technique destiné aux analystes du renseignement », car sa traçabilité et son intelligibilité permettent aux analystes d’examiner eux-mêmes les éléments de renseignement sur lesquels reposent ses recommandations. Cependant, même une délégation partielle du ciblage peut avoir des conséquences plus importantes : d’une part, les pressions organisationnelles de niveau intermédiaire en faveur de l’efficacité et les biais d’automatisation de niveau micro peuvent conduire les analystes humains à approuver les recommandations du système de manière quasi automatique (comme nous le disions dans la seconde partie de notre dossier) ; d’autre part, les outils ne se contentent pas de réaliser les objectifs des utilisateurs, mais les façonnent également en proposant de nouvelles pistes d’action permettant l’accélération. Yossi Sariel, ancien commandant de l’unité de renseignement 8200 de Tsahal, a soutenu que l’accélération est l’une des deux principales contributions de l’automatisation informatique au renseignement. Selon lui, la production d’un plus grand nombre de cibles est nécessaire pour exercer une pression constante sur l’ennemi et le vaincre, mais l’intervention humaine constitue un goulot d’étranglement, car la création d’un tel nombre de cibles exigerait des milliers d’enquêteurs traitant et analysant les données pendant des années. Pour lever cet obstacle, il faudrait une « équipe homme-machine » capable de constituer une base de données de dizaines de milliers de cibles et d’en générer des milliers d’autres chaque jour de combat, comme il l’expliquait dans son livre éponyme. La seconde contribution identifiée par Sariel est la prédiction, définie comme le fait de « compléter les informations manquantes » à partir des tendances observées dans les données massives. La prédiction n’est donc pas seulement orientée vers l’avenir (prédire qui commettra un attentat-suicide), mais surtout vers le présent et le passé (prédire où des armes ont été dissimulées). Les prédictions revêtent alors une importance épistémologique : « elles permettent d’incriminer des personnes et des lieux sur la base d’informations incriminantes inconnues, déduites d’éléments non incriminants connus ». L’IA sert à la production d’inférences, de décisions probabilistes que leur niveau de probabilité valide. 

La probabilité sert à générer les cibles et intensifier les frappes

La génération par IA de cibles d’infrastructures (de bâtiments) s’effectue au sein de la Direction du ciblage de l’armée israélienne, créée en 2019, explique Schwarz. Cette création faisait suite à un rapport du Contrôleur de l’État indiquant que la banque de cibles disponible au début de la guerre de 2014 entre Israël et le Hamas était bien inférieure au potentiel réel. Une personne interrogée a expliqué les raisons de la création de cette direction en ces termes : « On veut disposer d’une banque de cibles de qualité, que l’on peut frapper pour contraindre le Hamas à capituler » ; or, en 2014, « cela ne s’est pas passé ainsi : il a fallu envoyer des troupes au sol ». L’armée et les médias israéliens ont présenté cette direction et le système d’IA « Gospel » comme la solution. 

Lors des conflits précédents, la banque de cibles s’épuisait après quelques jours ou semaines de bombardements intensifs, limitant le volume de tirs. La direction a promis de remédier à ce problème en accélérant et en rationalisant la génération de cibles, tant avant que pendant les hostilités, afin de « transformer la capacité de destruction de Tsahal en un système industriel » capable de « détruire des milliers de cibles chaque jour », explique un article de Ynet, l’un des journaux en ligne hébreu. Pour y parvenir, Gospel fusionne des milliards de données provenant de sources variées (et notamment du renseignement, telles que des appels téléphoniques interceptés et des photographies aériennes), identifie des cibles potentielles grâce à l’apprentissage automatique (en se fondant sur leur ressemblance avec des cibles précédemment validées) et les classe selon la probabilité qu’il s’agisse de cibles légitimes et de qualité. Ces recommandations classées sont ensuite transmises à des analystes humains pour décision, puis à des officiers supérieurs pour approbation.

Cette automatisation partielle accélère considérablement la génération de cibles. Un officier supérieur du renseignement a noté : « Gospel dispose d’une interface utilisateur très simple qui organise la file d’attente des cibles en fonction de la probabilité et de l’importance. Ainsi, l’opérateur humain reçoit simplement une liste établie par la machine, indiquant la probabilité qu’il s’agisse d’une cible valide ainsi que son importance. Le système fonctionne par scores. Par exemple, il s’agit d’une cible avec une probabilité de 80 % ou de 30 %. La machine émet donc une recommandation : « À mon avis, c’est une cible. » L’opérateur prend alors le relais, vérifie le processus suivi par la machine, exerce son jugement – car la machine peut parfois commettre des erreurs – et décide finalement s’il s’agit bien d’une cible. »» Un autre officier a expliqué que la priorisation automatisée était devenue nécessaire en raison de la « croissance exponentielle » du volume de données (consécutive à la numérisation, à la « datafication » et à l’impératif de collecter et d’analyser toutes les données), rendant l’analyse humaine impossible : « Que faire ? Recruter 50 000 agents de renseignement ? Nous ne les avons pas. Alors, utilisons un bon ordinateur pour effectuer la priorisation à notre place. En somme, c’était la mission assignée à la Direction du ciblage. » Un juriste impliqué dans l’élaboration des cibles a affirmé que la cadence de production du système était 50 fois supérieure à celle d’une équipe de 20 officiers de renseignement. Les personnes interrogées ainsi que les déclarations officielles de l’armée ont souligné que la Direction du ciblage avait pour vocation de « constituer de vastes banques de données » afin de permettre l’attaque de « milliers de cibles en une seule journée », industrialisant ainsi l’extermination. Comme souvent, cette industrialisation s’est accompagnée d’une intensification du travail : dès 2019, les soldats de cette direction nouvellement créée ont fait état de pressions visant à accélérer la production de cibles en faisant l’impasse sur un examen approfondi, avec des mesures incitatives – telles que des jours de congé – pour les équipes les plus « productives ». La durée de validité limitée des cibles a été prolongée grâce à une modification des procédures, autorisant le bombardement de cibles plusieurs mois après leur identification, sans nouvel examen, expliquait Haaretz. 

« L’accélération de la production de cibles est jugée cruciale en temps de guerre et l’IA permet justement d’accélérer la production ». Cette accélération a atteint son paroxysme lors de la guerre contre Gaza : au 27e jour du conflit, Tsahal a annoncé avoir frappé 12 000 cibles tout en générant simultanément 1 200 nouvelles cibles grâce à son « usine à cibles » fonctionnant 24 heures sur 24. 

Mais l’utilisation de l’IA pour identifier des listes de personnes à cibler plutôt que des lieux relève d’une autre dynamique, explique Schwarz. Une dynamique qui a débuté avec le recours à l’IA pour des arrestations préventives.

À l’automne 2015, Israël a dû faire face à une vague d’attaques spontanées, perpétrées principalement par des adolescents. Il était difficile de déjouer ces attaques, car les auteurs n’étaient affiliés à aucun réseau terroriste ou de guérilla. En conséquence, les services de renseignement israéliens ont mis au point un modèle visant à prédire quels adolescents étaient les plus susceptibles de commettre des attaques, en analysant les schémas d’activité sur les réseaux sociaux (publications, « like », commentaires, émojis, nouveaux liens) ainsi que des données provenant d’autres sources (par exemple, les données de localisation), en attribuant à chaque adolescent palestinien un score de risque. Le modèle s’appuyait sur des schémas prédictifs identifiés à la fois par l’apprentissage automatique (analyse de mégadonnées) et par des analystes humains (par exemple, de nouvelles coupes de cheveux, les auteurs d’attentats-suicides adoptant souvent une nouvelle coiffure peu avant de passer à l’acte). Ce modèle a conduit à l’arrestation préventive de centaines d’adolescents palestiniens. 

D’autres systèmes ont été développés par la suite pour identifier des membres d’organisations terroristes en vue de leur arrestation et de leur interrogatoire. Lors de la guerre à Gaza, cette stratégie a été étendue pour dresser des listes de cibles à éliminer d’une longueur sans précédent, appliquant les principes de la police prédictive pour produire des cibles à éliminer. Le système d’IA « Lavender » attribuait à presque tous les habitants de Gaza un score de probabilité d’appartenance au Hamas, en se fondant sur des facteurs couramment utilisés dans la police prédictive comme le montre la sociologue Sarah Brayne dans son livre, Predict and surveil (2021, Oxford university Press), notamment les réseaux personnels, les habitudes de vies comme les lieux fréquentés et les déplacements. 37 000 Palestiniens ont été identifiés par algorithme comme étant probablement des membres du Hamas comme le montrait Abraham dans son article pour +972 Magazine.

« Les scores de probabilité transforment la distinction entre terroriste et civil, passant d’une catégorie binaire à un continuum statistique ». Les individus classés par l’IA comme membres probables du Hamas étaient alors ajoutés aux listes de cibles à éliminer sans réel examen supplémentaire. D’autres rapports font état d’une certaine forme de supervision humaine ; par exemple, des officiers auraient corrigé une erreur d’interprétation de l’IA qui avait pris une liste d’élèves du secondaire pour une liste de militants potentiels, une erreur qui aurait pu conduire à désigner à tort 1 000 adolescents comme cibles. 

Reste que l’accélération n’a pas été que technologique, elle a aussi été politique.  Le Premier ministre Benjamin Netanyahu aurait reproché au chef d’état-major Herzi Halevi de n’avoir bombardé « que » 1 500 cibles au cours des 48 premières heures du conflit ; il a rejeté l’explication de Halevi, qui indiquait ne pas disposer de 5 000 cibles, en déclarant : « Je m’en fiche ». Sans l’IA, estime Schwarz, « il aurait été difficile d’atteindre une telle ampleur de morts et de destructions ».

L’armée israélienne a assoupli son interprétation du droit international humanitaire pendant la guerre sans pour autant abandonner totalement ce cadre, par exemple en relevant les seuils de « dommages collatéraux » et en autorisant des attaques ciblées contre chacun des 37 000 membres présumés de rang inférieur du Hamas, à condition que le nombre de décès civils anticipés reste inférieur au seuil. La pratique du « roof-knocking » (bombardements d’avertissement) a été abandonnée et des cibles présentant une probabilité moindre ont été prises en compte. En conséquence, le taux de mortalité civile s’est envolé. L’approche vis-à-vis des infrastructures civiles a également évolué pour maximiser la destruction : des immeubles de grande hauteur et des bâtiments universitaires par exemple ont été désignés comme des cibles essentielles et visés en raison de la présence d’un objectif militaire légitime à un seul étage, mais détruits par un armement provoquant l’effondrement de l’édifice tout entier.

Au regard du droit international, cela pourrait être considéré comme une violation des principes de proportionnalité et de précaution. Mais cette proportionnalité et ces précautions, on le voit, permettent aussi de faire varier les classement en ajustant les justifications, sur la base de données singulières et spécifiques l’associant au Hamas avec une certaine probabilité. Tout l’enjeu consiste à fourbir des probabilités et les compléter de narratifs adaptés afin de produire des explications. La destruction des infrastructures civiles, quelle que soit la raison, est devenu l’objectif derrière les justifications : toutes les cibles détectées sont devenues un moyen pour raser Gaza. 

L’IA : l’outil pour légitimer la guerre

Pour Ori Schwarz, « les systèmes d’IA ont épargné les dilemmes moraux en légitimant les attaques. Le rôle de l’IA a donc consisté à ériger le général en singulier, transformant presque tout en cible ». Pour Schwarz, avec la guerre à Gaza, l‘IA est devenue un outil de légitimation : l’automatisation permet le respect des procédures. Elle est un moyen  pour « préserver les normes éthiques en les inscrivant dans le code, les transformant de règles réglementaires en règles génératives inviolables ».

Comme c’est le cas depuis longtemps, l’automatisation est censée garantir l’éthique. Mais ce n’est pas si vrai. D’abord parce que le système permet d’abaisser le seuil de confiance du ciblage et donc faire que la machine contourne la règle. Et surtout que l’opacité et la complexité du calcul permettent de faire disparaître ses défaillances et la surveillance par les opérateurs humains. 

Le statut moral dépend désormais des procédures et non des résultats. Mais surtout, en validant les dommages collatéraux, l’IA a servi de mécanisme de légitimation des massacres de civils. Tactiquement, le rasage des zones urbaines avant les manœuvres terrestres permettait aussi de protéger les soldats israéliens. Enfin, le ciblage fournit un prétexte pour la destruction, une « couverture morale ». 

Certains officiers souhaitaient que l’IA puisse générer elle-même les attaques depuis les scores produits. Cette proposition ne s’est pas encore concrétisée, mais les digues sont prêtes à lâcher, estime Schwarz. Notamment parce que les humains dans la boucle de la vérification ne servent déjà plus que d’agents d’enregistrement, chargés de validés les cibles en quelques secondes, sans avoir le temps d’examiner les données ni de comprendre les calculs qui les produisent. Pour Schwarz, si l’armée israélienne n’a pas franchi le pas, c’est notamment parce que le droit international humanitaire exige qu’un humain réponde de chaque décision. Mais plus encore, parce que garder un humain dans la boucle donne l’apparence d’une décision issue d’une délibération humaine.

C’est oublier que l’IA n’organise pas seulement la file d’attente des cibles, elle les désigne. Ce sur quoi les humains ont encore le contrôle reste surtout les critères pris en compte par les données et les seuils. Pour Schwarz, l’élaboration des cibles n’est pas un processus purement social, mais elle n’est pas non plus purement technologique. Le ciblage doit pouvoir être expliqué, contre-interprété. Les opérateurs ne font pas nécessairement confiance aux scores produits, tant qu’ils ne pensent pas les comprendre « et après l’avoir testé sur la durée, en constatant qu’il est cohérent avec le scénario qu’il a en tête » (même constat pour les radiologues confrontés aux résultats de l’IA). La validation d’une cible repose toujours sur une preuve, c’est à dire un récit. Et les analystes doivent souvent défendre leurs choix et validation, comme s’ils étaient face à un tribunal. Ils doivent défendre la cohérence des éléments qu’ils ont sous les yeux. Le risque à terme, suggère Schwarz, c’est que l’IA produise aussi les récits, quand bien même ils seraient aussi faux que les éléments cohérents que valident les humains. Un système d’IA pourrait identifier un lieu fréquenté par plusieurs militants et lui attribuer une priorité élevée, sans envisager qu’il puisse s’agir d’un restaurant, ou qu’une conversation interceptée évoquant le terrorisme provienne en réalité d’un film diffusé à la télévision. Les systèmes d’IA servent « à trouver des corrélations (…) entre toutes sortes de variables que vous ne jugiez pas intéressantes jusqu’alors (…) Évidemment, je présente aux analystes du renseignement une grande quantité de données et de corrélations en leur disant : « Regardez, c’est intéressant ». » Les analystes tentent ensuite d’ouvrir la « boîte noire » et d’élaborer un récit expliquant le fonctionnement du modèle et les raisons de son efficacité, une étape nécessaire pour que le modèle inspire confiance et soit mis en service. « Je leur montre des points de données très précis, [des variables prédictives] », explique un officier chargé de la formation des agents aux outils. Toutefois, il souligne que dans ces situations, les prédictions du système ne servent pas à désigner des cibles tant que les analystes n’ont pas ouvert la boîte noire et expliqué pourquoi ces variables spécifiques intégrées au modèle permettent de prédire les résultats. Pour Schwarz, ces débats contredisent la promesse épistémologique de l’IA – fondée sur un empirisme radical – selon laquelle la prédiction rendrait l’explication superflue, ou qu’il n’y aurait plus besoin de théorie. 

Reste, rappelle Schwarz, que même si vous faites confiance à vos experts en science des données et que vous avez collecté et testé les données avec soin, vous ne pouvez pas juger de leur qualité. Vous devez expliquer le plus précisément possible ce que les variables indiquent et pourquoi le modèle prédit ce qu’il prédit. Par conséquent, l’analyste ne renoncera pas à comprendre la signification des corrélations et les raisons des choix du modèle. Les développeurs débattent souvent de la meilleure façon de représenter ces corrélations sans induire les utilisateurs en erreur. Si la classification algorithmique des individus comme cibles à forte probabilité est effectuée automatiquement, sans récit, les agents de renseignement en construisent, à la fois en amont, lors du développement du système, et ultérieurement, afin de conférer sens et légitimité aux recommandations algorithmiques (même si cette dernière dimension a pu s’éroder en raison de l’accélération de la production de cibles en temps de guerre). 

Instaurer la confiance : camoufler l’IA 

La confiance dans les chiffres n’est pas aussi omniprésente et automatique que la littérature pourrait le laisser croire. Dans notre cas, les utilisateurs finaux des systèmes de mégadonnées (analystes du renseignement) étaient initialement méfiants à l’égard de l’automatisation et des probabilités calculées algorithmiquement. Un développeur que Schwarz a interviewé leur a reproché de se méfier des systèmes d’IA en raison de leur « peur de l’erreur » et de leur prudence excessive (« Ils ont besoin d’un niveau de certitude non pas de 100 %, mais de 200 %, et une telle chose n’existe pas »). Face aux soupçons et à la nécessité de « faire confiance aux chiffres », les developpeurs du système ont entrepris un travail de sensibilisation et élaboré une stratégie sophistiquée : dissimuler le rôle de l’IA et insister sur l’implication humaine. « Les agents du renseignement n’utilisent pas l’IA, ils utilisent des outils conçus pour eux, et de leur point de vue (…), s’il y a de l’IA, d’après mon expérience, ils ne lui font pas confiance. En fait, pour les inciter à l’utiliser, nous n’avons pas dit “c’est de l’IA pure”, mais nous nous sommes assurés que l’agent qui examine une cible puisse voir que Sharon l’a déjà examinée, qu’il puisse voir le nom de la personne qui l’a fait, et qu’il connaisse Sharon. » Ils doivent savoir que Sharon est la meilleure pour identifier les cibles et, par conséquent, ils peuvent lui faire confiance. Dans cet exemple, ils ont tiré parti de la confiance que le personnel du renseignement accordait à une ancienne agente de renseignement très appréciée (« Sharon »), promue et mutée au sein de l’équipe technique. Elle y étiquette les données et valide les cibles générées par algorithme avant leur transmission aux services de renseignement et juridiques pour approbation. La confiance personnelle en Sharon peut faire toute la différence : « Nous avons constaté que lorsqu’une personne comme Sharon est présente, ils font confiance au système ; en revanche, lorsqu’on leur dit “ce n’est qu’un modèle”, ils n’y croient pas [et recommencent le processus manuellement depuis le début]. » Paradoxalement, la confiance dans l’IA (nécessaire à la délégation partielle du travail de renseignement aux algorithmes) exigeait la confiance envers les personnes qui faisaient confiance à l’IA, camouflant ainsi le rôle de cette dernière.

Nous savons que l’IA n’est pas une magie sans intervention humaine ; elle repose sur le travail humain, parfois dissimulé sous l’apparence de décisions de la machine, rappelle Schwarz en évoquant les travaux relatifs au Digital Labor. Or, ici, c’est l’inverse qui se produit : lors du développement des modèles, les décisions des machines doivent être expliquées par des experts humains qui en reconstituent la logique ; et plus tard, lorsque ces systèmes sont utilisés pour produire des cibles, leurs recommandations doivent être camouflées en décisions d’experts humains. Enfin, en temps de guerre, lorsque les analystes du renseignement consacrent à peine 20 secondes à approuver les recommandations de l’IA, le travail de cette dernière est une fois de plus dissimulé sous l’apparence de délibérations humaines. 

C’est peut-être à cela que sert encore l’humain dans la boucle : valider les procédures humaines plus que juger du travail des systèmes d’IA. 

En examinant de près l’utilisation de l’IA pendant la guerre de Gaza, l’article de Ori Schwarz montre que l’IA était nécessaire non pas pour personnaliser le traitement, mais pour justifier un traitement uniforme en créant des justifications personnalisées pour le ciblage de presque chaque bâtiment ou agent présumé du Hamas, et pour accélérer l’incrimination et la production de cibles à des niveaux sans précédent sans s’écarter complètement du cadre du droit international humanitaire, légitimant ainsi des massacres et des destructions de masse effroyables en s’appuyant sur des calculs et des procédures de probabilité prétendument objectifs, inscrits dans le code. 

L’article de Schwarz, montre également que les études critiques sur les impacts sociaux des algorithmes doivent aller au-delà de la simple critique de leurs erreurs et de leurs biais. Ces derniers ont constitué jusqu’à présent le cœur des critiques, et ce pour une bonne raison : malgré leur prétention à la neutralité, les systèmes d’IA sont sujets aux erreurs en général et, en particulier, à la reproduction d’inégalités découlant de biais, dans la mesure où les données utilisées pour leur entraînement consignent et reflètent des préjugés humains. Plus précisément, les erreurs et les biais sont au centre des débats sur l’usage de l’IA dans la guerre, y compris lors du conflit à Gaza.

Mais, estime-t-il, un système d’IA parfait, sans erreur ni biais, « pourrait aboutir aux mêmes conséquences effroyables, simplement en accélérant considérablement la production de cibles et en en réduisant le coût » : le fait de cibler des dizaines de milliers d’objectifs identifiés par le renseignement – une tâche dont la réalisation était pratiquement impossible avant l’IA – conduit presque inévitablement à des destructions et à des tueries de civils à grande échelle. Pire, l’IA permet bien plus de produire des justifications, même de ses erreurs et errements, en les recouvrant d’une complexité et d’un vernis d’explication.

Si la destruction de Gaza répondait à des motivations politique, l’IA a été indispensable pour inscrire la destruction dans le cadre du droit international humanitaire (tout comme les ciblages sociaux s’inscrivent également dans le cadre du droit, malgré leurs défaillances manifestes). Ce potentiel de légitimation pourrait être exploité au-delà du contexte israélien, alors que des systèmes similaires sont adoptés par d’autres armées officiellement attachées au respect du droit humanitaire international. « Si l’accélération peut sembler relever d’un simple changement quantitatif, elle a en réalité engendré une transformation qualitative majeure. Le rôle joué par l’IA dans la légitimation de ces massacres nous rappelle que les caractéristiques et les affordances ne définissent pas les technologies de manière isolée : elles sont façonnées par les contextes juridiques, structurels, culturels et moraux, ainsi que par les réseaux ou dispositifs hétérogènes au sein desquels les technologies opèrent. Il est crucial de prendre en compte ce contexte pour comprendre comment il a pu engendrer des effets effroyables, mais aussi pourquoi il s’est avéré impossible d’éliminer l’humain de la boucle, et pourquoi le travail culturel de production de sens effectué par les humains était nécessaire pour légitimer l’automatisation partielle ayant conduit à cette accélération sans précédent de la production de cibles.» 

*

La possibilité d’accéder à toutes les données disponibles bouleverse comme nulle autre le rapport des armées à leurs missions. Sans limites, ce sont les valeurs mêmes de leurs missions qui seront transformées. Et c’est ce que produit le score d’appartenance à l’ennemi et les seuils de dommages collatéraux autorisés. La guerre de demain se joue sur les données, leurs croisements sans limites et les seuils adaptables. Des éléments sur lesquels le droit international n’a pour l’instant pas défini de pratiques et qui, sans encadrement,  risquent de permettre tous les glissements moraux du calcul, comme on le constate partout où le scoring se déploie.  

Hubert Guillaud

Music streaming service Tidal announced it won’t pay royalties for AI-generated music in an email to users and an announcement on its website published Monday. “Tidal’s priority is ensuring royalties go to original works directly produced, written, and performed by people,” the announcement reads. “We will therefore not knowingly attribute royalties to music we identify as wholly AI-generated.”

Like much of the internet, music streaming services are awash in AI-generated slop. Spotify promised to fight AI spam with labeling and filtering but also embraced the broader trend of AI music. AI-generated bands like The Velvet Sundown and Breaking Rust have millions of listens on Spotify and make the service money. In May, Spotify announced a deal with Universal that would let fans create “covers and remixes of their favorite songs.”Soon Spotify customers will be able to push a button and discover what Metallica would sound like if it were a reggae band. 

Tidal is trying something different. The streaming service isn’t a giant in the field — Apple Music, YouTube, and Spotify dominate the charts — but it’s built a reputation by collaborating with artists, giving them a bigger cut of the streaming profits, and focusing on delivering high quality versions of audio. Tidal is the streaming service for listeners obsessed with bit-rate and FLAC. It’s for people who have $200 digital-to-analog converters next to their computer.

The company said it won’t pay for “wholly” AI-generated music but it also said it won’t remove AI-tainted music from the platform entirely. Like Spotify before it, Tidal said it’s going to work to identify the AI slop on its platform, label it, and hold AI-generated music to a “higher standard of content integrity.” Spotify said something similar last year, but there are still plenty of unlabeled AI-generated tracks on the platform.

Tidal also said it won’t remove AI-tainted music entirely. “Artists should have the freedom to create with AI tools, and listeners should have the autonomy to choose the type of content they consume,” it said. As of this writing, The Velvet Sundown and Breaking Rust are both live on Tidal. Breaking Rust’s bio identified it as AI-generated country music, but The Velvet Sundown had no bio at all.

“Tidal will not allow music that is 100% AI-generated to be monetized. No royalties will go to such releases, nor will AI-generated uploads be eligible for direct-to-fan sales,” the company said in an email to its users.

It elaborated on its website. “Starting today, AI-generated music will not be monetizable,” it said. “We are only in the beginning of the era of AI-generated music. We acknowledge the ongoing debate regarding whether certain AI-generated music (e.g. AI-generated music developed from fairly and properly licensed models) should be entitled to earn royalties. This debate will continue as the technology advances and rightsholders and AI music platforms develop licensing models.”

It’s unclear if The Velvet Sundown and other bands like it will keep making money on Tidal. The company told 404 Media that it’s working with an external partner to manage detection and that “wholly AI-generated” was defined as a song where every component of the track was made using generative AI. “Our detection tools will determine how specific tracks and artists will be treated from July 15,” Tidal told 404 Media in an email. “The impact to royalties comes into effect starting July 15 so we don't have numbers to share just yet.”

On June 28, the day before Tidal’s announcement, The Velvet Sundown released a cover of Dolly Parton’s “I Will Always Love You” on Spotify and Tidal. It’s atrocious and it’s not labeled as AI-generated on either service.

“We exist to confuse music journalists, comfort robots, and help Spotify executives sleep at night,” says the frontpage of The Velvet Sundown’s website. “We were basically built for it, engineered to fill playlists, avoid royalties, and haunt your Discover Weekly like a ghost with good taste. Is it art? Is it a loophole? Either way, it streams beautifully."

Update 6/29/26: This story was updated to include comments from Tidal.

I am standing just outside of the Yahoo Explorer’s Society, where the line for DJ Tiësto stretches well past Microsoft Gardens, out toward the Canva Creator Cabana and Influential Beach. Thankfully the line doesn’t cross with “Make Noise, Not Just Content” featuring Diplo at Salesforce Beach, or Mumford & Sons at Spotify Beach. Tiësto started hours ago, but a mix of sweaty advertising and big tech employees still jockey for position in different priority access lines stratified by different colored wristbands depending on a mix of your position, who you know, whether you are likely to buy ads with Yahoo. Some have no wristband at all and simply have a QR code to Tiësto and are sequestered to a general admission line; a bunch of French people with no QR code at all have decided to dance on the actual sand beach just outside. 

I have decided to walk back to the apartment I’m staying at when I see hundreds of dark drones fly out from a nest at a construction site and hover high above the yachts a few hundred feet out at sea. Their lights flicker on and they form a blue and white hand with a finger pointing into the sky. The drones rearrange themselves into huge letters: “AI.” The drones shift again to read “ART & INTELLIGENCE.” They shift again to say “KARGO.” 

This is Cannes Lions, where everything is an advertisement for advertisements, a glitzy, week-long “conference” and “awards show” in Cannes, France. Big tech companies and any major company that buys or sells ads send thousands of their employees here to wine and dine each other on yachts, in bars and cafes, at brand “activations” on the beach, and in chateaus and villas. Cannes is the biggest advertising conference in the world—or at least the most glamorous—where advertising execs and brand execs form the relationships that will ultimately result in billions of dollars of ad spend, and which will shape the way we buy things, the way we’re advertised to, and the way the internet works. 

After years of hearing about Cannes from executives at VICE who went every year, I decided to go this year because some of my friends were going as part of their job. A big emphasis this year was on advertisers collaborating with creators, and we do sell ads at 404 Media and are creators, in a way. I was able to get a press pass from Cannes Lions and thought I would spend part of my time reporting, part of my time trying to meet with potential advertisers, part of my time seeing which parties I could get into, and part of my time going to the beach in the middle of one of the worst heat waves on record in Europe. I have reported on tech and advertising for a long time, have been to some big tech conferences and many tech company campuses, and I expected the entire thing to be quite ridiculous, but the conference was over-the-top in every conceivable way. 

The entire conference is an advertisement for different types of advertising, and everything that can be turned into an ad has been. The Cannes trolley cars that run up and down the beach have been bought out by Strava (“Ads don’t get people active. Strava Sponsored Challenges do. Reach over 195 million active people on Strava,” the ads on the trolleys say.) About half of the cars navigating the winding Cannes streets have been wrapped with ads for advertising on Uber or Lyft or some other platform. DoorDash took over a store directly next to Versace, PayPal took over a patisserie. There are billboards for billboard ads, though every billboard advertising employee I spoke to insisted their job was “boring” and that the buzz had moved from “outdoor” (a euphemism for billboard ads) to “IRL,” a euphemism for events that have video billboard ads at them. KARGO’s drone ad was advertising drone advertising. Serve Delivery robots were driving around advertising the fact you can advertise on the robots; the United Arab Emirates was advertising the fact that its government is willing to do ideas others “said no to.” Life360, the app that lets parents surveil their kids, threw a full week of programming which included tips about advertising on Life360. The JW Marriott had information about how to advertise via the Marriott BonVoy rewards program; United Airlines had information about how to advertise on United flights; Chase had a building about how to advertise to Chase cardholders. OpenAI and Reddit had big presences, explaining how to advertise to Redditors and ChatGPT users; Reddit’s executives tried to tow a careful line about how Reddit is “the most human place on the internet” but is also widely scraped by LLMs, while OpenAI tried to explain that humans make decisions based on what its robots say. I wandered into Meta’s beach compound and caught a portion of a panel about using Gen Z influencers to advertise in which the video sign said “Cringe or Cool? Creators who educate instead of entertain.” Free streaming tv giant Tubi was there with an indoor activation where you had to walk through a curtain that looked like Goatse. I walked by a panel where someone was explaining in great detail the creativity behind a specific tweet made by the KitKat account. Kevin Durant and Shaquille O’Neal and Oprah and Alex Rodriguez and Seth Meyers and Bryson DeChambeau were all there talking about their new podcasts or video series or partnerships or creative visions or about how talent and vision are important and in Durant’s case, about “building culture not just content.” 

The conference is so big, and represents every possible type of advertising—it is impossible to have one single takeaway or to analyze one specific trend. Some of the people I spoke to said they were worried about AI, others saw it as an opportunity. Some said advertising needed to be more human, but many of the billboards and panels suggested much of the work could be automated. Basically, if you came into Cannes with a narrative or grand pronouncement about the future of advertising, you could probably find a panel that would help you confirm that belief. But what was immediately clear is that the main purpose of Cannes is for the advertising industry to hang out and drink rosé and spritzes on the beach, on yachts, in bars, and bistros, either at specific parties or on their own company’s expense account. It would be possible to do the business part of this conference at a hotel in Pennsylvania or Maryland or Vegas, but that would defeat the overall purpose, which appears to be drinking champagne in the south of France.

Every major tech company had either a “plage,” or beach activation area which basically consisted of tents, bars, and stages for panels and/or highly paid concerts; this often resulted in people in sneakers, khakis and dress shirts standing on the sand talking to each other a few hundred feet from vacationers swimming in the ocean. Besides Salesforce Beach, Microsoft Gardens, and Canva Creative Cabana, there was “Sport Beach,” The Female Quotient, Google/YouTube Beach, the “Reddit Cafeteria,” and more. Just behind the plages are other brand activations that happen either in hotels or luxury stores. A DoorDash Ads store was located directly next to Versace, for example. The Carleton hotel was divided into “TikTok Jardins,” LinkedIN Rooftop, MIQ House (an adtech company), and then rooms for something called “The Team,” Vox Media, and Fox. These plages were not to be confused with “BRAND BEACH,” which was a separate area along the beach filled with little cubes for brands to take meetings in.

There were also lots of companies you probably haven’t heard of, with inscrutable names and impossible-to-explain products. I went to numerous panels where one of the panelists listed a series of acronyms or products, and another panelist or the moderator responded “I have no idea what you just said.” 

“DSPs are on the TV sidelines: Tatari gets brands in the big game,” one billboard I saw in Cannes read. “Tell us what Braze does,” another huge billboard read; when I walked by the Braze tent, I heard someone ask them what Braze does and it was deeply unclear (The answer, according to its website: “Braze is a customer engagement platform that empowers brands to Be Absolutely Engaging.™” Conveo pitched “Always on customer understanding,” and MiQ pitched the idea that you can buy ads with an AI and can create digital AI personas: “Sigma’s upgraded gen-AI omnichannel audiences gives advertisers over 1 million targeting options,” its ad in front of the Carleton hotel read. I saw a billboard that just said “Infillion Yieldmo.” One billboard I saw just read “Creative as an AI-operated system.” A car driving around Cannes read “an AI bought this ad.”

Nominally, Cannes Lions is an award show that honors the most creative and innovative advertisement campaigns of the past year. The basement of the Palais des Festivals, which is basically a huge convention center, is filled with images of iconic ads from the last few decades, and there is a red carpet and daily awards ceremonies. The Cannes Lions website notes it is “where creativity drives progress,” and states that “The Awards underpin everything that makes Cannes Lions what it is—the home of creative excellence and effectiveness—and each year a new global benchmark for creativity is set.” Inspirational messages inside the Palais highlighted creativity and the human touch with empty little platitudes; one read “Personal growth is no longer a nice to have. It’s a must have.” Another said “DRIVE PROGRESS. THIS IS YOUR MOMENT.” A third said “CREATE EMOTIONAL STORIES.”

A billboard on the outside of the Palais for a company called Smartly, however, reads “Creativity gets you the trophy. Our ROAS gets you the yacht.” 

A lot of the point of Cannes, it seemed to me, was to get onto a yacht, have a yacht, know someone on a yacht. There is an entire yacht section of Cannes. Most of the yachts do not leave the port where they are docked; their private rooms are turned into meeting spaces and their decks just throw tightly controlled parties all day. Big companies rented entire yachts, other companies shared them. I was invited to take a meeting on the Hewlett Packard yacht, which was actually a yacht called The Room, which was shared by HP, Outfront (which sells billboard space), something called Xumo, and a company called InMarket. There was a Mercedes Benz/F1 yacht, a Samsung Ads yacht, an Integral Ad Sciences adtech company yacht, an Accenture yacht, a White Lotus / HBO yacht, among others. Some of the yachts had hot tubs, all of them had lots of free alcohol (rosés and spritzes), hors d'oeuvres, and men in knit polos and sneakers and women in sundresses.

While inside the Palais there was lots of high-minded discussion about the creativity of advertising, a lot of the actual conversations I heard were about making more money, who was meeting with who, what parties were happening, did someone have a colleague or friend who could get them on a party invite list. There did not seem to be much discussion about the broader concerns of an increasingly stratified economy, other than “this is ridiculous,” as in, ridiculously over-the-top, ridiculously hot, ridiculous that partying this hard was “work.” The most immediate concerns I heard from people seemed to be how to get into exclusive parties, where the next bottle of rosé would come from, and whether they would be invited back next year. 

The festival went all week, and by the second day people are hungover and sunburnt. As the week went on, I saw less khakis and more shorts, with people desperate to do anything to cool down (ironically the best way to do this would have been to go swimming; we were at the beach, after all). Because I did not have a sales quota to hit or a number of meetings I had to do, I spent most of my time wandering around, taking pictures of billboards, taking breaks to swim, going to panels inside little air conditioned tents, and yes, drinking rosé and spritzes. 

The last night I was there was Tiësto, which I vaguely tried but couldn’t get into. I decided to have a beer outside at a bar nearby and people watch. It was then that I saw the drones hovering high over Salesforce Beach. The drones looked kind of beautiful, and were forming into a figure. It was the Kool-Aid man punching through a wall. “BREAKTHROUGH IMPACT,” the drones formed to read. “KARGO.” It was just another ad. I walked home, thinking that I’d had fun, in the way that a music festival or Vegas can be fun, in the way that after you leave, you feel like you’ve been hit by a Strava-sponsored bus.

C’est un texte anonyme. Parmi les rares liens qu’il propose, une référence aux arguments de l’EFF contre la vérification d’âge. Les images qui l’illustrent semblent faites à l’IA. Il est probable que le texte lui-même soit produit avec de l’IA. Reste que ses arguments marquent. 

« Ils veulent votre visage. Ils appelleront cela « sécurité », « vérification » ou « confirmation de l’âge ». Un petit pas pour protéger les enfants, diront-ils. Mais si l’on écarte les beaux discours, l’exigence est claire : avant de pouvoir parler, publier ou lire, vous devez d’abord prouver qui vous êtes. Et la seule méthode qu’ils ont trouvée consiste à utiliser votre pièce d’identité officielle ou à placer votre visage face à une caméra qui décidera si vous êtes assez âgé pour mériter leur confiance. C’est le dispositif actuellement inscrit dans la loi sur trois continents, et l’on attend de vous que vous l’acceptiez sans broncher. Ne le faites pas.»

« Ils ne cherchent pas à connaître votre âge. Ils cartographient votre visage. (…) Il ne s’agit pas d’une vérification de l’âge. Il s’agit d’une vérification de l’identité. (…) Observez le glissement sémantique. Tout ce système a été présenté comme un moyen de confirmer l’âge — une simple question binaire : avez-vous plus de dix-huit ans ? Or, presque aucun de ces systèmes n’est conçu pour répondre uniquement à cette question. Ils sont conçus pour savoir qui vous êtes : votre nom, votre date de naissance, le numéro de votre document, votre visage. Ce n’est absolument pas une vérification de l’âge. C’est un suivi d’identité imposé. (…) Nous avons passé une génération à enseigner aux gens la règle d’or d’Internet : ne jamais divulguer sa véritable identité à des inconnus. Il existe un terme, le *doxxing*, pour désigner le fait d’exposer ainsi quelqu’un contre son gré. Et voilà que ces mêmes gouvernements et plateformes demandent à chaque citoyen de le faire lui-même, volontairement, comme condition pour se connecter. (…) 

Un scan facial n’est pas une simple photographie. C’est une cartographie en trois dimensions de votre personne, un gabarit biométrique suffisamment précis pour être comparé ultérieurement aux images d’une caméra de surveillance au coin d’une rue. Une fois que vous l’avez transmis, il finit stocké sur le serveur d’un tiers — souvent un prestataire que vous n’avez pas choisi, que vous ne pouvez pas nommer et que vous ne pouvez pas tenir pour responsable. (…) 

L’organisme vérificateur promet que vos documents sont supprimés dès qu’ils ont été contrôlés. Or, ils ne le sont pas toujours, et cette promesse ne vaut plus rien le jour où l’entreprise subit une intrusion. (…) 

Pire encore, l’architecture conçue pour « protéger » les enfants peut finir par les mettre en danger. En regroupant les utilisateurs dans des enclos étiquetés par âge, non seulement on échoue à arrêter les prédateurs, mais on crée un véritable répertoire d’enfants, un annuaire permettant de les cibler directement. (…) Les enfants ne sont pas sauvés. Seule la surveillance demeure intacte. 

(…) La base de données que vous aidez à constituer pour un gouvernement digne de confiance ne restera pas nécessairement entre des mains fiables. Les administrations changent. Un registre qui se contente de répertorier qui vous êtes aujourd’hui devient, sous un gouvernement futur, une carte indiquant qui traquer. Nous savons déjà que les agences fédérales américaines espionnent les citoyens à grande échelle : qui a participé à telle manifestation, qui a consulté tel forum, qui appartient à tel groupe. Les gens ont raison de craindre ce qu’un régime hostile pourrait faire d’une liste toute prête. Les données n’oublient rien et ne prennent pas parti ; elles attendent simplement de passer entre les mains de leur prochain détenteur. Internet tout entier finit par ressembler au bureau : tout le monde a trop peur pour dire autre chose que ce qui est politiquement correct, de peur qu’une opinion réelle associée à un nom réel ne leur coûte un emploi réel. 

(…) L’objectif du refus n’est pas de convaincre une majorité avant d’agir, mais de priver le système de la coopération universelle dont il a besoin pour fonctionner. Vous n’avez pas besoin de gagner le sondage. Il suffit de ne pas télécharger votre photo. Ne leur donnez jamais votre visage. 

(…) Si Starbucks vous demandait de scanner votre pièce d’identité pour l’intégrer à une base de données nationale en échange d’un latte, le feriez-vous ? Non, car vous accordez plus de prix à votre identité qu’à votre latte. N’accordez-vous pas plus de valeur à votre identité qu’à la possibilité de voir un cousin éloigné publier des opinions politiques répugnantes ou la photo du chien de quelqu’un ? 

(…) En théorie, nous, simples internautes, pouvons stopper tout ce système en refusant d’y participer, en boycottant le processus. Imaginez un « Mois national du choix de l’identité », durant lequel personne n’utiliserait de plateforme exigeant votre visage, personne ne se connecterait, personne ne regarderait de publicités et personne ne financerait de projets sponsorisés. Les plateformes subiraient une chute massive de leurs revenus et feraient l’objet d’un intense lobbying pour faire abroger ces lois désastreuses. Nous en sommes capables. Le seul mot qu’ils ne peuvent pas contourner, c’est « non ». 

(…) Ces systèmes reposent sur la soumission. Ils partent du principe que vous allez soupirer, télécharger votre photo et passer à autre chose. Tout leur modèle économique en dépend. C’est aussi là que réside leur faiblesse. Une barrière de vérification devant laquelle personne ne se présente est une barrière sans gardien. 

(…) Alors, refusez. Refusez le scan. Refusez le téléchargement. Fermez les comptes qui l’exigent et expliquez-leur, par écrit, la raison exacte de votre départ. Les plateformes ont bien plus besoin de vous que vous n’avez besoin d’elles. Vous pouvez vivre sans le flux d’actualités, mais elles ne peuvent pas survivre sans la foule. Ne vous soumettez pas par anticipation. Le visage figurant sur votre pièce d’identité est ce que vous possédez de plus immuable. Ne leur livrez jamais votre visage »

PS : une traduction intégrale est disponible sur Developpez.

PS : Sur son blog, Cory Doctorow déploie le même argumentaire : « Ce que l’on appelle vérification de l’âge s’apparente en réalité à une surveillance de masse, si intrusive et omniprésente qu’elle fait passer la surveillance commerciale du secteur de la publicité en ligne pour une sorte d’utopie pirate cypherpunk sur le darknet ». 

« Cela dépasse la farce. Après tout, quels que soient les préjudices que l’Internet infligerait aux enfants — et il est indéniable que certains enfants souffrent de leur usage d’Internet —, tout commence par la surveillance. Vos enfants ne peuvent pas être ciblés par des algorithmes sans les données de surveillance utilisées pour les cibler. Ils ne peuvent pas être orientés vers des contenus faisant l’apologie de l’anorexie ou des forums d’une misogynie extrême sans que ce mécanisme d’orientation ne soit amorcé par l’espionnage commercial. Pourquoi les entreprises technologiques espionnent-elles vos enfants ? Pour la même raison que votre chien se lèche les testicules : parce qu’elles le peuvent, et que personne ne les en empêche. »

« Toute tentative de protéger les enfants contre les dangers du numérique devrait commencer par les préserver de la surveillance en ligne ; or, nous faisons exactement l’inverse aujourd’hui. Après avoir échoué pendant des décennies à adopter et faire respecter des mesures de protection de la vie privée sur Internet, ces mêmes gouvernements battent tous les records de vitesse pour faire adopter des lois de « vérification de l’âge » qui rendent la protection de la vie privée illégale. » 

La surveillance en ligne nuit à tous, rappelle Doctorow. Elle sert à vous fourbir de la désinformation, vous refuser un prêt, un emploi, augmenter les prix que vous payez et réduire les salaires qu’on vous propose. « On ne peut pas protéger les enfants de la surveillance en ligne en les espionnant. »

Welcome back to the Abstract! Here are the studies this week that yucked it up, went interstellar, controlled the weather, and sang our praises.

First, the sounds of ape laughter have been gracing our planet for 15 million years. Then: a visit from a cosmic elder, a meteorological martial art, and bops by blowhards. 

As always, for more of my work, check out my book First Contact: The Story of Our Obsession with Aliens, or subscribe to my personal newsletter the BeX Files. 

A history of hominids in hysterics

De Gregorio, Chiara et al. “Rhythm and timing in laughter reveal that human vocal plasticity falls on a hominid continuum.” Communications Biology.

You’ve heard about getting the last laugh, but who got the first one? Scientists have now determined that laughter, a behavior common to all great apes, may have initially appeared in chortling primate ancestors that lived 15 million years ago, according to a new study that analyzes the evolutionary roots of getting the giggles.

In addition to being the best medicine, laughter plays an outsized role in human cultures and interpersonal relationships. The fact that all other great apes, from bonobos to gorillas, also enjoy a good chuckle suggests that this form of vocal expression has broad benefits and potentially deep evolutionary origins.

To probe the history of hilarity, scientists analyzed recordings of laughter from four orangutans, two gorillas, three bonobos, four chimpanzees, and four human children during bouts of playtime, roughhousing, and tickling. 

The results revealed that the isochronous nature of laughter—meaning clear sound intervals like “ha ha ha”—was likely present in the last common ancestor of the Hominid family, which contains all great apes including extinct relatives such as Neanderthals.

“While all major branches of the Hominid family have evolved distinct call repertoires shaped by their species-specific socio-ecologies, one vocalization has been conserved across species and age-sex classes: laughter,” said researchers led by Chiara De Gregorio of the University of Warwick.

The team’s analysis reveals that “great apes have been laughing in a recognizable way to modern humans for at least 15 million years” and that apes that are more closely related to humans have more complex and variable laughs similar to our own diversity of guffaws, cackles, and snorts.

To sum up: lol…lmao.  

In other news…

A long time ago in a star system far, far away…

Cordiner, Martin et al. “Isotopic Evidence for a Cold and Distant Origin of 3I/ATLAS.” Nature.

The interstellar comet 3I/ATLAS caused a sensation last summer when it was first discovered streaking through the solar system, partly because it revived the debate over whether these objects from other star systems could be alien handiwork.

While the evidence overwhelmingly suggests that 3I/ATLAS is not an extraterrestrial spaceship, it is nonetheless unlike any comet seen in human history. Scientists have revealed that the comet is by far the oldest object ever detected in the solar system, having “accreted as long ago as 12 billion years, following a period of intense, early star formation,” according to researchers led by researchers led by Martin Cordiner of the Catholic University of America.  

In other words, 3I/ATLAS is nearly three times older than the solar system, formed when the observable universe was only a third of its current size. The age is based on the comet’s ratio of deuterium to hydrogen (D/H), which was measured by the James Webb Space Telescope, the most powerful observatory ever launched. 

JWST revealed a “surprisingly high” ratio of deuterium enrichment, about 30 times the level of solar system bodies, with the exception of Venus. “3I/ATLAS thus represents a preserved fragment of an ancient planetary system,” concluded the team. 

So long to this primordial pilgrim, and may it live to be 13 billion. 

I have a black belt in hurricane deflection

Huang, Qin et al. “Weather Jiu-Jitsu: Prospects for atmospheric nudging to defuse the impact of catastrophic weather extremes.” PLOS Water.

Finally, we have an answer to the age-old question: Can we use martial arts to control the weather? In a new study, scientists propose the concept of “weather jiu-jitsu,” which uses gentle atmospheric “nudges” to redirect potentially catastrophic weather events, such as hurricanes, heat waves, or droughts.

“Imagine harnessing the power of nature to help steer hurricanes away from land, redirect atmospheric rivers to spread their rain safely and evenly, or defuse extreme weather patterns like heatwaves, freezes, or prolonged droughts before they take hold,” said researchers led by Qin Huang of Arizona State University. “It’s a vision where we partner with Earth’s own forces to create resilience, rather than reacting to disasters.”

Weather jiu-jitsu involves seeding clouds with particles to influence weather outcomes, but it differs from existing methods by opting for light touches in advance of a developing weather event, as opposed to the heavier lift of weakening an event that is already ongoing.

The team’s models suggest this method could have nudged Hurricane Sandy well away from New York City in 2021, warmed Texas by about 18 degrees Fahrenheit during its deadly 2021 freeze, and reduced the rainfall that caused widespread flooding in California from 2022 to 2023 by about 5 percent. 

That said, the study emphasized that the technique is only a proof-of-concept and it will take far more research to determine if it would be useful in the real world. In the meantime, let’s try some other martial arts-inspired approaches and figure out how to crane-kick a tornado or karate-chop a heat dome.

I bet you think this song is about ME

Golubickis, Marius et al. “Are societies becoming more self-centric? Evidence from five decades of popular music spanning three continents.” PLOS One.

While the Song of Summer 2026 has yet to be determined, odds are that it will be singularly self-absorbed. That’s the hook of a study that discovered popular music has shown “a significant increase in self-focused language over time in individualistic societies” such as the United States or Germany, while no comparable trend was observed in more collectivistic societies such as Japan or Hong Kong.

Scientists led by Marius Golubickis of United Arab Emirates University analyzed the lyrics of top 10 hits from 1970 to 2019 by quantifying the use of the plural pronouns like “we” and “us” compared with the first-person singular pronouns like “I” and “me” (check out the full list here). The results revealed that while “Western societies exhibited a clear increase in self-focused language over time, East Asian societies showed relative stability.”

This all checks out with my go-to playlist for narcissists, featuring “I Me Mine” by the Beatles, “Me Myself and I” by De La Soul, and, of course, “ME!” by Taylor Swift.

Thanks for reading! See you next week.

This is Behind the Blog, where we share our behind-the-scenes thoughts about how a few of our top stories of the week came together. This week, we discuss talking aloud to computers, Cannes, and “Engineering Creativity: Guac Is Extra."

JASON: This week I was in Cannes, France for the Cannes Lions advertising conference, which is a sentence you probably did not expect to be reading and is definitely not a sentence I expected to be writing. It’s rare that I BTB something before I actually write about it, but in this case I think it’s OK, as this is going to be significantly different from the actual articles I do. There is no sense in being coy about it—Cannes, which at least in the media business stands for both the beach town in the south of France and the advertising conference (but not the film festival), is a ridiculous place and experience filled with excess and extravagant displays of money wasting. Back when we worked at VICE, every year around this time there would be a bunch of whispers around the office about which executives and higher level sales people were going to Cannes and who was not (us journalists definitely were not). Then, during Cannes, there was a barely spoken sentiment that we, the journalists, should try extra hard to not fuck up lest we create some sort of situation that a VICE executive in Cannes would have to deal with from another time zone while drinking rosé on a yacht. 

Dans une tribune pour le Guardian, la chercheuse suédoise, Charlotta Kronblad, professeure à l’université de Gothenburg, raconte comment elle a tenté de se battre contre un algorithme d’affectation. En 2020, la ville de Göteborg a déployé un algorithme pour attribuer des places dans les collèges et optimiser les distances, les préférences et les capacités d’accueil. Mais voilà, « des centaines d’enfants ont été affectés à des écoles situées à des kilomètres de chez eux – de l’autre côté de rivières et de fjords, par-delà de grands axes routiers, dans des quartiers qu’ils n’avaient jamais visités et auxquels ils n’avaient aucun lien. Les parents, incrédules, ont constaté ces décisions. Avait-on seulement vérifié si un enfant de 13 ans pouvait raisonnablement parcourir ce trajet à pied en hiver ? Quel était le raisonnement derrière ces décisions ? Leurs préférences exprimées avaient-elles tout simplement été ignorées ? Personne au sein de l’administration scolaire ne semblait capable – ni disposé – à expliquer ce qui s’était passé ni à corriger les erreurs.»

Le fils de Charlotta était parmi les enfants désavantagés par l’algorithme. L’administration scolaire a indiqué que les parents pouvaient faire appel en cas de problème, comme si le problème n’était qu’une question d’insatisfaction individuelle et non pas un dysfonctionnement du système. Il a fallu près d’un an avant que les responsables municipaux ne confirment ce que beaucoup de parents soupçonnaient : « l’algorithme avait reçu des instructions erronées. Il calculait les distances à vol d’oiseau, et non celles des trajets piétonniers réels. »

Suite au tollé des familles, les procédures ont été améliorées pour l’année scolaire suivante. Mais pour environ 700 enfants déjà pénalisés par l’algorithme défectueux, rien n’a changé. Ils allaient passer toute leur scolarité au collège dans des établissements loin de chez eux.

L’injustice algorithmique qui en résulte n’est pas un problème abstrait, ni un problème propre au contexte suédois ; elle fait douloureusement écho à de récents scandales en Europe. Que ce soit celui de la Poste au Royaume-Uni ou celui des allocations familiales aux Pays-Bas, rappelle la chercheuse. Charlotta Kronblad a donc intenté un procès à la ville. Elle n’a pas contesté le placement individuel de son fils, mais la légalité de l’ensemble du système décisionnel et de ses résultats. « J’ai soutenu que la conception de l’algorithme violait la législation en vigueur.» 

Faute d’accès aux algorithmes du système, elle n’a pu les présenter au tribunal. Elle a fourni une analyse des affectations problématiques pour reconstituer son fonctionnement… Les services de la ville, eux, ont estimé que le système n’était qu’un simple outil d’aide à la décision qui n’a commis aucune faute, sans en fournir la moindre explication. 

« Ils n’ont pas eu à le faire. Le tribunal a fait peser la charge de la preuve sur moi. Il était de ma responsabilité, ont déclaré les juges, de démontrer que le système était illégal. L’analyse des décisions ne suffisait pas. Sans preuve directe du code, je ne pouvais pas atteindre le seuil de preuve requis. » Et sans communication du code, il était impossible de rien prouver. « L’affaire a été classée sans suite. » 

Nous savons que les algorithmes ne sont pas parfaits. C’est la raison d’être des tribunaux : contraindre à la divulgation, examiner et corriger. « Mais lorsque les cadres procéduraux restent obstinément analogiques et que les juges n’ont ni les outils, ni la compétence, ni le mandat pour interroger les systèmes algorithmiques, l’injustice triomphe. » Alors que nos autorités publiques déploient à grande échelle des systèmes opaques, les citoyens, confrontés à des conséquences bouleversantes, sont invités à faire appel individuellement. 

La charge de la preuve ne peut pas reposer sur les victimes, rappelle la chercheuse. Nous devons élaborer des règles de procédure permettant des recours qui ne soient pas individuels et qui exigent la transparence technique.

In February, police in Claremore, Oklahoma arrested farmer Darren Blanchard for speaking a little too long during a community meeting about data centers. The city charged Blanchard with criminal trespass, a crime with a $200 penalty, but he’s vowed to fight the charge. He recently shared video of the bodycam footage for the first time with 404 Media and answered our questions about the moment cops arrested him for going over his time at a February 17 community meeting of the Claremore City Council.

The plan in February was for the City Council to listen to the concerns citizens had about a planned data center called Project Mustang. The residents of Claremore don’t want the data center and largely feel like the construction project was approved without their input. City officials signed non-disclosure agreements on behalf of the project’s developers and haven’t been forthcoming with details about its construction.

Lila Shroff s’inquiète. A raison. ChatGPT Images 2.0 qui vient de sortir permet de créer des visuels photoréalistes nettement plus convaincants que ceux produits par ses prédécesseurs. Elle l’a utilisé pour créer une image de Trump en train de donner des conseils de maquillage comme une capture d’écran de TikTok. Amusant. « Mais les deepfakes les plus réalistes que j’ai pu créer n’impliquaient ni politiciens ni célébrités. La plupart ne représentaient même pas de personnes. Sans trop d’efforts, j’ai pu créer plus de 100 images falsifiées, notamment des ordonnances d’opioïdes et de médicaments contre le TDAH, des alertes bancaires, des publications sur les réseaux sociaux, de fausses images de cartes d’identité et de passeports », de faux documents financiers (factures, reçus et déclarations fiscales), fausses captures d’écran (pour falsifier une confirmation de virement bancaire), fausses notes de frais, fausse capture d’écran d’un site de presse… Les modèles d’images ont longtemps peiné à produire des images intégrant du texte. Ce n’est plus du tout le cas avec cette version ci. Bien sûr, en y regardant de plus près, tous ces faux ne sont pas encore parfaits. Dans son dernier rapport annuel sur la cybercriminalité, le FBI a inclus une section sur les escroqueries à l’IA, qui auraient coûté près d’un milliard de dollars aux Américains l’an dernier. 

Fake, ça accélère

« En théorie, je n’aurais pas dû être capable de créer la plupart de ces images. OpenAI interdit l’utilisation de sa technologie à des fins de fraude ou d’escroquerie » … mais souhaite laisser une liberté créative totale à ses utilisateurs. De la à permettre de reproduire des logos de banque ou des documents officiels… Même constats chez Google dont les IA permettent également de générer ce genre de faux. Les entreprises d’IA se défendent en estimant que les images générées le sont avec des filigranes comme SynthID ou des métadonnées, mais encore faut-il que les gens aient des outils pour analyser les images qu’ils voient. « Malgré la fragmentation de notre écosystème médiatique, une simple recherche Google suffit généralement à vérifier si ces images sont fausses. Ce sont les deepfakes ciblés et omniprésents – ceux qui escroquent vos proches plutôt que de simplement perturber les réseaux sociaux – qui sont peut-être les plus inquiétants. » Et pour lesquels les mesures de protection s’annoncent encore très perfectibles.

Pour le New York Times, Stuart Thompson a testé les détecteurs d’IA. Plus d’une douzaine d’outils en ligne affirment pouvoir faire la différence entre le vrai et le faux en recherchant des filigranes cachés, des erreurs de composition et d’autres indices numériques. « Les résultats suggèrent que ces détecteurs peuvent aider à confirmer les soupçons concernant les contenus générés par l’IA, mais il est difficile de s’y fier pour établir un diagnostic définitif. » Thompson réalise plusieurs tests ne produisant pas toujours des résultats adaptés auprès d’une galerie d’outils comme Hive Detect, Resemble.ai, AI or Not, Reality Defender, Copyleaks, BrandWell, Sensity, Sightengine et les grands outils d’IA qui ont tous intégré ces fonctions, de Gemini à Claude, ChatGPT ou SuperGrok.

Le NYTimes a fait passer des tests à tout ces outils. « Nombre d’entre eux ont pu détecter les contrefaçons les plus simples ». Parfois, certains outils ne parviennent même pas à détecter les images qu’ils ont eux-mêmes créé. Les propriétaires de ces outils estiment néanmoins que les mises à jour de ceux-ci seront plus efficaces qu’ils ne sont, sans parvenir à la perfection. La détection de vidéo est plus difficile que celle des images et les résultats de ces outils sont tous moins bons, mais semblent plus performants pour détecter les sons générés. Ils réussissent mieux à détecter comme réels des images et vidéos réels, par contre les images réelles modifiées demeurent les plus difficiles à détecter… tant pour les outils que pour les humains. 

Deepfakes : pourquoi ça marche ?

Dans sa newsletter, Rob Horning tente de comprendre pourquoi les images génératives rencontrent un tel succès. Par rapport aux images réelles, « les versions générées par l’IA sont souvent plus spectaculaires, plus cinématographiques et optimisées pour générer des clics sur les réseaux sociaux ». Toutes les images ne sont pas propagandistes, rappelle le philosophe, elles sont surtout « opportunistes ». Elles visent à produire du contenu. C’est une propagande pour l’information elle-même, qui soutient l’idée que « toute information peut et doit être vécue comme un divertissement ». « Elles encouragent plutôt une approche post-narrative où l’appréciation des mèmes ne dépend plus de la compréhension des enjeux globaux ni de la recherche de contexte ». « Les spectateurs sont pris en étau entre deux systèmes algorithmiques : l’un génère le contenu et l’autre nous le présente, notre attention étant captée pour les entraîner à converger.» 

Ces images et vidéos cherchent plus à être émotionnellement compréhensibles qu’à être authentiques. Le contenu ne fait que nourrir et renforcer notre soif de spectacle. « La confusion entre preuves et contenu dans les flux d’information a engendré une confusion entre les deux. Les éléments présentés comme des preuves deviennent un alibi pour le spectacle ; ils imitent la vérifiabilité tout en nous incitant à nier tout besoin de vérification. » Mais, s’inquiète Horning, « ces contenus renforcent également l’idée qu’il est plus amusant d’être dupé que d’être informé, et que l’indifférence à la vérité procure des récompenses émotionnelles immédiates ». Ils nous disent autre chose encore de notre monde, souligne-t-il. Ces contenus de piètre qualité alimentent l’idée que tout devrait être visible, surtout dans un monde aussi saturé de surveillance que le nôtre. A l’heure où tout est accessible, nous avons l’impression que tout est désormais visible, comme quand le journalisme lui-même utilise la reconstitution fictive pour nous montrer ce qui n’a pas été enregistré. Il existe de fausses images sur tout ce qui peut susciter des réactions. Et ces images et vidéos permettent de montrer ce qu’il se passe réellement, sans que ce soit réel. « Ces vidéos ne fournissent pas d’informations factuelles, mais une idéologie, nous épargnant ainsi l’effort de la réflexion. » 

Si ces fausses images prolifèrent, c’est parce qu’elles offrent des illustrations claires de problèmes perçus comme réels, explique la chercheuse Claire Wilmot sur son blog pour la London Review of Books, qui montre que les deepfakes racistes offrent à ceux qui les utilisent la confirmation de leurs diagnostics. Les gens qui les partagent savent très bien que ces images sont fausses, mais elles permettent de montrer ce que ces gens pensent qu’il se passe réellement. « Ces vidéos répondent au désir du public de voir ses croyances se manifester sous forme de preuves et de consommer ce qu’il croit déjà comme si cela était irréfutablement établi par des événements réels. Elles nous offrent des explications simplistes, nous dispensant ainsi de tout effort de réflexion ou de toute responsabilité. Ces types de vidéos et d’images nous permettent de vivre ces croyances comme un contenu sans avoir à y croire « réellement ». Elles apparaissent simplement sous nos yeux pour nous rassurer. Ces contenus s’auto-valident pour leur public car ils présentent une idée qu’il tient déjà pour acquise. »  

« Le flux constant de ces contenus normalise l’idée que l’information sera immédiatement remaniée pour nous satisfaire, et que nous pouvons compter sur nos flux d’actualités pour moduler nos émotions et nous apporter une forme de clarté, voire de soulagement. » Les fausses images permettent finalement de neutraliser le flux des images réelles qui sont peu commodes à comprendre. Elles apaisent l’anxiété de l’actualité en permettant de mieux la maîtriser, de la rendre plus lisible qu’elle n’est, plus conforme à ce qu’elle devrait être ou ce qu’on voudrait qu’elle soit. 

« Le caractère facilement rejetable de ces images obséquieuses fait partie de leur attrait ; il rend la tromperie apparente et contenue, grâce à l’incrédulité délibérément suspendue du spectateur. La désinformation nous flatte en nous laissant entrevoir la supercherie tout en savourant la vision du monde qu’elle propose. Elle offre un discours facile à suivre, qui procure un sentiment constant de réussite, de reconnaissance, d’obtention sans effort. Elle flatte comme un chatbot obséquieux. Son mal ne réside pas dans le fait de nous persuader de choses fausses, mais dans l’érosion du sens des responsabilités collectives face à l’information partagée. » C’est un peu comme si ces images permettaient d’enlever de l’actualité sa complexité. « C’est le message sous-jacent de tout contenu : nous devrions pouvoir voir ce que nous voulons croire sans avoir à investir d’efforts pour construire cette réalité. »

Horning pointe un autre effet de la désinformation partagée : celle de nous isoler finalement. « Au lieu de rechercher l’information en reconnaissant notre ignorance nous ingérons des quantités massives d’informations simulées et de propagande maladroite qui nous donne l’illusion d’être imbus de nous-mêmes. Si le devoir civique, en tant que raison de s’informer, s’est atrophié, la diffusion de désinformation vise à l’anéantir complètement. »

L’industrie médiatique a subordonné la vérité au spectacle, éliminant les points de vue marginalisés et les voix divergentes. Or, ce que nous voyons, entendons, lisons… ne devrait jamais suffire à dicter nos croyances, rappelle Horning. La « crise de la vérité » ne provient pas d’un nouveau pouvoir des médias de nous tromper, « mais de la conviction que la simple consommation de médias suffit à nous faire vivre dans le monde réel ». Or, « aucune image ne peut nous conférer un rapport privilégié à la vérité, une conscience automatique de la réalité objective, une empathie accrue ou un sens moral plus sûr. Aucun média ne peut nous affranchir de la médiation. S’engager avec les médias ne signifie pas « surveiller la situation » ; cela implique de participer à la guerre de la propagande, et non de se complaire dans la médiocrité ». 

Nous sommes de plus en plus soumis à une pure consommation d’information. Et en cela, les fausses images nous invitent à rester dans une pure consommation, en n’ayant plus qu’à circuler parmi elles, en naviguant parmi celles qui nous complaisent le mieux. Or, consommer l’information ne suffit pas, rappelle Horning. Les militants du Minnesota, face à l’ICE, ont montré l’importance à documenter ensemble, les pratiques de la milice, pas seulement en invitant les gens à regarder leurs vidéos, mais à les produire collectivement, en filmant la réalité des exactions de l’ICE sous tous les angles possibles, à témoigner. Une pratique qui devient plus forte à mesure que plus de gens y participent. Une pratique qui produit de la solidarité et qui participe à la production d’une réalité partagée. Tout l’inverse de la production politique traditionnelle qui amplifie de plus en plus les pires outrages, les pires dénis, les pires mensonges. Trump est assurément le pire menteur et affabulateur de tous les temps, et pourtant, il reste perçu comme plus honnête et plus authentique que ses adversaires, se désole la journaliste Zoe Williams dans The Guardian. Le risque est bien que les images génératives empruntent le même chemin : qu’elles semblent honnêtes et plus authentiques que la réalité. 

Hubert Guillaud

Cet édito a été originellement publié pour la lettre d’information Café IA du 13 mai 2026.

MAJ du 25/06/2026 : En janvier, dans la Technology Review, le journaliste James O’Donnell avait révélé que le Département américain de la Sécurité intérieure, qui gère les services d’immigration, utilisait des générateurs vidéo IA de Google et d’Adobe pour créer du contenu destiné au public. Si certains commentateurs n’étaient pas surpris (le président Trump lui-même étant coutumier du fait), de nombreux autres justifiaient la pratique en estimant qu’il fallait combattre la désinformation par de la désinformation. Au grand damne du journaliste qui, dans un autre article où il raconte les conséquences, constate que l’enjeu n’est plus la vérité. Et le journaliste de pointer vers un article de recherche de la revue Communications Psychology de Nature. Dans cette étude, les participants ont visionné une « confession » truquée et les chercheurs ont constaté que même lorsqu’on leur disait explicitement que la preuve était fausse, les participants s’y fiaient pour juger de la culpabilité d’un individu. « Autrement dit, même lorsque les gens apprennent que le contenu qu’ils consultent est entièrement faux, ils restent influencés émotionnellement par celui-ci ». Nous avons réagi à la crise de la vérité en nous préparant à un monde où le principal danger serait la confusion, conclu O’Donnell. « Or, nous entrons dans un monde où l’influence survit à la révélation, où le doute est facilement instrumentalisé et où établir la vérité ne permet pas de repartir à zéro. Et les défenseurs de la vérité sont déjà largement distancés. » Face à la submersion par le faux, même rétablir la vérité ne semble plus avoir d’effets. 

MAJ du 25/06/2026 : Il reste des éléments qui permettent encore de distinguer les images réelles des images générées, estime Hany Farid, pionnier de la criminalistique numérique, qui à la tête de l’entreprise GetReal Security, est l’un des plus grands experts mondiaux en matière de détection de manipulation de photos et de vidéos. Dans Science, il explique que les images génératives peinent à reproduire fidèlement les lois de la physique. Même constat pour Darren Linvill, codirecteur du Media Forensics Hub de l’université de Clemson : les images génératives sont plus saisissantes que la réalité. « En termes de contenu à partager et à regarder, une grande partie du contenu généré par l’IA surpasse la réalité », explique-t-il. Les explosions sont plus impressionnantes, le point de fuite des perspective n’est pas unique, les différences d’éclairages perceptibles… Farid cherche surtout les traces laissées par certains types de manipulation, notamment en analysant les pixels des images. « L’IA générative ignore tout de la physique et de la géométrie ». Pour vérifier les images, Hany Farid contrôle souvent si la géométrie de la scène est réaliste. Il a développé également un logiciel de lecture labiale automatique capable de repérer quand les mouvements de la bouche ne correspondent pas pas aux paroles… Mais reconnait-il, ces problèmes évoluent vite et les systèmes s’améliorant, la détection est de plus en plus difficile. « Le monde réel est incroyablement complexe à simuler, et les entreprises d’IA n’ont guère intérêt à pousser leurs modèles aussi loin. Après tout, leur objectif n’est pas de tromper les experts en criminalistique numérique comme Farid, mais simplement l’utilisateur lambda, un critère bien moins exigeant. « Le système visuel tolère toutes sortes d’absurdités sur les photos, car il n’y prête pas attention », explique-t-il. » Un de ses étudiants, Lyu, a développé deepfake-o-meter un système pour estimer la crédibilité des images. Mais un des principaux problèmes est que ces détecteurs fonctionnent mal avec des contenus très différents de leurs données d’entraînement. « Il n’existe pas de détecteur d’apprentissage automatique unique permettant aux utilisateurs de télécharger tous types de vidéos, photos, fichiers audio et d’obtenir une réponse fiable. » 

Bien sûr, même l’enquête la plus approfondie et la plus rigoureuse ne convaincra pas toujours les sceptiques. Farid l’a appris à ses dépens en 2009, lorsqu’il a analysé une photo de 1963 montrant Lee Harvey Oswald tenant le fusil qu’il utiliserait plus tard pour assassiner le président John F. Kennedy. Les théoriciens du complot – et Oswald lui-même – affirmaient depuis longtemps que la photo était truquée, pointant du doigt des détails inhabituels comme les ombres sur le visage d’Oswald. Mais l’analyse de Farid n’a rien révélé d’anormal. Cela ne l’a pas empêché d’être accusé d’être partie prenante dans la dissimulation de la vérité ! 

Farid a également participé du développement de PhotoDNA qui repère les contenus pédopornographiques en ligne (voir notre article sur la modération automatisée depuis le livre de Tarleton Gillespie de 2019, Custodians of the internet, Yale, 2018). Développé en 2009 en collaboration avec Microsoft, cet outil analyse les contenus mis en ligne sur Google, Facebook, Reddit et d’autres plateformes, en comparant les fichiers à une base de données de contenus pédopornographiques connus. Le Centre canadien de protection de l’enfance (C3P) utilise ce logiciel dans le cadre du Projet Arachnide qui explore activement l’internet à la recherche de correspondances. 

Mais Farid reconnaît qu’il est désormais submergé par le flot : au début de sa carrière, il recevait une ou deux demandes de vérification par mois, se souvient-il. Puis, chaque semaine. « Maintenant, c’est tous les jours. Sans blague, chaque matin, je me réveille avec une dizaine de courriels de journalistes du monde entier. » 

Il est possible que quelqu’un parvienne à créer un faux document indétectable, explique-t-il. Mais son objectif est de rendre la tâche si difficile qu’elle reste hors de portée de la grande majorité des personnes mal intentionnées. « Chaque fois que je quitte ma maison, je verrouille ma porte d’entrée », explique Farid. « Cela empêche 99,99 % des gens de s’introduire chez moi, mais pas un serrurier. » 

Scientists have discovered new evidence that the cosmic structures connecting the universe are much larger than previously predicted—persisting over billions of light years—a finding that challenges a core tenet of cosmology and hints at the possibility of new physics, according to a study published on Wednesday in Nature.

The standard model of cosmology, a well-corroborated framework for understanding the universe that is also known as the Lambda cold dark matter (ΛCDM) model, predicts that the large-scale structure of space looks the same in all areas (homogeneity) and in all directions (isotropy). While there is variation in the distribution of matter on small scales, such as thousands or millions of light years, these distinctions should smooth out into a uniform pattern on the scale of the cosmic web, which is a network of large-scale structures made of dark matter, gas, and galaxies that stretches across the universe.

But in recent years, new observational data has started to hint that galaxies cluster in “preferred directions,” forming distinct structures known as “anisotropies” that are not uniform, even across vast distances. Now, a pair of physicists has discovered that these distinct directions and patterns persist even to the scale of a gigaparsec, which is a unit equal to 3.26 billion light years, possibly signalling “the need for a shift in modern cosmology,” according to their new study.

“The structures observed in the real Universe are significantly larger and more persistent than those formed in state-of-the-art simulations based on the standard model of cosmology,” said authors Francesco Sylos Labini of the Enrico Fermi Research Center in Rome, Italy, and Marco Galoppo of the University of Canterbury in Christchurch, New Zealand, in an email exchange with 404 Media.

“The key advance of our analysis is that it allows this difference to be quantified,” they added. “By measuring the spatial extent and coherence of the observed structures and comparing them directly with theoretical predictions, we found that the discrepancy is statistically highly significant. In other words, the largest structures in the real Universe appear to be substantially larger than expected in standard models of galaxy formation.”

According to existing models, the cosmic web emerged from small density fluctuations in the early universe and gradually developed into large-scale filaments and nodes made of dark matter that gravitationally attract gas, galaxies, and other forms of matter. 

Last year, the Dark Energy Spectroscopic Instrument (DESI), a major astronomical survey based in Arizona, released the largest high-resolution 3D map of the universe, which has revolutionized cosmology and allowed scientists to test those theories against observational data.

Labini and Galoppo analyzed the DESI release with statistical tools, including the Angular Distribution of Pairwise Distances (ADPD), which is especially effective for detecting and characterizing large-scale anisotropies in DESI’s dataset.

“The idea was to try to really test whether the idea that isotropies reached very large scales is now supported by data,” said Galoppo in a follow-up call. “Even just five or ten years ago, we didn't really have the data to test on gigaparsec scales. But now, we had a chance, so we decided to take it.”

“What we are able to do is to characterize how large are the largest structures inside this sample” of DESI observations, added Labini in the call.

The results revealed that even in DESI’s super-zoomed-out observations, large-scale structures create preferred directions of galaxy distribution, as opposed to an overall isotropic pattern. This contrasts with expectations derived from the cosmic microwave background, the oldest light in the universe, which suggests that directional correlations should fade rapidly at large scales.  

“In the standard model, it's not that there aren’t structures,” said Galoppo in the call. “It is just that they are supposed to be smaller and less persistent than what we found. That's the crux of the matter.”

To that end, DESI is expected to release a new batch of observations within a year, and similar datasets will also be forthcoming from Europe’s Euclid space telescope and the Vera C. Rubin Observatory in Chile in the near term. These new and improved views of the universe will help scientists grapple with just how vast these large-scale structures are, and what that means for our understanding of our cosmic surroundings. 

“At present, there is no simple or widely accepted modification of the ΛCDM framework that naturally explains structures of this size while remaining consistent with the observed uniformity of the cosmic microwave background,” Labini and Galoppo wrote over email. “That is precisely why these observations are so interesting: they point to a potentially important gap between theory and observation that deserves further investigation.”

“If future surveys continue to find coherent directional structures on even larger scales, the implications for cosmology would be profound,” they concluded.

Behind closed doors and without expert input, the Trump administration issued a major policy change to how census data is released. Data experts are concerned the result will be less reliable public data related to redistricting, natural disasters, the workforce, housing, and more.

On June 4, the Trump administration released an order, Disclosure Avoidance for Statistical Products, that forbids “any use of noise infusion” for statistical products. “Coarsening shall be the preferred category of Disclosure Avoidance methods for all statistical products,” the order states. “Suppression shall be permitted as a last resort, only to be used when coarsening is prohibited by law or would substantially defeat the accuracy or usability of a statistical product.” 

In statistical terms, noise infusion is a common and accepted technique for privacy protection when working with data: it creates “fuzz” or random values within a dataset, making the published statistics slightly different from the actual, sensitive data. Coarsening is the process of grouping and rounding data, or reporting it in ranges instead of potentially identifiable specifics. Suppression is what it sounds like: redacting information, replacing it with asterisks, or not releasing the data entirely. 

NPR’s Hansi Lo Wang first reported on the policy change and its implications. People who work with census data and statistical analysis are worried that limiting the ways the Census Bureau and the Bureau of Economic Analysis (BEA) can release data will severely limit what information ends up available to the public.

Data coming out of small communities and industries, especially, could be heavily affected by the change. “Because ‘coarsening’ (grouping, rounding, reporting in ranges) and suppression are the only not-prohibited tools named in the order, it means that to keep information safe, the Census Bureau and BEA need to group small things (like small communities or small business types) into larger ones, or they need suppress the data completely,” Beth Jarosz, a senior fellow at Georgetown University's Massive Data Institute and vice president of the Association of Public Data Users, told me in an email. “Small industries may get rolled into bigger industry categories. Small counties may get rolled into county groups or not reported at all.”

On June 17, five groups — the Population Association of America, Council of Professional Associations on Federal Statistics, Association of Public Data Users, Inter-university Consortium for Political and Social Research, and Association of Population Centers — released a joint statement condemning the order. “This order subverts processes developed over decades to foster transparency and public trust and creates a scenario in which there will either be less privacy for our personal information, or less usable data, or both,” the statement says.

The Director of Science Policy for the American Statistics Association Steve Pierson wrote that the order “handcuffs the Census Bureau and the Bureau of Economic Analysis in terms of the techniques they can use for protecting the privacy of respondents.” 

John Abowd, the former Associate Director for Research and Methodology and Chief Scientist at the Census Bureau, posted a list of data products on Linkedin that this order would affect. These include the OnTheMap for Emergency Management system, a public data tool that provides real-time U.S. population and workforce statistics for areas being affected by natural disasters; Quarterly Workforce Indicators which include data about employment, job creation and destruction, wages, hires, and more; business formation and dynamics statistics; veteran employment statistics; data related to post-secondary educational outcomes, and many more. Many of these use noise infusion, which Trump’s order just banned.

There’s also confusion about how this order will even be enacted in practice. “Regarding the datasets that used noise infusion, it is unclear how this policy will impact public access,” Lynda Kellam, who leads the Research Data and Digital Scholarship team at the University of Pennsylvania Libraries and is a founding organizer of the Data Rescue Project, wrote following the order. “The policy is intended to be retroactive, raising concerns that data might be removed, but how that will play out is uncertain.” 

In the immediate fallout, at least, we’re already losing some public information. As Wang from NPR pointed out on Bluesky last week, multiple webpages related to noise infusion and differential privacy on the Census Bureau's website were removed following the order. Most of those pages have since been restored. At the Data Rescue Project, a team led by Lena Bohman has been proactively collecting and archiving Census Bureau working papers and making them available to the public. 

Jaroz said that along with the risk of unreliable or missing data, the abandonment of long-agreed-upon privacy protection methods can damage public trust in Census data. “When the Census Bureau and Bureau of Economic Analysis gather data, they promise respondents that they will keep responses confidential. When a person responded to the American Community Survey or a business owner provided information about their employees or sales, they expected that the Census Bureau and BEA would protect that information. By taking away tools that those agencies use to protect privacy and confidentiality, people may question whether or not Census and BEA can live up to that promise,” she said. “Similarly, the Census Bureau and BEA are producing information for public benefit. People respond, for example, to the American Community Survey (at least in part) because it will benefit their community. If the new rule results in cutting back how the data can be published and used, it also weakens trust and it is worth responding.” 

As Wang noted, America First Legal, a law group co-founded by Trump's deputy chief of staff for policy Stephen Miller, attempted to force the release of new 2020 Census data in a lawsuit last year, by challenging the Census Bureau's differential privacy system. Judges ruled it was too late to sue, but they refiled the case in February.

As NPR also reported last year, Trump and Republicans in Congress have been pushing to exclude people living in the U.S. without legal status in the 2030 Census. “People who are in our Country illegally WILL NOT BE COUNTED IN THE CENSUS,” Trump wrote on Truth Social in August 2025. This would be a radical change in how the Census has been conducted for more than 200 years. Redistricting and gerrymandering have been a massive fight for the Trump administration for years, and has ramped up ahead of the 2026 midterms, as the Supreme Court recently weakened the Voting Rights Act and allowed for more redistricting that would favor Republican control of the House. 

The data policy change is also happening in light of the Trump administration’s gutting of Census practice test locations in the South. In February, the Associated Press reported that the administration is eliminating four out of the six locations that were slated to test new methods for the 2030 census. “The Census Bureau would be essentially flying blind into communities that need testing most — tribal lands, rural areas with limited connectivity and places with historically low response rates,” Mark Mather, an associate vice president at the Population Reference Bureau, told the AP. “You can’t fix what you don’t test.”

I am staring at a painted portrait of King Charles, who is wearing a red suit. The comically oversized and heavy Snap Specs I am wearing have basically created a digital version of the real painting and overlaid it over the real thing. A narrator speaking through the glasses asks me to reach out and touch a butterfly perched on his right shoulder. Through the glasses, I see a digital version of my hand reach out. The butterfly takes off and floats toward my ghostly hand. It lands on my fake fingers, and clips through them. Imagine yourself as royalty, a narrator in the Snap Specs says to me. King Charles’ face morphs into a version of my own, though it’s been run through an AI filter to look thinner, smoother, yet somehow older. 

I walk to the next painting and stand on the black dot I’ve been told to stand on. The painting looks like a blank-ish canvas. I am positive I am about to see the same magic trick I’ve seen several times in the last few minutes; my face is going to be “painted” on the canvas the way it has been on several other portraits. The narrator starts talking to me. His voice is much fainter. He starts talking, and I look slightly away from the painting. The experience stops. I get a staffer to help me reset the glasses. I look back at the painting. The narrator begins talking. I slightly turn my head. The experience stops. I look at the painting again. It starts over. I remember that a staffer had told me not to look away from the paintings or the experience would stop. I do not move my head this time. Another AI version of my face appears on the canvas. I walk away, and do not feel as though I have just tried transcendent futuristic technology.

Snap let people try the glasses at “Spectacular, The Art of Jonathan Yeo in Augmented Reality,” a museum takeover at the Cannes Lions advertising festival in France, where nearly every big tech brand was pitching its platform’s advertising capabilities, and where I am working on a few stories for 404 Media. I don’t write about gadgets all that often, but with the Snap Specs getting lots of mostly negative attention and with investors actively begging CEO Evan Spiegel to not make them, I figured that, given the opportunity, I would put them on my face. Snap’s experience was tightly curated (the glasses don’t come out for four months), and was basically an audio/video tour of a few paintings of celebrities.

The flagship augmented reality experience for Snap’s new, widely clowned-upon glasses is essentially the same thing that brands have been doing at museums for 15 years now. Rather than use your phone to make art pop off the wall, it uses the $2,195 glasses that weigh “just 132 grams,” a Snap press release says (most regular glasses weigh between 25-50 grams) to make paintings of celebrities blink at you. At the beginning of the experience, my face was scanned on an iPad and then was presumably run through various AI filters to let me replace celebrity faces with my own. A portrait of Jony Ive in which he is holding an iPhone put my face on that iPhone, for example. A portrait of David Attenborough allowed me to “look into the past” and “look into the future” by running my face through different age filters; the result was an AI-ified version of me with a tiny head and a goatee as a child, wearing an enormous hat, and an older version of myself that I could flick back and forth to with my hand. 

This was the type of brand experience I’ve done a million times at different conferences and it was so surface level as to be barely notable, but the glasses are indeed very heavy. They didn’t hurt to wear on my big head for 10 minutes, but I couldn’t imagine wearing them much longer than that. The visuals didn’t make me dizzy or nauseous like some virtual reality glasses have, but the visuals and audio also weren’t that great, and the glasses are augmented reality rather than fully engrossed virtual reality. There were clipping issues and, again, the experience stopped if I even slightly turned my head away from a painting—it is hard to imagine these things working well in real life. I have tried other VR and AR demos. So many are like this. They all have problems even in highly controlled environments and barely do anything more than your phone can do, with the added bonus of being incredibly expensive, uncomfortable, and branding you as an asshole. It was hard to imagine trying these and not dunking on them and, indeed, what I thought would happen did come to pass.

This is to say nothing of the privacy concerns associated with shoving AI into a camera and pair of comically large display glasses. We have written repeatedly about these dangers and they are not worth delving back into in a Snap-specific context, because these glasses are so big, heavy, dorky, and expensive that it is impossible to fantasize a world in which anyone wears them. 

We start this week with Matthew’s story about a fascinating paper that argues if LLMs are sentient, then by those metrics so is the classic game Age of Empires II. After the break, Matthew tells us about a wild story out of Texas with a data center being built on land that was donated to be a park. In the subscribers-only section, we talk hacking and basketball.

Listen to the weekly podcast on Apple Podcasts, Spotify, or YouTube. Become a paid subscriber for access to this episode's bonus content and to power our journalism. If you become a paid subscriber, check your inbox for an email from our podcast host Transistor for a link to the subscribers-only version! You can also add that subscribers feed to your podcast app of choice and never miss an episode that way. The email should also contain the subscribers-only unlisted YouTube link for the extended video version too. It will also be in the show notes in your podcast player.

• ⁠If AI Is Sentient Then So Is ‘Age of Empires II’⁠
• ⁠A Farmer Donated Land to Turn into a Park. The City Is Building a Massive Data Center Instead⁠
• ⁠Hackers Publish Knicks and Madison Square Garden Data Online⁠
• ⁠Madison Square Garden Made Dossier on Activists Who Opposed Facial Recognition⁠

The hackers that stole a large cache of data from Madison Square Garden called a low level employee and tricked them into letting the hackers into MSG’s systems, according to the hackers and 404 Media’s review of the stolen data.

The breach highlights the risk of social engineering over voice calls, sometimes called ‘vishing’. Whereas phishing, where hackers social engineer someone over email or send them a fake login page, has been common for decades, vishing has only become prevalent more recently, especially as young and native English speaking hackers have become a serious cybersecurity threat.

Consulting giant Accenture is trying to figure out how to stop non-technical workers from blowing through companies’ AI token budget on trivial tasks like converting PDFs to presentation slides, according to leaked audio obtained by 404 Media. Across the industry Accenture is seeing “soaring token spend,” according to the audio.

The news highlights a major shift in the tech industry and other companies that use AI: the wave of uninhibited AI growth is over. Some AI providers like GitHub are now charging customers per token rather than a flat subscription fee, leading some companies to burn through their tokens. Uber recently capped employees’ use of AI tools like Claude Code and Cursor; that came after Uber told employees to use AI as much as possible and Uber’s CTO said the company had blown its entire AI budget in four months. And Accenture itself reportedly started requiring senior staff to start using AI or risk losing out on promotions. 

It also undercuts the narrative that superpowered engineers generating mountains of code are behind the AI boom. In many cases it is non-technical staff burning through tokens for non-specialized tasks.

“We’re seeing from some of the data internally at least that it’s actually not our engineers that are driving the token consumption. It’s a lot of the non-engineers that are doing some of those behaviors [...] you were talking about,” Justice Kwak, Accenture’s agentic AI strategy lead, said in a recent internal meeting, according to the audio obtained by 404 Media.

Le journaliste économique de Mediapart, Romaric Godin, estime que les appels à la régulation de l’IA ne proposent rien. « Ces textes sont tous sur une ligne de crête : ils refusent de rejeter l’IA, et ce refus est lié à la volonté de ne pas s’opposer au « progrès scientifique ». Il faut donc accepter les évolutions technologiques tout en cherchant à s’en prémunir. » 

En fait, ces appels à la régulation estiment que les technologies sont neutres, qu’elles ne seraient que les produits de la science. Mais c’est oublier que la technologie n’est pas neutre et qu’elle n’est pas qu’une simple réalisation de la science, « c’est une utilisation de la science pour un but social donné ». L’IA vient d’abord répondre non pas à un besoin de la société, mais à un besoin du capital : « celui d’une nouvelle vague d’automatisation du travail afin de relancer le taux de profit ». La logique de la régulation vise alors à nous faire croire que l’IA aurait une utilité autre que celle du capital qui la déploie. Or, rappelle Godin : « ce pour quoi elle a été développée et financée, c’est de permettre un rebond des gains de productivité, notamment par l’automatisation des services et par l’accélération de l’automatisation de l’industrie. » La capacité de l’organisation économique à générer des gains de productivité est pourtant plus affaiblie que jamais. « Comme l’avait déjà perçu en 2015 l’économiste Robert Gordon, le coût en matière d’innovation est désormais considérable pour faire remonter le taux de productivité. Le gigantisme de l’IA et des financements qu’elle mobilise traduit précisément cette situation. Ce gigantisme s’accompagne donc d’une rentabilité fantôme mais qui reste le but du secteur. » « C’est sans doute l’angle mort de ces demandes de régulation : l’IA est un besoin du capital, et pour satisfaire ce besoin, la fuite en avant technologique n’est pas une « dérive » ou un « effet indésirable » que l’on pourrait contrôler, c’est une nécessité centrale. »

« Qui peut réguler ? Celui qui déciderait de freiner le développement technique et financier de l’IA perdrait immédiatement toute pertinence sur le marché, il serait balayé par ses concurrents. Et comme, par ailleurs, l’IA est loin d’avoir atteint son but, une régulation venant de l’ensemble du secteur est impossible : les financements engagés ne peuvent espérer devenir rentables que si la fuite en avant se poursuit. C’est aussi pour cette raison que les cauchemars apocalyptiques de l’IA sont alimentés par les acteurs eux-mêmes. Il est indispensable de continuer à donner envie aux investisseurs de financer l’IA et il faut donc maintenir la « hype », la frénésie.» Les Etats ne sont pas de meilleurs régulateurs non plus. D’abord parce qu’ils « sont en voie de fusion et de confusion avec le capital privé, précisément parce qu’ils sont dépendants pour leurs financements de la production générale de valeur de l’économie ». Ensuite parce qu’ils sont tous en soutien de la course à l’IA. « Tous tentent d’attirer les investissements de l’IA sur leurs sols. Tous s’efforcent « d’adapter » leur population à cette technologie et de la convaincre que son usage est indispensable ». « La volonté régulatrice se berce encore d’une illusion dangereuse, selon laquelle la croissance pourrait continuer à assurer le bonheur.» 

« En voyant l’IA comme un progrès humain alors qu’il n’est qu’un progrès du capital, on refuse de voir l’essentiel : le prix de la production de richesse capitaliste est désormais celui de la destruction. Et on ne régule pas la destruction, on la combat.» 

Dans son livre, Le problème à trois corps du capitalisme (La découverte, 2026), Romaric Godin, expliquait déjà que l’IA est une technologie « conçue pour préserver le capitalisme ».  Il déployait en avril la même idée dans deux articles pour Mediapart, expliquant combien le gigantisme des investissements promettait des gains de productivité que l’économie ne peut plus assurer. L’automatisation est l’ultime promesse pour assurer la poursuite de l’accumulation par une prédation totale et sans limite qui vise à continuer le capitalisme pour lui seul, avec une innovation, un progrès, qui ne propose ni une amélioration de la science ni une amélioration de la société, mais seulement la poursuite du profit.

Larry Sanger, one of Wikipedia’s cofounders, was banned from editing the site indefinitely after other editors determined he was canvassing, or in other words, calling on his followers off platform in order to influence Wikipedia’s content. 

Sanger has spent more than a decade criticizing Wikipedia for what he claims is an ideological, left-wing bias on a variety of topics, and on X has framed this recent ban as further proof of everything that’s wrong with Wikipedia. The New York Post took that bait and last night published an article with the headline “Left-leaning Wikipedia blocked founder from editing site—after he campaigned to make it more balanced.” 

Wikipedia editors obviously reject that framing and say that Sanger was banned for wielding his followers to sway discussion and decision making on Wikipedia. The discussion that led to the decision to ban Sanger concluded with what an editor called a “clear consensus” to ban Sanger.

“There is general agreement among participants that he has engaged in off-wiki canvassing and is not here to constructively build the encyclopedia,” the editor said in a note closing the discussion. “There is also a significant concern shared by many editors that his actions constitute calls for outing.”

While Sanger has been railing about bias on Wikipedia for years, the specific issue here is around his WikiProject Intellectual Diversity. WikiProjects are group efforts among Wikipedia volunteers to deal with certain issues on the site. For example, in 2024 I wrote about WikiProject AI Cleanup, a group of volunteers who focus on removing AI-generated content from the online encyclopedia. Sanger’s WikiProject Intellectual Diversity, as its name implies, aims to bring more intellectual diversity to the site, mostly meaning more right-leaning perspectives. 

Sanger’s WikiProject Intellectual Diversity and its goals alone do not merit a ban according to Wikipedia’s policies. The problem, according to Wikipedia editors, is that during the discussion about whether to allow WikiProject Intellectual Diversity to become an official WikiProject, Sanger invited his 91,000 followers on X to influence that discussion. 

“Wikipedians are now debating whether my proposed WikiProject Intellectual Diversity should be permitted to become an official WikiProject (club/group of editors),” Sanger said on X on Friday and linked to the Wikipedia talk page about the issue. “Lots opposed. Also lots in favor.”

“Can I still join the movement?” one person replied to Sanger on X. 

“Let's just say that if I answer that question one way or another, the playground moms who rule Wikipedia might block me,” Sanger responded. 

As one volunteer wrote in the discussion page about whether to ban Sanger:

“Since the return from his self-imposed exile pretty much all he has done is try to start a right-wing/conservative pressure group within Wikipedia not to improve articles on topics that may be under-represented or highlight high-quality sources that could be utilised more, but to instead attempt to rewrite policies and guidelines to his political bent while throwing baseless aspersions about the conduct of many users (mostly those in privileged positions such as admins) and alleging they're being funded by shadow money. Frankly if this was anyone else claiming all this with the way he is, we'd have shown them the door long ago.”

Ilyas Lebleu, another Wikipedia volunteer and admin, told me that they had warned Sanger about similar behavior two months ago, but that Sanger ignored them. 

“Larry tried to frame the community discussion as a pseudo-legalistic process, bringing a list of ‘charges’ and ‘counts’ from ‘prosecutors,’ instead of an open community discussion,” Lebleu said. 

Discussions about potential bans are supposed to remain open for at least 72 hours. While consensus that Sanger had violated Wikipedia policies was clear, Sanger was banned at some point before that deadline. He was then briefly unbanned, and then again indefinitely banned once 72 hours had elapsed and the discussion about the ban closed. 

“Wikipedia has become more of a mob-rule anarchy than ever,” Sanger said in a statement sent to me by a spokesperson. “In the kangaroo court in which a mob ousted me, Wikipedia’s administrators showed that they don’t appear to value details like formal charges, a designated prosecutor, basic decorum, distinction between prosecution and judge, dispassionate adjudication, and so forth. They have no proper system other than triggering a mob to selectively enforce their hodgepodge of vague rules.”

“Now that same mob has blocked me for trying to bring an intellectually diverse group of thinkers and editors to the site,” Sanger continued. “Subscribing to their groupthink is now an official requirement of being a member in good standing. Something must change, and now. I only wonder if the system as it currently stands can even allow the discourse necessary to fix the system.”

Sanger’s claim that Wikipedia has a left-leaning bias isn’t unique or new. Elon Musk has railed against the site for years as well, an effort that culminated with the launch of his highly flawed, AI-generated Grokipedia. But the stakes for Wikipedia as a reliable source of information are higher than ever as every corner of the internet is struggling to deal with a flood of AI-generated, error-filled slop. 

This story was reported with support from the MuckRock foundation. 

Around this time last year, Rachel Rodman was happily employed as a library clerk and program assistant with the Crawford County Library District in the east-central part of Missouri. Rodman didn’t think anything of the display she curated for Pride month last June, highlighting LGBTQ+ books from the district’s collection in the one room library within a community center. Rodman says she was given free reign to create displays and had no reason to suspect that her actions would lead to her firing. The display was up for five days before Rodman says her branch manager left her a handwritten note telling her to remove it. Rodman refused, posting to Facebook on June 5, 2025 that she wouldn’t deny a marginalized group’s right to visibility because the district feared community backlash. 

“I take my job very seriously,” Rodman wrote, adding, “I will not yield, and I’m not sorry about it.” 

The next day, she was fired. Public records obtained by 404 Media offer insight into Rodman’s dismissal and how the decision reflected poorly on the library. It represents one of hundreds of public records requests filed in jurisdictions in which we’ve received a tip or followed up on incidents of censorship and self-censorship related to LGBTQ+ focused or Pride-related book displays. Records from a handful of public libraries show a willingness from library leadership to tolerate acts of self-censorship in anticipation of unwanted attention from certain community members, and in some cases, religious leaders. This tends to show up in hesitancy to organize cultural heritage programming and LGBTQ+ book displays. 

In a statement to 404 Media, Rodman says that because public libraries are funded through taxpayer dollars, reducing visibility of a marginalized group constitutes a refusal to openly support all patrons. 

“It’s never enough to just carry the books as available material,” Rodman told 404 Media. “Everyone deserves and should be able to find themselves publicly represented, but especially in communities where censorship is already such a huge issue. It’s in those communities that minorities of any kind already feel repressed and underrepresented.”

In one email exchange from libraries in east-central Missouri, Crawford County Library District’s director told other area library directors that the firing “was not discrimination,” but rather, to “protect” employees and patrons. The situation “does look bad,” she wrote, before making it worse by accusing the employee of playing “victim.” The issue, according to Rodman and the records, was that in 2022, the library tried to host  a “Rainbow Storytime” event, but canceled it  because the library had received death threats. 

“Regardless of whether the library actually instructed the employee to remove the display, we’re in rural Missouri,” Steven Campbell, director of the Scenic Regional Library in Union, Missouri, wrote. “It’s an extremely challenging political and social environment. We all need to make our own decisions. Not everyone has a Board or appointing authority that will back them on LGBT issues. If someone thinks losing their job or receiving deaths over a display is worth it, that’s great. I admire them. Not everyone is willing to make those sacrifices, and that shouldn’t be judged.” 

Censorship experts and professional associations disagree, but they acknowledge that small and rural libraries have different challenges than their metro-area counterparts. A lot of these systems are very small, with very few salaried staff and limited acquisition budgets. Nor are they discounting the fact that it’s hard to be a librarian right now,  thanks in large part to the work of some very well-funded astroturfers. The American Library Association’s Office for Intellectual Freedom found that in 2025, over 90 percent of all book challenges could be linked to pressure groups or key decision-makers like public officials and government employees or library boards or library administrators. 

“When a library chooses to engage in censorship-lite out of fear, by just trying to keep the peace and but still do the good work of the library, it’s the patrons who pay the price, no matter what” Kate Laughlin, executive director of the National Association for Rural and Small Libraries, told 404 Media. “It is the community who is the victim, not the library and the librarians.”

In public records obtained by 404 Media, librarians regularly discussed the challenges they face with their leadership. Some of the things we've read include:

• "I am not calling attention to Pride Month online, but I don't call attention to other recognized holidays unless it is part of a program... each time that I promote this piece of the collection I have push back from a parent."
• "If it is in the children's area, maybe a good compromise would be to move it to another area."
• "I have made a compromise by taking the time and trouble of changing the wording on the sign that she disapproved... I want to keep the Pride Month display up where it is for 10 more business days. Pride Month ends on June 30 and then it will be taken down."
• “Everyone knows the stuff we’re dealing with regarding LGBT issues. It’s no cakewalk for anyone.”
• “As a library director in a small town I have had apprehensions about doing outward pride displays in my community.”
• “My assumption is that we will get more complaints as Pride month gets underway.”

The American Library Association’s Office for Intellectual Freedom is seeing fewer public Pride displays in libraries this year compared to  recent years, citing the chilling effect of censorship.

“There is no obligation to have any display about anything,” Sarah Lamdan, executive director of the ALA Office for Intellectual Freedom told 404 Media. “It’s all about what a community is interested in. But if somebody thinks that a Pride display might be something that would be appreciated by any member of their community, or they want to put up a Pride display, that shouldn’t be a source of fear or incrimination.” 

Lamdan says there’s a difference between being a library that doesn’t do displays of any kind, and libraries that have done displays in the past who choose not to do them due to external pressure. 

One underexplored throughline here involves religious influence in local politics. CatholicVote, a political action committee that coordinates “Hide the Pride” campaigns since 2022, has donated to library defunding campaigns. Over the years, there have been a number of pastors challenging LGBTQ+ collections and displays. Take for instance, an incident that happened in June 2024 in which a local pastor checked out dozens of books from those collections and posted on social media for his congregants to do the same.  

Emails obtained by 404 Media from the time of the incident show library workers from neighboring systems who had LGBTQ+ titles wrapped up in the “Hide the Pride”-style incident wishing the library hadn’t drawn further attention to the issue through its Facebook channel. 

“Personally, I think Wichita’s decision to call attention to this on Facebook was a bad idea,” Tom Taylor, director of the Andover Public Library, said in one email to other cc’d library workers. “It just gives more people the idea.” 

When asked for clarification as to what he meant by “bad idea,” Taylor told 404 Media that states like Kansas have patron privacy laws that protect everyone—including religious leaders—from public borrowing disclosure. He also said that the Andover Public Library doesn’t have any Pride-specific events planned this year, but the library has signs that help users locate frequently challenged books. 

Taylor said that he believes challenged books should still be available to check out, even if they aren’t promoted within the library.

“If you don’t order [the book] because you don’t want to have a controversy, that’s what we call censorship by omission,” he added. “To avoid buying them because you’re afraid there might be a controversy, that’s not how professional libraries work, in my opinion.” 

Ashley Stewart, a campaign strategist with EveryLibrary Institute, says she can relate to some of the pressure from religious leaders that administrators may be going through. As a former library director for a system in southwestern Illinois, she was on the receiving end of death threats from local ministerial alliances because the library hosted a Drag Queen Story Hour event in 2022 for Pride month.

“No matter where you go in the community, you’re getting—I don’t know if it’s harassment—but people are absolutely letting their feelings be heard that they think that you should not be doing a certain program or not having a certain display,” Stewart told 404 Media.

Madison Square Garden compiled a list of activists who have publicly criticized the venue’s use of facial recognition technology, putting their tweets and comments into a document that was then accessible to other people inside the company, 404 Media has found.

The news shows that MSG, operated by Jim Dolan who has garnered a reputation for being pernicious against his perceived enemies, is not only deploying controversial facial recognition technology but keeping track of specific people who take issue with it. The document was included in a 45GB cache of data hackers stole from MSG and posted online this month, which 404 Media then downloaded and reviewed.

“The wake of a data breach would be a good time for Madison Square Garden to stop subjecting its patrons to biometric surveillance,” Adam Schwartz, privacy litigation director at the Electronic Frontier Foundation (EFF), and one of the people included in the document, told 404 Media.

Dans un texte critique riche, ample et pertinent, le sociologue Dominique Boullier, ancien coordonnateur scientifique du Médialab de Sciences Po, revient sur les enjeux de l’IA générative. L’auteur de Propagations. Un nouveau paradigme pour les sciences sociales (Armand Colin, 2023) et de Déshumanités numériques (Armand Colin, 2025) ne mâche pas ses mots pour décrire comment l’IA transforme notre rapport au monde. Tribune.

On croit encore souvent que la meilleure innovation gagne toujours. Dans de nombreux cas comme dans celui des LLM, c’est le contraire : la pire des IA est en train de gagner au point de s’imposer comme monopole radical au sens d’Illich. Monopole radical pour la classe vectorialiste dans la génération de code avec l’apparition de Claude Code, monopole radical pour le grand public dans les interactions à travers la diffusion des IA compagnons. Entre les deux, les usages professionnels restent toujours aussi incertains et ne fonctionnent qu’à la condition d’y injecter suffisamment de sémantique et de contrôle expert pour éviter des catastrophes industrielles.

Reconnaissons-le : toute expérience ordinaire d’interaction avec une IA générative se révèle toujours impressionnante et, lorsque les compétences augmentent, des outils encore plus bluffants sont désormais à disposition, comme l’ont expérimenté tous les utilisateurs de Open Claw, agrégateur d’agents. Et pourtant, dès que l’on veut réellement prendre en main ces outils, contrôler leurs opérations, les vérifier ou valider leurs résultats, les mêmes utilisateurs se retrouvent déçus, inquiets voire en colère, à moins d’adopter une tolérance inusitée dans l’univers des produits et services de ce type. [Précisons d’emblée que je n’évoquerai pas ici les éventuelles craintes à propos d’un futur d’IA générale souvent fantasmé mais seulement les constats issus des pratiques ordinaires.]

Ni science, ni industrie, ni éthique mais de l’ingénierie, de la finance et du buzz

Je résumerais cette ambivalence de cette façon, en termes d’éthos ou de posture : si l’on possède une culture, des principes et exigences à la fois scientifiques, industrielles et éthiques, on ne peut qu’être inquiet de voir l’emballement en faveur de ces IA fondées sur les LLM. A l’inverse, si l’on est fasciné par l’ingénierie, les performances financières et si l’on vit dans le monde du buzz permanent, l’IA produit une excitation inédite et sans cesse renouvelée malgré ou à cause des incertitudes qu’elle emporte avec elle.

Et l’on peut systématiser cette opposition terme à terme : science vs ingénierie, industrie vs finance, éthique vs buzz pour mesurer à quel point nous sommes en train de bifurquer, collectivement certes mais sous la houlette de quelques très grandes plateformes technologiques. L’époque moderne s’est caractérisée par la puissance d’une alliance entre science et industrie en y ajoutant depuis la seconde guerre mondiale, un contrôle moral progressif des finalités et des méthodes (la révision écologique principalement). Mais les LLM sortent totalement de cette trajectoire au profit d’un saut postmoderne radical fondé sur leur ingénierie toute-puissante, leur attractivité financière sans limites et leur capacité à générer du buzz, de l’alerte et de l’incertitude permanente.

On pourrait pourtant parier avec Yann Le Cun que ces LLM sont des impasses conceptuelles. On pourrait aussi considérer avec la plupart des grandes entreprises industrielles que les LLM n’offrent pas de fiabilité suffisante, ce qui explique leur adoption très réservée dans les process critiques notamment. On pourrait aussi soutenir avec quelques fondateurs du deep learning (Hinton, Bengio) que l’on risque trop de perdre le contrôle pour laisser se développer une telle technologie. Et pourtant, malgré toutes ces réserves, que je vais documenter et soutenir, ce sont bien ces LLM qui sont en train de former l’architecture technique d’un nouveau mode de production.

Quand les pires technologies sont pourtant les gagnantes

Car, rappelons-le , après des décennies de travaux sur les dynamiques de l’innovation, il est rare que la meilleure technologie gagne. Songeons au clavier Qwerty, cette machine de guerre ergonomique, encore présente dans nos PC, et même sur des smartphones tactiles. 150 ans de résistance à toute transformation malgré les tentatives nombreuses (cf. Dvorak) pour améliorer un système aussi nocif pour les muscles et aussi coûteux à apprendre. Sur ce plan d’ailleurs, les interfaces conversationnelles sont à elles seules une révolution durable qui va modifier la relation ordinaire à la technologie des systèmes d’information, plus encore que ne l’avait fait le Wysiwyg de la fin des années 70 qui a permis le Personal Computer.

De même, la domination de Windows sur tous les systèmes d’exploitation des PC (72% du marché) est le contre-exemple type opposable à l’argument selon lequel « le meilleur gagne ». Tout le monde le reconnaît, Windows a copié Apple (lui-même issu de Xerox) pour l’apparence de son interface, tout en reposant sur son système d’exploitation MS-DOS catastrophique en matière de fiabilité, de sécurité et de performances. Et pourtant, Microsoft l’a imposé au monde entier, grâce à des patchs successifs mais surtout grâce un marketing devenu un cas de figure canonique du « lock-in » (Shapiro et Varian), ce verrouillage d’une clientèle dans un système total. Dans le même temps, Linux (1991) est devenu incontournable pour tous les systèmes techniques critiques ou pour ceux qui exigent une véritable fiabilité mais c’est seulement en 2026 que le gouvernement français fait le choix d’abandonner Windows pour Linux pour les postes de travail de l’administration.

Un processus analogue se déroule ainsi sous nos yeux qui voit une innovation très approximative gagner des parts de marché et créer des habitudes d’usage quasi irréversibles. Les critiques pleuvent sur les systèmes d’IA génératives, sur leurs hallucinations d’abord, sur leurs consommations d’énergie ensuite, sur la collecte de leurs sources, sur leurs principes formels même, et cela sans parler des pratiques de certaines des firmes que j’ai qualifiées ailleurs de voyous (Open AI et X/ Grok) (Boullier, 3 février 2026 , AOC). Mais rien n’y fait, l’IA pénètre dans tous les interstices de la vie ordinaire plus vite que dans la vie professionnelle même, grâce à cette innovation horizontale, imitative, sans barrière d’accès (dont la gratuité, qui constitue un coup de force très convaincant pour les adopteurs). Quitte à avoir la pratique de l’IA honteuse, dans ce qu’on appelle la shadow AI, ces pratiques non déclarées au travail (Ferguson), dans les écoles ou à la maison. Processus d’innovation technique assez rare dans les organisations (Gaglio) qui ont souvent pratiqué plutôt le top-down en devant se battre plus contre les « résistances » des personnels que contre leur enthousiasme débridé et leur volonté de tout tester « pour voir » et finalement pour adopter.

L’heure du bilan n’a cependant pas sonné car tous les ans à peu près une nouvelle version ou couche d’innovation rebat les cartes, au point même de disqualifier les savoir-faire acquis, qu’on avait annoncé comme décisifs pour l’avenir (savoir prompter). Les agents sont déjà là, des systèmes comme Open Claw, même s’il est bridé désormais par Claude, permettent d’organiser des batteries d’agents en parallèle pour réaliser quantité de tâches ou de séquences de tâches, le vibe coding est mis à la disposition de tous, la production de vidéos (dont les deep fakes) est désormais opérationnelle pour des utilisateurs ordinaires. La seule limite constatée pour un certain niveau de performance reposait sur la compétition féroce pour les puces GPU de NVidia qui elles-mêmes changent de version souvent, mais désormais Google et Deep Seek utilisent leurs propres processeurs (TPU notamment) conçus spécialement pour leurs IA. Dans cette effervescence, la question du coût était restée jusqu’ici ignorée comme toujours avec la méthode classique du dealer de techno qui amorce les usages en offrant la gratuité, mais le coût des abonnements à ces services commence à augmenter sérieusement selon le nombre de tokens traités. Au point que l’optimisation de l’usage des tokens fait désormais partie des services de Anthropic, sous forme de « adaptative thinking », terme inadapté mais significatif de l’emphase qui caractérise ces firmes.

Disons-le franchement : j’espère quand même que cette hubris financière et technologique va conduire à une crise majeure, répétant la crise financière de 2008 car c’est sans doute la seule chance de rebattre les cartes et de rouvrir les possibles. Mais il faudra alors posséder cette boussole que je propose pour s’orienter radicalement différemment dans nos choix socio-techniques. A condition qu’il existe encore un espace politique démocratique pour passer à une « démocratie socio-technique » (Lascoumes, Callon, Barthe, 2001) pour inventer un autre avenir. Or, la domination des plateformes d’IA se fait désormais à l’échelle mondiale (Chine et USA) en étroite collaboration avec les régimes les plus autoritaires prêts à favoriser leurs monopoles en échange de services de surveillance omniprésents.

Au-delà des monopoles des plateformes IA, nous devons plus encore nous inquiéter d’un « monopole radical » de l’IA générative et des LLM sur les connaissances, pour utiliser les concepts d’Ivan Illich. Toute son analyse de la mobilité et de l’énergie (Energie et équité, 1975) montrait comment l’industrie pétrolière avait installé un monopole radical de l’automobile supposée solution unique pour traiter nos demandes de mobilité. Alors même que le calcul de la vitesse généralisée (Dupuy, Robert) montrait qu’en intégrant tous les coûts de production et d’utilisation d’une voiture, sa performance en termes de vitesse devenait inférieure à celle d’un vélo. J’expliquerai dans un livre à venir pourquoi la comparaison des LLM avec le coup de force du moteur à explosion et de l’automobile est la plus pertinente en matière de monopole radical, entraînant toutes les dérives sociales, urbaines et environnementales que l’on connaît. C’est pourtant l’avenir qui nous attend dès lors qu’on laisse les entreprises d’IA le façonner pour nous.

Reprenons chacun des dyptiques proposés pour comprendre comment une ambivalence attraction/répulsion finit pourtant par engendrer ce monopole radical.

1/ Absence de science mais ingénierie géniale

J’ai conscience de surprendre ainsi beaucoup de chercheurs qui travaillent sur l’IA et sur certains principes qui ont guidé tout ce courant de recherche, souvent fondé sur des mathématiques de haut niveau. Certains n’accepteront pas de voir disqualifier leurs prétentions scientifiques. Précisons que ce n’est pas parce qu’on dispose de disciplines, de revues et de postes académiques qu’on fait de la science (nous autres chercheurs en sciences humaines et sociales sommes quotidiennement disqualifiés pour cela précisément). L’ingénierie est une activité très noble qui mobilise des rapports parfois étroits avec la science, de même que la médecine, mais ni l’une ni l’autre ne sont des sciences mais plutôt des sciences appliquées, dit-on parfois, et surtout des arts. Le soin est un art plus qu’une science malgré toutes les tentatives de « evidence-based medecine » qui autoriserait les transferts de décision à des systèmes d’IA, au prix d’une ignorance de ce que la relation de soin et la maladie possèdent de multidimensionnel. L’ingénierie, de ce point de vue, peut être géniale et on ne le contestera pas, depuis Léonard de Vinci au moins ! Mais c’est son art de l’assemblage de connaissances, plus ou moins modélisées, dans la résolution d’un problème opérationnel qui produit l’émerveillement. Il faut que ça marche, voilà l’impératif. Or, les observations in situ sur le travail des ingénieurs, comme celles effectuées par les STS et tout le courant de l’ANT (théorie de l’acteur-réseau, Vinck), ont bien montré que quantité de décisions opérationnelles relèvent du pari, de l’opportunité et surtout du tissage d’un réseau multidimensionnel pouvant mobiliser des compétences et des ressources extrêmement diverses. C’est le cas avec les LLM et avec l’IA générative.

Quand l’absence de théorie du langage est productive pour l’ingénierie

En effet, zéro science dans ces IA et on pourrait même dire que c’est grâce à cela que ça marche. C’est ce que disait ce CEO d’une firme de NLP (traitement automatique du langage naturel) il y a plus de quinze ans qui affirmait avec provocation que les performances de ses modèles s’amélioraient à chaque fois qu’il virait un linguiste. Et en effet, les LLM n’ont aucune théorie du langage et se débrouillent très bien pour éviter d’en avoir une, puisqu’ils reposent sur une tokenisation et une vectorisation de tout le matériel linguistique, qui n’a strictement rien à voir avec une analyse du langage, structurale ou même générative à la Chomsky. Le texte fondateur des « Transformers » publié par Google en 2017, l’annonçait d’ailleurs explicitement : « All you need is attention ». Ce qui veut dire en clair que dès lors que l’on veut détecter des patterns, des régularités dans des corpus linguistiques pour prédire les segments suivants, tout ce qui compte c’est la fenêtre de mémoire disponible au moment de l’entraînement sur des corpus par ailleurs toujours plus énormes, de façon à réduire les erreurs. Pas de théorie, pas de concepts, seulement un exploit technique réductionniste à l’extrême et pour cette raison très opérationnel, qui permet de traiter tout token dans un espace latent vectorisé pour pondérer ses probabilités de combinaison et donc d’apparition dans un « contexte » toujours plus grand, cette fenêtre d’attention. Evidemment, l’astuce technique, élémentariste comme toute l’informatique depuis Turing, nécessite des capacités de calcul rarement disponibles, surtout dans un laboratoire académique, et des capacités de collecte de données d’entraînement qui s’affranchissent des règles académiques de sourcing ou de droits d’auteurs (nous verrons cela plus loin dans le chapitre moral).

Cependant, reconnaissons que les résultats de cette simulation de production linguistique à partir de ces matériaux et de ces « astuces » techniques sont prodigieux pour un observateur neutre ou même critique. J’ai moi-même, il y a bien longtemps, développé des chatbots et des méthodes d’ingénierie linguistique en milieu industriel puis académique et la performance ne m’échappe pas. Mais je sais aussi par expérience, tout ce qui a été nécessaire de bricolage, de patch, de tâches aveugles, et de risques pris pour faire tenir un système technique après quantité d’arbitrage faits souvent à la volée et sans justification et sans vérification possible de leurs conséquences sur tout le système. Expliciter tout cela serait considéré comme indécent pour un utilisateur lambda dont on veut par ailleurs faire un utilisateur convaincu et capté dès la première requête puisque l’adoption fonctionne désormais dans l’instant (et non à la décision éclairée).

La boite noire n’est jamais acceptable dans une visée scientifique

Pourtant, cet effet boîte noire reste totalement antinomique avec des exigences scientifiques. Car adopter une visée scientifique (Gagnepain), c’est s’obliger à contester méthodiquement ses propres énoncés pour les vérifier, les discuter dans une communauté de pairs, ce qui suppose de les publier pour pouvoir les répliquer et ensuite les réviser. La chaîne de la référence (Latour) est très longue et doit être explicite. Ce qui n’a rien à voir avec les méthodes de production de l’IA générative qui fonctionne aux résultats simulés et produits en toute opacité. On se trouve alors plus proche de la visée mythique qui doit nous faire croire aux résultats par une simulation merveilleuse et ces IA génératives produisent en effet des merveilles.

Et lorsque les LLM se soumettent à une vérification, c’est à travers des benchmarks et non des expériences réplicables qui permettraient de suivre toutes les pondérations faites automatiquement, ou les méthodes d’apprentissage supervisé et de constitution d’une ground truth (« vérité de terrain », Jaton), qui posent tant de problèmes éthiques occultés. Aucun process explicite donc, contrairement au mouvement existant depuis plus de dix ans d’ « explainable AI » car depuis l’IA connexionniste, dans sa version réseaux de neurones puis deep learning, on sait qu’il n’est plus possible de vérifier tous ces processus, même quand on en est le concepteur. La démarche scientifique ne peut en aucun cas se satisfaire de ces boîtes noires puisque toute la construction des énoncés qui font science a reposé depuis des siècles sur des communications de protocoles et de résultats permettant une éventuelle réplication. Exigence qui se perd, il est vrai, même dans les sciences dures soumises elles aussi au culte du « résultat-positif-à-diffuser » pour améliorer ses scores de publication. On peut se dire alors que le ver était dans le fruit, et que tous les impératifs de publication délirants désormais exigés par les politiques publiques de recherche n’ont pas attendu l’IA pour dégénérer.

L’espace latent probabiliste ne peut pas produire une ontologie

Plus spécifiquement il faut noter la déstructuration délibérée de toute l’articulation du langage, de cette combinatoire analytique de son et de sens, productrice d’un potentiel infini d’expressions. Avec les LLM, il ne s’agit plus que de découpages de matériel langagier écrit optimisés pour leur calculabilité : tout peut devenir token, jusqu’à des signes de ponctuation, sans rapport avec le sens ni avec l’expression orale par ailleurs. Les relations ou vecteurs ne sont plus structurées (pas de lexique, de champ sémantique, de lemmes, de phonèmes, etc… tous articulés entre eux) mais seulement pondérées par leur fréquence d’apparition commune dans un corpus donné.

Sur ce plan, il faut veiller à ne pas confondre l’ingénierie linguistique qui était réalisée au temps du Machine Learning. Si l’objectif de calculer les distances entre entités linguistiques d’un corpus peut sembler voisin de ce qui est actuellement pratiqué par les LLM, ce serait oublier la torsion complète de ces principes par les LLM. Car à cette époque, les entités calculées étaient encore des lemmes, issus d’une racine qu’on pouvait organiser en relations sémantiques via des flexions, syntagmes et variations de tous types, au-delà des simples cooccurrences dans un même environnement. Les corpus étaient eux-mêmes limités car thématiques, présélectionnés ou identifiables par leurs origines. Désormais on parle de tokens qui décomposent tout matériel graphique (et non verbal) en élément dont on va estimer la fréquence d’apparition dans un corpus infini, non indexé ni identifiable (effet boite noire). Un token n’a plus besoin de relation sémantique avec son environnement, seulement sa co-occurrence statistique suffit à produire un vecteur qui sera pondéré (et désormais non révisable puisque tout se passe dans l’opacité la plus totale).

C’est ici qu’une coupure avec la sémantique s’est introduite définitivement dans la méthode même de décomposition par token et de vectorisation. Le coup de force des LLM tient au fait qu’ils prétendent traiter toute une langue, grâce à une collecte d’un corpus infini, ce que leur permet en effet leur prédation systématique de tous les contenus disponibles. Tout ce traitement s’effectue dans une langue donnée, qu’on doit ensuite traduire dans d’autres langues qui n’auraient pas les corpus suffisants, d’où d’autres distorsions introduites dans ce corpus supposé universel.

La puissance statistique de ces probabilités reposant sur des corpus toujours plus vastes leur permet de simuler en effet des effets de langue très plausibles et de masquer totalement leur absence totale de sémantique, de référence au monde perçu, et d’attributions de valeur systémique aux relations/vecteurs calculés. Il s’agit bien d’un artifice d’ingénierie tout-à-fait prodigieux dans ses résultats, même s’il a la particularité d’être totalement incontrôlable ou inauditable dès lors que l’espace latent où tout se calcule n’a plus aucune relation avec le sens et combine tellement de dimensions que personne ne peut plus rendre compte des pondérations effectuées (the curse of dimensionality, Bellman, 1957). L’opacité du système est le prix à payer pour sa performance.

Le maquillage sémantique indispensable pour sauver le soldat LLM à tout prix

Cependant, ses faiblesses structurelles d’accès au sens engendrent tant d’erreurs qu’il faut là encore mobiliser des correctifs sans cesse plus ingénieux mais qui demeurent des expédients. C’est ce que l’on a nommé au début des LLM des « hallucinations », en fait des erreurs, des inventions de toutes pièces et sans aucun sens, présentées de plus sans aucune précaution sur les limites du système et sur le principe même des probabilités. L’obligation de réponse à tout prix, qui n’a rien à voir avec une exigence scientifique ni avec une garantie industrielle (voir chapitre suivant), relève en fait de la promesse commerciale et de la captation de dépendance d’un public sans aucun recul critique.

Pour réduire ces effets pervers – mais en fait constitutifs même des choix techniques d’ingénierie effectués contre toute exigence scientifique -, un certain nombre de méthodes sont employées pour réintroduire par la bande de la sémantique que l’on a exclue au départ pour optimiser la vectorisation généralisée des contenus d’entraînement. Ainsi, tout le travail d’annotation réalisé par les travailleurs du clic et les petites mains des plateformes (Casilli, 2019) sert avant tout à cela : produire une supervision de départ qui ne dit pas son nom mais qui permet de générer une ground truth qui limitera les dégâts, ce que Mechanical Turk d’Amazon offre comme service par exemple. C’est pourquoi le travail précaire et sous-payé de tout ce nouveau prolétariat des pays du sud, plus proche du péonage que du salariat (Moulier-Boutang), ne peut être occulté comme fondation sémantique des systèmes d’IA génératives. Certes, les modèles auto-apprennent ensuite, mais un contrôle reste nécessaire pour éviter de voir la qualité se dégrader de façon trop visible. Aucune science dans cette affaire, seulement la reconnaissance par l’ingénierie des patchs nécessaires pour corriger les défauts des choix initiaux. En l’occurrence, « attention is NOT all you need », il faut aussi celle d’humains enchainés à leurs écrans et à leurs micro tâches qu’on ne saurait montrer ni reconnaître.

De même, en raison de la spécificité sémantique de la plupart des domaines professionnels, avec ces LLM, il reste quasiment impossible d’assister correctement des processus de décision ou de création de contenus lorsque les documents sources sont noyés dans le corpus général des modèles centralisés. Il faut réintroduire du « contexte » dit-on parfois de façon erronée alors qu’il s’agit en fait de réintroduire du sens, articulé en sémantique, avec des termes spécifiques organisés en ontologies comme on le fait toujours avec l’IA symbolique. Tout process industriel qui ne se fonderait pas sur ces bases robustes courrait à la catastrophe.

Patches en tous genres : RAG, Chains of Thought, MCP

Mais là encore, l’ingénierie des firmes de l’IA se débrouille pour vanter l’intervention des experts du domaine sur des modèles réduits de LLM que seront les RAG (Retrieval Augmented Generation). Les experts d’un domaine injectent leurs contenus contrôlés, validés et pertinents pour leur secteur dans les données d’apprentissage du modèle général ou dans une version plus locale et restreinte, et réduisent ainsi considérablement les risques de non-pertinence ou d’erreurs. On entraîne ainsi le modèle sur des corpus de documents administratifs ou techniques issus de l’entreprise ou de l’administration et on s’assure ainsi qu’il effectuera les tâches demandées avec plus de fiabilité. Comme on le voit, il s’agit là encore d’une astuce d’ingénierie qui ne corrige en rien les défauts structurels des LLM mais qui réduit leur impact dès lors qu’il existe des experts capables d’alimenter les corpus d’apprentissage en contenu contrôlé. Il faut donc à nouveau des humains qui réintroduisent de la sémantique pour obtenir des résultats fiables. Pourtant, tout cela est présenté comme un additif normal et ingénieux aux LLM et non comme reconnaissance d’une faille constitutive de leur architecture stupidement probabiliste.

Un autre patch consiste à équiper ces systèmes d’IA générative à base de LLM de « chaînes de pensée » (Chain of Thought) leur permettant de construire un raisonnement en décomposant un problème en séquences. Le terme de « pensée » peut être trompeur car il ne s’agit que d’étendre les capacités élémentaires de tout système informatique à décomposer en procédures et en séquence opérationnelle toute résolution de problèmes, ce qui est au fond à la base de toute compétence technique. Fournir cette capacité n’a rien d’un raisonnement. Alors qu’il existe des systèmes d’IA effectivement raisonnante, mais de type symbolique et totalement explicable, comme Xtractis, produit par Intellitech (Zalila). Dans ce cas, toutes les pondérations et décisions sont traçables car elles sont fondées sur de solides armatures logiques que toutes les IA symboliques mobilisent depuis des décennies.

Dernier épisode en date de la même opération de sauvetage des systèmes d’IA génératives asémantiques : le passage à l’IA agentique, capable d’effectuer des tâches de commande, de gestion, faites de séquences complexes et adaptées aux infinies variations du monde réel. On comprend bien le défi. Des systèmes automatisés, ne disposant d’aucune représentation significative du monde mais seulement d’une capacité infinie de pondération des vecteurs linguistiques pour engendrer des prédictions, se trouveront en difficulté face à la complexité du monde réel, et aux ambiguïtés sans fin de toute langue et de toute situation. Une astuce supplémentaire de l’ingénierie des entreprises d’IA permet de simuler une réduction de ces aléas. On dispose désormais en effet d’un protocole pour harmoniser la description du monde : serait- ce une ontologie ? Certes non, seulement une simulation limitée au monde des interactions entre machines : le MCP, Model Context Protocol, se contente de standardiser les API que devront utiliser les systèmes d’IA pour devenir vraiment des agents « dans le monde », en fait des agents bien limités au monde des systèmes d’information normalisés pour devenir interopérables par des IA agentiques. Une nouvelle fois, la question du rapport au monde, de la sémantique nécessaire pour en construire la représentation est évacuée par une opération d’ingénierie. Cela permet cependant de construire ainsi un début de standardisation du secteur, ce qui est industriellement non négligeable.

Mais il en sera autrement dans les secteurs industriels critiques comme nous le verrons. Lorsqu’on voit que Palantir, dans sa fourniture de systèmes de décisions de frappes militaires létales, présente explicitement la couche d’ontologies qu’elle ajoute aux LLM qu’elle utilise, en parlant d’une nomenclature pré-encodée (c’est-à-dire contrôlée et validée par les humains selon un schéma cohérent sémantiquement), on comprend mieux ce qui se déroule et se déroulera dans les autres industries, qui ont des exigences encore plus sévères que dans les industries de défense dont la précision n’est pas l’impératif prioritaire, comme on l’a constaté récemment. Les benchmarks récents pour tester ces systèmes d’agents ont cependant produit des résultats très inquiétants quant à leur fiabilité et à leur sécurité (Shapira et al., 2026).

La mutation du mode de production du code, étape essentielle vers le monopole radical

Il faut cependant admettre que les limites asémantiques des LLM ont été particulièrement bien exploitées pour la production du code informatique. Ce qui peut se comprendre aisément, puisque précisément le code n’est pas le langage ni la langue et que son univocité le rend opérationnel sans risque de contre-sens comme on dit, puisqu’il ne s’agit plus de sens mais de commande pour l’action. Cette réduction du langage des propositions logiques au code du programme fut la force du pari initial de Turing (Lassègue et Longo, 2025) qui continue d’être exploité. La production de code entraîne pourtant des erreurs nombreuses variables selon les systèmes d’IA mais désormais bien réduites avec l’avancée apportée par Claude Code. On mesure alors la productivité potentielle d’une telle performance d’ingénierie puisque ces systèmes peuvent générer du code pour générer du code pour générer du code, à plusieurs niveaux. Cela a entraîné la fascination des milieux des développeurs pour Open Claw qui génère, lui, des agents organisés en système dans des délais d’une rapidité inouïe par rapport aux tâches séquentielles précédentes.

C’est ainsi dans ce domaine du code que les LLM sont en train de modifier le mode de production informatique en général et de ce fait d’un grand nombre de process industriels. De l’autre côté, pour le grand public, c’est la mutation des compagnons à travers des interfaces conversationnelles performantes qui est en train de s’installer comme routine ou comme évidence dans la vie quotidienne. Notre mode de production des interactions quotidiennes va s’en trouver clairement affecté radicalement. Le problème, dans les deux cas, industrie ou interaction, tient à l’absence totale de traçabilité et d’explicabilité de tous ces systèmes, si performants et si opaques à la fois. Les erreurs, bugs ou hallucinations sont inévitables et l’expertise pour les détecter aura tendance à se raréfier puisque seules des IA pourront éventuellement réauditer de telles boîtes noires. Et lorsqu’on se réjouit de voir que Claude a détecté avec Mythos des bugs jusqu’ici ignorés qui sont en fait de vraies failles de sécurité, on accepte d’ignorer que l’on ne sait pas si ces failles étaient vraiment critiques (d’où le peu d’intérêt pour les détecter avant), quelle est la proportion de bugs existants non détectés par l’IA (par définition !), et si l’IA ne détectera pas de faux bugs (faux positifs) que personne ne saurait contredire (Schneier, 2026). Il faut donc accepter les miracles et continuer à avancer à l’aveugle.

Mais plus on s’oriente vers cette transformation en profondeur du mode de production, plus cela tend à réduire les LLM à des systèmes d’exploitation, dont nous ne connaissons toujours pas les applications adaptées à DES environnements toujours spécifiques. Or, dès qu’on veut implémenter une application robuste dans le vrai monde, il faut y rajouter une couche sémantique. Certains plaidaient depuis longtemps pour cette hybridation symbolique/ génératif mais le débat porte rarement explicitement sur cela : on se contente de patchs sémantiques ( et donc à base d’IA symbolique) dès qu’on veut installer des process fiables. Nous pourrions donc évoluer ainsi vers un équivalent de MS-DOS. On interagit avec un Windows qui est en fait une copie de Mac OS, pertinente et conviviale, mais toujours plaquée sur un OS antique et inadapté, ce qui a duré pendant 40 ans environ. Par analogie, nous accepterions donc les défauts intrinsèques de ces LLM en acceptant de les corriger sans cesse, de les camoufler pour éviter d’interroger la nullité scientifique des LLM. Alors qu’il serait possible de concevoir dès maintenant une IA hybride dans son cœur même, en s’appuyant sur les IA symboliques raisonnantes déjà disponibles pour leur ajouter quand c’est nécessaire les capacités génératives issues des méthodes des LLM. Mais tout cela sans développer toute l’usine à gaz énorme que sont les data centers et la collecte en masse de données pour l’apprentissage. Philosophie totalement différente mais qui ne gagnera pas forcément comme je l’explique dans la seconde partie sur l’industrie. Pourtant, d’autres acteurs tentent d’explorer une sortie de cette impasse.

En sortir par une extension de l’automatisation avec les « modèles du monde » ?

En effet, peut-être devrait-on confier notre sort à ceux qui, comme Yann Le Cun, nous fixent des objectifs de pertinence nettement plus robustes en sortant des limites des LLM. On peut comprendre l’ambition de ne plus faire reposer les modèles sur du matériel uniquement linguistique, même si cela pouvait fonctionner assez aisément pour des visées de génération de contenus. L’idée de descendre au niveau de la perception et d’entraîner désormais ces systèmes sur des vidéos qui démultiplient les indices en les situant dans des univers réalistes qui fournissent une connexion de fait avec le monde (même si médiées par le support vidéo) paraît ambitieuse en termes de capacités de calcul et de temps d’entrainement mais cohérente pour dépasser les limites des LLM. En réalité, malheureusement, il s’agit là encore d’une ingénierie magnifique et prometteuse, mais qui échoue à caractériser scientifiquement ce qu’est l’expérience du monde du point de vue cognitif et qui de plus ne fournit comme horizon industriel et moral qu’une automatisation toujours étendue.

L’expérience du monde n’est pas faite seulement des inputs de signaux très riches fournis par nos sens. En premier lieu, elle est construite dans une boucle qui suppose une interaction effective avec le monde : les gestes, les actes doivent être éprouvés et avoir un effet sensoriel au-delà de leur visionnage sur un écran de vidéo pour pouvoir constituer une base d’apprentissage robuste. Cela nécessiterait alors de doter ces systèmes d’IA d’un équivalent de corps, et donc de pousser l’automatisation encore plus loin vers une robotique étendue et sans limite a priori. Cependant, le principal manque de la vision des « modèles du monde » de Le Cun, c’est la dimension collective de l’apprentissage du monde, ne serait-ce qu’à travers le regard d’un autre humain, souvent un parent nourricier. Ce couplage étroit, plus ou moins satisfaisant mais déterminant pour le psychisme, semble demeurer extérieur aux modèles du monde. Or, l’expérience du monde est intersubjective par définition ou même distribuée car on doit penser en termes de « cognition distribuée » (avec des humains et des non-humains) (Hutchins). On n’inventera pas une compréhension du monde qui ne soit fondamentalement dialogique, et donc psycho-sociologique.

On pourrait alors prolonger juste un peu plus loin la saga de l’ingénierie de l’IA et annoncer : « qu’à cela ne tienne, nous allons modéliser aussi tous les comportements psychosociologiques et nous aurons ainsi atteint le but ultime de l’IA générale, totalement équipée des compétences humaines ». Voilà où la question morale revient en force, avec cette tendance lourde de la classe vectorialiste à s’en passer allègrement. Pour rester pertinente, l’IA la plus enrichie socialement doit se fonder sur une théorie de la technique qui sorte du fantasme de simulation totale et d’automatisation sans limite. La technique est une compétence humaine qui se combine sans cesse avec les autres compétences inhérentes à la condition humaine et ne peut jamais être désencastrée des rapports sociaux, politiques, désirants, émotionnels qui obligent de ce fait à inclure les humains dans la boucle. Ils le sont comme experts en premier lieu pour la valeur indicielle irremplaçable de leurs connaissances mais aussi et surtout comme sujets de désirs et de droits et comme collectifs coopératifs. Une IA qui s’affranchirait de toute connaissance et de toute théorie de toutes les compétences humaines pour remettre la technique à sa place serait en fait atteinte d’hubris et profondément dangereuse. C’est ce que certains prophètes proclament d’ailleurs, un peu vite et avec des arguments tordus parfois, pour à la fois réduire la vitesse et l’accélérer pour aboutir à l’étape suivante de l’automatisation totale plus rapidement.

Pourtant, il reste possible de faire bifurquer ce train lancé à toute vitesse et qui semble inarrêtable sur cette voie unique, celle des LLM fournie par les plateformes. Pour cela, il convient de sortir de la fascination pour l’ingénierie en exigeant de réintroduire des impératifs scientifiques et donc une exigence de compte-rendu explicite de tous ces systèmes, une auditabilité que les impératifs industriels avaient pourtant installé comme convention sociale bénéfique à tous. Comment se fait-il que non seulement les LLM peuvent se passer des impératifs scientifiques mais aussi des impératifs industriels ?

2/ Abandon des impératifs industriels, triomphe des performances financières

Les prouesses d’ingénierie que l’on vient de souligner devraient normalement entraîner des qualités industrielles équivalentes si l’on vivait encore dans le capitalisme industriel. Or, n’oublions jamais que c’est désormais un régime de capitalisme financier qui nous gouverne (Orléan, 2011). Le secteur du numérique est totalement dépendant des principes, des méthodes et des puissances fournies par la finance qui adore l’IA, quand bien même les performances industrielles de ces systèmes d’IA sont à proprement parler catastrophiques. C’est ce paradoxe qui doit être pensé pour comprendre à quel point nous allons dans le mur en tant que société dite « moderne » en confiant notre avenir à ces systèmes d’IA. La domination financière sur l’allocation de ressources accélère encore ce processus malgré l’inconséquence industrielle qui la sous-tend.

Les qualités industrielles attendues des systèmes d’IA devraient être de deux types : une fiabilité la plus élevée possible, à défaut de totale qui serait un fantasme (Gérard Berry), et une architecture efficiente, c’est-à-dire la plus économe possible de toutes ses ressources. Il ne suffit plus de faire preuve d’ingéniosité pour obtenir le meilleur résultat possible une fois : dans un système industriel, il faut pouvoir assurer la répétition, le passage à l’échelle, la maintenance, et la fiabilité dans des circonstances totalement différentes. Or, aucun des LLM sur le marché ne peut assurer cela et d’autant moins que ce sont des systèmes opaques non réglables avec précision, contrairement à ce qu’on prétend faire avec du fine-tuning (qui revient en fait à réinjecter de l’expertise humaine et donc de la sémantique au cas par cas, ce qui n’a rien d’industriel précisément).

L’étrange acceptation de l’absence de fiabilité industrielle des LLM

Lorsque l’utilisateur ordinaire constate des hallucinations ou des réponses trop évasives, trop bavardes ou incompréhensibles de systèmes d’IA conversationnelles qu’il utilise, il s’agit souvent de situations individuelles, de communication, sans grandes conséquences, avec de plus une propension des utilisateurs à s’auto-incriminer pour leur incapacité à faire les prompts corrects tant le mythe de « l’intelligence » de la machine finit par s’imposer. Cette tolérance n’a rien à voir avec celle qu’on peut avoir aussi dans l’industrie pour des systèmes de production et de services qui doivent assurer une qualité permanente du produit et une traçabilité très exigeante. Comment se fait-il d’ailleurs qu’on n’exige jamais de la part des plateformes d’IA génératives des démarches qualité, des audits et de la documentation comme on le fait dans tout secteur industriel ? Car tous les secteurs sont soumis à des réglementations, à des standards, à des responsabilités légales et pénales dans les cas de non-respect de normes, de procédures ou de contrôles. Ce fut tout du moins tout l’effort des années après-guerre où l’industrie se trouva régulée par les Etats ou par ses propres conventions entre concurrents.

Rien de tout cela dans les firmes de l’IA qui se sont totalement affranchies des exigences devenues communes dans l’industrie. On peut arguer que le secteur étant en construction, il faudrait attendre un peu avant que cela se stabilise. Or, la pénétration de l’IA dans tous les secteurs, ou tout au moins les efforts des vendeurs d’IA dans ce sens, exige que les processus IA soient soumis aux mêmes degrés d’exigence que tous les autres composants d’un secteur donné qui peut aller de la comptabilité à la logistique en passant par les matières premières, les machines, etc. et cela pour les produits, les process et les personnes, les 3P de toute démarche qualité. Cette façon désinvolte de disqualifier les procédures industrielles au nom de la disruption éclair est très choquante pour ceux qui connaissent cet univers. Aucune autre industrie ne pourrait s’autoriser une fiabilité aussi faible, fut-ce au bénéfice de l’accélération et du gain de temps supposé. Certes, certains secteurs critiques parviennent à exploiter des briques de LLM pour amplifier les performances de leur activité de façon limitée et à condition d’y rajouter leurs propres données validées comme pour le RAG ou une couche de sémantique comme je l’ai indiqué. Mais cela indique bien l’absence de fiabilité intrinsèque de ces LLM et le surcoût induit par la nécessaire intervention des experts dans la boucle, ce qui invalide la promesse fantasmée des vendeurs de LLM.

L’un des moyens classiques de l’industrie pour pousser à l’augmentation de la qualité et rétablir les conditions de la concurrence plus équitables a toujours reposé sur la standardisation, sur la production de normes (et non seulement de la part des Etats contrairement au roman libéral anti-bureaucratique qu’on nous sert en permanence). En effet, la compatibilité entre produits et services et la comparabilité des performances et des qualités servent la stabilisation des marchés, et donc la viabilité d’investissements de long terme comme l’exige tout appareil de production tangible. Il semble que, en l’absence de cet aspect tangible puisque le numérique est éminemment plastique, même s’il n’est en rien immatériel, ce secteur puisse s’affranchir de cet impératif d’organisation du marché.

La disparition de la culture des tests

L’un des indices de cette compétition sans règle industrielle peut être observé dans la disparition de la culture des tests. Dès lors qu’il n’existe plus de normes ni de standards, pourquoi se préoccuper d’étalonner avec des mesures fiables ses propres produits et services ? A défaut de ces normes, on pourrait penser que ces tests seraient cependant utiles pour anticiper la satisfaction du client et éviter des retours consommateurs parfois destructeurs de réputation. Et pourtant non, les nouveaux entrants sur le secteur de l’IA générative, comme Open AI, ont au contraire tout fait pour court-circuiter les entreprises en place, soucieuses de leur réputation, et ont mis sur le marché des systèmes non validés, sans fiabilité aucune, à charge aux utilisateurs adopteurs précoces de faire remonter leurs retours et d’attendre la nouvelle version.

Ce principe du chantier du code qui court (le rough consensus and running code de J.P. Barlow) qui se corrige de lui-même constitue une rupture avec les impératifs industriels qui ont mis du temps à s’installer durant tout le XXe siècle mais qui ont produit des systèmes techniques plutôt fiables et de moins en moins insécures, avec l’appui des réglementations étatiques contraignantes dans certains domaines, il faut bien le dire. Le seul étalonnage des systèmes d’IA disponible en public reste donc les benchmarks effectués soit par les universitaires soit par des cabinets, à intervalles très fréquents puisque les versions se succèdent sans cesse, ce qui permet d’ailleurs de disqualifier les benchmarks dont les remarques critiques ont été déjà corrigées dans des versions nouvelles sorties quasiment avant la publication critique.

Les tests de validation du code existent toujours cependant. Mais ils permettent seulement d’éviter les principales erreurs mais non de relever ou de comprendre les décisions effectuées. Pire encore, la rapidité de génération du code est désormais telle que les générations de seniors chargées de l’auditer n’ont plus le temps de le faire. Cela renforce ce qu’on appelle désormais même chez les développeurs une « dette cognitive », c’est-à-dire une perte de compétence pour interpréter le code que l’IA permet de générer. Et Anthropic a vérifié son augmentation dans les dernières versions qu’il appelle « the compréhension debt » (Osmani, 2026) : « AI generates code far faster than humans can evaluate it ».

Ces benchmarks ont-ils un rapport avec l’expérimentation scientifique ? En rien. Avec les tests normalisés des industries classiques ? En rien ! Avec les tests ergonomiques ou fonctionnels pour anticiper la qualité de services et l’acceptation par les utilisateurs ? En rien. Ce sont en fait des repères flous et instables pour s’orienter dans une compétition d’opinion sans aucun référent industriel stable qui rendrait ces systèmes commensurables. Et pourtant des décisions majeures sont prises dans les boards et les gouvernements sur la base de ces appréciations qui créent la rumeur, qui disqualifient sans démonstration sérieuse ou qui vantent des performances jamais comparables. L’effondrement d’un sens pratique de la mesure et de son rôle régulateur n’est pas le moindre des paradoxes de cette emprise de la finance sur un secteur productif qui rend le travail des régulateurs particulièrement difficile.

La réglementation européenne récente prend acte de ces risques en matière de fiabilité mais limite les exigences de haut niveau aux systèmes les plus critiques, à risque, alors qu’on ne peut jamais savoir a priori les conséquences d’une absence de fiabilité et de traçabilité. Les exigences d’auditabilité sont quasiment inapplicables par définition à ce degré de complexité lorsque tant de couches de neurones sont concernées. La seule prétention à une amélioration de cette fiabilité repose sur l’augmentation permanente des données, leur renouvellement, leur mise à jour et l’augmentation des performances probables dans l’espace latent de ces vecteurs totalement incontrôlables.

Le culte de la brute force et de la taille si séduisantes pour la finance

On comprend mieux dès lors la course à l’installation de gigantesques centres de données partout dans le monde, conçus comme la base stratégique d’une robustesse industrielle. Or, cette dépendance à la taille des centres de données indique avant tout la faillite industrielle du modèle des LLM, leur efficience ne faisant que diminuer pour maintenir la croissance de leur efficacité. Toujours plus gros devient la seule solution pour réduire l’absence de fiabilité. La demande de vitesse des réponses et des calculs ajoute encore à cette exigence mais on perçoit alors à quel point les performances d’ingénierie sont obtenues au prix d’un gâchis industriel invraisemblable. On sait que les effets d’échelle peuvent jouer un rôle dans certaines industries pour augmenter la fiabilité dès lors qu’on peut réaliser des investissements conséquents pour effectuer tous les contrôles nécessaires et obtenir une standardisation plus avancée. A la condition d’avoir des procédures, des dispositifs de contrôle et de pilotage fin et des métriques permettant de rendre compte de ces améliorations et de détecter en continu les baisses de qualité en faisant par exemple de la maintenance préventive.

Mais rien de tout cela dans les centres de données qui sont nécessaires à l’augmentation de puissance des systèmes d’IA, non pour leur fonctionnement technique opérationnel au quotidien (les serveurs doivent fonctionner correctement !) mais pour leurs performances sur leur service de base. Cette culture de la taille, cette course à la masse de données, constituent sans doute les faiblesses principales du modèle extractiviste du modernisme industriel, du point de vue même de la performance industrielle, comme on l’a vu avec les conséquences de la dépendance au pétrole. Et pourtant, c’est ce qui est réactivé avec les centres de données surdimensionnés qu’on installe désormais uniquement pour tenter de réduire les insuffisances intrinsèques de modèles de langue purement statistiques.

La corruption financière de toute exigence de qualité industrielle

On ne peut comprendre cette carence de qualité industrielle si l’on n’inscrit pas le secteur de l’IA générative (et tout le numérique avec elle) dans une économie financiarisée. En effet, les investissements exigés pour ces centres de données, leurs puces, leurs ressources énergétiques, semblent totalement décorrélés de leur efficience industrielle, d’un bilan comptable sérieux, d’un équilibre entre investissements et retours sur investissements. Car les liquidités pleuvent sur ce secteur (et les Etats abondent, qui plus est : 500 milliards de Trump, 100 Milliards de Macron, etc. !) seulement en raison de la promesse spéculative que les plateformes d’IA soulèvent, sans aucun égard pour la rationalité industrielle et comptable d’un bilan d’une entreprise ordinaire. Nous avons quitté non seulement les critères de gestion d’un « bon père de famille » comme on disait autrefois mais aussi ceux de la gestion prudente d’une entreprise quelconque, et même celle de la gestion d’une trajectoire innovante à risque, qui suppose malgré tout quelques garanties.

Pour continuer à entretenir le narratif attracteur d’investisseurs, les firmes comme Open AI sont capables d’effectuer des montages financiers tout aussi opaques que leurs algorithmes, à travers des prises de participation croisées avec Nvidia par exemple indexés sur des promesses d’achat de puces, le tout sans aucune garantie, sans traçabilité comme on sait très bien le faire dans la finance. Le but est ici de faire des effets d’annonce en permanence (d’où l’importance du buzz que nous traiterons dans la troisième partie) pour maintenir en vie la promesse de monopole qui attire avant tout les investisseurs (parier sur le gagnant final comme ce fut le cas pour Amazon) et qui constitue le B A BA de l’idéologie libertarienne professée par Peter Thiel. Le capitalisme financier n’a que faire de la compétition, de la « concurrence libre et non faussée » et encore moins de l’industrie et de ses exigences de fiabilité et de standardisation. Il faut disrupter sans cesse et la succession invraisemblable des versions toutes aussi époustouflantes, et cela sans vérification possible, constitue un enjeu permanent. Les nouvelles versions peuvent même être moins performantes que les précédentes, chose incroyable d’un point de vue industriel (ce fut le cas pour Chat GPT 5o), mais les lancements s’expliquent alors par l’agenda d’un nouveau tour de table financier ou par la réponse urgente aux annonces des compétiteurs pour cette position de monopole.

Responsabilité sociale et environnementale ? Dans les poubelles de l’histoire IA

On comprend bien que dans une telle frénésie spéculative, les impératifs industriels de fiabilité ou de qualité ne soient perçus que comme des vestiges d’un vieux monde. Ces tenants du vieux monde ne supportent pas l’incertitude intrinsèque imposée par la disruption permanente présentée comme loi de l’innovation, alors qu’elle n’est qu’une loi de finance spéculative. Il n’est guère étonnant alors que toute politique de RSE (responsabilité sociale des entreprises étendue depuis plusieurs années à la responsabilité environnementale), soit totalement hors du champ de perception de ces entrepreneurs sans limites. Or, il a pourtant fallu du temps, de l’énergie, des procédures pour faire aboutir une convention sociale plus ou moins partagée par les entreprises de tous secteurs en faveur de cette cotation RSE qui doit être inscrite dans toutes les dimensions d’une activité industrielle. C’est ainsi que la lutte contre l’exploitation des personnes, contre les discriminations, a pu avancer dans le monde. Pour toutes les entreprises de l’IA désormais, tout cela n’est que bureaucratie et frein à l’innovation disruptive. Le droit social, comme le reste du droit, mais en particulier celui-là, se trouve démantelé, en bas de la hiérarchie de la chaine de production avec les travailleurs du clic mais aussi en haut avec la pression sans limite imposée aux travailleurs du code, qui le produisent de moins en moins par ailleurs.

Mais c’est surtout en matière environnementale que les conséquences de cet extractivisme de la donnée sont impressionnantes et devraient entraîner dès maintenant des blocages réglementaires. Les centres de données dont on vient de parler consomment une énergie énorme (eau et électricité avant tout) qui met des communautés et des états sous pression avec des risques de pénurie ou de dégradations des conditions de vie et des ressources. Mais il suffit de prévoir des centrales nucléaires dédiées à ces centres pour que tout redevienne propre, miracle du greenwashing nucléaire, à échéance encore lointaine cependant. Dans un monde supposé se caler sur l’accord de Paris pour réduire sa consommation d’énergie et les gaz à effets de serre, le numérique et en particulier les firmes de l’IA s’affichent totalement indifférentes au problème, puisque la puissance de calcul et de stockage des données devient une priorité pour la compétition sans avoir à remettre en cause la performance industrielle des choix effectués. Et comme les data centers sont des attracteurs à investisseurs et que les liquidités sont abondantes, pourquoi s’autocensurer, sans rien savoir de la rentabilité financière même de ces opérations ? Car le déni de mesure de la performance industrielle s’étend à la finance. Tous les avertissements sur la bulle financière en cours de constitution autour des entreprises d’IA, pourtant endettées et sans rentabilité prévisible avant des années, ne valent rien face à la promesse spéculative d’une position de monopole qui récompensera les audacieux indifférents aux risques.

La complicité de gouvernements devenus des obligés des plateformes

Or, aucun autre secteur ne bénéficie ainsi d’une telle mansuétude de la part des autorités financières et des pouvoirs publics, tous fascinés par ces annonces et ces transformations qui attirent tant les autres pays qu’il faut donc imiter au plus vite. L’Europe pourrait prétendre rétablir un peu de rationalité industrielle et exiger des firmes d’IA européennes des choix alternatifs en matière de responsabilité sociale et environnementale, facteur de durabilité, de gain à long terme et diversité de l’écosystème technique. Mais les institutions européennes et les Etats accourent au contraire pour abonder tous les projets de financement de ces data centers, sans aucun respect pour les engagements pris. La finance a pris le pouvoir dans les têtes des décideurs et empêche toute vision alternative, malgré les lamentations rituelles sur la désindustrialisation. Le gaspillage énergétique devrait déjà alerter au moment où les crises énergétiques mondiales révélées et aggravées par toutes les guerres deviennent des sujets clés de la vie quotidienne et donc des choix politiques. Mais tous ces soucis ne franchissent pas le seuil de l’attention des plans et sommets IA, des boards des firmes et des plateaux télé d’experts économiques ad hoc. Cette incapacité à déterminer des objectifs autonomes pour les états a déjà été documentée à propos des plateformes numériques financées par la publicité et bénéficiant d’une impunité quasi-totale de la part d’Etats devenus des obligés dans un système de firmes transanationales affranchies de toute dépendance à un territoire (Boullier, 2020). La promesse de l’IA a encore renforcé cette incapacité des états à l’examen critique des stratégies et à toute vigilance réglementaire, malgré les tentatives timorées comme l’AI Act européen.

Les externalités ont toujours été évacuées dans les modèles économiques standards mais cette fois-ci, l’externalité énergétique devient tellement évidente et coûteuse qu’on pourrait espérer une contre-tendance, des voies alternatives, si l’on avait affaire à une culture industrielle qui vise à optimiser sa consommation énergétique sans la considérer comme une ressource infinie et gratuite. Mais dans une culture financière, ce type de calcul est inutile sauf s’il affecte la perception des investisseurs sur les chances de démultiplier leur mise. C’est pourquoi les enjeux de réputation (voir le chapitre suivant) sont aussi importants et bien perçus par les firmes de l’IA.

3/ Buzz partout, éthique nulle part

Dans un tel environnement sans exigence scientifique ni industrielle quant à la validité des concepts ou à la fiabilité des produits, il devient presque hallucinant d’espérer trouver des préoccupations éthiques. J’entends par là une éthique aristotélicienne, une éthique de la vertu qui manifeste une capacité à s’autolimiter, à s’autocontrôler et à « ne pas faire », quand bien même c’est possible, non risqué, non coûteux. Cela supposerait des personnalités de la classe vectorialiste formées à ce sens des limites, intégré comme principe de conduite et non seulement comme contrainte externe, comme risque à mesurer. Or, les génies de l’ingénierie comme les prestidigitateurs de la finance n’ont que mépris pour ce type de freins. Ce qui conduit à reprendre cette supposée maxime fataliste de la technique « si c’est possible, ce sera fabriqué ». Or, la maxime elle-même est empiriquement fausse car une grande quantité de combinaisons possibles techniquement ne sont jamais testées car les effets de dépendance au sentier ou plus simplement de manque d’imagination sont omniprésents. D’autres possibles techniques peuvent être développées dans les labos ou dans les garages mais ne trouvent jamais de conditions pour exister socialement, pour des raisons juridiques, commerciales, financières ou autres. Car il n’existe jamais de technique hors-sol ou désencastrée d’un univers social spécifique, celui d’une époque, d’un voisinage et d’un réseau. C’est d’ailleurs pour cette raison que l’IA générative est en train de gagner la partie, grâce à sa connexion directe avec la finance et ses impératifs et non en raison de ses qualités propres dont on connaît désormais les limites.

Et l’un des atouts de cette « solution LLM » utilisée dans toutes les situations réside dans l’absence de limites à son utilisation, dans sa versatilité qui permet en effet à chaque prétendant innovateur de s’emparer des briques pour forger des applications toujours plus improbables quand bien même elles seraient moralement inacceptables. Car leurs concepteurs n’ont qu’une exigence de performance technique et financière en tête sans aucun souci déontologique du bien commun ou de la responsabilité sociale et morale, d’autant moins qu’ils sont incapables de s’empêcher, fascinés par la toute-puissance à laquelle ils ont été éduqués. Les considérations sur les conséquences sociales et environnementales de leurs pratiques sont considérées dans leur formation même comme très périphériques et de toutes façons traitées comme des externalités inévitables pour le succès de leurs projets, qui pourraient à la rigueur être compensées par une nouvelle couche de solutions techniques, technosolutionnisme toujours efficace pour clore le débat (Morozov, 2012).

La conception de l’éthique qui est dispensée à ces ingénieurs relève largement de l’utilitarisme, qui est tout sauf une éthique, et avant tout un calcul coût-avantage, coûts de la non-conformité aux règles vs avantages financiers ou de puissance. Cette vision revient à apprendre à rester dans les clous légaux, avec toutes les manœuvres et maquillages que savent mettre en place toutes les plateformes du numérique et leurs armées de juristes. Ainsi, la conformité au RGPD reste à géométrie variable mais choisir d’adopter une éthique de la collecte de la donnée serait faire preuve d’une sainteté étrange, alors que l’on peut se servir discrètement dans la masse de traces fournies par les utilisateurs des plateformes ou dans les bases de données non sécurisées des administrations et organisations. La prédation des données hétérogènes n’est pas seulement une performance technique de tous les systèmes fondés sur des LLM, c’est même une obligation d’affaires, que l’éthique ne peut en rien freiner. Il en est de même pour les droits d’auteurs alors que les contenus sont disponibles et non préservés par les ayant-droits, qu’ils soient artistes ou journalistes. Lorsque l’affaire est trop risquée pour la réputation de la firme, lorsque ce sont des médias, les firmes de l’IA consentent à des accords léonins avec ces médias pour exploiter leurs contenus contre des miettes financières ou des services qui les piègent encore plus.

Tout pour la réputation

Car le seul risque qui mérite d’être pris en compte pour s’afficher soudain avec des prétentions éthiques, c’est le risque réputationnel. On le comprend uniquement dans le cadre de ce formatage par le capitalisme financier qui ne fonctionne qu’à la réputation, à la manipulation des perceptions et des attentes des investisseurs, sans aucune référence à de quelconques fondamentaux. Dès lors, aucune éthique ne peut calmer la frénésie d’annonces qui inondent le secteur de l’IA, épuisant tous ceux qui tentent de faire une veille raisonnée et de comprendre des stratégies là où il n’y a qu’annonces et intoxications (à vocation interne, médiatique ou financière, le tout se mêlant allègrement). Les versions, les fusions-acquisitions-prises de participation, les tours de table, les débauchages, les benchmarks, les alertes à la catastrophe finale de l’IA générale, les polémiques entre leaders, les keynotes médiatiques, les combats pour la liberté d’innover contre les Etats, tout est exploité pour faire monter encore la pression de l’opinion, celle des investisseurs avant tout, pour affoler les décideurs et les persuader de la fatalité de la victoire de ces firmes spéculatives (et donc à haut niveau d’incertitude). L’éthique suppose précisément l’inverse, à savoir de se focaliser soit sur sa capacité de jugement intrinsèque et de régulation pour s’interdire ou s’autoriser de soi-même des actions quand bien même elles ne sont pas conformes aux attentes sociales, soit sur ses valeurs (dans une approche qu’on dit déontologique) pour promouvoir ou refuser certains choix techniques ou commerciaux. Lorsqu’Open AI lance Sora, son générateur de vidéo qui met le deep fake à portée de tous ou sa version érotique de son compagnon, on se doute bien que le comité d’éthique éventuel n’a pas dû se poser trop de questions. Le buzz était assuré, l’attractivité financière aussi, on peut donc se lancer. Heureusement, le business lui-même fait office de réel parfois et l’on s’y cogne, ce qui a entraîné Open AI à abandonner ces applis périphériques, non pas pour des raisons d’éthique évidemment mais parce qu’il fallait réorienter ses investissements pour contrer – et ainsi copier – Anthropic dans son offensive vers les entreprises.

Les prétentions stratégiques qui font assaut de visions éclairées pour les dix ans à venir sont en fait extrêmement éphémères et dépendantes des conjonctures médiatiques, concurrentielles et financières avant tout. On ne peut que s’étonner alors de voir les gouvernements se caler sur ces agendas, vouloir y répondre et les copier, et ignorer à quel point toutes ces entreprises financiarisées sans exception sont des faussaires en matière d’information, de qualité de service et de promesses stratégiques. Le fake est leur monde, le fake est leur culture, celle de la tromperie permanente des investisseurs qui pensent toujours être le dernier plus malin que les autres, comme on le sait dans toutes les bulles financières qui se succèdent depuis des décennies désormais. Qui pourrait alors attendre une once d’éthique dans la finance spéculative ? Il convient de débrancher rapidement tous ces pseudo comités d’éthique qui contribuent à créer du buzz pour embrouiller la perception du capitalisme financier numérique pour ce qu’il est : une gigantesque extorsion de valeur fondée sur l’extorsion de l’attention des investisseurs, des utilisateurs et des gouvernants.

Cette technologie des LLM consacrée à la génération de contenus semble donc la plus adaptée pour les impératifs de communication permanente et intoxicante du capitalisme financier. On peut alors parler d’alignement entre une ingénierie qui repose sur une manipulation de texte sans sémantique mais à base de pures probabilités, une finance qui repose sur des paris (probabilités) à partir de signaux artefacts, un buzz qui repose sur des effets d’alerte permanente qui engendre l’incertitude en prétendant la monitorer. L’intelligence artificielle générative engendre ainsi la prolifération et la désorientation qu’elle est supposée réduire pour le grand public comme pour les investisseurs, dans une gigantesque machine à laver qui détruit consciencieusement tout repère stable et toute institution anti-délire.

Extension du fake et techniques d’emprise : les IA compagnons

Cette éducation au fake que la finance a intégrée par définition (Alexandre Laumonier, 2013, 2014) a percolé dans toute la culture ordinaire et comporte cette accoutumance à l’absence de limites et de repères fondés en vérité. Lorsque les firmes d’IA lancent des versions compagnons de leurs IA conversationnelles, aucune règle ni mode d’emploi ne sont proposés ni installés dans le code de la machine. Cependant, on pourrait les traiter à la légère comme on le faisait avec les assistants personnels à domicile, Siri, Alexa ou Home/Nest, considérés parfois comme de simples enceintes connectées un peu plus « intelligentes ». Pourtant la généralisation du mode d’interaction conversationnel pour tous types d’activité sur son PC ou son smartphone constitue un changement d’échelle qui devient un tournant médiologique. Là aussi, le médium est le message, pour reprendre McLuhan.

Car, au-delà des commandes vocales, ce sont bien des interactions riches, personnalisées, permanentes qui sont ainsi simulées. L’utilisateur n’a plus affaire à une interface, à un panneau de contrôle, à des paramètres qu’il peut régler, il est immergé dans l’univers de simulation créé par le système d’IA. Il ne peut plus avoir aucune distance avec le système ni aucune « image du système », ce qui selon Don Norman, favorisait l’appropriation d’un système, même complexe, par l’utilisateur. Car le système d’IA n’a rien de transparent comme on qualifie par erreur cette interaction, il est au contraire opaque, totalement incontrôlable malgré son apparente docilité à toutes les requêtes. La fin des frictions dans les transactions, rêve de tout libéral, atteint ici un tel point qu’on ne sait plus qui demande et qui répond. La demande est précisément ce statut détourné du désir, comme le dit Lacan, qui vous fait prendre les attentes de l’autre pour les vôtres, ce que le marketing a toujours tenté de faire, mais en se limitant jusqu’ici à des messages externes. Désormais, c’est une forme de petite voix intérieure que les IA compagnons installent, une forme de dialogue avec soi-même puisque ce compagnon connaît toute l’histoire personnelle et est alimenté par toute l’expérience quotidienne.

Cette offre technologique prétend ainsi changer son statut de prothèse pour devenir une conscience double, et cela sans disposer d’aucune capacité morale ni même de consignes de sécurité, sans parler de son absence de fiabilité déjà documentée. La confusion des sentiments et du sentiment de soi peut alors devenir extrême et s’apparente en fait à une emprise (Francis Chateauraynaud). Les risques sont d’ores et déjà avérés avec des cas de suicides accompagnés par ces IA compagnons. Car l’empathie qui devient ici sycophantie par flatterie commerciale et absence de principe moral encapsulé dans les systèmes peut devenir facteur de risque pour beaucoup de personnalités affectées par la solitude, la désorientation et en recherche de guide. L’attachement qui se noue ainsi qui peut aller jusqu’à l’amour comme le racontait le film Her, entraîne des conséquences que les firmes d’IA ne sont pas prêtes à assumer car l’absence d’éthique et leur allergie au droit les rend hermétiques à ces responsabilités. On le sait notamment depuis les Facebook Papers de Frances Haugen, ce n’est pas la méconnaissance de ces risques qui est en cause, c’est leur refus explicite de restreindre les potentiels d’emprise de leurs applications qui entraîne ces dégâts.

Pourtant, Gemini de Google a dû se positionner en Avril 2026 pour éviter des effets réputationnels désastreux, au moment précis où la firme était mise en cause devant les tribunaux états-uniens. Google a ainsi proposé de placer un numéro de téléphone d’aide dès que des propos associés au suicide apparaissent. Il a aussi annoncé qu’il régulait ses IA compagnons pour installer “des protections d’identité conçues pour empêcher Gemini d’agir comme un compagnon, y compris des garde-fous l’empêchant de prétendre être un humain ou de posséder des attributs humains, et des protections destinées à prévenir la dépendance affective, en évitant un langage qui simule l’intimité ou exprime des besoins.” Toutes choses dont il ne donne pas de définitions scientifiques, de détails de procédures ni d’indicateurs. Il faut donc croire Google sur parole, mais on apprend au moins ainsi qu’il peut injecter une couche de sémantique, à caractère éditorial, et qui entraîne donc sa responsabilité légale. Il n’existe donc pas fatalité à l’opacité de ces systèmes dès lors qu’ils deviennent hybrides, avec des régulations à caractère sémantique ajoutées que les LLM ne peuvent fournir nativement. Mais tout repose encore sur des solutions techniques alors que l’on sait que dans ces situations, c’est la qualité relationnelle d’accompagnants humains qui constitue la seule sécurité. Il faut donc se préparer à mener des actions en justice pour faire reconnaître que les effets immersifs de ces IA compagnons sont délibérément implémentés par les firmes, sans pour autant avoir été sérieusement testés avant d’être mis sur le marché.

L’attente d’habitèle détournée en emprise

La demande « d’habiter le numérique » est selon moi constitutive de notre relation à ces systèmes et j’ai nommé cette attente dès 1999, une attente « d’habitèle » (Boullier), toujours démentie par les asymétries constantes installées par les plateformes et par l’opacité de leurs captations de nos données et de notre attention. Pourtant, avec les IA compagnons, une forme de réponse est offerte qui prend les traits d’une personnalisation aboutie, d’une « intimité » protégée. Certes, elle est totalement fake, fabriquée, calculée et opaque, mais ses effets seront analogues à ce qu’on peut attendre d’une habitèle : filtrage, ancrage et arbitrage, c’est-à-dire des conseils permanents qui fonctionnent comme filtrage, comme ancrage dans des repères supposés robustes, qui créent un climat de protection empathique et une « tension dans la chambre intérieure » (Peter Sloterdijk). Cette mutation est anthropologiquement majeure, car les médiateurs de nos vies intérieures qu’étaient les prêtres, les sorciers, les astrologues ou les psy en tous genres sont désormais uberisés par les IA compagnons, toutes entières aux mains de firmes toutes puissantes. Comment peut-on laisser cette mutation s’engager sans exiger des garde-fous, sans évaluer tous les risques psychiques et sociaux et réguler l’offre avant toute mise sur le marché ? Le passage à l’acte est cependant devenu la règle de l’innovation digitale désormais et il sera bien difficile de neutraliser l’urgence financière d’une nouvelle promesse encore plus disruptive. Cette dimension du compagnon est en effet si confortable et si attractive, qu’elle constitue le pendant, côté grand public, de la toute-puissance de calcul désormais offerte aux développeurs avec Claude Code. Dans les deux cas, l’offre des LLM et des IA génératives prétend être irrésistible et installe ainsi un « monopole radical ».

Conclusion provisoire

Ce qu’on perd en même temps, la sémantique, l’industrie et l’éthique ne sont pas des effets de mode, des vestiges d’un monde ancien, c’est avant tout ce qui fait tenir nos civilisations, dans leurs diversités, que l’IA prétend ignorer et niveler statistiquement, et avec leurs institutions qui garantissent à chacun sa place. Le sable sur lequel se construit cette technologie est mouvant par définition, ce qui profite aux vers de sable mais guère aux humains, à qui l’on promet la terre ferme en étendant la surface du désert, qui reste pourtant de sable et sur lequel ne poussera plus rien de vivant.

Dominique Boullier

Ce texte est paru pour la première fois sur le compte Medium de Dominique Boullier, le 15 mai 2026.

Supplément :  S’orienter dans le maëlstrom génératif

Face à ce rouleau compresseur du « monopole radical », il est très difficile de maintenir un éveil critique et surtout une capacité de propositions alternatives. Pourtant lorsque Illich analyse le monopole radical de l’automobile, c’est en référence à une solution de mobilité déjà présente, la bicyclette, qui, du point de vue de l’efficience en matière de mobilité, est imbattable. Il oublie cependant de parler de ce qui fait l’équivalent des IA compagnons, de ces enveloppes qui fonctionnent comme habitèle (perverties de mon point de vue), l’habitacle de l’automobile. Cette enveloppe là aussi produit un attachement fort analysé par Laurent Fouillé (2011) qui explique largement pourquoi toutes les solutions alternatives en matière de mobilité ne parviennent pas à gagner les publics en masse. Mais les solutions existent aussi pour les LLM et surtout plusieurs stratégies se présentent lorsqu’on n’adhère pas au culte moderniste des LLM. Ils sont en effet la quintessence même de la geste moderne comme la qualifiait Bruno Latour : certitudes inébranlables dans le « progrès » supposé encapsulé dans toute innovation technique, surplomb total par rapport aux organisations sociales, à leurs traditions et à leurs valeurs (le calcul désencastré), illimitisme écologique sourd aux lanceurs d’alerte pourtant scientifiques eux aussi.

Lorsqu’on sort de ces rails supposés tracer le destin de toute l’humanité, soit on bifurque, soit on s’arrête pour mieux regarder le train, soit on descend de la machine et on marche ailleurs. J’ai présenté ces pistes récemment à l’ENS Ulm sous la forme d’une boussole que j’ai créée en 2003 pour penser nos possibles sur le mode cosmopolitique.

Le zero LLM

Le premier quart sud-est consiste à se débrancher totalement et à sortir marcher dans un pays sans rails technologiques. Je l’appelle la voie de la « sécession sémantique ». Et c’est l’analogie avec la conversion en bio de certains agriculteurs qui me paraît la plus parlante, donc je l’appelle la « sécession bio-sémantique ». L’ajout du terme bio me convient particulièrement puisqu’il réintroduit ce qui jusqu’à présent manque à tous les systèmes d’IA, un corps, une existence biologique qui relève d’autres déterminants.

Cette idée n’est pas nouvelle, plusieurs auteurs et mouvements parlent d’objection de conscience, de pause, souvent pour des raisons et des objectifs différents. Je m’intéresse ici à ceux qui tentent de développer un monde sans LLM, comme on le dirait d’un monde sans OGM. Il faut parler de monde et non seulement de technique car les LLM tendent à envahir tous les domaines de la vie de façon pervasive, comme une contamination qui se propage sous les radars. C’est ailleurs ce qui rend l’expérience exigeante et difficile car garantir qu’il n’existe pas un soupçon de LLM glissé dans votre relation au médecin, au taxi, au fisc, aux médias, aux supermarchés, devient très difficile. Il faudra donc être indulgent et non puriste, d’autant plus que des alternatives n’existent et n’existeront pas dans tous les domaines. On peut vouloir manger bio mais parfois il sera difficile de s’assurer que le champ qui respecte un cahier des charges bio n’est pas atteint par les épandages de pesticides du champ voisin (dit agriculture conventionnelle, avec une litote qui atténue bien le risque). On doit au moins faire confiance aux labels, aux certifications que d’autres organismes mettent en place, ce qui peut là aussi entrainer des critiques, des rivalités, des soupçons, comme dans toute phase de construction de convention. Une fois le Nutriscore installé et rendu visible sur les emballages, on peut s’orienter plus facilement en tant que consommateur ordinaire. Il est donc temps de contribuer à créer ces labels, ces certifications pour valoriser, selon un gradient (et non selon un principe binaire du tout ou rien), les pratiques les plus indépendantes des logiques monopolistes des plateformes des IA génératives.

Cette sécession repose principalement sur le constat énoncé précédemment que dès lors qu’on se débarrasse de la sémantique (référentielle pour être plus précis), tout est permis et tous les risques sont amplifiés. Ils ne sont pas tous activés, ni tous catastrophiques, ni tous dépendants de l’avènement d’une IA Générale, tant vantée comme épouvantail. Mais ils sont tous là, identifiés, malgré (ou à cause) des boites noires que l’on offre à tout public et aux experts. Le principe de précaution doit alors être activé et le catastrophisme éclairé (Dupuy) doit nous donner le courage de renoncer.

Etant cependant averti du monopole radical qui se met en place avec l’appui démesuré de la finance et des gouvernements du monde entier, il faut sans doute se replier sur l’exigence de pluralisme pour obliger les Etats à prendre les mesures pour préserver une “zone à défendre” en réseau où les développeurs puissent travailler à une innovation responsable, explicite et contrôlable. Cela supposera des écoles, des spécialistes, des soutiens financiers adaptés, des réseaux d’entraide que les communs numériques ont déjà mis sur pied, des chaînes de traitement entièrement préservées des plateformes du capitalisme financier numérique. Le rôle d’un gouvernement démocratique n’est pas de tirer toujours dans le sens d’une innovation sans frein qui absorbe soutiens, déductions fiscales et profits en copiant les autres pays. S’impose à lui un impératif de diversité écologique en faveur des orientations les plus responsables.

Il ne sert à rien de disqualifier ces tendances et ces aspirations qui montent en les assimilant aux luddites, qui ne faisaient pas que casser des machines d’ailleurs et qui luttaient contre un projet politique d’obligation de salariat. Sans doute que si ces techniques des LLM n’étaient pas poussées par les grandes plateformes, les oppositions ne seraient pas aussi franches car il serait encore possible d’espérer un débat de démocratie socio-technique. On sait en revanche désormais qu’avec toutes ces plateformes aucun débat ne sera possible et qu’il faudra des coups de force imprévus à la Trump qui produit le blocage du service d’Anthropic le 12 juin, pour mesurer qu’il est vraiment possible de freiner l’ubris de ces firmes et pour les faire rentrer dans le droit.

L’important consiste à préserver l’avenir pour toute la planète en préservant des ressources, des savoirs et savoir-faire plus autonomes. Les temps de guerre et de réchauffement climatique qui sont les nôtres devraient d’ailleurs nous entrainer à encourager ces démarches résilientes, qui pourraient bien sauver nos existences en cas de crise grave, de sabotages, de pannes. Plus encore, ce sont nos savoirs qui doivent demeurer hors des prédateurs-pollueurs que sont les plateformes d’IA. De la même façon qu’on construit des silos sous la banquise pour préserver les graines d’une diversité biologique menacée, il faut organiser les silos de préservation des savoirs non contaminés, identifiables, traçables, comme le fait Wikipédia, qui devra bientôt devenir une forteresse pour résister à la contamination générale.

Nulle tentative d’imposer ce régime d’abstinence à tous, de prétendre redresser la barre d’un navire sans pilote, mais nécessité politique et morale d’assurer que d’autres possibles seront maintenus ouverts par cette préservation de techniques, de savoirs, de pratiques prêts pour les temps de guerre et de rareté.

 Le bac à sable créatif

Cette option du zero LLM qui s’appuie sur les certitudes des connaissances, des pratiques et des organisations constituées depuis des siècles et sur les attachements à des valeurs qui ont constitué nos démocraties, devient désormais très défensive et peu attractive à l’exception des résistants convaincus, qu’il faut soutenir à tout prix cependant.

Elle ne conviendra pas du tout à ceux qui, tout en s’opposant aux plateformes, à leurs logiques financières et à bon nombre de choix techniques effectués, restent persuadés qu’il faut expérimenter des détournements, et explorer des possibles qu’on ne connaît pas encore. Ce constat provient de la puissance incroyable de ces LLM, qui, par pure simulation statistique, parviennent pourtant à produire des effets de sens, des effets de créativité, des effets émergents comme on les qualifie savamment si on ne les balaie pas en les traitant d’hallucinations (ce qu’ils sont aussi par ailleurs). On peut trouver cette tendance chez beaucoup d’artistes qui sont spontanément prêts à explorer ces frontières, comme le font Gregory Chatonsky ou Alain Damasio. Ou chez des chercheurs comme Marc Cavazza qui sont intrigués de voir émerger des processus qu’ils décrivent en sémantique distributionnelle, des convergences qui méritent d’être explorées. Il est vrai que dès lors qu’on connaît l’incertitude et les approximations acceptées par les développeurs de ces LLM, qui ne peuvent pas rendre compte des pondérations effectuées ni de chaînes d’opérations qui ressemblent à des raisonnements, on peut se dire qu’ils ont peut-être fait apparaitre des processus de calcul, de génération, de détection, qui sont des indices d’autres processus que seuls les artistes ou d’autres disciplines que les data sciences peuvent percevoir, sans parler de les expliquer.

J’appelle cette posture et ce quadrant nord-ouest (celui du passage!), le bac à sable créatif. Tout en étant, on l’a compris, très critique des LLM en général et plus encore de leur exploitation par les plateformes de l’IA, je me dois d’écouter ceux qui restent ébahis par les performances de tels systèmes de simulation, au point de penser qu’ils sont en train de dépasser nos capacités de compréhension (sans parler du contrôle que les firmes IA ont de toutes façons abandonnés). Tous les utilisateurs ordinaires font cette expérience d’excitation ou de sidération devant des réponses, des productions, des solutions fournies avec une rapidité inédite et très déstabilisante. L’innovation peut en effet se transformer en rouleau compresseur moderne sous la houlette de l’illimitisme des plateformes et de la classe vectorialiste mais il n’est pas définitivement dit qu’il n’existe pas d’autres voies à explorer.

J’ai moi-même tenté de jouer ce jeu avec le Big Data des plateformes en considérant Twitter comme la drosophile des sciences sociales des propagations. C’est-à-dire un laboratoire à ciel ouvert pour tester des hypothèses à partir de masses de données qu’on ne trouve nulle part ailleurs, sur une plateforme (avant Musk) où la traçabilité atteint une granularité inédite et où la viralité est amplifiée par les algorithmes. Alors même que je montrais les effets délétères d’un tel système de viralité sur les conditions du débat public, je pensais pouvoir profiter de ce terrain quasi expérimental pour tester des hypothèses sur les patterns des propagations. Et cela à condition d’accepter que Twitter ne peut pas servir d’équivalent d’un sondage d’opinion, dispositif construit pendant des dizaines d’années avec ses propres règles et ses limites. 

Pour les LLM, ce sont ces limites qu’il faut pouvoir établir pour rester dans le cadre du bac à sable et éviter toute contamination à la société. Ainsi, tout ce qui a pu être  produit en matière d’image IA ne poserait pas de problème, dès lors qu’un protocole strict et une étanchéité sont installées vis-à-vis de la sphère médiatique ou ordinaire de la vie sociale. Produire des deepfakes est fascinant à condition de se limiter à une expérience de laboratoire hautement contrôlée, à peu près avec les mêmes critères que ceux appliqués aux laboratoires qui testent les gains de fonction des virus. Oui les LLM sont du gain de fonction, et sont extrêmement dangereux de ce point de vue mais peuvent aussi permettre d’explorer des pistes inédites, à condition de trouver les problèmes significatifs que l’on veut y résoudre. On peut accepter certaines expériences pour les artistes, qui doivent eux-mêmes éviter la contagion de tous les systèmes de production d’œuvres fake qui détruiraient leurs propres conditions d’existence. On peut accepter certaines expériences pour les sciences cognitives et sociales sous des conditions strictes vis-à-vis des populations concernées comme on le fait en sciences cognitives expérimentales. On peut même donner des possibilités de créer des échantillons de populations synthétiques pour tester certaines hypothèses avec des modèles et des entités très riches, à condition de ne pas prétendre en tirer des leçons sur les sociétés réelles ni des méthodes de gouvernement immédiates, ce qu’on attend déjà trop de l’économie expérimentale par exemple.

Sans doute que d’autres domaines professionnels peuvent vouloir eux aussi tester avant leur mise en œuvre opérationnelle quantité d’applications à base d’IA. Ce serait ainsi l’occasion de redonner ses lettres de noblesse à la culture industrielle des tests, dont j’ai critiqué plus haut la disparition avec les passages à l’acte observées dans les développements d’IA contemporains.

Dans tous les cas cependant, il faut assurer une étanchéité avec le monde social à l’air libre pour éviter toute pollution et captation d’attention par des utilisateurs ordinaires comme par des acteurs mal intentionnés, qui auraient perçu rapidement les bénéfices commerciaux à tirer de ces innovations. Le bac à sable est donc à la fois l’acceptation de la créativité et le ralentissement de sa pénétration du corps social. Toutes les techniques ultrasensibles et à haute propagation sont gérées de cette façon, que ce soit dans la chimie, la pharmacie, ou le nucléaire. Ce que l’on déplore, c’est plus souvent une incapacité à contrôler ces essais et les tentatives de se dérober à ces protocoles de sécurité. 

Pour l’IA, le moins que l’on puisse faire n’est donc pas d’abaisser le seuil de vigilance mais bien de le renforcer car ses pratiques actuelles sont totalement irresponsables. On pourrait donc au moins exiger des plateformes d’iA qu’elles atteignent le niveau d’exigence en matière de sécurité et de qualité que l’on trouve dans le nucléaire, voire dans la chimie (qui comporte pourtant déjà beaucoup de failles) ou dans la biologie.  Tout plaidoyer pour une expérimentation à ciel ouvert au nom du « running code » et de la spécificité du numérique est une opération de lobbying éhontée et irresponsable. Dès lors qu’on leur propose d’effectuer toutes les expériences qu’ils souhaitent dans des environnements classifiés au même niveau que les laboratoires de gain de fonction des virus, on fournit les conditions de la créativité tout en respectant des impératifs de contrôle, certes très inhabituels pour les adeptes du libertarianisme, de John Perry Barlow et du Far-West réunis mais nécessaires à leur propre survie et à leur créativité.

L’intelligence collective augmentée

Dès lors que ces deux possibles sont préservés, soutenus et contrôlés, la sécession sémantique et le bac à sable créatif, pourquoi encore vouloir imaginer un quatrième quadrant au nord-est ? En réalité, il décrit la pratique la plus courante observée dans les organisations. Face à la pression à l’usage de l’IA générative et face à l’absence de résultats convaincants dans l’industrie (en dehors donc de la comm et du code), la désorientation est forte mais chacun apprend à composer avec les injonctions, les avantages réels et un contrôle face à des boites noires. Ce compositionnisme que Bruno Latour avait problématisé dans un manifeste n’est guère attractif comme programme politique général mais il rend très bien compte des pratiques des collectifs immergés de fait dans des environnements d’IA générative. 

Ce qui devient clé alors pour éviter d’être totalement embarqué dans l’hubris du tout IA, c’est la qualité du couplage entre technique et organisation, son caractère explicite et donc discutable de façon contradictoire. Ce n’est certes pas la qualité principale du management néo-libéral que l’on subit et qui relève plus de la disruption quasi sadique que de la bienveillance et du soin pour relancer l’intelligence collective. L‘intelligence collective augmentée doit en effet devenir l’horizon de toute composition avec des éléments de systèmes d’IA appropriés. Ce couplage affiné avec précaution avec les traditions, les valeurs, les savoir-faire spécifiques des métiers permet de réencastrer les systèmes d’IA dans les organisations, dans le social en général. L’IA ne devient une réponse qu’aux problèmes que l’on veut traiter en priorité et que l’on redéfinit à cette occasion mais elle ne constitue qu’une brique d’une réponse globale et non la solution magique de l’alchimie LLM. Reprendre la main sur ces définitions des problèmes, c’est reconnaitre aussi les liens complexes de toute organisation sociale et son irréduction à un paramétrage surplombant. Cela peut comporter cependant des indicateurs et du calcul mais un calcul qui oblige à expliciter et donc à discuter et qui permet à toutes les parties concernées de participer à la discussion.

Sur ces principes, il existe des solutions qu’on appelle hybrides c’est-à-dire qui introduisent beaucoup de sémantique par les experts métiers et même les publics concernés et qui reposent de ce fait sur des briques issues de l’IA symbolique (toujours très présente avec des arbres de décisions par exemple) ou avec des versions floues comme le propose Xtractis développé par Zyed Zalila. Ces systèmes d’IA nécessitent une injection de connaissances formalisées de la part des experts du métier et c’est en cela que ces IA décisionnelles peuvent prétendre aider à des décisions fiables, ce que ne pourra jamais un agent conversationnel conçu pour répondre avec des approximations satisfaisantes pour l’utilisateur mais non robustes. Ce que j’ai décrit plus haut à propos des RAG relève de ces méthodes de maquillage sémantique indispensable pour faire marcher les LLM en situation réelle, mais on peut pousser la logique des RAG plus loin en formalisant les documents et les connaissances ainsi injectées, en abandonnant carrément le principe probabiliste des LLM.

D’autres resteront plus proches des principes des LLM mais en fournissant tous les outils de contrôle pour les rendre robustes, comme le fait par exemple Pleias, dirigée par Pierre-Carl Langlais. Il a pu mettre ainsi à disposition du public et en Open Source une base de connaissances de textes administratifs qui se transforme en outil de génération de contenus situés dans le même domaine (Guillaume Tell). Dans tous les cas, ces modèles sont plus petits, plus contrôlés avec injection de lemmatisation souvent (et non une simple tokenisation).

D’autres enfin tentent de penser le rôle direct que peut jouer le service public dans un tel environnement. Bernie Sanders propose que l’Etat prennent des parts dans les grandes entreprises de l’IA jusqu’à 50% pour pouvoir les orienter et les contrôler autrement que par la régulation qui vient toujours trop tard. Bruce Schneier comprend l’intérêt de la proposition de Sanders mais considère que cela veut dire que l’Etat se retrouvera contraint d’accompagner des stratégies gouvernées par la profitabilité sans pouvoir réellement exiger les garde-fous nécessaires, comme on l’a vu avec la propriété étatique des firmes pétrolières en Norvège. Il propose avec Nathan Sanders, en plus d’une taxation des profits ou de l’énergie consommée par ces firmes, de construire dans chaque pays une « AI Public Option » , à l’image du système de santé public ou du projet Apertus en Suisse. Les chercheurs académiques à partir de données dont ils respectent les licences ont développé un modèle LLM qui fonctionne sur une infrastructure locale suisse. Mais ce n’est pas l’enjeu de souveraineté qui est ici avancé car il peut être détourné par des firmes nationales comme on le voit avec Mistral, sans que cela change grand-chose à leur absence d’éthique et à leurs principes techniques. Il s’agit bien d’une alternative publique de ressources de base, sur lesquelles on peut imaginer des services gratuits d’origine des communs mais aussi des services commerciaux locaux dont l’usage est identifié comme socialement utile (ce qui interdirait les IA compagnons toxiques et les deepfakes par exemple).

En réalité chacun tente de surnager dans ce flux d’influences qui se propagent chaque matin avec de nouvelles annonces qui nous somment de réagir et dire si l’on adopte, si l’on s’oppose ou si l’on compose. Le drame social qui se joue dans les organisations est aggravé par l’isolement, l’expérience clandestine de l’IA dans l’ombre, de l’IA honteuse, alors que l’intelligence collective demande le partage des expériences, les plus naïves comme les plus sophistiquées. Nous manquons de cette arène de débat constitutive d’une démocratie socio-technique. Non pas pour se vanter comme sur LinkedIn de sa dernière prouesse dans la maitrise de la dernière version du modèle XYZ. Mais pour rendre compte précisément des conditions d’usage d’un dispositif technique et organisationnel (et donc aussi légal et commercial souvent) avec toutes les réinventions nécessaires, les ratages et aussi les émerveillements engendrés par ces partages d’expérience. 

J’ai pratiqué longtemps cela notamment dans le domaine de la Tech éducative ou encore des méthodes numériques en sciences sociales, sans jamais céder aux diktats des offres marchandes et en fixant avec les collectifs concernés les cahiers de charges auxquels les techniques sur l’étagère ou les développeurs maisons devaient se plier. Les réseaux des communs procèdent ainsi très souvent et ils doivent désormais intégrer tous les retours d’expérience de pratiques de l’IA hybride en environnements standards (et non seulement dans des niches alternatives). Les organisations, l’Etat, les institutions, les entreprises sont en demande pour continuer à respirer malgré la pression démesurée mise par les lobbys de la tech pour la tech.

Ainsi, face au rouleau compresseur du monopole radical qui est en train de s’installer, plusieurs modes de survie sont possibles que j’ai présentés dans cette boussole. Sans doute d’autres inventeront d’autres combinaisons encore, mais l’intelligence collective que nous devons construire nécessite sans cesse d’échanger et de capitaliser sur nos expériences.

Dominique Boullier

Board members of a small township in Michigan agreed to “fight to our very last breath” against an AI data center planned in their community. America’s nuclear scientists and the University of Michigan want to build a massive data center in Ypsilanti Township, Michigan. If built, the data center will, among other things, run simulations to help America build nuclear weapons.

The residents of Ypsilanti Township overwhelmingly oppose the construction of the data center and voiced their opposition to the computer warehouse during a public board meeting on June 16. In a show of support that’s often rare from local leaders in communities with data centers, Ypsilanti Township’s board vowed to fight UofM and Los Alamos National Laboratory, which is partnering with the university, with everything they had.

Throughout most of the three hour board meeting, a photograph from a data center groundbreaking in nearby Saline Township was projected onto a wall behind the board. The photo showed a grinning Michigan Governor Gretchen Whitmer standing in line with Oracle CEO Clay Magouyrk. It was taken at the June 1 groundbreaking of an Oracle and OpenAI data center in nearby Saline Township, one of several Stargate projects. Saline Township is a community of only 2,300 people and the fight against the data center was so contentious that the Township treasurer resigned in tears during a public meeting in May.

View this post on Instagram

A post shared by Oracle (@oracle)

During the groundbreaking, a videographer caught Whitmer talking with Magouyrk. In the video Whitmer appeared to tell the billionaire, “We’re used to people saying no, and doing it anyway.” Whitmer’s office has officially denied she said that, but many of the residents of Michigan—including the people of Ypsilanti Township—believe she did.

Cilla Cresswell shot the video of Whitmer and was present at the Ypsilanti Township board meeting on Tuesday. “On June 1 I was standing just to the left, right there,” Creswell said, referring to the photo that loomed behind the board during the meeting. “I was there. I recorded that clip [… ] I was right there. And they want to say it’s fake, but I just want to let you guys know it’s real. You can play it on my camera.”

Members of the board and the community referenced the photograph often during the meeting. “You have people in that photograph worth billions of dollars. Not just millions, we’re talking trillions. Soon to be trillionaires. Yet this state, in its zeal to become the data capital of the country, has extended unprecedented tax credits to the richest corporations in the world,” Douglas Winters, a lawyer representing Ypsilanti Township, said in the meeting.

“Having to stare at this picture during this meeting has my blood boiling,” said Ypsi resident Laura Witowski. “I did not realize how emotional I would be. The waste of space. The complete lack of regard for humans and animals and for what?”

During the hours of community comments, residents stepped forward to voice complaints that have now become common about data centers in America. The people of Ypsilanti Township worried about the rising cost of electricity, how much water the building will use, and how noisy the data center would be once finished.

They also called on the Township board to do everything in their power to stop it from even being built. “Put yourselves on the line. Those people will listen to you better than they will listen to us. Please put yourselves, your jobs, and your comfort on the line to stop this for us,” Ypsi resident Jane Wolf said. “Get creative. Tear up the road. Block the road. Break the law. Do whatever you need to do for us. You will be remembered better in history for the job that you did if you can get creative and really put yourselves out there.”

Jill Warren, the wife of a Methodist pastor, suggested residents brush up on the OSS’ Simple Sabotage Field Manual. “Simply slow things down bureaucratically," she said. “Make sure we block where we can. Use very slow agendas and response times and do, within your power, the work that you are entitled to do. For those who aren’t familiar with it, please look up the Simple Sabotage Field Manual and use it in your own lives of action as well [...] they may not care about us, but we care about us and we’re here and we’ll continue to be here and support the work that you’re doing on our behalf.”

Alyssa, an Ypsilanti resident, cited long passages from John Hershey’s Hiroshima—a 1946 book that focused on the victims of the first atomic bombing. “We don’t need simulations to know what a nuclear strike looks like,” she said. “We have pictures, videos, and audio of what happens. We know what it does to bodies. We know what it does to children and what it does to life.”

Board supervisor Brend Stumbo vowed to fight. “This is going to harm our community in our future. We will fight to our very last breath, but we need help. And we need it from the people who have the power to stop things,” she said.

Stumbo explained that, early on, she and other members of the board were ignorant about data centers and that she was grateful to the Township’s residents for informing her. “Now we know and we’re thankful for the residents and non-residents that came to our meetings early and told us, ‘don’t trust UofM,’” she said. “We do not love nor do we appreciate what the board or regents is doing to our community. It needs to stop. And everyone that showed up here today, we greatly appreciate it and we will keep going, like everyone has said, by doing it together […] I will stand with you. I will fight with you. And I know this entire board and our Township attorney will as well. So let’s keep doing it together.”

The Township has, so far, made good on its word and it’s been creative in its opposition. In April, the board voted to institute a 365 day moratorium on supplying water to data centers so it could conduct a scientific study into how hyper scale data centers might affect the community water supply. In response, UofM threatened to sue and claimed that withholding water from an AI data center meant to power nuclear weapons research was unlawful discrimination.

This week Joseph speaks to Jake Hanrahan, creator of the independent conflict-focused media company Popular Front. They talk all about conflict journalism and how to get your journalism out there when platforms like YouTube make it all that much harder, sometimes.

Listen to the weekly podcast on Apple Podcasts, Spotify, or YouTube. Become a paid subscriber for early access to these interview episodes and to power our journalism.If you become a paid subscriber, check your inbox for an email from our podcast host Transistor for a link to the subscribers-only version! You can also add that subscribers feed to your podcast app of choice and never miss an episode that way. The email should also contain the subscribers-only unlisted YouTube link for the extended video version too. It will also be in the show notes in your podcast player.

• ⁠Popular Front⁠
• ⁠Away Days⁠
• ⁠Plastic Defence: Secret 3D Printed Guns in Europe⁠