Pourquoi les IA les plus avancées peuvent-elles refactoriser du code complexe, détecter des failles critiques… puis se tromper sur une question de bon sens aussi simple que “faut-il aller à pied au car wash pour laver sa voiture” ? Dans cet épisode, on part d’une formule d’Andrej Karpathy pour comprendre la vraie frontière de l’automatisation par l’IA : non plus ce qui est programmable, ni même ce qui est couvert par les données, mais ce qui est vérifiable.

À travers l’intelligence “à dents de scie” des LLMs, le reinforcement learning, les tests unitaires, les échecs, la médecine, le recrutement et les limites du bon sens machine, l’épisode relie Karpathy à Turing, Gödel et Church. Une plongée dans la frontière mathématique du calcul, pour comprendre pourquoi certaines tâches seront massivement automatisées — et pourquoi d’autres resteront dangereusement humaines.

Un épisode essentiel pour les développeurs, DSI, dirigeants et décideurs qui déploient de l’IA sans toujours se demander si la sortie produite peut réellement être vérifiée.

#modeles