Une plongée captivante dans les coulisses de la plus grande introduction en bourse de l'histoire financière, où SpaceX s'apprête à faire son entrée sur les marchés publics. Ce décryptage sans concession examine l'intégration controversée du laboratoire d'intelligence artificielle xAI — un véritable gouffre financier de dix milliards de dollars par an — au sein des activités de Starlink et des lanceurs spatiaux. À travers l'étude des mécanismes boursiers passifs qui forceront l'épargne retraite des particuliers à soutenir cette valorisation record de mille sept cent cinquante milliards de dollars, ce récit pose une question cruciale sur la gouvernance d'une entreprise contrôlée par un seul homme et le transfert inédit du risque de la bulle technologique vers le grand public.

Qu'arrive-t-il à notre intelligence collective lorsque des millions d'individus délèguent leur écriture et leur réflexion aux mêmes modèles technologiques ? À travers une analyse percutante des recherches récentes sur l'effondrement des arguments, ce récit explore la standardisation invisible qui menace nos démocraties. En éliminant les angles morts et les voix discordantes au profit d'une fluidité parfaite mais uniformisée, nous risquons d'éteindre la divergence indispensable au progrès et aux décisions cruciales. Une réflexion essentielle pour réapprendre à cultiver notre singularité intellectuelle et à chercher l'objection manquante dans un monde de plus en plus lisse.

Lorsque le robot humanoïde de Figure AI a continué de trier des colis en direct bien au-delà des huit heures initialement promises, pour s'arrêter seulement au bout de huit jours et deux cent cinquante mille cartons manipulés, l'industrie a compris que la donne venait de changer. Cette démonstration de force déplace le curseur de la robotique : l'enjeu n'est plus seulement la dextérité ou l'intelligence artificielle, mais l'endurance pure et le temps moyen entre deux pannes.

À travers une analogie fascinante avec l'aviation civile et l'introduction historique de la norme ETOPS — qui a permis aux avions bimoteurs de traverser les océans à force de prouver leur fiabilité technique —, cette réflexion décrypte la transition critique entre le prototype de laboratoire et le déploiement en usine. Derrière la vitrine des livestreams et des levées de fonds spectaculaires se cache une réalité économique froide où s'affrontent des géants comme BMW, Tesla ou Schaeffler.

Une immersion essentielle pour comprendre comment le coût de l'heure de travail robotique s'apprête à transformer les métiers les plus physiques de la logistique, là où la machine ne se distingue plus par ses prouesses spectaculaires, mais par sa capacité à répéter inlassablement la même tâche, sans jamais faiblir.

Microsoft et OpenAI incarnent l’une des relations les plus ambiguës de la tech moderne : investisseur, client, fournisseur d’infrastructure et désormais rival potentiel. Derrière les annonces de modèles maison, les promesses d’optionalité et les discours sur un marché ouvert de l’intelligence artificielle, se joue une bataille beaucoup plus profonde : celle du contrôle de la distribution, des marges et de la dépendance technologique.

Ce récit décrypte comment Microsoft, après avoir massivement financé OpenAI et intégré ses modèles au cœur de ses produits, construit progressivement ses propres alternatives. Une stratégie qui rappelle la vieille logique des marques de distributeur : celui qui possède le rayon finit souvent par fabriquer le produit concurrent. Dans l’intelligence artificielle, ce rayon s’appelle Azure, Windows, Office et Copilot.

Au-delà du duel entre deux géants, c’est toute la chaîne de valeur de l’IA qui se révèle : les modèles, le cloud, les interfaces utilisateurs, les contrats entreprises et les rapports de force invisibles qui déterminent qui capte réellement la valeur. Une analyse pour comprendre pourquoi choisir un modèle d’IA, ce n’est pas seulement choisir une technologie, mais aussi une dépendance.

Qwen 3.7 Max marque un tournant dans la bataille mondiale de l’intelligence artificielle. Derrière la fermeture de ses poids, Alibaba ne change pas seulement de stratégie open source : il révèle une ambition beaucoup plus vaste, celle de contrôler toute la pile, de la puce au cloud, en passant par le modèle lui-même. Ce récit explore comment un modèle chinois capable de travailler seul pendant des dizaines d’heures, d’optimiser du code sur du silicium maison et de s’intégrer aux outils occidentaux redessine les frontières entre ouverture, souveraineté technologique et valeur économique. L’enjeu n’est plus seulement de savoir si une IA est ouverte ou fermée, mais de comprendre à quel étage elle s’ouvre, à quel étage elle se verrouille, et qui garde réellement les clés.

Une plongée dans ce que Severance révèle du monde du travail à l’ère de l’intelligence artificielle : non pas la peur d’une mémoire effacée, mais celle d’un travailleur coupé du monde, de ses droits et de la valeur qu’il produit. Entre les employés cloisonnés de Lumon, les annotateurs invisibles qui entraînent les modèles d’IA, le travail fantôme et la captation massive de valeur par les géants technologiques, ce récit explore une question centrale : qui travaille réellement, qui encaisse, et que devient celui qu’on maintient hors champ ?

La CMDB a longtemps été présentée comme le Graal de l'ITSM : une base de données omnisciente capable de cartographier la complexité d'une entreprise. Pourtant, la réalité du terrain est sans appel. Coûteuse, chroniquement obsolète et incapable de suivre le rythme effréné de l'IT moderne, la CMDB traditionnelle vit ses dernières heures.

Dans cet épisode, nous analysons comment la télémétrie native des géants du cloud et la puissance d'analyse des grands modèles de langage (LLM) ont rendu ce cadastre informatique totalement inutile. De l'émergence des "Infrastructure Lakes" à la disparition programmée du support de premier niveau par les agents autonomes, découvrez pourquoi il est temps de passer d'une logique de stock de données figé à une logique de flux en temps réel. Nous explorons également pourquoi le "change management" reste le dernier bastion de la décision humaine, là où la responsabilité juridique et stratégique ne peut pas se déléguer à une machine.

Un épisode indispensable pour les DSI, responsables d'infrastructure et professionnels de l'ITSM qui souhaitent naviguer avec lucidité dans la gestion des infrastructures en 2026.

Pourquoi un modèle comme DeepSeek-V3 ou GPT-4o-mini gagne-t-il subitement huit points de précision sur un problème de mathématiques simplement parce qu’on remplace le mot "hypoténuse" par "la plus longue ligne" ?

Dans cet épisode, nous explorons une découverte scientifique majeure publiée en avril 2026 : Adam's Law (la loi d'Adam). Formulée par le chercheur Hongyuan Adam Lu et ses collègues de FaceMind Corporation et de l’Université chinoise de Hong Kong, cette loi démontre que les grands modèles de langage résolvent beaucoup mieux les problèmes lorsqu'ils sont formulés avec des mots courants plutôt qu'avec un jargon technique, même si le sens de la question reste rigoureusement identique.

En voyageant des découvertes de Jean-Baptiste Estoup et George Zipf sur la fréquence des mots aux travaux d’Hermann Ebbinghaus sur la mémoire humaine, en passant par l'étonnante loi de Benford, nous retraçons la longue généalogie de cette observation. Nous décryptons comment les modèles de langage se révèlent être des "machines de familiarité" plutôt que des moteurs de logique pure, calquant leurs performances sur la densité des données qu'ils ont assimilées durant leur entraînement.

Nous analysons également les retombées concrètes de cette loi pour l'ingénierie de prompts et le fine-tuning des modèles. Grâce aux concepts de Loi de Fréquence Textuelle (TFL) et d'Entraînement par Curriculum de Fréquence (CTFT), vous découvrirez comment optimiser vos instructions pour obtenir des gains de performance immédiats et gratuits, sans toucher à une seule ligne de code.

Une réflexion fascinante qui redéfinit notre manière de concevoir, d’évaluer et de parler aux intelligences artificielles au quotidien. Bonne écoute !

Pendant vingt ans, le logiciel d’entreprise a reposé sur une promesse simple : un prix fixe, prévisible, par utilisateur et par mois. Une ligne budgétaire stable, facile à prévoir, presque oubliable. Mais l’arrivée de l’IA agentique fait voler ce modèle en éclats.

Quand un agent logiciel travaille seul, il ne coûte plus presque rien comme le SaaS classique : il consomme des jetons, de l’électricité, du calcul, et peut tourner quelques secondes comme plusieurs heures. Le forfait ne mutualise plus une consommation humaine bornée, mais une variation massive et imprévisible.

À travers le retour du compteur dans les outils de développement IA, ce récit explore un basculement plus large : la transformation du logiciel, autrefois coût fixe, en coût variable. Une mutation qui touche les éditeurs, les directions financières, les acheteurs et les investisseurs.

La vraie question n’est plus seulement combien coûte l’intelligence artificielle, mais qui accepte d’en porter l’incertitude. Le fournisseur, le client, ou un nouveau modèle fondé sur le résultat réellement livré.

Dans cet épisode, nous plongeons au cœur de la révolution silencieuse mais hautement stratégique de la météo par intelligence artificielle. Depuis l’arrivée de modèles spectaculaires comme GraphCast de Google ou Earth-2 de Nvidia, la prédiction météorologique semble être devenue instantanée et presque gratuite. Pourtant, derrière les applaudissements de l’industrie, se cache une réalité économique et géopolitique bien plus complexe que les seuls gains de temps de calcul.

Nous décryptons comment les géants de la tech capturent aujourd'hui la valeur d'un véritable « pétrole gratuit » : les données d'entraînement ERA5, un bien commun scientifique financé depuis des décennies par l'argent public européen. Alors que les supercalculateurs traditionnels perdent leur position centrale, l'épisode analyse le déplacement de la souveraineté technologique et pose une question dérangeante sur l'avenir et le rôle des services météorologiques nationaux.

Surtout, nous levons le voile sur la faille critique de l'IA face au dérèglement climatique, à savoir son incapacité structurelle à prédire les records de chaleur ou de précipitations inédits. Conçus pour interpoler le passé, les modèles purement statistiques échouent là où la physique de l'atmosphère reste indispensable pour anticiper les catastrophes les plus coûteuses. Cet épisode offre une grille de lecture essentielle pour les dirigeants, les assureurs et les décideurs afin de ne pas confondre une formidable révolution de productivité sur le climat moyen avec une protection contre les risques extrêmes.