1019 | IA, données et micromachines : l'actu tech décryptée

Claire Martin: Bonjour et bienvenue dans ce nouveau podcast Hacker News, l'émission où l'on prend le pouls des discussions qui ont animé la communauté tech ces dernières vingt-quatre heures. Je suis Claire Martin, et en face de moi, Nicolas Moreau.

Nicolas Moreau: Nicolas Moreau, ravi de t'y retrouver, Claire. Et aujourd'hui, il y a un fil rouge assez fascinant qui traverse tout ce qu'on va voir : la question du contrôle. Qui contrôle les machines qui raisonnent, qui contrôle les données qu'elles aspirent, et jusqu'où les humains gardent la main sur leurs outils, du compilateur jusqu'au microscope à l'échelle du micron.

Claire Martin: C'est ça, l'idée directrice du jour. On va commencer par les agents d'intelligence artificielle, parce qu'il se passe deux choses très intéressantes en parallèle. D'un côté, il y a la course à l'efficacité qui s'accélère, avec un système appelé HybridAgent qui mélange deux façons de raisonner. Et de l'autre, il y a une réflexion plus philosophique qui a atterri sur le blog de Terence Tao, le grand mathématicien, et qui pose une question vertigineuse sur l'avenir du savoir humain.

Nicolas Moreau: Oui, et ces deux nouvelles se répondent bien, justement. Commençons par HybridAgent. L'idée technique, c'est qu'un agent IA classique raisonne en générant du texte. Chaque étape de sa réflexion passe par des tokens, des mots, du langage. C'est lisible, c'est vérifiable, mais c'est coûteux. HybridAgent, lui, combine ce raisonnement textuel avec du raisonnement dit latent, qui se déroule à l'intérieur du réseau de neurones, sans passer par le langage.

Claire Martin: Et les chiffres annoncés sont assez frappants. On parle d'un gain de dix pour cent quatre de performance par rapport aux agents de pointe, mais surtout d'une réduction de la consommation de tokens qui va de trente-cinq et demi pour cent à presque cinquante-cinq pour cent. Et l'inférence, c'est-à-dire le moment où la machine réfléchit et produit sa réponse, serait une fois huit à deux fois six plus rapide.

Nicolas Moreau: Ce qui est intéressant dans ces chiffres, c'est la proportion. Le gain de performance est de l'ordre de dix pour cent, mais les économies de ressources sont deux à cinq fois supérieures. Ça veut dire que le vrai argument de vente, ce n'est pas tant que l'agent est plus intelligent, c'est qu'il est beaucoup plus frugal. Et ça, c'est un signal du marché : l'efficacité devient le vrai champ de bataille de l'IA agentique.

Claire Martin: Exactement. On a passé des années à comparer les modèles sur des benchmarks de performance pure, qui répond le mieux à quelle question. Mais quand les agents doivent effectuer des tâches longues, avec des dizaines d'étapes, le coût en tokens devient le facteur limitant. Un agent qui fait cinq fois plus de tokens pour gagner deux points de performance, industriellement, c'est une mauvaise affaire.

Nicolas Moreau: Et il y a une dimension financière évidente aussi, puisqu'on paie ces tokens à l'unité chez les fournisseurs. Réduire de moitié la consommation, c'est littéralement réduire de moitié la facture, et accélérer la réponse de l'utilisateur final. Donc HybridAgent, c'est un pari sur le fait que la frugalité, ça se vend.

Claire Martin: Mais il faut rester prudent, Nicolas. Ce qu'on ignore encore, et c'est un point important, c'est si ces gains tiennent en production réelle. Les benchmarks, ce sont des conditions contrôlées. En production, avec des tâches imprévisibles, des erreurs d'outils, des cas tordus, il arrive très souvent que les architectures élégantes sur papier perdent de leur superbe.

Nicolas Moreau: Oui, et c'est une règle d'or qu'on a apprise à force de voir ces annonces : un pour cent dix de gain mesuré sur un benchmark, une fois déployé chez un utilisateur réel avec ses données pourries et ses cas d'usage imprévus, ça se transforme parfois en dix pour cent de gain, parfois en rien, et parfois en régression sur les cas difficiles. Le raisonnement latent pose aussi une vraie question de confiance, non ?

Claire Martin: C'est un excellent point. Quand l'agent raisonne en texte, on peut lire sa chaîne de pensée, la vérifier, l'auditer. Quand une partie du raisonnement passe en latent, dans des vecteurs qu'aucun humain n'interprète directement, on gagne en vitesse mais on perd cette lisibilité. Pour des applications critiques, ce n'est pas un détail.

Nicolas Moreau: Et c'est exactement là que le billet de Terence Tao prend tout son sens. Parce que sa question, c'est précisément celle de la transparence du savoir. Ce billet est un article invité sur son blog, donc pas de lui directement, mais publié sur une des plateformes mathématiques les plus respectées au monde, ce qui n'est pas neutre.

Claire Martin: Et la thèse est structurée en deux scénarios, presque un dilemme. Premier scénario : si les LLM deviennent indépendants, autonomes, capables de faire des mathématiques par eux-mêmes, on pourrait entrer dans un âge d'or des mathématiques. Des découvertes massives, une productivité scientifique sans précédent.

Nicolas Moreau: Et le second scénario, c'est l'âge sombre. L'idée que l'humanité pourrait se retrouver entourée de savoirs qu'elle ne comprend plus. Des théorèmes prouvés, des découvertes validées, mais enfermés dans des formalismes ou des raisonnements que les humains ne peuvent ni suivre, ni vérifier, ni s'approprier.

Claire Martin: Un savoir qui existe, mais qui serait en quelque sorte étranger à l'humanité. Des mathématiques produites par des machines, pour des machines, ou en tout cas inaccessibles à l'esprit humain.

Nicolas Moreau: Et ce qui est fascinant, c'est que ce dilemme se connecte directement à ce qu'on disait sur HybridAgent. Le raisonnement latent, c'est déjà un embryon de cette problématique à petite échelle. Si un agent trouve une solution en quelques tokens grâce à un raisonnement latent, et qu'il ne peut pas l'expliquer en langage humain, on a déjà une micro-version de l'âge sombre.

Claire Martin: Oui, et le mot clé du billet, c'est le « si ». Si l'IA devient indépendante. Tout le débat tient dans cette condition. Aujourd'hui, les LLM sont des outils qui opèrent sous supervision humaine. La question du billet, c'est de savoir ce qui se passe le jour où cette supervision saute.

Nicolas Moreau: Et il y a une vraie divergence potentielle entre les deux camps de ce dilemme. Les optimistes diraient : les mathématiciens ont déjà délégué des calculs aux machines depuis des décennies, les systèmes de preuve formels existent, et pourtant les mathématiques humaines n'ont jamais été aussi florissantes. La machine est un échafaudage, pas un remplacement.

Claire Martin: Les pessimistes répondraient : justement, jusqu'ici, les machines faisaient ce que les humains leur dictaient. Un système de preuve formel vérifie une preuve qu'un humain a conçue. Le LLM autonome, lui, concevrait. Et concevoir, inventer des concepts, poser les bonnes questions, c'est peut-être là que se joue la différence.

Nicolas Moreau: Et il y a un troisième acteur dans cette discussion, un acteur de terrain, qui s'appelle Karri Saarinen. Elle a écrit sur les produits qui perdent leur âme, et c'est une critique qui rejoint la même inquiétude sous un autre angle.

Claire Martin: Oui, son argument, c'est que quand le développement logiciel devient une usine pilotée par des agents, des « software factories » comme elle dit, on ajoute des fonctionnalités sans point de vue unifié. Et un produit sans point de vue unifié, c'est un produit sans âme.

Nicolas Moreau: C'est une critique très intéressante parce qu'elle n'est pas anti-IA. Elle est anti-uniformité. L'agent fait ce qu'on lui demande, il optimise la tâche locale. Mais personne ne défend plus la vision d'ensemble, la cohérence, le goût. Et le goût, dans un produit, c'est ce qui fait que tout s'emboîte.

Claire Martin: Et ça fait écho au dilemme de Tao. Le savoir sans goût, sans direction humaine, c'est un peu les mathématiques de l'âge sombre. Une accumulation de résultats sans architecture. Dans les deux cas, la question n'est pas la capacité de la machine, c'est l'absence de regard humain qui oriente, sélectionne, rejette.

Nicolas Moreau: Et d'ailleurs il existe déjà une réponse communautaire très concrète à cette inquiétude de l'absence de compréhension humaine. C'est un outil qui s'appelle Sphinx, et son concept est presque provocateur : un hook Git, donc une barrière qu'on place avant chaque push de code, qui vous interroge sur le code que vous êtes sur le point d'envoyer.

Claire Martin: Le principe, si je le résume bien : tu demandes à une IA de t'écrire du code, très bien. Mais avant de le pousser dans le dépôt, Sphinx te pose des questions pour vérifier que tu as compris ce que tu t'apprêtes à valider. Et l'outil tourne avec un minimum de tokens, ce qui est cohérent avec tout ce qu'on disait sur l'efficacité.

Nicolas Moreau: C'est une réponse institutionnelle, presque pédagogique, à la dérive qu'on vient de décrire. Plutôt que d'interdire l'IA, on impose la compréhension humaine comme condition de validation. C'est le refus du savoir inaccessibilité appliqué au code.

Claire Martin: Et c'est un joli pont vers notre deuxième grand sujet, Nicolas. Parce que Sphinx, en quelque sorte, contrôle ce qui entre dans le dépôt. Et le sujet suivant, c'est exactement ça : le contrôle de ce qui entre dans les modèles et les plateformes. Les données, et qui les récupère, et à quel prix.

Nicolas Moreau: Allons-y. Alors, la nouvelle la plus significative, c'est une révision des conditions d'utilisation de Meta. L'entreprise a retiré le mot « train » de ses conditions générales. À première vue, on pourrait se dire : ils ont reculé, ils ne vont plus entraîner leurs modèles sur nos données.

Claire Martin: Mais les experts sont formels : c'est exactement l'inverse. Le retrait du mot ne change rien de substantiel aux droits que Meta s'octroie. Les conditions révisées, qui entrent en vigueur le trente octobre, continueraient d'octroyer un droit de scraping très large, notamment sur les sites liés aux comptes professionnels.

Nicolas Moreau: Et c'est ça qui est vertigineux dans l'affaire. Le mot « train » a été retiré, mais le périmètre est plus large que l'entraînement seul. Le scraping, c'est-à-dire l'aspiration automatique de contenu, peut servir à plein de choses : entraîner des modèles, évidemment, mais aussi indexer, analyser, alimenter des systèmes de recommandation, en fait tout ce que Meta décidera.

Claire Martin: Et le fait que ça touche les sites liés aux comptes professionnels est une nuance importante. Ce n'est pas seulement votre profil Instagram ou Facebook. Si vous avez un compte pro, la sphère de contenu associée à cette activité professionnelle entre potentiellement dans le champ de récupération.

Nicolas Moreau: Et le trente octobre comme date d'effet, ça veut dire que pour beaucoup d'utilisateurs et de petites entreprises, il reste très peu de temps pour évaluer ce que ça implique, et éventuellement réagir, découpler les comptes, revoir ce qui est lié.

Claire Martin: Il y a une leçon de langage juridique, là-dedans, d'ailleurs. Retirer un mot d'un contrat, ça peut sembler anodin, mais les juristes savent que chaque terme pèse. Le fait que les experts considèrent que rien de substantiel ne change, malgré la suppression d'un mot aussi central, montre à quel point la rédaction des conditions est un art d'opacité.

Nicolas Moreau: Exactement. Et face à cette logique de récupération massive et gratuite, il y a un contre-modèle intéressant qui est apparu cette semaine : DeepSeek a lancé deux API, appelées Search et Fetch. Et le modèle économique est explicite : zéro dollar soixante-quinze pour mille requêtes réussies.

Claire Martin: Un modèle à la performance, donc. Vous ne payez que les requêtes qui aboutissent. Et en termes de fonctionnalités, Search supporte des opérateurs de recherche avancés, site:, lang:, date, c'est-à-dire qu'on peut restreindre la recherche à un domaine, une langue, une période. Et Fetch, lui, récupère le contenu des pages en markdown.

Nicolas Moreau: Le markdown, c'est un choix intéressant, parce que c'est le format que les modèles de langage consomment le mieux. Donc DeepSeek, en clair, vend une couche d'accès au web spécifiquement conçue pour l'usage par des IA.

Claire Martin: Oui, et là on voit un basculement du web. Le web n'est plus seulement une destination pour des humains avec des navigateurs, c'est une ressource que des agents consomment via des API. Et la question du prix, zéro dollar soixante-quinze pour mille requêtes réussies, donne une idée de ce que le web vaut comme matière première.

Nicolas Moreau: Et d'ailleurs, pour comprendre où on en est, il faut rappeler un précédent historique très éclairant : Matthew Prince, le PDG de Cloudflare, avait expliqué dès deux mille seize les cinq raisons de son offre gratuite et illimitée. Et ces cinq raisons, c'est un peu une archéologie du modèle plateforme.

Claire Martin: Rappelons-les, parce qu'elles sont éclairantes. Premièrement, les données. L'offre gratuite fait affluer du trafic, donc des données. Deuxièmement, les références, le bouche-à-oreille, les clients gratuits qui deviennent des ambassadeurs. Troisièmement, le recrutement : une base énorme de développeurs gratuits, c'est un vivier d'ingénieurs.

Nicolas Moreau: Quatrièmement, la QA, l'assurance qualité : des millions d'utilisateurs gratuits, ça teste votre produit dans des conditions qu'aucun laboratoire ne peut reproduire. Et cinquième, les économies d'échelle sur la bande passante : le coût marginal d'un utilisateur de plus tend vers zéro quand on est assez gros.

Claire Martin: Et ce qui est remarquable, c'est que la première raison, les données, se retrouve dix ans plus tard au centre de tout ce qu'on vient de voir. Meta qui élargit son périmètre de scraping, DeepSeek qui vend un accès au web pour les IA, Prince qui bâtissait déjà son empire sur le trafic gratuit. Le fil est très net : les données sont le carburant, et celui qui les capte à grande échelle gagne.

Nicolas Moreau: Et la question qui reste ouverte, c'est la riposte des créateurs de contenu. Le scraping à grande échelle, tel que Meta le pratique, et tel que les API comme DeepSeek l'industrialisent, pose une question économique : qui paie les créateurs ? Pour l'instant, la réponse, c'est personne, ou presque.

Claire Martin: Oui, et c'est un sujet qui va durer. Le retrait du mot « train » dans les conditions de Meta, c'est un symptôme de négociation permanente entre plateformes et utilisateurs. Bon, maintenant, parlons de ceux qui subissent ces plateformes au quotidien : les développeurs. Et là, on a deux nouvelles dans les écosystèmes de langages qui sont assez éclairantes.

Nicolas Moreau: On commence par la plus spectaculaire, qui est une histoire de vingt ans. Free Pascal et Lazarus, donc l'environnement de développement associé, viennent d'obtenir le support complet des packages dynamiques. Vingt ans, Claire. Deux décennies pour une fonctionnalité qui semble basique.

Claire Martin: Mais il faut replacer dans le contexte. Free Pascal et Lazarus, c'est l'héritier spirituel de Delphi, le monde Pascal, une communauté fidèle qui construit des applications desktop depuis des lustres. Et jusqu'ici, pour installer un nouveau composant, il fallait recompiler tout l'IDE, l'environnement de développement lui-même. Un processus long, casse-gueule, rédhibitoire pour les nouveaux venus.

Nicolas Moreau: Et maintenant, avec le support dynamique des packages, les composants s'installent en quelques secondes, sans recompiler l'IDE. C'est un changement d'expérience utilisateur radical. Vous trouvez un composant, vous l'installez, vous l'utilisez. Fini le rituel de recompilation.

Claire Martin: Et ça, c'est énorme pour la vitalité d'un écosystème. Parce qu'un écosystème de composants, c'est ce qui fait vivre un langage. Les développeurs Delphi d'origine se souviennent de cette magie des paquets qui s'installent. Vingt ans de retard, certes, mais mieux vaut vingt ans de retard que jamais.

Nicolas Moreau: Et il faut rendre hommage à la persévérance de la communauté, parce que faire vivre un compilateur et un IDE open source avec si peu de moyens pendant vingt ans, c'est un travail de titan.

Claire Martin: Et le deuxième écosystème qui nous intéresse, c'est Java, avec une subtilité qui ressemble à un piège tendu par le langage lui-même : les classes scellées, les sealed classes, introduites dans les versions récentes.

Nicolas Moreau: Rappelons le concept pour ceux qui ne le connaissent pas. Une classe scellée, c'est une classe qui liste explicitement quels sous-types peuvent l'hériter ou l'implémenter. C'est un contrôle d'exhaustivité : le compilateur sait exactement quelles sont toutes les possibilités.

Claire Martin: Et c'est là que ça devient intéressant pour le switch. Un switch exhaustif sur une hiérarchie scellée n'a pas besoin de cas par défaut : le compilateur vérifie que tous les sous-types sont couverts. Si un sous-type manquant apparaît, erreur de compilation. C'est la promesse de sécurité.

Nicolas Moreau: Sauf que le piège, c'est la compilation séparée. Si un consommateur du type, une autre bibliothèque ou application, a été compilé quand la hiérarchie avait, disons, trois sous-types, et que ensuite un quatrième sous-type est ajouté par un autre module, eh bien ce consommateur compile toujours sans erreur. Et à l'exécution, quand le switch rencontre ce quatrième sous-type, il lève une MatchException.

Claire Martin: Une exception à l'exécution, donc. Là où on croyait avoir une garantie de compilation, on a un crash en production. C'est exactement le genre de piège qui va surprendre des équipes entières, parce que le modèle mental était « exhaustif donc sûr ».

Nicolas Moreau: Et ça rejoint un point qu'on surveillera : l'impact de ces pièges sur les écosystèmes à compilation séparée. Java, c'est un monde de bibliothèques distribuées en binaires, qui évoluent à des rythmes différents. La promesse d'exhaustivité des sealed classes n'est vraie qu'au moment de la compilation. Entre deux versions, le monde a bougé.

Claire Martin: Et il y a une leçon commune avec ce qu'on a vu sur Meta, d'ailleurs. Dans les deux cas, un changement de contrat silencieux. Meta change ses conditions sans changer substantiellement ses pratiques ; Java change la hiérarchie de types sans que les consommateurs binaires le sachent. Dans les deux cas, quelqu'un découvre le changement à l'exécution, au pire moment.

Nicolas Moreau: Exactement, c'est la même structure conceptuelle, ce qui est amusant. Et dans la même famille de problèmes, il y a une anecdote plus douloureux côté écosystème Apple : macOS quinze point huit point deux a cassé OpenGL.

Claire Martin: Oui, et ça fait ricaner, parce qu'OpenGL sur macOS, c'est déjà une technologie que Apple avait officiellement dépréciée depuis des années, en poussant vers Metal, sa propre API graphique. Le fait que les correctifs système continuent de casser ce qui reste, ça montre la tension entre Apple et cette communauté legacy.

Nicolas Moreau: Et les réactions, d'après ce qui remonte, vont de la proposition de shims Metal, c'est-à-dire des couches de traduction qui font croire à OpenGL qu'il parle à Metal, à des solutions comme Vulkan via MoltenVK, une autre couche de compatibilité. Et il y a un débat de fond : Apple devrait-elle dépenser des ressources, « des tokens », comme certains le formulent ironiquement, pour réparer un truc qu'elle veut enterrer ?

Claire Martin: C'est un débat classique, et il n'y a pas de consensus. D'un côté, il y a du vrai logiciel en production qui repose sur OpenGL, des outils scientifiques, des jeux, des applications d'entreprise. Casser, c'est casser le travail des gens. De l'autre, maintenir une API dépréciée, c'est un coût permanent et un frein à l'innovation.

Nicolas Moreau: Et MoltenVK, Vulkan, ces couches de traduction, c'est la réponse de la communauté : quand la plateforme abandonne, la communauté construit un pont. Un peu comme Lazarus a construit son pont de packages dynamiques, finalement. La différence, c'est que Lazarus l'a fait avec Apple, non pardon, sans Apple.

Claire Martin: [rires] Oui, sans Apple, et en open source. Et pour finir ce tour des outils développeurs, une pépite pédagogique : un tutoriel sur les combinateurs de parseurs, parser combinators. Et l'idée centrale est d'une élégance désarmante.

Nicolas Moreau: Va-y, explique-la, parce que c'est le genre d'idée qui change la façon de penser.

Claire Martin: Un Parser de T, donc un parseur qui produit un objet de type T, c'est tout simplement une fonction qui prend une chaîne de caractères et qui retourne deux choses : la valeur parsée, et la chaîne restante, c'est-à-dire ce qu'il reste à consommer.

Nicolas Moreau: Et tout l'édifice se construit là-dessus. Vous combinez des parseurs simples avec des combinateurs, qui sont eux-mêmes des fonctions qui prennent des parseurs et retournent des parseurs plus complexes. Un parseur de chiffre, un combinateur de répétition, et vous avez un parseur de nombre. Un combinateur de séquence, et vous avez un parseur de phrase.

Claire Martin: Et le tutoriel présente ça comme mieux que les regex, et il y a une vraie raison à ça : les regex, c'est un langage dans le langage, une syntaxe ésotérique, difficile à déboguer, difficile à composer. Les combinateurs de parseurs, c'est du code normal, typé, testable, composable, documentable.

Nicolas Moreau: C'est du functional programming appliqué au parsing. Et c'est une porte d'entrée magnifique dans la programmation fonctionnelle, parce que le concept est visuellement concret : tu vois la chaîne qui se réduit, tu vois la valeur qui se construit.

Claire Martin: Bon. Et maintenant, changement de famille d'outils. On passe du logiciel au matériel, et à quelque chose de vraiment remarquable : du matériel open source qui travaille à l'échelle du micron.

Nicolas Moreau: Alors là, on a deux projets frères. Le premier s'appelle MicroManipulator, et c'est une plateforme motorisée XYZ, donc capable de se déplacer dans les trois dimensions, avec une précision sub-micronique. Des pas de cinquante nanomètres, Claire. C'est de l'ordre de quelques centaines d'atomes.

Claire Martin: Et les applications, c'est tout ce qui demande un positionnement de précision : l'alignement optique, le probing, c'est-à-dire le contact physique avec des composants électroniques minuscules pour les tester, et la microscopie.

Nicolas Moreau: Et ce qui est significatif, c'est que ce type d'équipement, historiquement, c'est du matériel de laboratoire qui coûte des fortunes. Des micromanipulateurs de précision, ça se vend à des prix de laboratoire. Et là, un projet open source arrive avec une alternative construite, on l'imagine, à partir de composants accessibles.

Claire Martin: Et son cousin, ou son cousin spirituel en tout cas, s'appelle RepRapMicron, ou µRepRap. Là, c'est encore plus ambitieux : c'est l'idée de la réplication 3D, donc l'impression 3D auto-reproductive, descendue à l'échelle micronique.

Nicolas Moreau: Rappelons ce qu'est RepRap à l'origine, pour ceux qui ne connaissent pas : c'est le projet fondateur de l'impression 3D open source, dans les années deux mille. L'idée : une machine capable d'imprimer ses propres pièces, donc de se reproduire. Ça a donné les imprimantes 3D qu'on connaît aujourd'hui.

Claire Martin: Et µRepRap, c'est la transposition à l'échelle du micron. Les chiffres annoncés : un positionnement d'environ un micron, des gouttes de résine de quatre microns, et des lignes durcies de neuf microns. Pour se représenter : un cheveu humain, c'est environ soixante-dix microns de diamètre. Donc on imprime des structures en dessous du dixième de l'épaisseur d'un cheveu.

Nicolas Moreau: Et les deux projets sont complémentaires en quelque sorte : MicroManipulator positionne les choses très précisément, µRepRap fabrique des choses très petites. Ensemble, ça dessine un écosystème de fabrication à micro-échelle, en open source.

Claire Martin: Et la question ouverte, celle que pose ce sujet, c'est : jusqu'où la communauté RepRap peut-elle descendre en échelle ? Parce que la logique de RepRap, c'est la reproduction : une machine qui fait des machines plus petites, qui font des machines encore plus petites. C'est une spirale vertigineuse.

Nicolas Moreau: Il y a un point de convergence physique, en fait : à l'échelle micronique, les effets qu'on ignore à l'échelle macro deviennent dominants. La viscosité de la résine, les forces de surface, les vibrations, la dilatation thermique. Chaque descente d'échelle impose de nouvelles solutions d'ingénierie.

Claire Martin: Et c'est exactement ce qui rend ces projets intéressants : ce sont des problèmes d'ingénierie réelle, pas juste de logiciel. Et ça, ça nous mène naturellement au sujet suivant, Nicolas. Parce qu'il y a une autre forme d'ingénierie, mais rétrospective cette fois : la rétro-ingénierie, l'archéologie numérique.

Nicolas Moreau: Et le sujet, c'est un travail de Ken Shirriff, qui est un peu une légende dans ce domaine. Il a rétro-analysé le microcode de l'Intel 8087, et plus précisément la façon dont ce coprocesseur historique réalisait ses additions et soustractions en virgule flottante.

Claire Martin: Pour replacer le contexte : l'Intel 8087, c'est le coprocesseur mathématique sorti en mille neuf cent quatre-vingt pour accompagner le 8086. À l'époque, les processeurs ne savaient pas faire les calculs flottants. Si vous vouliez faire de la virgule flottante, il fallait acheter ce coprocesseur séparé, qui coûtait aussi cher que le processeur principal.

Nicolas Moreau: Et Ken Shirriff s'est plongé dans le microcode de cette bête. Le microcode, c'est la couche intermédiaire entre les instructions machine et les circuits physiques. Chaque instruction assembleur se décompose en une séquence de micro-instructions exécutées par les circuits internes. Et il y en a, dans le cas du 8087, mille six cent quarante-huit.

Claire Martin: Et le travail de Shirriff, c'est de déchiffrer ces mille six cent quarante-huit micro-instructions pour expliquer comment l'addition et la soustraction flottante fonctionnaient réellement. Et c'est un travail d'archéologue, au sens propre : décoder une écriture, reconstituer une logique, expliquer un raisonnement d'ingénieurs des années soixante-dix.

Nicolas Moreau: Et pourquoi c'est précieux ? Parce que l'arithmétique flottante, c'est la fondation de tout le calcul numérique moderne. Tout ce qu'on fait aujourd'hui en science, en jeu vidéo, en intelligence artificielle, repose sur des principes que le 8087 mettait en œuvre. Comprendre comment ça marchait, c'est comprendre d'où on vient.

Claire Martin: Et c'est aussi un contrepoint fascinant aux sujets qu'on vient de voir. HybridAgent optimise des tokens dans des réseaux de neurones à milliards de paramètres. Shirriff décode des micro-instructions dans un circuit des années soixante-dix. Dans les deux cas, il s'agit de comprendre comment une machine calcule. Mais la modernité nous a fait perdre la visibilité.

Nicolas Moreau: Oui, le microcode du 8087, on peut le lire, le disséquer, le commenter. Le réseau de neurones latent d'HybridAgent, non. C'est peut-être ça, le vrai fil de l'émission, Claire : la lisibilité des machines qu'on construit.

Claire Martin: Et pour finir, deux sujets plus culturels et sociétaux, mais qui ont aussi quelque chose à dire sur nos institutions. Commençons par la Floride, et ses associations de propriétaires, les HOAs, Homeowners Associations.

Nicolas Moreau: Et là, les chiffres sont saisissants. D'après les données qui circulent : dix mille deux cent quatre-vingt-seize poursuites en saisie intentées par des HOAs contre leurs propres membres. Quatre cent soixante mille quatre cent douze liens, c'est-à-dire des hypothèques ou des privilèges posés sur des propriétés. Quarante-huit mille neuf cent quatre-vingt-dix-neuf dossiers judiciaires. Et six mille six cent soixante et une associations en situation de hors statut.

Claire Martin: Ce qui est frappant, c'est le paradoxe. Les HOAs, à l'origine, c'est de l'autogestion de quartier : des voisins qui s'organisent pour entretenir les espaces communs, faire respecter des règles de vie commune. Une forme de démocratie locale, en théorie.

Nicolas Moreau: Et dans la pratique, ces chiffres racontent autre chose : des institutions qui poursuivent leurs propres membres en saisie, qui posent des centaines de milliers de privilèges sur des maisons, et dont un tiers environ sont en situation irrégulière vis-à-vis de leurs propres statuts.

Claire Martin: Et c'est là que le lien avec nos autres sujets devient intéressant : c'est encore une histoire de contrat et de pouvoir. Comme Meta et ses conditions, comme les sealed classes et leur contrat de compilation, la HOA a un contrat, et ce contrat peut devenir un instrument de coercition quand celui qui l'écrit et celui qui l'applique ne rendent de comptes à personne.

Nicolas Moreau: Et les questions qui restent ouvertes, c'est évidemment les réformes possibles. Quelle régulation pour ces associations ? Comment empêcher les abus ? Est-ce que la solution est plus de démocratie interne, plus de supervision étatique, ou un tout autre modèle ? Ce sont des débats qui ont du sens aux États-Unis, où un quart environ de la population vit sous HOA.

Claire Martin: Et pour finir sur une note plus légère, mais pas complètement : un site qui visualise la chronologie officielle de Zelda, la saga de Nintendo. Et c'est plus profond qu'on ne le pense.

Nicolas Moreau: Rappelons le fond du décor : pendant des décennies, les fans ont débattu de la chronologie de Zelda. Les jeux ne se suivaient pas explicitement, et les théories allaient bon train. Et à un moment, Nintendo a fini par publier une chronologie officielle, qui, surprise, se branche en trois ères distinctes après Ocarina of Time.

Claire Martin: Trois branches, donc. Le site qu'on évoque permet de visualiser cette chronologie officielle, ce qui est déjà un travail de synthèse sympathique. Et il y a un élément d'actualité : le remake arrive dans dix-sept jours, donc c'est le bon moment pour se replonger dans le canon.

Nicolas Moreau: Et ce qui est amusant, c'est que cette histoire de canon est elle-même une question de savoir et d'autorité. Les fans ont passé des décennies à construire des théories, un savoir collectif, informel. Nintendo est venu avec une version officielle. Et les fans ont dû négocier entre leur savoir construit et le canon imposé.

Claire Martin: Un peu comme les mathématiciens face aux preuves des IA, finalement. Qui fait foi ? Le savoir construit par la communauté, ou le savoir validé par l'autorité, ou la machine ?

Nicolas Moreau: [rires] Tu vois, Claire, on a fait le tour, et le fil rouge tient : de HybridAgent à Zelda, en passant par Meta, les sealed classes, les micromanipulateurs et le 8087, la question de fond c'est qui contrôle le savoir, qui le rend lisible, et qui décide de ce qui compte.

Claire Martin: Voilà, exactement ça. On espère que cette émission vous a plu. Merci Nicolas, merci à vous de nous écouter, et on se retrouve très bientôt pour un nouvel épisode. Portez-vous bien.

Nicolas Moreau: Au revoir à tous !