PdF 25-10>42
Espérer. Pas béatement mais activement, avec des raisons réelles de le faire. Voilà tout le bien que contient cette édition. With love.
▼ Édito
On débute une série d’article à la croisée de méthodo d’innovation et de réflexions. L’IA sous-tend encore pas mal de nos sujets, mais sous un angle non techno, pas trop béa et avec l’intention de vous apporter des sources d’inspiration. On y va ?
Saviez-vous que sur le site, vous pouviez consulter toutes les éditions passées ? Et si vous voulez être certain de recevoir la prochaine, il y a un truc facile à faire et à partager sans modération ⤵️
Dans cette édition, vous allez découvrir :
de l’espoir 😌
du désespoir ◾️
de l’espoir pirate 🏴☠️
et d’autres bricoles 👩🏻🔧
▼ Phrase propulsée
« L’espoir n’est pas une formule mais une pratique. »
Nicole Notat - je laisse les plus jeunes chercher qui elle est
On aurait pu se contenter de “L’espoir fait vivre”. Notre édition contient les germes de l’espoir ou du moins des éléments pour en faire une pratique. Et maintenir l’espoir est une activité qui ne coute rien. Pierre Daninos ne le formulait pas autrement : “L’espoir, une des rares choses que l’on entretienne à peu de frais - souvent même pour rien.”
Alors j’espère que vous trouverez toutes les notes d’espoir glissées avec amour dans cette édition…
▼ Brèves de comptoir
😊 L’espoir fait vivre (littéralement) – Une étude australienne (menée durant 14 ans sur 25 000 personnes) révèle que l’espoir prédit mieux la santé, l’emploi et la résilience que le revenu, l’éducation ou le QI. Bonne nouvelle : contrairement à l’intelligence (🤭), l’espoir s’apprend toute la vie. Moins bonne : les jeunes générations en ont de moins en moins. Et le critique cynique que je suis se demande : c’est quoi la différence entre Espoir et Naïveté (je dois être très jeune donc 😂).
🔥 Le feu qui soigne – Après un siècle d’interdiction, les tribus californiennes peuvent à nouveau pratiquer les brûlages culturels : de petits feux contrôlés qui régénèrent les plantes natives, nourrissent la biodiversité et… préviennent les méga-incendies. Quand le savoir ancestral rencontre l’écologie moderne pour réparer ce que la colonisation des terres autochtones avait cassé. [Washington Post]
🌬️Le moulin à deux têtes – Ming Yang (Chine) prépare une éolienne flottante double de 50 MW : deux turbines de 25 MW sur une plateforme offshore. Le truc ? Un coût divisé par 5 par rapport aux éoliennes européennes actuelles. Production de masse prévue dès 2026. Les “petits” proto testés sont déjà à 8,3MW (pour aider : 1MW ça alimente environ 1.000 foyers - mais l’éolien n’est pas continue).
▼ Visuel Numérique
L’innovation mondiale : quand l’Asie bouscule les certitudes
Le Global Innovation Index 2025 vient de sortir et la carte mondiale de l’innovation révèle quelques surprises. La Suisse trône toujours en tête pour la 15e année consécutive (vous étiez au courant ?), suivie par la cohorte européenne habituelle du Nord : Suède, UK, Finlande, Pays-Bas, Danemark.
Mais la vraie actualité, c’est l’Asie qui débarque en force. La Corée du Sud grimpe à la 4e place (record absolu), brillant notamment sur le capital humain et la recherche. Et surtout : la Chine entre dans le top 10 pour la première fois, seule économie à revenu intermédiaire à intégrer le top 30.
Et vous positionneriez la France où sur cette carte ?
▼ Média
Quand un médecin refuse de mourir... et change la médecine
David Fajgenbaum est un survivor. Vous pourrez écouter son histoire sur TED ou dans l’épisode du podcast Hope is a Verb qui lui est consacré (excellent podcast btw, tout à fait en phase avec nos petites notes d’espoir de cette édition) - cf en bas d’article.
Imaginez : vous êtes étudiant en médecine, brillant avenir devant vous, et soudain... votre corps vous lâche. Maladie ultra-rare, pronostic cata. Cinq rechutes. Chaque fois, vous frôlez la mort. On arrête ici le Drama, promis.
C’est l’histoire de David Fajgenbaum.
Happy end : plutôt que de baisser les bras, ce médecin-chercheur a décidé de pirater le système. Pas de nouveau médicament miracle à développer (trop long, trop cher, trop aléatoire). Non. Il a repris des médicaments existants — déjà approuvés, déjà sur les étagères des pharmacies — et les a testés pour d’autres maladies.
Résultat ? Il s’est sauvé lui-même. Et maintenant, il sauve des milliers d’autres vies.
Son organisation, Every Cure, utilise l’IA pour matcher les 3 000 médicaments existants avec nos 18 000 maladies connues. Exemple : le Viagra (initialement développé contre l’hypertension, puis a été rerouté vers un autre usage en tension) sauve aujourd’hui des enfants malades. 2 pivots pour la même molécule : mieux que beaucoup de startup du coup… Et ce n’est qu’un début.
Un peu fou ?
David nage à contre-courant du système médical classique. Pas de brevet juteux. Pas de milliards en développement. Juste une intuition géniale : et si les solutions qu’on cherche étaient déjà là, sous nos yeux, depuis des années ? Encore la puissance des questionnements en “Et si”. En plus, ça me rappelle notre article de la semaine dernière sur les nombres univers…
L’IA devient ici un accélérateur de découvertes. Là où il faudrait des décennies d’essais cliniques pour tout tester, les algorithmes peuvent repérer des correspondances insoupçonnées en quelques secondes.
À écouter et regarder :
🎙️ Podcast Hope is a Verb : une conversation sensible sur son parcours, l’IA au service du bien commun, et ce que sera la médecine de demain (Spotify & Apple Podcast)
🎥 Son TED Talk : inspirant, accessible, et hyper efficace comme la plupart des talks de TED global. Intéressant de comprendre en 15 minutes comment un homme seul peut bousculer Big Pharma.
▼ Avant de partir, tissons des liens
Fibre Synthetic ou Humaine ? - part 1
Cela fait longtemps que ça me trotte dans la tête ce sujet des Synthetic Persona.
Au moment de la rédaction de ces articles, je ne savais pas bien dans quelle rubrique les faire atterrir : Minute Méthodo? Réflexion Interrogative ? Et si demain ?… J’ai opté pour Avant de partir. Mais cela relève un peu de toutes : il y aura une perspective Méthodo (la semaine prochaine), beaucoup de scepticisme mais aussi un imaginaire à explorer…
Les Synthetic Persona font partie d’un courant plus large : les Synthetic Data.
Prenons la définition de Wikipedia (ce cher Wikipedia qui perd de l’audience à cause de notre habitude à préférer interroger un chatbot plutôt que le Web - btw, vous avez fait votre petit don à la fondation qui anime Wikipedia…?) :
Synthetic data are artificially generated data not produced by real-world events. Typically created using algorithms, synthetic data can be deployed to validate mathematical models and to train machine learning models.
Rien qu’en lisant cette définition, j’avais, tous ces mois passés, d’énormes alertes devant les yeux qui hurlaient (les alertes hein, pas les yeux 👀)… Surtout les 4 derniers mots…
Aujourd’hui, nous, les humains, entrainons de manière consciente des IA avec des contenus produits par des IA (on en a parlé il y a quelques mois - j’appelle ça la “convergence vers la moyenne à 0” tant le risque de l’appauvrissement est grand). Il n’y a qu’à regarder LinkedIn (combien déjà? 50%, 70% ou plus de contenus entièrement générés par des IA). Et l’actu de cette semaine vient confirmer cette tendance avec la sortie du “Wikipedia” musqué : une copie de Wikipedia orchestrée par l’IA (lire l’article sur Wikipedia : truculent)
Donc, en plus de publier des contenus générés par des LLM qui vont servir à entrainer les prochains LLM, on en rajoute une belle couche. Plutôt que d’utiliser des données du réel, on en génère ad nauseam pour entrainer d’autres algos.
Attention, distinguons les deux phénomènes : 1°) les documents générés (intégralement) par l’IA et 2°) les données générées par l’IA (par exemple celles d’un CSV pour tester un alog/modèle).
1°) Synthetic Document : une fibre intestinale
Pour le premier, on parle des documents-étrons que nous, humains, prétendons avoir écrits et que nous publions sans vergogne sur le Web. Sur ces même sites qui servent à entrainer les prochains chatbots.
Bémol : je n’ai pas d’inquiétudes avec les documents que l’IA a aidé à structurer, à organiser voire à drafter et relire : tant que c’est l’humain qui pilote, dirige, oriente, produit la dernière version (quitte à mettre à la poubelle tout le verbiage généré par l’IA, comme souvent).
Là, je parle de tout cette “slop” (le mot hyper trendy qu’il faut impérativement mettre dans tes contenus aujourd’hui), qui est intégralement générée, sans remaniement ni relecture, sans réelle intention, sans âme : un pur étron sorti de la machine. C’est ceux-là qui sont dangereux car ils sont non seulement vides et désincarnés mais surtout ils sont les graines des prochains chatbots. Ils vont servir de modèle à reproduire par la nouvelle génération. Et comme la machine est laissée, par nous, partir en roue libre, elle en produit des tonnes et des tonnes de ces bouillies de mots sans pensée. On veut vraiment ça?
2°) Synthetic Data
Pour la deuxième forme, celle qui consiste à faire générer des données (synthetic data) à partir de données (possiblement) réelles (du moins aujourd’hui), j’ai moins de retours. Mon opinion est donc moins formée (oui oui je sais, ça tourne un peu au scato cet article). Tout autant de scepticisme, mais moins de concret pour trancher.
Cependant, je distinguerai deux parties. Les données générées afin de mettre au point une théorie scientifique (comme un nouveau modèle météo qui nécessiterait, pour être testé d’extrapoler des données existantes par exemple car la maille de prédiction de ce tout nouveau modèle est plus fine que les données existantes). Ces données n’auront qu’une courte vie et ne devraient pas pénétrer dans la nôtre (de vie). Une fois la théorie affinée avec ces données virtuelles, on la confrontera à la réalité des mesures de l’environnement (et, éventuellement, on repartira pour un tour d’affinage). Mais les données synthétiques n’auront été qu’un raccourci sans impact.
Par contre, si on aborde les Synthetic Data qui sont utilisées pour entrainer des IA (pas que générative), ma dubitativité (je sais : il n’y a pas de forme substantive de l’adjectif “dubitatif” - mais pourquoi ?) va revenir au galop. On ne parle pas uniquement du monde des chatbots, on parle de l’IA non nécessairement générative. L’IA qui permet de discerner des catégories dans une population (clusterisation), de produire des recommandations et d’établir des prédictions (l’IA que j’appelle “Classique”, celle qui regroupe l’IA symbolique et l’IA discriminante/statistique). Et là, les données générées vont avoir un impact réel sur leur environnement : elles vont sortir du labo. Warning ⚠️☣️☢️. Les biais vont encore plus biaiser les biais existants. Biais² voire Biaisᵇⁱªⁱˢ
Donc je ne m’étendrais pas sur cette forme. En revanche, je vous propose d’explorer un sous-courant de Synthetic Data que l’on appelle les Synthetic Persona. Et pour vous mettre en appétit, vous pouvez déjà écouter cet épisode du très bon podcast “IA pas que la Data” consacré à la mathématicienne Stéphanie Allassonnière qui met son talent au service de la Santé. Elle y développe des “Patients numériques” (qui ne sont pas des jumeaux numériques).
Et ce sera pour la semaine prochaine 😈 - promis, je serai plus positif.