Ce qu’ils disent de la tech. Ce que cela nous invite à penser.
Explorer les idées exprimées dans les médias sur l’intelligence artificielle, la data, la cybersécurité, la robotique et le digital. Retrouver les personnes, comparer les sujets et remonter aux sources.
Classées par date de publication ou de diffusion de la source, de la plus récente à la plus ancienne, avec Daniel Kokotajlo présenté en tête de sélection éditoriale. Les archives ne sont pas présentées comme de nouvelles prises de parole. Les dates partielles sont conservées ; les sources sans date sont affichées en dernier.
Il décrit comment les modèles du monde et les laboratoires autonomes pourraient accélérer la recherche. L’IA proposerait davantage d’hypothèses, tandis que l’expérimentation physique permettrait de les vérifier.
Pelonomi Moiloa explique comment de petits modèles économes en données peuvent relier les langues africaines aux services des entreprises. Elle distingue les performances des modèles de leur valeur concrète pour les utilisateurs.
Ken Goldberg défend une robotique qui combine modèles d’ingénierie et apprentissage automatique. Les premiers apportent des connaissances physiques et une meilleure lisibilité ; le second permet d’apprendre à partir d’expériences. Il souligne que les robots disposent de bien moins de données que les modèles entraînés sur Internet. Pour un déploiement industriel, réussir un geste ne suffit pas : sa vitesse et sa fiabilité comptent aussi. L’entretien explore également les échanges entre pratique artistique et recherche scientifique.
Andrew Ng défend l’idée que l’IA transforme les tâches et la valeur des compétences, plutôt qu’elle ne condamne mécaniquement des métiers entiers. Il encourage l’apprentissage continu et l’usage concret des outils, tout en critiquant les discours alarmistes susceptibles de freiner la concurrence.
Rumman Chowdhury invite à questionner la manière dont nous définissons l’intelligence avant de comparer les machines aux humains. Dans cet échange, elle souligne la place du discernement, de la curiosité et de l’imagination pour utiliser l’IA sans lui déléguer notre jugement.
Dans cet entretien, Melanie Mitchell invite à distinguer une réponse convaincante des mécanismes qui la produisent. Elle propose d’emprunter aux sciences cognitives des méthodes expérimentales pour tester les capacités et les limites des systèmes d’IA. Elle souligne que les évaluations doivent chercher les raccourcis possibles et résister à l’anthropomorphisme. Sa démarche ne consiste pas à nier les progrès des modèles, mais à mieux préciser ce que les tests permettent réellement de conclure.
Il défend un écosystème associant modèles ouverts et fermés, un cadre national lisible pour les entreprises et une place accrue pour les jeunes entreprises dans l’élaboration des politiques d’IA.
Shafi Goldwasser revient sur l’origine des preuves à divulgation nulle de connaissance et des preuves interactives. Ces méthodes permettent de vérifier certaines affirmations sans révéler les informations secrètes qui les étayent. La présentation et le chapitrage de l’entretien relient cette histoire à la vérification de calculs et aux questions soulevées par l’IA. Cette approche illustre la manière dont une idée théorique peut devenir un outil de confiance numérique, sans éliminer les conditions nécessaires à sa mise en œuvre.
Elle présente des modèles plus petits et adaptatifs, inspirés de systèmes biologiques, pour rapprocher l’IA des robots et des véhicules. Elle explore une intelligence embarquée moins dépendante des centres de données.
Il explique comment la structure d’une entreprise détermine les innovations qui peuvent émerger. Il relie modèles, données d’entraînement, tests et produits, en donnant une place centrale à l’expérimentation et aux contextes longs.
Carme Torras défend une intelligence artificielle qui préserve la compréhension scientifique et l’autonomie de pensée. Face à la généralisation des modèles nourris de données massives, elle appelle à conserver des méthodes explicables, à former les citoyens et à concevoir la robotique d’assistance avec les personnes qui l’utiliseront.
Il propose que les laboratoires concurrents évaluent leurs modèles les plus avancés avant leur diffusion. Il associe les promesses d’abondance de l’IA et de la robotique à des risques de perte de contrôle.
Un observatoire éditorial des paroles publiques, ouvert aux experts et intervenants de tous horizons. Ce répertoire se construit progressivement ; il n’est ni exhaustif ni un classement des personnes.
Retrouver la sourceIdentifier le média, le lien original, la date, le format et le contexte de l’intervention.
Rapporter sans déformerLes synthèses sont des paraphrases en français, pas des citations exactes ni des transcriptions intégrales. Les déclarations restent attribuées.
Distinguer l’analyseLes réflexions éditoriales sont identifiées séparément. Vérifier la source ne signifie pas valider toutes les affirmations.
Documenter et corrigerLes fonctions de la prise de parole sont distinguées des fonctions actuelles lorsque celles-ci ont été vérifiées et sourcées. Les archives sont datées et les sources peuvent évoluer. Signaler une erreur ou proposer une source.
Les personnes référencées ne sont pas présentées comme membres, partenaires ou soutiens de MIND AI THINK TANK. Leurs interventions sont étudiées comme sources publiques.