Il ne suffit pas de dénoncer l’IA propriétaire : il faut construire des alternatives matérielles. Des projets comme Mastodon ont démontré que des plateformes fédérées peuvent fonctionner sans logiques extractives. Des coopératives de données en Catalogne et au Pays Basque gèrent des serveurs collectifs soustraits à la surveillance entrepreneuriale. (…) des modèles de machine learning légers qui tournent localement sur des dispositifs communautaires, des mesh networks qui distribuent le calcul sans passer par des serveurs centralisés, des architectures où des communautés locales développent des intelligences artificielles situées sur des datasets réduits et spécifiques. (…) Il ne s’agit pas d’« humaniser » l’IA ou de la rendre « éthique » à l’intérieur du système existant, mais d’arracher les infrastructures à la domination oligarchique et de les transformer en instruments de lutte, insérés dans les révoltes qui traversent déjà la planète. (…) L’intelligence artificielle, en ce sens, est un des champs de bataille sur lequel se joue la possibilité de réorienter le temps historique. Avant qu’il ne soit trop tard.
Comment survivre à l’IA, Giorgio Griziotti, Lundi Matin 30 décembre 2025
Dans Grand Continent, un long texte (TL;DR) : L’IA présente un « risque existentiel » : l’alerte de Dario Amodei.
L’IA moins utile que prévu
« L’IA rend les travailleurs moins productifs, et non plus productifs. Une étude récente publiée dans la Harvard Business Review a révélé que les travailleurs utilisaient l’IA pour produire des « travaux bâclés », c’est-à-dire des contenus qui « se font passer pour du bon travail, mais qui manquent de substance pour faire avancer de manière significative une tâche donnée ». Il en résultait davantage de travail pour les collègues chargés de mettre de l’ordre ou de donner un sens aux résultats. » (Extrait de L’IA ne vous volera pas votre emploi…) Cet article du mois de septembre dernier, sur le site (français) Trends Datanews, dit un peu la même chose :
L’étude, menée auprès de 1.150 employés de bureau américains [publiée par le HBR], a révélé que 40 pour cent d’entre eux avaient reçu des textes de mauvaise qualité produits par l’IA au cours du mois précédent. (…)
Dans un contexte professionnel, cela se traduit en outre par une charge de travail supplémentaire pour les collègues. (…)
S’il y a une chose qu’on peut retenir de cette étude, c’est qu’il est préférable de ne pas demander à ChatGPT de rédiger un rapport, puis de le transmettre à quelqu’un d’autre. Non seulement parce que cela coûte de l’argent à votre entreprise, mais aussi parce que vos collègues n’apprécieront pas.
Dans le G&M du 31 janvier, John Rapley rassure les jeunes employés (ceux plus susceptibles de perdre leur emploi advenant une crise) : l’IA ne vous volera pas vos emplois. Mais si vous apprenez à bien vous servir des outils de l’IA, « lorsque la bulle de l’IA éclatera aux États-Unis, cette technologie pourra vraiment trouver son utilité. » Voir ma traduction : L’IA ne vous volera pas votre emploi, mais la bulle de l’IA pourrait bien le faire
Une autre sorte d’IA : les TRM
Dans Le Grand Continent aussi, cet entretien avec Alexia Jolicoeur-Martineau , chercheuse en intelligence artificielle au Samsung SAIT AI Lab de Montréal : Que sont les « TRM » ? Après les LLM, comprendre la future révolution de l’IA.
Les Tiny Recursive Models (TRM) utilisent une ingénierie plus ciblée.
L’idée qu’il faille absolument le plus gros modèle pour atteindre son but est défaitiste. Avoir moins de ressources peut être un avantage dans la recherche pour découvrir de nouvelles façons de faire, des moyens plus efficaces. Il n’y a pas une unique manière de s’y prendre.
Pendant un an, j’étais moi aussi enthousiasmée par les LLM, mais à chaque fois que je les utilisais, sur des molécules — pour découvrir si elles pouvaient avoir des propriétés intéressantes pour les écrans de téléphones — ou dans les jeux vidéo, j’ai eu de moins bons résultats.
Mon expérience est qu’il est plus pertinent d’entraîner ses propres petits modèles pour beaucoup de situations.
Ne pourrait-on imaginer des « TRM » adaptés aux finalités des organisations regroupées autour de projets comme Projet collectif ou encore le Collectif des partenaires en développement des collectivités ? Des données sur lesquelles nous garderions le contrôle, des processus qui serviraient les fins que nous déciderions ? Il ne faut pas cesser d’expérimenter, comme le disait Rapley dans le G&M, mais il faut le faire en construisant nos outils, en consolidant notre autonomie.
C’est chouette que Jolicoeur-Martineau travaille à Montréal ! Peut-être pourrait-elle nous aider à construire une telle IA alternative ?
P.S. Je reçois à l’instant cette invitation pour un atelier co-organisé par Research for the Frontlines, Science for the people, et le Centre de justice sociale de Concordia : Reprenons les serveurs le 28 février prochain, en présence ou en ligne.
Dans la même veine, le collectif CHATONS est à retenir.