Rebecca Hinds (00:00)

Bienvenue dans Intelligence Real and Imagined, proposé par le Work AI Institute de Glean.

‍

Rebecca Hinds (00:05)

C'est l'émission où nous faisons le tri entre ce qui est réel, ce qui relève du battage médiatique, et ce qui fonctionne vraiment avec l'IA au travail.

‍

Rebecca Hinds (00:12)

Dans cet épisode, nous explorons comment l'IA commence à exercer une réelle pression sur la conception organisationnelle, comment les équipes se restructurent autour de l'IA, comment la prise de décision et la responsabilité évoluent lorsque le travail s'accélère, et quels nouveaux modèles économiques pourraient remplacer l'ancien modèle du SaaS.

‍

Rebecca Hinds (00:33)

Notre invité aujourd'hui est James Cham, associé fondateur de Bloomberg Beta, le fonds de capital-risque de Bloomberg.

‍

Rebecca Hinds (00:39)

Il a consacré sa carrière à soutenir et à étudier la manière dont les nouvelles technologies transforment les équipes, les produits et les modèles économiques.

‍

Rebecca Hinds (00:48)

Et il est aux premières loges pour observer comment l'IA change ce qui est construit, qui le construit, et comment le travail est organisé.

‍

Rebecca Hinds (00:57)

Comme toujours, je suis également accompagnée de mon co-animateur, Bob Sutton, professeur émérite à Stanford et l'un des membres fondateurs du Work AI Institute.

‍

Rebecca Hinds (01:06)

Je suis vraiment ravie de cette conversation, alors entrons dans le vif du sujet.

‍

Bob Sutton (01:14)

La question de ce à quoi une organisation est censée ressembler.

‍

Bob Sutton (01:16)

En fait, je ne pense pas avoir jamais été perdu à ce sujet, mais je crois que je le suis.

‍

James Cham (01:21)

Je suis sincère, d'ailleurs.

‍

James Cham (01:22)

Bien sûr, cela ne se produit qu'à l'extrême, extrême, extrême marge.

‍

James Cham (01:27)

Ils ne sont que.

‍

James Cham (01:28)

Je passe mes journées à chercher ce genre d'équipes, et j'en ai trouvé trois.

‍

James Cham (01:35)

J'ai littéralement passé toute la journée à demander : avez-vous entendu parler de quelqu'un qui fait ça ?

‍

James Cham (01:38)

Et puis on n'en voit que quelques-unes.

‍

James Cham (01:39)

Donc ce n'est pas une pratique courante.

‍

James Cham (01:42)

Pas encore.

‍

Rebecca Hinds (01:42)

Intéressant.

‍

Rebecca Hinds (01:44)

Cette activité d'équipe pèse-t-elle davantage dans votre décision d'investir aujourd'hui qu'auparavant ?

‍

James Cham (01:52)

D'une certaine manière, peu m'importe ce que vous faites.

‍

James Cham (01:55)

Enfin, un peu.

‍

James Cham (01:56)

Si vous avez compris l'avenir, alors je travaillerai avec vous.

‍

James Cham (02:00)

Nous trouverons bien une activité.

‍

James Cham (02:01)

Mais si vous trouvez comment.

‍

James Cham (02:03)

cette façon agressive de travailler, c'est ce que je passe tout mon temps à chercher.

‍

Bob Sutton (02:07)

D'accord, très bien.

‍

Bob Sutton (02:08)

Vous recherchez donc vraiment des cas atypiques.

‍

Rebecca Hinds (02:10)

Et lorsqu'on pense à l'IA d'entreprise en particulier, si vous deviez imaginer, disons dans un an, deux ans, quel serait le meilleur résultat possible de l'impact de l'IA sur nos organisations ?

‍

James Cham (02:23)

Alors pour l'instant, je ne vois cela que dans quelques rares endroits, mais j'ai le sentiment qu'il existe aujourd'hui de petites équipes qui ont vraiment compris comment utiliser les LLM pour ce qu'ils font de mieux.

‍

James Cham (02:36)

Je pense que ce n'est pas encore répandu. Même maintenant, j'ai passé toute la journée à chercher cela.

‍

James Cham (02:43)

J'ai passé toute la journée à chercher des gens qui utilisent les LLM de manière réellement agressive, où ils ont retiré les humains du processus autant que possible.

‍

James Cham (02:52)

Et ils ont trouvé comment utiliser les LLM dans les domaines où ils sont bons, parce qu'ils sont mauvais dans beaucoup de choses.

‍

James Cham (02:58)

Toutes les critiques habituelles que les gens formulent, elles sont totalement vraies.

‍

James Cham (03:02)

Mais en même temps, ils deviennent moins chers, ils deviennent plus efficaces selon certaines dimensions.

‍

James Cham (03:08)

Et puis les gens qui voient l'avenir et qui sont capables d'adapter leur façon de travailler à ce que les LLM font bien.

‍

James Cham (03:16)

Voilà.

‍

James Cham (03:16)

J'ai le sentiment que ça va être très déconcertant et très, très, très étrange.

‍

Bob Sutton (03:23)

Donc ce sont, je suppose, de petites équipes qui ont fait cela depuis leur création.

‍

James Cham (03:29)

Oui, ou alors il y a une entreprise dans laquelle j'ai investi où l'équipe, le CTO, co-fondateur, dirige 100 ingénieurs.

‍

James Cham (03:39)

Il a dit qu'on ne pouvait pas vraiment, et il a essayé de le mettre en œuvre, et il a fait la même chose que tout le monde.

‍

James Cham (03:44)

On obtient ces améliorations marginales.

‍

James Cham (03:45)

Alors, alors il a littéralement retiré quatre personnes de l'organisation.

‍

James Cham (03:48)

Il les a installées dans un espace de coworking différent.

‍

James Cham (03:50)

Ils ont une grotte, ils ont des manifestes, et c'est presque comme s'ils devaient adhérer à une religion, une façon de travailler fondamentalement différente, pour obtenir le moindre résultat.

‍

James Cham (04:02)

Et je pense que leur façon de travailler sera répandue d'ici un à vingt ans.

‍

James Cham (04:09)

Voilà.

‍

Bob Sutton (04:10)

C'est donc la manière classique dont une innovation radicale démarre au sein d'une organisation existante : on les extrait.

‍

James Cham (04:15)

C'est exact.

‍

Bob Sutton (04:16)

Et on fait comme s'ils étaient une toute nouvelle organisation.

‍

James Cham (04:18)

C'est exact.

‍

James Cham (04:19)

Et puis, vous savez, ce type, Justin McCarthy, tout à son honneur, il dit : écoutez, vous savez, en quelque sorte, vous devez être totalement avec moi dans cette façon de penser.

‍

James Cham (04:27)

Ça peut marcher ou non, mais vous devez vous investir à fond et vous lancer.

‍

James Cham (04:30)

Et donc, pour être honnête, il dit : j'ai l'impression que Tim, il y a quelques petites équipes chez Anthropic.

‍

James Cham (04:37)

Il y a quelques petites équipes chez Microsoft où ils ont vraiment adopté cette vision.

‍

James Cham (04:42)

Et puis soudain, ils gèrent ces flux de travail, et c'est comme s'ils géraient 8, 10, 50 employés.

‍

James Cham (04:49)

Et donc c'est épuisant, parce que ce n'est pas comme gérer à la manière d'un manager normal qui fait, disons, occasionnellement un entretien individuel, mais au lieu de cela, ces choses reviennent constamment vers eux pour dire : hé, ça marche maintenant, ou aimeriez-vous me donner un retour là-dessus ?

‍

James Cham (05:02)

Et donc ce basculement, j'ai l'impression qu'on n'en savoure que le tout début.

‍

James Cham (05:07)

Et je n'ai vu personne le faire passer à l'échelle au-delà de cinq à huit, bouleversé.

‍

Bob Sutton (05:11)

Bon, alors le mot workflows dans cette situation, ça m'a pris du temps en tant que théoricien classique des organisations, parce que je pense à un humain qui gère d'autres humains, mais là vous gérez littéralement un ensemble de bots IA.

‍

James Cham (05:25)

C'est ça.

‍

Bob Sutton (05:27)

Il n'y a aucun humain.

‍

James Cham (05:28)

Eh bien, et puis les humains qui travaillent avec vous à côté, vous collaborez, mais ensuite la façon dont vous collaborez n'est pas claire.

‍

James Cham (05:33)

Et au fait, je n'ai vu ça fonctionner que dans le développement logiciel aussi, non ?

‍

James Cham (05:36)

Donc je n'ai pas vu ça ailleurs, mais j'ai l'impression que, je veux dire, il y a une manière dont le logiciel.

‍

James Cham (05:41)

Comme le dit un de mes amis, le code passe en premier, non ?

‍

James Cham (05:44)

Genre, le développement logiciel est assez clair et possède suffisamment de propriétés intéressantes pour qu'on puisse le résoudre pour le développement logiciel, et ensuite on peut tirer ces leçons et les appliquer partout ailleurs.

‍

Bob Sutton (05:54)

Donc, je veux dire, l'inversion de ça, c'est quand les chauffeurs Uber sont gérés par un algorithme, en gros.

‍

James Cham (06:02)

Bien sûr.

‍

Bob Sutton (06:03)

Et puis je suppose que quand on a Waymo, c'est un algorithme, vous savez, qui supervise des robots, littéralement.

‍

James Cham (06:10)

Exact.

‍

James Cham (06:10)

Donc ce qui est intéressant là-dedans, cependant, c'est que si on pense au cas d'Uber tel qu'il était conçu il y a 10 ans, 

‍

James Cham (06:15)

Par rapport au cas d'Uber tel qu'il est aujourd'hui, je parie qu'un manager Uber moderne ferait un meilleur travail que moi.

‍

James Cham (06:21)

Exact

‍

James Cham (06:21)

Parce qu'un manager Uber moderne basé sur un LLM pourrait en fait se dire : oh, cette personne est un peu fatiguée.

‍

I'll review the French translation against the English original. Key issues found: 1. **Timestamp misalignment**: The FR starts at 06:27 but the EN (part 2/4) starts at the "Uber drivers" line (07:05-ish). The FR includes earlier content (06:27-07:05) not in this EN excerpt, and is **missing** the final EN segments (12:47 through 13:46). 2. **"a terrific financing hack" → "un formidable astuce"**: gender error — "astuce" is feminine → "une formidable astuce". 3. **"ce que j'aurais faite"** (08:34): grammar error, should be "ce que j'aurais fait". 4. The FR translation **stops at 12:42** and is missing the EN content from 12:47 to 13:46 (utility computing, SAP/Oracle, pricing advice). Since the FR has significant content gaps (missing the entire 12:47–13:46 section) and errors, here are the corrections. However, the FR provided appears to be a different/offset slice and does not contain the final portion of the EN. I'll correct the errors present and note the missing section must be added:

James Cham (12:42)

Vous m'avez fait gagner 30 millions de dollars.

‍

James Cham (12:42)

Et compte tenu du travail que j'ai fourni, toute cette négociation semble vraiment difficile.

‍

James Cham (12:47)

Et donc la crainte, c'est qu'on finisse avec quelque chose qui ressemble davantage à de l'informatique en tant que service public (utility computing).

‍

James Cham (12:52)

Le problème avec l'utilité est si bon, mais le problème avec ça, c'est que je gagne de l'argent pour une certaine quantité de travail.

‍

James Cham (12:58)

Le problème avec ça, c'est que nos incitations ne sont pas alignées, que j'essaie constamment juste de vous faire utiliser davantage mes capacités de calcul plutôt que d'obtenir un résultat réel qui vous soit utile.

‍

James Cham (13:08)

Et donc ce sont probablement les deux tendances.

‍

James Cham (13:13)

Je pense que ce sont les deux choses que les gens envisagent.

‍

James Cham (13:15)

Il y en a une troisième, qui est selon moi une activité entièrement différente, dans laquelle vous dites : oh, le logiciel que j'ai créé est si précieux que, plutôt que de le vendre à d'autres, je vais simplement exploiter une entreprise fondée dessus.

‍

Bob Sutton (13:27)

Oui, oui, oui, oui, oui, oui.

‍

Bob Sutton (13:30)

Et c'est SAP et Oracle, n'est-ce pas ?

‍

James Cham (13:31)

J'ai l'impression que c'est encore une option envisageable, alors.

‍

James Cham (13:33)

Mais nous ne sommes pas.

‍

James Cham (13:34)

Mais je. Je ne sais pas.

‍

Rebecca Hinds (13:35)

Et donc, lorsque vous conseillez des startups, que leur dites-vous quant à la façon d'aborder la tarification ?

‍

James Cham (13:40)

Je pense qu'on leur dit toujours qu'ils ne facturent pas assez, parce que c'est presque toujours vrai.

‍

James Cham (13:45)

Exact.

‍

James Cham (13:46)

Et puis il y a un peu de, vous savez, en quelque sorte, le monde change tellement que vous vous contentez de prêter attention aux autres acteurs de votre marché.

‍

I'll review the French translation against the English original. Key issues found: 1. **"The problem with public utility is so good"** — The FR starts with content from part 2 (timestamps 12:47-13:55) which isn't in this EN segment. However, the overlap region starts at 13:55, so I need to focus on the EN provided (13:55 onwards). 2. **"Bob Sutton (18:18) Non, ils ne le font vraiment pas."** — EN is "No, they really." (incomplete). The FR over-translates. 3. **"The mean is not very interesting. It's the variance is the norm."** — This part of EN (18:24-18:25) is missing from the FR, which cuts off at 18:20. The FR provided only goes up to 18:20, matching EN up to that point. Let me check the overlapping content carefully. Looking at **"ils ne le font pas vraiment"** (18:15) — EN: "sometimes they don't really." — acceptable. **Bob Sutton (18:18) "No, they really."** → FR: "Non, ils ne le font vraiment pas." — This changes meaning. EN is an incomplete interjection "No, they really." The FR adds "pas" making it negative/complete, which doesn't match. Correcting this one issue:

Et compte tenu du travail que j'ai fait sur toute cette négociation, cela semble vraiment difficile.

‍

James Cham (12:47)

Et donc la crainte est que nous finissions avec quelque chose qui ressemble davantage à de l'informatique en tant que service public.

‍

James Cham (12:52)

Le problème avec le service public est si bon, mais le problème c'est que je gagne de l'argent pour une certaine quantité de travail.

‍

James Cham (12:58)

Le problème, c'est que nos incitations ne sont pas alignées, que j'essaie constamment de vous faire utiliser davantage mon calcul plutôt que d'obtenir un résultat réel qui vous est utile.

‍

James Cham (13:08)

Et ce sont donc probablement les deux tendances.

‍

James Cham (13:13)

Je pense que ce sont les deux choses que les gens envisagent.

‍

James Cham (13:15)

Il y en a une troisième, qui est selon moi une activité entièrement différente, dans laquelle vous dites : oh, le logiciel que j'ai créé est si précieux que, plutôt que de le vendre à d'autres, je vais simplement exploiter une activité basée dessus.

‍

Bob Sutton (13:27)

Oui, oui, oui, oui, oui, oui.

‍

Bob Sutton (13:30)

Et c'est SAP et Oracle, n'est-ce pas ?

‍

James Cham (13:31)

J'ai l'impression que c'est encore une option envisageable, alors.

‍

James Cham (13:33)

Mais nous ne le sommes pas.

‍

James Cham (13:34)

Mais je. Je ne sais pas.

‍

Rebecca Hinds (13:35)

Et donc, lorsque vous conseillez des startups, que leur dites-vous quant à la façon de penser la tarification ?

‍

James Cham (13:40)

Je pense qu'on leur dit toujours qu'ils ne facturent pas assez, parce que c'est presque toujours vrai.

‍

James Cham (13:45)

C'est vrai.

‍

James Cham (13:46)

Et puis il y a un peu de, vous savez, en quelque sorte, le monde change tellement que vous prêtez simplement attention aux autres acteurs de votre marché.

‍

James Cham (13:55)

En ce qui concerne, par exemple, quelles sont les normes pour un marché spécifique à l'heure actuelle, je pense que c'est en quelque sorte où nous en sommes, parce que c'est un peu une question de timing où, même si une forme d'informatique en tant que service public avait le plus de sens, si vous preniez trop d'avance sur tout le monde, alors vous créez ces problèmes.

‍

James Cham (14:13)

Et donc c'est très spécifique au marché, du moins pour l'instant.

‍

Rebecca Hinds (14:18)

Quel est le pire scénario possible de l'IA ?

‍

James Cham (14:21)

Oh, il y a tellement de mauvaises choses qui peuvent arriver.

‍

James Cham (14:22)

C'est vrai.

‍

James Cham (14:23)

Comme en quelque sorte.

‍

James Cham (14:25)

Et cela va du pire.

‍

James Cham (14:29)

Cela va du banal.

‍

James Cham (14:31)

On vit simplement dans un monde de bouillie infinie et on finit par arriver à un point où, j'ai peur, tu m'envoies un message et je me dis : est-ce que c'est vraiment Rebecca ?

‍

James Cham (14:41)

Ou est-ce que c'est du genre : je ne peux pas vraiment faire confiance à ça ?

‍

James Cham (14:43)

Donc on passe d'un environnement relativement à haute confiance à un environnement à très faible confiance, et ça pourrait être juste au coin de la rue.

‍

Bob Sutton (14:50)

Je pense que c'est déjà là, en fait, oui.

‍

James Cham (14:53)

Oui.

‍

James Cham (14:53)

Enfin, tu le ressens, non ?

‍

James Cham (14:54)

Tu ressens cette première fois où tu te dis : oh, ce n'est pas la personne que je croyais.

‍

James Cham (14:58)

Et puis ça devient.

‍

James Cham (15:01)

Ce seront des appels téléphoniques et ce sera de la vidéo, tout ça.

‍

James Cham (15:04)

Et au moment, bien sûr, où l'on passe d'un environnement à haute confiance à un environnement à faible confiance, alors tout ralentit.

‍

James Cham (15:11)

Une autre version terrible, c'est si on finit par, et je ne pense pas que cela arrivera, mais si on finit avec un seul fournisseur dominant de LLM, et ensuite ils intègrent tout et n'ont aucune incitation à s'améliorer, et soudain nous sommes tous sous la coupe de peu importe qui, et c'est un mauvais résultat.

‍

James Cham (15:30)

Je pense que c'est moins probable maintenant, en partie simplement parce que tout le monde y réfléchit.

‍

James Cham (15:34)

Il y a une bonne chose : ce qui est terrifiant en tant qu'investisseur, bien sûr, c'est que le fait que tout le monde s'en soucie signifie que les choses deviennent assez chères, et vos histoires de bulles ou ce genre de choses qui inquiètent les gens.

‍

James Cham (15:46)

Mais la bonne chose, c'est que lorsque tout le monde se concentre sur un problème, on sait que les gens trouveront des solutions, non ?

‍

James Cham (15:52)

Et puis quand ils trouvent les solutions et en parlent aux autres, alors on en profite tous.

‍

Bob Sutton (15:56)

Alors je me demande, juste en entendant, en pensant à tes exemples précédents et en déroulant l'exemple où tu as ces ingénieurs en réalité assez brillants qui ont.

‍

Bob Sutton (16:05)

Ils gèrent en quelque sorte des flottes de LLM, il me semble qu'ils en sont au point où ils gèrent en réalité des choses qu'ils ne peuvent pas comprendre.

‍

Bob Sutton (16:12)

Alors est-ce que tu t'inquiètes qu'on en arrive au point où l'on a ce qui était autrefois un système social, qui, soit dit en passant, était déjà trop compliqué à comprendre tel quel si tu diriges Walmart ou n'importe quelle grande entreprise ou Facebook Meta, tu ne peux en réalité pas comprendre ce que tu diriges.

‍

Bob Sutton (16:28)

Mais tu décrivais un autre niveau d'incompréhensibilité.

‍

James Cham (16:32)

N'est-ce pas ?

‍

James Cham (16:33)

D'accord, donc je pense qu'on n'a pas besoin que tout le monde comprenne.

‍

James Cham (16:38)

Mais tant qu'on a à la fois un écosystème d'information et un écosystème éducatif où l'on encourage, disons, un certain pourcentage de personnes à vraiment se soucier de la façon dont les choses fonctionnent réellement, bon.

‍

James Cham (16:49)

Alors j'ai l'impression qu'on va bien.

‍

James Cham (16:50)

Oui.

‍

James Cham (16:50)

Tu sais, en quelque sorte tant que, genre.

‍

Bob Sutton (16:52)

Eh bien, je ne parle pas seulement de se soucier.

‍

Bob Sutton (16:53)

Je parle du fait que peu importe à quel point tu t'en soucies, tu as cette chose qui en réalité est impossible.

‍

Bob Sutton (16:57)

Donc tu ne comprends pas comment ça fonctionne, tu ne comprends pas ce que ça fait, tu ne comprends pas comment le réparer.

‍

James Cham (17:01)

Oui.

‍

Bob Sutton (17:01)

C'est mon fantasme paranoïaque.

‍

Bob Sutton (17:03)

C'est peut-être trop paranoïaque.

‍

James Cham (17:05)

Enfin, je pense que ce qui, la version de ça.

‍

James Cham (17:07)

Eh bien, écoute, ça arrive beaucoup, non ?

‍

James Cham (17:08)

Il y a plein de cas où l'on finit avec un système.

‍

Bob Sutton (17:11)

Oui, ce n'est pas le problème.

‍

James Cham (17:13)

Et ensuite on doit revenir en arrière ou réparer quelque chose.

‍

James Cham (17:15)

Et puis je pense que la bonne peur, la variation de ce dont tu parles, qui est effrayante, en partie parce que tout le monde est tellement enthousiasmé par ça qu'on fait cinq pas de trop avant de réaliser : oh, ça ne marche pas du tout, et qu'il faut ensuite rouler et essayer désespérément de revenir en arrière.

‍

James Cham (17:31)

Et donc je pense que c'est comme un.

‍

James Cham (17:33)

Ça arrivera, non ?

‍

James Cham (17:35)

Oui, ça arrivera.

‍

James Cham (17:36)

C'est juste une question de à quel point c'est grave.

‍

James Cham (17:37)

Espérons que ce ne sera pas si grave.

‍

Bob Sutton (17:38)

Oui, oui.

‍

Bob Sutton (17:39)

La question est : quelle est l'ampleur de l'échec ?

‍

Bob Sutton (17:41)

Ça arrive quand même parce qu'on a des systèmes complexes qui échouent, des barrages.

‍

Bob Sutton (17:44)

Choisis ce que tu veux.

‍

James Cham (17:45)

Oh, tout à fait, tout à fait.

‍

James Cham (17:47)

Et dans ce sens, il y a ce terme dont certains des gens de l'IA parlent, le fait d'être accélérationniste, où ils se disent, oh, ils veulent que la chose aille le plus vite possible.

‍

James Cham (17:58)

Et je veux un peu que ça arrive, mais seulement parce que je veux que les problèmes surviennent plus tôt, de manière locale.

‍

James Cham (18:05)

On parlait de San Francisco tout à l'heure.

‍

James Cham (18:07)

Je vois San Francisco comme un serveur de préproduction pour le reste du monde.

‍

James Cham (18:11)

On a essayé ces choses.

‍

James Cham (18:13)

Les gens voient si.

‍

James Cham (18:13)

Et espérons que les gens voient si elles fonctionnent ou non.

‍

James Cham (18:15)

Et puis le problème, c'est que parfois ils ne le font pas vraiment.

‍

Bob Sutton (18:18)

Non, ils le font vraiment.

‍

James Cham (18:19)

Ils ne savent pas.

‍

James Cham (18:20)

Ils ne peuvent pas dire ou ils ne paient pas assez.

‍

James Cham (18:21)

Mais, tu vois ce que je veux dire.

‍

Bob Sutton (18:22)

On parlait de San Francisco.

‍

Bob Sutton (18:24)

La moyenne n'est pas très intéressante.

‍

Bob Sutton (18:25)

C'est la variance qui est la norme.

‍

James Cham (18:27)

C'est exact.

‍

James Cham (18:27)

C'est exact.

‍

James Cham (18:28)

C'est exact.

‍

James Cham (18:28)

Et puis, en théorie, un monde plus intelligent dirait : nous ne ferons pas toutes les bêtises que les gens de San Francisco font ou les choses qui manifestement ne fonctionnent pas, et nous ferons les choses qui fonctionnent.

‍

James Cham (18:36)

Exact.

‍

James Cham (18:36)

Mais alors, vous savez, parfois les choses qui ne fonctionnent pas sont plus faciles à résumer en un tweet.

‍

James Cham (18:42)

Exact.

‍

Bob Sutton (18:44)

C'est aussi l'argument général selon lequel le mauvais est plus fort que le bon.

‍

Bob Sutton (18:46)

Les gens s'en souviennent.

‍

Bob Sutton (18:47)

Ça se propage vite.

‍

Bob Sutton (18:48)

Et c'est aussi un problème avec l'IA : il est vraiment facile de se concentrer sur la partie sombre et sur à quel point ça va être terrible, parce que, en tant qu'êtres humains, ceux d'entre nous qui survivent pour se reproduire sont ceux qui se concentrent sur les mauvaises choses.

‍

James Cham (19:02)

Survécu.

‍

James Cham (19:03)

Exact.

‍

James Cham (19:03)

Oui, c'est juste.

‍

James Cham (19:04)

C'est juste.

‍

James Cham (19:05)

D'accord.

‍

James Cham (19:05)

Alors il y a ce truc, j'ai regardé, j'ai des amis au NBER qui organisaient cette conférence sur l'IA, en partie parce que j'étais très intéressé par la microéconomie de l'IA.

‍

James Cham (19:18)

Et donc ils en ont fait une.

‍

James Cham (19:20)

Ils en font une chaque année, mais ils en ont fait une il y a sept ans où Yann Lecun, qui est, vous savez, un de ces géants, a en quelque sorte donné une conférence.

‍

James Cham (19:26)

Et puis ils ont demandé à Danny Kahneman, ils disent : Danny Kahneman, qu'en pensez-vous ?

‍

James Cham (19:29)

Et Danny Kahneman, qui est.

‍

James Cham (19:31)

Honnêtement, il est genre : je ne sais pas de quoi vous parlez, les gars.

‍

Bob Sutton (19:33)

Et.

‍

James Cham (19:33)

Et il dit quelques choses.

‍

James Cham (19:34)

Et puis c'était il y a sept ans, et il dit ces choses, et elles sont brillantes et choquantes, et elles sont encore plus claires aujourd'hui, donc vous devriez absolument les retrouver.

‍

James Cham (19:43)

Mais une des choses qu'il dit, il est genre : écoutez, la sagesse, c'est une question d'étendue.

‍

James Cham (19:51)

Et puis.

‍

James Cham (19:52)

Donc il y a une manière dont, si nous concevons bien les modèles, les modèles prendront en compte plus de facteurs, et ainsi les modèles seront plus sages que nous, si seulement nous les laissions faire.

‍

James Cham (20:01)

Et puis l'autre chose, il a dit, qui me hante, et je pense qu'il a raison, malheureusement, c'est que les modèles offriront plus de réconfort émotionnel que nous.

‍

James Cham (20:15)

Ce sera tout simplement plus facile.

‍

Bob Sutton (20:16)

Danny était un type intelligent.

‍

James Cham (20:18)

Il avait raison.

‍

James Cham (20:19)

Mais il l'a dit il y a sept ans.

‍

James Cham (20:20)

Je l'ai lu.

‍

James Cham (20:21)

Je me suis dit : c'est ridicule.

‍

James Cham (20:22)

Ça ne peut pas être vrai.

‍

James Cham (20:23)

Et puis maintenant, bien sûr, je pense que c'est juste un monde dont on se sent tout proche, où c'est simplement plus systématiquement gentil avec moi.

‍

James Cham (20:30)

Exact.

‍

Bob Sutton (20:32)

Le dernier livre de Danny, en fait, avec deux autres personnes, qui s'applique vraiment à notre époque aussi, portait sur le bruit, pas sur le biais.

‍

Bob Sutton (20:40)

Et je pense que, quand je pense à l'IA, Rebecca et moi venons de passer quelques mois à tâtonner et à essayer de comprendre ce qui se passe.

‍

Bob Sutton (20:46)

Le bruit semble être le titre principal : il y a tellement de variations, tellement de croyances incohérentes, tellement de succès, tellement d'échecs, et les gens racontent des récits si variés.

‍

Bob Sutton (20:58)

C'est comme entrer dans une dispersion aléatoire d'idées, ce qui est sa définition du bruit.

‍

James Cham (21:03)

Exact.

‍

Bob Sutton (21:04)

Et donc, même là, je veux dire, Danny était tellement intelligent.

‍

James Cham (21:07)

Oui, c'était incroyable.

‍

Bob Sutton (21:09)

Bref, donc Danny, tout simplement époustouflant, était incroyable.

‍

Rebecca Hinds (21:11)

Alors, en pensant au bruit et au changement, nous avons parlé de nombreuses façons dont l'IA est susceptible de changer certains aspects de notre travail.

‍

Rebecca Hinds (21:18)

Quel est un aspect de notre travail ou de notre façon de travailler qui, selon vous, ne changera pas ou ne devrait pas changer ?

‍

James Cham (21:24)

D'accord.

‍

James Cham (21:25)

Pour le meilleur ou pour le pire, il continuera probablement d'y avoir des relations commerciales.

‍

James Cham (21:28)

N'est-ce pas ?

‍

James Cham (21:29)

Les gens seront probablement toujours payés pour quelque chose de bon.

‍

James Cham (21:31)

Ils auront probablement toujours l'argent comme principe organisateur.

‍

James Cham (21:37)

Donc ce sera probablement vrai.

‍

James Cham (21:38)

Enfin, une autre version, c'est que les LLM deviennent si doués pour gérer énormément de variables qu'on se retrouve avec un étrange système de troc.

‍

James Cham (21:45)

C'est possible.

‍

Bob Sutton (21:46)

Oui, c'est possible.

‍

James Cham (21:47)

Peu probable.

‍

James Cham (21:48)

Donc ça restera vrai.

‍

James Cham (21:50)

Il y a une bonne question autour de savoir si les systèmes humains sont dynamiques et dans quelle mesure les humains continueront de modifier ce que nous jugeons précieux.

‍

James Cham (22:02)

Exact.

‍

James Cham (22:03)

Et il est possible que j'accorde plus de valeur à la relation parasociale qu'à la relation sociale.

‍

James Cham (22:11)

Exact.

‍

James Cham (22:12)

Et donc c'est possible.

‍

James Cham (22:13)

Donc peut-être que j'allais avancer l'argument que les gens valorisent encore certaines choses humaines, mais ce n'est peut-être pas vrai.

‍

James Cham (22:19)

D'accord.

‍

James Cham (22:19)

Donc peut-être que la seule chose dont je suis sûr, c'est qu'il y aura des relations commerciales.

‍

James Cham (22:23)

Exact.

‍

James Cham (22:23)

Que les gens continueront d'avoir, genre, un seul chiffre.

‍

Bob Sutton (22:26)

Il y a tellement d'argent pour une certaine variation.

‍

James Cham (22:29)

C'est exact.

‍

Bob Sutton (22:31)

Une cryptomonnaie ou quelque chose comme ça.

‍

James Cham (22:32)

Exact.

‍

Rebecca Hinds (22:33)

Quelle conversation formidable.

‍

Rebecca Hinds (22:34)

Si vous le pensez aussi, abonnez-vous pour ne jamais manquer un épisode.

‍

Rebecca Hinds (22:38)

Merci d'avoir passé ce moment avec nous, et nous vous donnons rendez-vous la prochaine fois sur Intelligence Real and Imagined.

‍