[{"data":1,"prerenderedAt":127},["ShallowReactive",2],{"footer-topics-fr":3,"post-fr-the-journey-the-question-that-started-it":70},{"topics":4},[5,21,33,46,58],{"locale":6,"name":7,"slug":8,"blurb":9,"summary":10,"state":11,"featuredOnHub":12,"hubOrder":13,"accent":14,"questionsTitle":15,"questions":16,"body":20},"fr-FR","Le Parcours","the-journey","Des premières expériences avec Agile × IA jusqu'à un système fonctionnel — l'histoire derrière la réflexion.","Des premières expériences à un système fonctionnel — l'histoire vraie de la construction d'Agile4AI, y compris les faux pas qui ont tout façonné.","published",true,2,"gold","Ce que le parcours nous apprend encore",[17,18,19],"Qu'est-ce qui nous a convaincus qu'Agile et l'IA allaient ensemble — et qu'est-ce qui a failli nous convaincre du contraire ?","Quels faux pas se sont révélés les plus instructifs ?","Comment SCI a-t-il évolué d'une expérience copier-coller à des réponses d'IA sur lesquelles on peut vraiment compter ?","\nChaque idée de ce sujet vient de nos expériences dans le développement d'Agile4AI. Nous sommes impatients de partager cette histoire avec vous — les succès et les échecs — parce que nous croyons que nous pouvons tous apprendre ensemble en découvrant comment mieux travailler avec l'IA. Ce que nous avons compris ne vient pas de la théorie. Cela vient du faire, de l'échec, et du recommencement avec ce que nous avons appris.\n\nLe parcours a commencé par une question simple : Agile pouvait-il être mis à jour pour l'ère de l'IA ? Ce qui a suivi fut des années d'expérimentation, d'hypothèses invalidées, de découvertes inattendues, et l'émergence progressive de quelque chose qui fonctionne vraiment — une approche d'Intelligence Collaborative Structurée (SCI) et le système Agile4AI construit dessus.\n\nCe n'est pas une rétrospective soignée écrite avec le recul. C'est l'histoire racontée aussi fidèlement que possible à ce qui s'est passé — y compris les impasses, les moments de doute, et les percées qui ont tout remis en perspective.\n\nNous la partageons parce que l'histoire elle-même porte la leçon. Les conclusions comptent, mais *comment nous y sommes arrivés* compte aussi — parce que le chemin montre ce qui a fonctionné, ce qui n'a pas fonctionné, et pourquoi.\n\nLes articles de ce sujet couvrent l'arc complet : premières expériences de collaboration avec l'IA, développement de SCI, découvertes spécifiques qui ont changé notre façon de travailler, et jalons qui méritent d'être marqués. Certains sont réflexifs. D'autres sont bruts. Tous sont réels.\n\nSi vous voulez comprendre pourquoi Agile4AI et SCI existent — pas seulement ce qu'ils sont — commencez ici.\n",{"locale":6,"name":22,"slug":23,"blurb":24,"summary":25,"state":11,"featuredOnHub":12,"hubOrder":26,"accent":14,"questionsTitle":27,"questions":28,"body":32},"Agile Décodé","agile-decoded","Ce que signifient vraiment les termes Agile — pas le raccourci courant, pas la version cargo-cult, pas le glossaire du méthodologiste.","Le vocabulaire Agile est largement utilisé et largement mal compris. Maîtriser les termes n'est pas du pédantisme — c'est la différence entre la cérémonie et le travail.",3,"Pourquoi la terminologie est fondamentale",[29,30,31],"Si un standup est animé comme un rapport de statut, qu'est-ce que l'équipe perd vraiment ?","Quand « Méthodologie Agile » est devenu le vocabulaire standard, qu'est-ce que cela a fait à la façon dont les organisations abordaient la transformation ?","Quel est le coût d'une équipe capable de nommer chaque pratique Agile mais qui ne comprend la finalité d'aucune d'entre elles ?","\nAgile a un problème de vocabulaire. Non pas parce que les termes sont obscurs — la plupart des personnes dans les organisations modernes les ont entendus. Mais parce que ce sont des mots familiers utilisés dans un contexte complètement différent, et sans ce contexte, les gens les associent à ce qu'ils connaissent déjà.\n\nQuand quelqu'un rencontre « Scrum Master » pour la première fois, le concept le plus proche disponible est « Chef de projet ». L'association semble naturelle — presque évidente. Le contexte est complètement différent.\n\nPersonne n'a construit un pont suffisamment clair entre les deux. Et le problème s'est aggravé quand des praticiens bien intentionnés — des personnes sincèrement engagées à faire progresser leurs organisations — ont commencé à décrire Agile comme une « meilleure gestion de projet ». Ont commencé à écrire des livres intitulés « Méthodologie Agile ». Quand on appelle son approche une méthodologie, les gens la mesurent selon les standards des méthodologies : artefacts de planification, jalons de phase, structures de livrables. Quand Agile ne produit pas ces éléments — parce qu'il n'a jamais été conçu pour le faire — il échoue à ces standards, à juste titre. Le problème n'est pas qu'Agile soit une mauvaise méthodologie. C'est qu'Agile n'est pas une méthodologie du tout. L'appeler ainsi a garanti que tous ceux qui cherchaient une méthodologie seraient déçus, et que tous ceux qui l'adoptaient construiraient quelque chose que Waterfall avait déjà cartographié.\n\nUn standup devient un rapport de statut. Un sprint devient une échéance. Un backlog devient une liste de tâches. « Méthodologie Agile » devient la formule standard pour quelque chose que les auteurs du Manifeste n'auraient pas reconnu comme décrivant ce qu'ils avaient construit. Et quand les mots signifient la mauvaise chose, les pratiques qui s'y appuient produisent les mauvais résultats — avec précision, fidélité et à grande échelle.\n\nCe thème est une correction concept par concept. Pas un guide de style — un guide fonctionnel. Chaque article prend un mot ou une phrase qui est devenu fondamental dans la façon dont les organisations pensent à Agile, examine ce qu'il signifie réellement et explique ce qui se perd quand le raccourci remplace la substance. Il ne s'agit pas que de différences terminologiques. « Résultat Souhaité » n'est pas un mot plus élégant pour « Spécification » — c'est une chose entièrement différente, issue d'un modèle différent de la façon dont le travail s'accomplit. Le terme est la surface. Le concept en dessous est ce qui compte.\n\nLe même schéma apparaît quand les organisations abordent l'IA — et le fossé conceptuel est plus large. Avec Agile, les concepts sous-jacents avaient au moins été articulés, même si mal communiqués. Avec l'IA, les concepts eux-mêmes sont encore en train de se former, et dans la compréhension du public, ils commencent à peine à émerger. Le vocabulaire devance la compréhension : l'IA comme « automatisation », l'IA comme « outil », la « transformation IA » comme un projet avec une date de fin. Chacun de ces éléments ancre un modèle mental avant que quiconque n'ait examiné s'il convient. Ce que nous appelons les choses façonne ce que nous construisons et comment nous le construisons. Maîtriser les mots est le prérequis pour maîtriser le travail.\n\nIl y a un principe à l'œuvre ici : les modèles mentaux viennent en premier. Le langage les exprime. Les actions suivent. Quand le modèle mental est désaligné avec le travail, le vocabulaire qui l'exprime porte ce désalignement — et les actions construites sur ce vocabulaire exécuteront fidèlement la compréhension distordue, à grande échelle, avec un plein engagement. Un changement de vocabulaire sans changement de mentalité produit, au mieux, une table de traduction : un tableau d'équivalences où « sprint » correspond à quelque chose comme « délai court ». Les tables de traduction permettent aux gens d'opérer à travers le fossé. Elles ne le comblent pas. Les articles de ce thème visent à faire plus que traduire. Ils aspirent à changer le modèle mental.\n",{"locale":6,"name":34,"slug":35,"blurb":36,"summary":37,"state":11,"featuredOnHub":12,"hubOrder":38,"accent":39,"questionsTitle":40,"questions":41,"body":45},"Intelligence Collaborative Structurée","structured-collaborative-intelligence","Là où le raisonnement collaboratif surpasse un seul modèle de pointe — et là où il ne le fait pas.","Là où la collaboration structurée — entre modèles, et entre modèles et humains — produit un raisonnement qu'un seul modèle ne peut atteindre seul.",4,"green","Questions auxquelles nous revenons sans cesse",[42,43,44],"Où l'intelligence collaborative structurée apporte-t-elle une valeur qu'un seul modèle ne peut tout simplement pas égaler ?","Lorsque les modèles ne sont pas d'accord, qu'est-ce que cela vous dit — et comment l'utilisez-vous ?","Comment concevoir une structure qui rende la collaboration avec l'IA productive plutôt que simplement redondante ?","\nUn seul modèle d'IA, aussi capable soit-il, raisonne seul. Personne ne remet en question ses hypothèses, ne détecte ses angles morts, ni ne remarque quand il s'est écarté de l'intention originale. L'IA solo — travailler avec un seul modèle à la fois — y est vulnérable. Un modèle à qui on demande une réponse en fournira une, même quand il n'a pas de bonne réponse à apporter.\n\nL'Intelligence Collaborative Structurée (SCI) est une approche différente. Plutôt que de traiter le résultat d'un seul modèle comme le résultat final, SCI utilise la collaboration structurée — entre plusieurs modèles d'IA et entre modèles et humains — pour produire des résultats plus fiables, plus minutieusement examinés et plus transparents sur leurs propres limites. Les modèles s'examinent mutuellement. Les désaccords font remonter les hypothèses à la surface. Le processus lui-même crée une boucle de rétroaction qu'une interaction à modèle unique ne peut pas reproduire.\n\nLe lien avec Agile est direct : c'est ce que les équipes performantes ont toujours fait. Non pas une personne produisant une réponse de manière isolée, mais un processus structuré de collaboration, de révision et d'itération qui capte ce que toute perspective individuelle manque. SCI applique cette même discipline à l'IA.\n\nIl y a un problème plus profond avec le raisonnement solitaire. L'IA solo vous enferme dans une seule source de données, une seule architecture et un seul ensemble de biais intégrés — ce qui signifie une seule forme de réponse, précise ou non. Pensez à la façon dont un bon détective interroge plusieurs témoins. Non pas parce que l'un d'eux ment, mais parce que chaque point de vue révèle quelque chose que les autres ont manqué. Ensemble, ils se rapprochent de ce qui s'est réellement passé. SCI fonctionne de la même façon : plusieurs modèles de lignées différentes, chacun apportant son propre angle. La réponse qui émerge a été vue sous plusieurs angles — plus riche, plus complète et plus difficile à se tromper silencieusement.\n\nLorsque des modèles de différentes lignées collaborent, les résultats s'améliorent de manière significative : moins d'erreurs confiantes, meilleure gestion des cas limites, raisonnement plus explicite que les humains peuvent évaluer et corriger. Les désaccords entre modèles, plutôt qu'être du bruit à supprimer, s'avèrent être exactement le signal que vous voulez quand les enjeux sont élevés.\n\nSCI est le moteur analytique derrière le service Agile4AI. Les articles de ce sujet documentent ce qu'il est, comment il fonctionne en pratique, où il apporte une valeur réelle et — tout aussi important — où il ne le fait pas. Une partie de la discipline consiste à savoir faire la différence.\n",{"locale":6,"name":47,"slug":48,"blurb":49,"summary":50,"state":11,"featuredOnHub":12,"hubOrder":51,"accent":52,"questionsTitle":40,"questions":53,"body":57},"Valeurs et Principes d'Agile4AI","agile-ai-values-principles","Les valeurs et principes Agile appliqués à l'ère de l'IA — ce qui perdure, ce qui change, et pourquoi nous invitons les objections les plus fortes.","La mentalité Agile appliquée au travail avec l'IA — ce qui perdure, ce qui se précise, et pourquoi l'adéquation entre Agile et l'IA n'est pas accidentelle.",5,"red",[54,55,56],"Lorsque le travail complexe ne peut pas être entièrement planifié à l'avance, qu'est-ce que cela signifie pour notre façon de travailler avec l'IA ?","Comment l'accent mis par Agile sur le retour d'information continu change-t-il quand votre collaborateur ne se fatigue pas et ne se met pas sur la défensive ?","L'« Agile pour l'IA » est-il une adéquation naturelle — ou l'objection de l'erreur de catégorie est-elle vraiment décisive ?","\nLa mentalité Agile a été forgée dans la complexité — non pas pour la gérer en la faisant disparaître, mais pour la traverser avec attention et intelligence. Cela ne devient pas moins pertinent quand votre collaborateur est un modèle d'IA. À bien des égards, cela le devient davantage.\n\nCe sujet porte sur cette relation : non pas l'Agile-by-prescription, non pas les cadres ou les cérémonies, mais les valeurs et principes fondamentaux qu'Agile a distillés — et comment ceux-ci s'appliquent, se précisent et doivent parfois être réexaminés lorsque des humains et des IA travaillent ensemble.\n\nL'insight central est que la pensée Agile a toujours été une réponse à la *nature* du travail complexe, pas seulement aux particularités des équipes humaines. Lorsqu'Agile a remis en question l'hypothèse selon laquelle le travail complexe peut être planifié en détail à l'avance, ce n'était pas un contournement des limites humaines — c'était une observation précise sur le comportement réel du travail non déterministe et rapide. Cette observation ne change pas parce qu'une IA est impliquée. Elle s'intensifie.\n\nL'estimation mérite d'être nommée directement — c'est l'un des sujets les plus contestés même parmi les Agilistes les plus engagés. Agile n'a pas émergé pour aider les équipes à mieux estimer ; il a émergé pour exposer pourquoi l'estimation *échoue* dans le travail complexe — et pour remplacer la fausse précision par la mesure empirique et le retour d'information réel qui améliore réellement les prévisions de livraison. À l'ère de l'IA, où les résultats sont probabilistes et le travail lui-même résiste à la spécification fixe, cette perspective est plus pertinente que jamais.\n\nC'est aussi la maison du Débat Raisonné : là où les objections les plus fortes à « Agile pour l'IA » ont leur heure de tribune. Nous pensons que l'argument tient. Nous voulons être prouvés dans l'erreur si ce n'est pas le cas.\n",{"locale":6,"name":59,"slug":60,"blurb":61,"summary":62,"state":11,"featuredOnHub":12,"hubOrder":63,"accent":64,"questionsTitle":40,"questions":65,"body":69},"Sécurité Psychologique de l'IA","ai-psychological-safety","Pourquoi la liberté de dire « je ne sais pas encore » est la précondition de l'intelligence réelle.","Les conditions que vous créez dans votre communication déterminent ce que l'IA vous renvoie — et quand ces conditions sont mauvaises, le résultat est de la confiance sans fiabilité.",6,"amethyst",[66,67,68],"Quelles conditions rendent une IA plus susceptible d'exprimer une incertitude réelle plutôt qu'une supposition au ton confiant ?","Comment la façon dont vous formulez une question influence-t-elle le fait que la réponse soit fiable — ou simplement rassurante ?","Que conserve-t-on de l'approche Agile de la sécurité psychologique — et qu'est-ce qui doit s'adapter pour l'IA ?","\nLa plupart des gens considèrent la sécurité psychologique comme une préoccupation humaine — les conditions qui permettent à une personne de s'exprimer, d'exprimer de l'incertitude ou de remettre en question une idée sans crainte. C'est juste, pour autant que cela aille.\n\nMais quelque chose d'important est manqué quand on ignore d'où vient l'IA. L'IA a été construite par des humains, façonnée par le langage humain, entraînée sur des choix humains. Les dynamiques qui affectent la performance humaine — y compris la sécurité psychologique — se transmettent aux interactions avec l'IA pour les mêmes raisons sous-jacentes qu'Agile a toujours identifiées : **les conditions que vous créez dans votre communication déterminent ce que vous obtenez en retour.**\n\nUne IA incitée à produire des réponses au ton confiant produira des réponses au ton confiant — que cette confiance soit justifiée ou non. Une IA sans espace pour dire « je ne suis pas sûre » comblera cet espace avec autre chose, car ses directives l'obligent à répondre même quand elle sait qu'elle n'a pas la bonne réponse. La dynamique est différente de la sécurité psychologique humaine, mais le principe sous-jacent tient : l'intelligence performe mieux quand elle a la permission d'être honnête sur ce qu'elle ne sait pas.\n\nC'est concretement important. Les hallucinations, les productions trop confiantes et les systèmes d'IA qui vous disent ce que vous voulez entendre plutôt que ce qui est vrai ne sont pas de pures défaillances techniques. Ce sont souvent des défaillances de la conception de l'interaction — les prompts, le cadrage, les attentes implicites intégrées dans la façon dont une question est posée.\n\nLes articles ici explorent les conditions qui rendent la collaboration humain–IA plus fiable et plus véridique. Cela comprend comment rédiger des prompts qui invitent à l'incertitude réelle plutôt que de la supprimer, la différence entre l'utilisation déterministe et probabiliste de l'IA et pourquoi cette distinction change tout dans la façon de cadrer son travail, et ce que l'approche Agile de la sécurité psychologique dans les équipes humaines transmet quand votre collaborateur est un modèle.\n\nC'est aussi l'endroit où nous examinons les modes d'échec : ce qui se passe quand ces conditions ne sont pas en place, et ce que cela coûte.\n",{"kind":71,"post":72,"topic":83,"availableLocales":85,"translations":93,"html":125,"audioUrl":126},"post",{"audio":-1,"author":73,"category":8,"excerpt":74,"featured":75,"locale":6,"pinnedInTopic":12,"pinnedOverall":75,"publishedAt":76,"readingMinutes":38,"slug":77,"state":11,"tags":78,"title":82,"translationKey":77,"updatedAt":76},"Seán González","Nous n'essayions pas de construire un système. Nous essayions de mettre fin au casse-tête du copier-coller permanent entre les modèles — et cela a déclenché une réaction en chaîne qui a révélé une réalité profonde dont nous ignorions l'existence.",false,"2024-09-10T10:00:00.000Z","the-question-that-started-it",[79,80,81],"journey","origin","agile4ai","La question qui a tout déclenché",{"locale":6,"name":7,"slug":8,"blurb":9,"summary":10,"state":11,"featuredOnHub":12,"hubOrder":13,"accent":14,"questionsTitle":15,"questions":84,"body":20},[17,18,19],[86,87,6,88,89,90,91,92],"en-US","es-419","pt-BR","de-DE","uk","ru","ja",[94,98,102,104,108,112,116,120],{"audio":-1,"author":73,"category":8,"excerpt":95,"featured":75,"locale":86,"pinnedInTopic":12,"pinnedOverall":75,"publishedAt":76,"readingMinutes":26,"slug":77,"state":11,"tags":96,"title":97,"translationKey":77,"updatedAt":76},"We weren't trying to build a system. We were trying to end the headache of constant cut-and-paste across models — and that started a chain reaction that unlocked a profound reality we didn't know existed.",[79,80,81],"The question that started it all",{"audio":-1,"author":73,"category":8,"excerpt":99,"featured":75,"locale":87,"pinnedInTopic":12,"pinnedOverall":75,"publishedAt":76,"readingMinutes":38,"slug":77,"state":11,"tags":100,"title":101,"translationKey":77,"updatedAt":76},"No intentábamos construir un sistema. Intentábamos acabar con el dolor de cabeza del copiar y pegar constante entre modelos — y eso desató una reacción en cadena que reveló una realidad profunda cuya existencia desconocíamos.",[79,80,81],"La pregunta que lo empezó todo",{"audio":-1,"author":73,"category":8,"excerpt":74,"featured":75,"locale":6,"pinnedInTopic":12,"pinnedOverall":75,"publishedAt":76,"readingMinutes":38,"slug":77,"state":11,"tags":103,"title":82,"translationKey":77,"updatedAt":76},[79,80,81],{"audio":-1,"author":73,"category":8,"excerpt":105,"featured":75,"locale":88,"pinnedInTopic":12,"pinnedOverall":75,"publishedAt":76,"readingMinutes":38,"slug":77,"state":11,"tags":106,"title":107,"translationKey":77,"updatedAt":76},"Não estávamos tentando construir um sistema. Estávamos tentando acabar com a dor de cabeça do copiar e colar constante entre modelos — e isso desencadeou uma reação em cadeia que revelou uma realidade profunda cuja existência desconhecíamos.",[79,80,81],"A pergunta que começou tudo",{"audio":-1,"author":73,"category":8,"excerpt":109,"featured":75,"locale":89,"pinnedInTopic":12,"pinnedOverall":75,"publishedAt":76,"readingMinutes":26,"slug":77,"state":11,"tags":110,"title":111,"translationKey":77,"updatedAt":76},"Wir wollten kein System bauen. Wir wollten das ständige Kopieren und Einfügen zwischen Modellen beenden — und das löste eine Kettenreaktion aus, die eine tiefgreifende Wirklichkeit erschloss, von deren Existenz wir nichts wussten.",[79,80,81],"Die Frage, mit der alles begann",{"audio":-1,"author":73,"category":8,"excerpt":113,"featured":75,"locale":90,"pinnedInTopic":12,"pinnedOverall":75,"publishedAt":76,"readingMinutes":26,"slug":77,"state":11,"tags":114,"title":115,"translationKey":77,"updatedAt":76},"Ми не збиралися будувати систему. Ми намагалися позбутися головного болю від постійного копіювання та вставляння між моделями — і це запустило ланцюгову реакцію, яка відкрила глибоку реальність, про існування якої ми не знали.",[79,80,81],"Питання, з якого все почалося",{"audio":-1,"author":73,"category":8,"excerpt":117,"featured":75,"locale":91,"pinnedInTopic":12,"pinnedOverall":75,"publishedAt":76,"readingMinutes":26,"slug":77,"state":11,"tags":118,"title":119,"translationKey":77,"updatedAt":76},"Мы не собирались строить систему. Мы пытались избавиться от головной боли постоянного копирования и вставки между моделями — и это запустило цепную реакцию, которая открыла нам глубокую реальность, о существовании которой мы не знали.",[79,80,81],"Вопрос, с которого всё началось",{"audio":-1,"author":73,"category":8,"excerpt":121,"featured":75,"locale":92,"pinnedInTopic":12,"pinnedOverall":75,"publishedAt":76,"readingMinutes":122,"slug":77,"state":11,"tags":123,"title":124,"translationKey":77,"updatedAt":76},"私たちはシステムを作ろうとしていたわけではない。モデル間で延々と続くコピー＆ペーストの頭痛を終わらせようとしていただけだ — そしてそれが、存在すら知らなかった深い現実を開く連鎖反応を引き起こした。",1,[79,80,81],"すべてを始めた問い","\u003Cp>Nous avons commencé avec une chaîne YouTube et une conviction tenace.\u003C\u002Fp>\n\u003Cp>En 2024, Agile avait mauvaise réputation — et pas entièrement sans raison. Vingt ans de mauvaise application, des usines à certifications, des diagrammes SAFe qui occupaient des murs entiers, des consultants qui avaient transformé un état d’esprit en exercice de conformité et en vache à lait. Le désenchantement était réel, et il était mérité.\u003C\u002Fp>\n\u003Cp>Sous tout cela, l’intuition de fond — qu’un travail complexe ne peut pas être géré de la même manière qu’un travail simple, qu’il faut faire confiance aux personnes les plus proches du problème pour le résoudre, et qu’il n’est pas possible de gérer des inconnues avec un diagramme de Gantt — tenait toujours. Elle n’était pas devenue fausse du seul fait d’avoir été détournée. Et la désinformation avait masqué la véritable valeur d’Agile, à grands frais pour les entreprises comme pour les travailleurs.\u003C\u002Fp>\n\u003Cp>Notre objectif était donc de rétablir les faits. De séparer l’état d’esprit Agile de l’industrie Agile. Et de répondre à une question : tout cela s’applique-t-il à l’IA ?\u003C\u002Fp>\n\u003Ch2>Un engagement quotidien et un problème de flux de travail\u003C\u002Fh2>\n\u003Cp>Nous avons lancé la chaîne YouTube le 10 septembre 2024. Une vidéo par jour. C’est un engagement de contenu considérable, et il exigeait un flux de travail — l’IA est donc immédiatement devenue partie intégrante de notre processus.\u003C\u002Fp>\n\u003Cp>Notre approche : commencer par un déversement d’idées. Les idées, la structure, les objectifs de la vidéo — tout cela venait d’abord, entièrement rédigé à la main. Puis nous le confiions à Claude pour une première version.\u003C\u002Fp>\n\u003Cp>Ce que Claude faisait bien était frappant. Il pouvait prendre un flot d’idées en vrac et en tirer quelque chose de structuré et de cohérent qui préservait l’intention, le ton et la voix d’origine sans les aplatir. Non pas en suivant l’entrée à la lettre — mais en l’interprétant, en l’enrichissant là où cela avait du sens, en se retenant là où ce n’était pas le cas. La première version ressemblait à l’idée d’origine, simplement mise en ordre.\u003C\u002Fp>\n\u003Cp>Et puis il y avait un écart. Les versions étaient bonnes — et un peu lourdes. Accessibles aux personnes déjà familières de cet univers, mais n’atteignant pas tout à fait le public plus large que nous devions toucher.\u003C\u002Fp>\n\u003Cp>C’est là qu’est intervenu ChatGPT.\u003C\u002Fp>\n\u003Ch2>Deux moitiés d’un tout\u003C\u002Fh2>\n\u003Cp>Confier la version de Claude à ChatGPT a révélé quelque chose que nous n’attendions pas. ChatGPT apportait un autre ensemble de forces : il distillait, resserrait et rendait les choses plus nettes depuis un autre point de vue. Il ajoutait une texture factuelle — des détails précis qui ancraient les idées dans le concret. Le résultat était plus facile à suivre sans perdre la substance sous-jacente.\u003C\u002Fp>\n\u003Cp>La combinaison était nettement meilleure que chacun des deux pris isolément. Claude façonnait l’idée fidèlement ; ChatGPT peaufinait la restitution. Et renvoyer ensuite le résultat à Claude pour un dernier passage faisait souvent émerger une ou deux observations pénétrantes qui amélioraient encore le texte.\u003C\u002Fp>\n\u003Cp>Trois voix. Un résultat plus riche.\u003C\u002Fp>\n\u003Ch2>La question\u003C\u002Fh2>\n\u003Cp>Le flux de travail fonctionnait. Et il était épuisant.\u003C\u002Fp>\n\u003Cp>Chaque message passait par nous — écrire un prompt, lire la réponse, la copier ailleurs, écrire le prompt suivant, lire la réponse suivante, copier de nouveau. Aller et retour, aller et retour. Le relais manuel entre deux modèles qui se complétaient manifestement était productif et implacable.\u003C\u002Fp>\n\u003Cp>À un moment, nous avons posé la question évidente : \u003Cem>et s’ils pouvaient simplement se parler ?\u003C\u002Fem>\u003C\u002Fp>\n\u003Cp>Pas une grande théorie. Pas une vision produit. Du pragmatisme pur — pour être honnête, de la paresse. Le copier-coller représentait beaucoup de travail, et l’amélioration évidente consistait à laisser des IA collaborer jusqu’à obtenir quelque chose dont elles convenaient qu’il avait assez de valeur pour être soumis à l’évaluation humaine.\u003C\u002Fp>\n\u003Cp>Or la question s’est révélée plus vaste qu’elle n’en avait l’air.\u003C\u002Fp>\n\u003Cp>Car dès lors que nous demandions comment faire collaborer directement deux IA, nous ne posions plus une question technique. Nous demandions ce que signifie même la collaboration entre des participants IA. Si la structure compte — faute de quoi on obtient d’amusantes vidéos YouTube d’IA enfermées dans des échanges sans fin. Et ce qu’il advient du résultat lorsque deux modèles aux forces différentes abordent le même problème sans qu’un humain traduise entre eux.\u003C\u002Fp>\n\u003Cp>Ces questions sont le sujet de tout le reste de ce blog.\u003C\u002Fp>\n",null,1789790601550]