🧿's Recent LinkedIn Posts

It was great exchanging with Prince Sarpong on questions related to AI, higher education, and the evolving nature of thinking itself. Our discussion led us to explore an interesting tension: while universities are actively developing AI governance policies, these policies tend to focus primarily on integrity, disclosure, and misuse. Important issues, of course. But they mostly regulate the artificial dimension of AI, its role as a tool in producing academic work. What remains largely unexplored is the intelligence dimension: how AI may reshape the cognitive environment in which research, learning, and evaluation actually happen. As cognitive anthropologist Edwin Hutchins argued, thinking does not occur inside a single skull but across people, tools, and systems working together. Could generative AI, perhaps for the first time at scale, provide a practical infrastructure for that process?

Le grand carton du moment en Chine : les fictions d’animaux… générées par IA. On voit circuler de plus en plus de petites scènes où des animaux parlent et vivent des situations très humaines comme des réunions de bureau, disputes de couple, conversations de voisinage, etc. L’idée n’est évidemment pas nouvelle. Les animaux servent depuis longtemps à observer les humains à distance (des Fables de La Fontaine aux dessins animés …) Certains diront que c’est du AI slop ou de la slop fiction. Ce que je trouve intéressant, qu’on aime ou pas, c’est qu’ici l’IA ne sert pas simplement à faire plus de la même chose, mais ouvre un nouveau genre. À voir comment ça évolue …

Aujourd’hui, les LLM marquent une transformation profonde car ces systèmes sont entraînés sur une grande partie de nos traces humaines et deviennent peu à peu une machine de médiation cognitive. Cette idée n’est d’ailleurs pas entièrement nouvelle, Michel Foucault parlait de l’archive comme de la structure qui détermine ce qu’une époque peut dire et penser. Les modèles de langage commencent à jouer un rôle analogue : une couche d’interprétation entre les individus et la masse du savoir disponible. Si ces systèmes organisent l’accès au savoir, doivent-ils être pensés uniquement comme des produits privés, ou comme une nouvelle infrastructure cognitive publique ?

Si vous demandez à un grand modèle de langage (LLM) de dessiner une heure précise sur une montre analogique, il échoue souvent. Pourquoi ? Parce qu’il vit dans un monde de patterns, pas dans le monde physique. Cet exercice impose de comprendre la relation spatiale entre les objets. Il exige une cohérence que l’univers numérique ne « ressent » pas. Si reproduire une simple heure est déjà un défi, imaginez le résultat face à une montre pleine de "complications", c’est-à-dire toute fonction qui dépasse le simple affichage du temps...