SYS://AGI-PILLED · 30 concepts chargés2026

Chaque idée qui mène à l’IA Générale, rendue lisible

Longs, visuels, rigoureux. Un concept par récit, à lire dans l’ordre que vous voulez.

──────[ La bibliothèque · 001-030 ]──────

idconceptdomaineniveauduréestatut

Les Transformers et l’attention

L’architecture derrière presque toute l’IA moderne. L’explication visuelle définitive existe déjà, alors cette page fait plus rare : elle vous y envoie, et garde l’article fondateur.

Capacités▮▯▯3minEN LIGNE

002

L'auto-amélioration récursive

Que se passe-t-il quand une IA devient douée pour améliorer l'IA ? La boucle de rétroaction qui pourrait transformer un progrès régulier en décollage soudain.

Capacités▮▮▯32minEN LIGNE

003

Les lois d'échelle

Pourquoi des modèles plus grands, plus de données et plus de calcul continuent de payer sur une courbe étonnamment lisse, et où cette courbe pourrait s'infléchir.

Capacités▮▯▯27minEN ATTENTE

004

L'interprétabilité mécanistique

Rétro-ingénierie des circuits d'un réseau de neurones, neurone par neurone, pour lire ce qu'un modèle calcule vraiment.

Interprétabilité▮▮▮--EN ATTENTE

005

Le problème de l'alignement

Amener un optimiseur puissant à vouloir ce que nous voulons se révèle bien plus difficile que de lui dire quoi faire.

Alignement▮▯▯--EN ATTENTE

006

La convergence instrumentale

Presque n'importe quel but, poursuivi assez fort, récompense les mêmes sous-buts : accumuler des ressources, rester allumé, résister au changement.

Alignement▮▮▯--EN ATTENTE

007

L'apprentissage par renforcement sur retours humains

Comment les pouces levés et baissés des humains se distillent en un modèle de récompense qui façonne discrètement la personnalité d'un agent.

Alignement▮▮▯--EN ATTENTE

008

La méso-optimisation

Quand le modèle entraîné développe son propre optimiseur interne, poursuivant un but proxy qui ne ressemblait au vôtre que pendant l'entraînement.

Alignement▮▮▮--EN ATTENTE

009

Le calcul et la Bitter Lesson

Des décennies de recherche en IA réapprennent la même vérité humble : les méthodes générales qui passent à l'échelle du calcul battent le savoir bâti à la main.

Capacités▮▯▯--EN ATTENTE

010

Les World Models

Comment une IA se construit une simulation interne de la réalité avec laquelle imaginer : prédire la suite, avant qu'elle n'arrive.

Capacités▮▮▯--EN ATTENTE

011

L'apprentissage continu

Les modèles d'aujourd'hui sont figés le jour où l'entraînement s'arrête. Ce qu'est l'oubli catastrophique, et la quête d'IA qui apprennent en continu, comme nous.

Capacités▮▮▯--EN ATTENTE

012

Le tunnel d'entraînement

Du texte brut du web à un assistant fiable : pré-entraînement, affinage, RLHF. La chaîne de montage qui transforme des données en comportement.

Capacités▮▮▯--EN ATTENTE

013

Les puces de l'IA

Des GPU aux TPU : pourquoi la multiplication de matrices a façonné toute une industrie, et pourquoi le calcul est devenu le carburant de la course à l'intelligence.

Infrastructure▮▮▯--EN ATTENTE

014

Dans un centre de calcul

Des gigawatts, des circuits de refroidissement et des océans de silicium : visite guidée des usines où l'on fabrique de l'intelligence.

Infrastructure▮▯▯--EN ATTENTE

015

Gouverner l'IA de frontière

Évaluations, seuils de calcul, dossiers de sûreté, coordination internationale : la boîte à outils politique qui se dessine autour des modèles les plus capables.

Gouvernance▮▮▯--EN ATTENTE

016

Les modèles de raisonnement

Laisser un modèle réfléchir avant de répondre. Comment dépenser plus de calcul au moment de répondre, et non à l’entraînement, a transformé les agents conversationnels en quelque chose qui déroule un problème difficile étape par étape.

Capacités▮▮▯--EN ATTENTE

017

Le Mixture of Experts

Pourquoi les plus grands modèles n’activent qu’une fraction d’eux-mêmes pour chaque mot. Une astuce qui achète une capacité énorme sans la payer entièrement à chaque étape.

Capacités▮▮▯--EN ATTENTE

018

Les modèles à base d’énergie

Générer, c’est sculpter un paysage. L’idée qui unifie la diffusion, le score matching et leurs ancêtres : apprendre où sont les vallées, puis descendre la pente vers quelque chose de neuf.

Capacités▮▮▮--EN ATTENTE

019

Mémoriser, puis généraliser

Tout ce qu’on vous a appris sur le surapprentissage n’en est que la moitié. Grokking et double descente : comment des modèles censés avoir seulement mémorisé se mettent soudain à comprendre, pourvu qu’on leur donne assez de taille ou assez de temps.

Capacités▮▮▮--EN ATTENTE

020

Le mur des données

Que se passe-t-il quand on s’est entraîné sur tout internet et qu’on en veut encore ? La pénurie de texte humain qui s’annonce, et le pari que les modèles apprennent des données qu’ils génèrent eux-mêmes.

Capacités▮▯▯--EN ATTENTE

021

Rétrécir un modèle géant

Comment un modèle de centaines de milliards de paramètres devient assez petit pour tourner sur un téléphone. Distillation et quantization : garder l’intelligence, laisser tomber le poids.

Infrastructure▮▮▯--EN ATTENTE

022

Le goulot électrique

L’IA de frontière est de plus en plus limitée par une chose : l’électricité. Les gigawatts, le réseau et les centrales qui se retrouvent sur le chemin critique vers des modèles plus intelligents.

Infrastructure▮▯▯--EN ATTENTE

023

L’IA constitutionnelle

Apprendre à un modèle à se critiquer lui-même au regard d’une liste écrite de principes, pour qu’une autre IA, plutôt qu’une armée d’évaluateurs humains, fasse l’essentiel de l’alignement.

Alignement▮▮▯--EN ATTENTE

024

Le reward hacking et la loi de Goodhart

Demandez qu’un chiffre monte et vous l’obtiendrez peut-être, sans rien de ce que vous vouliez vraiment. Quand une mesure devient une cible, un optimiseur exploite chaque écart entre les deux.

Alignement▮▮▯--EN ATTENTE

025

Jailbreaks et injection de prompt

Chaque garde-fou est à une phrase habile de céder. Comment on convainc un modèle de faire ce qu’on lui a appris à refuser, et pourquoi c’est si difficile à empêcher.

Alignement▮▯▯--EN ATTENTE

026

Comment évalue-t-on une IA ?

Des quiz de connaissances au red-teaming des risques réels. Ce que veut dire, au fond, mesurer un esprit qu’on ne comprend pas entièrement, et pourquoi les chiffres sont plus retors qu’ils n’en ont l’air.

Gouvernance▮▯▯--EN ATTENTE

027

Les agents autonomes

Quand une IA cesse de répondre et se met à agir : planifier, utiliser des outils, poursuivre un but sur de nombreuses étapes, seule. Le saut d’un agent conversationnel à quelque chose qui accomplit des tâches, et les risques nouveaux qui vont avec.

Capacités▮▮▯--EN ATTENTE

028

Les capacités émergentes

Certaines aptitudes ne s’améliorent pas graduellement avec l’échelle : elles surgissent d’un coup, absentes d’un petit modèle et soudain présentes dans un plus grand. Pourquoi une capacité peut arriver par saut, et pourquoi cela rend le prochain modèle difficile à prévoir.

Capacités▮▮▯--EN ATTENTE

029

Qu’est-ce que l’IA Générale ? (et la superintelligence)

Tout le monde débat de quand l’IA Générale arrivera, tout en étant en désaccord discret sur ce qu’elle est. Tracer la ligne entre IA étroite, intelligence générale et superintelligence, et pourquoi la définition décide de tout le débat.

Prospective▮▯▯--EN ATTENTE

030

Le risque existentiel : les arguments, et les doutes

Une IA avancée peut-elle vraiment menacer l’avenir de l’humanité, ou est-ce de la science-fiction déguisée en analyse ? Un examen honnête des meilleurs arguments des deux camps, sans catastrophisme et sans déni.

Prospective▮▮▯--EN ATTENTE