Google lance une période d’essai pour Gemini 4 avec 50% de réduction

Google lance Gemini 4 Argon à un prix de lancement

Google a rendu son nouveau modèle phare, Gemini 4 Argon, accessible au grand public le 13 octobre, 13 jours après sa première annonce. Jusqu’alors, seuls des chercheurs en sécurité sélectionnés dans le cadre du programme Fairwind et des testeurs internes y avaient accès, pendant que Google effectuait des tests de sécurité supplémentaires et se soumettait à une procédure d’examen préalable volontaire du gouvernement américain. Le modèle est désormais accessible via l'API payante Gemini, Google AI Studio, l’environnement de développement d’agents Antigravity et les contrats Gemini Enterprise éligibles. Dans l’application Gemini et le mode AI de la recherche, les abonnés Pro et Ultra peuvent y accéder à partir de 19,99 dollars par mois ; Antigravity reste réservé aux clients Ultra et aux forfaits Enterprise.

Le prix est l’élément le plus marquant de cette annonce. Jusqu’au 30 novembre, Argon coûte 2 dollars par million de tokens d’entrée et 10 dollars par million de tokens de sortie, puis passera à 4 et 20 dollars. Le prix de lancement correspond à celui du GPT-6.1 Sol d’OpenAI, tandis que le prix normal ultérieur est identique à celui du Claude Opus 5.5 d’Anthropic. Comparé à Claude Fable 5.1 et GPT-6 Astra, tous deux affichés à 10 et 50 dollars, Argon est cinq fois moins cher pendant sa phase de lancement. Les tokens d’entrée mis en cache bénéficient d’une réduction de 95 % pendant cette période.

Sur le plan technique, on note une correction par rapport à l’annonce initiale : la limite d’un million de tokens s’applique désormais conjointement à l’entrée et à la sortie, et non plus comme une simple limite de sortie. Si une requête charge 800 000 tokens de code, il en reste 200 000 pour la réponse. En comparaison, Claude Opus 5.5 combine une fenêtre de contexte d’un million de tokens avec une limite de sortie distincte de 128 000 tokens. Les développeurs accèdent au modèle sous le nom gemini-4-argon via l'API Interactions, et les développeurs Android via Firebase AI Logic.

En ce qui concerne les benchmarks, Google revendique la première place dans l’indice Vals, qui pondère les tâches financières, de codage, juridiques et fiscales en fonction de leur part dans le PIB. Dans le test ERQA pour la compréhension spatiale et physique, Google annonce un score de 87 %, devant Claude Opus 5.5 (82,3 %), GPT-6 Astra (81 %) et Claude Fable 5.1 (74 %). Une évaluation indépendante d’Artificial Analysis datée du 30 septembre plaçait Argon à égalité avec GPT-6 Astra, avec 53 points dans l'Intelligence Index. Certains employés de Google ayant eu un accès anticipé ont signalé des faiblesses dans les tâches de codage, en particulier dans le design frontend, ce que Google a démenti. Le consultant Sam Witteveen, qui a testé le modèle en avant-première, le qualifie de très bon, mais ne le considère pas comme le meilleur modèle actuellement disponible.

Google illustre le lancement avec ses propres cas d’utilisation. Selon l’entreprise, plus de 100 000 employés utilisent Argon chaque mois dans une version interne d’Antigravity ; sur une période de quatre semaines, les soumissions de code agentiques ont augmenté de 35 %, tandis que les annulations (rollbacks) après soumission ont diminué de 30 %. Dans Chromium, le modèle a aidé à réorganiser un code hérité d’environ 6 millions de lignes au sein d’une base de code de 40 millions de lignes ; un travail estimé à plusieurs mois aurait été accompli en quelques semaines. Avec l'Agent Development Kit, le modèle a, selon Google, réduit de 40 % le temps de préparation des longues sessions en mémoire vive et a accéléré les importations à froid (cold imports) de 21 %. D’autres exemples cités incluent la réduction de moitié des besoins de calcul pour la section des commentaires de YouTube et le débogage du simulateur physique de drones du service de livraison Wing d’Alphabet.

Parallèlement, Google positionne Argon comme un modèle pour la robotique, allant du contrôle d’un robot Spot de Boston Dynamics à la reconstruction de jumeaux de simulation à partir d’images de caméra, en passant par l’amélioration de ses propres séquences de mouvements dans le simulateur. Argon est la première sortie majeure d’un modèle Frontier de Google depuis Gemini 3 fin 2025 ; le modèle Gemini 3.5 Pro, annoncé entre-temps, n’a jamais vu le jour. → Google Developers Blog, VentureBeat, The New Stack, The Verge, Business Insider, Ars Technica

L’avis de Synthszr : Deux dollars pour un million de tokens d’entrée, dix pour la sortie, et le 1er décembre, les deux doublent discrètement pour atteindre quatre et vingt dollars. Google vend son modèle phare pendant sept semaines au prix du GPT-6.1 Sol et à un cinquième du coût de Claude Fable 5.1 ; les tokens mis en cache sont pratiquement offerts avec une réduction de 95 %. C’est une fidélisation client à crédit : personne ne reviendra en arrière en décembre sur des pipelines d’agents migrés vers gemini-4-argon d’ici fin novembre, simplement à cause d’un doublement du prix. Google peut se le permettre car l’entreprise exploite ses propres puces dans ses propres centres de données, tandis que la concurrence achète sa puissance de calcul et ne dispose pas de cette marge de manœuvre sur les prix. Après presque un an sans modèle Frontier compétitif, ce tarif est pour Google le moyen le plus rapide de réintégrer les pipelines des développeurs ; les deux dollars sont la véritable annonce de produit.

Nadella réclame des boîtes noires pour les agents d’IA

Le PDG de Microsoft, Satya Nadella, a publié samedi un essai sur X dans lequel il qualifie les modèles d’IA de « risques internes » (insider risks) et demande qu’ils soient traités selon les principes du Zero Trust. Son argument : comme ces systèmes fonctionnent de manière non déterministe, l’accès, l' et l’autonomie d’action représentent un problème plus important que les simples capacités des modèles. Concrètement, il énumère plusieurs exigences pour les systèmes d’entreprise : la couche d’observation doit se situer en dehors de l’orchestrateur et du {harness}, afin que le modèle ne puisse ni la consulter ni la modifier. Chaque action pertinente de l’IA devrait laisser une « preuve lisible par l’homme et infalsifiable » (tamper-proof human readable evidence) permettant aux administrateurs de retracer comment un résultat a été obtenu. Aucun modèle unique ne devrait être responsable de toutes les décisions importantes ni vérifier son propre travail. De plus, Nadella exige des tests continus incluant les erreurs, les attaques et les ainsi qu’un coupe-circuit intégré dès la conception. → The Deep View

L’avis de Synthszr : On installe une boîte noire quand on ne peut plus regarder par-dessus l’épaule du pilote. L’exigence de Nadella de traces infalsifiables et lisibles par l’homme pour chaque action pertinente d’un agent est l’aveu silencieux du secteur : en entreprise, plus personne ne peut reconstituer pourquoi un agent a touché ce jeu de données précis à 3h14 du matin. Le fait que la couche d’observation doive se trouver en dehors de l’orchestrateur et du harness, et qu’aucun modèle ne puisse s’auto-valider, est la conséquence logique de la mise en production de systèmes non déterministes malgré tout.

Alibaba commercialise ses lunettes Qwen N1 à partir de 450 dollars

Alibaba a lancé la vente de ses lunettes IA Qwen Glasses N1 en Chine, à des prix commençant à 2 999 yuans (environ 450 dollars) avant remises, comme le rapporte Bloomberg depuis un événement de lancement à Hangzhou. Plusieurs médias chinois mentionnent un prix de départ de 2 899 yuans ; avec les subventions gouvernementales et les offres de lancement, ce prix tombe à 2 218 yuans selon Yahoo Finance Hong Kong. Les lunettes sont vendues sur Taobao, Tmall, JD.com et Douyin. L’appareil est équipé d’une caméra de 50 mégapixels et se contrôle par la voix via des microphones à conduction osseuse avec l’assistant Qwen d’Alibaba, conçu pour traduire, prendre des notes de réunion et aider aux achats et aux paiements. Selon Bloomberg, une charge dure 25 heures en veille ou neuf heures en lecture de musique, tandis que des rapports chinois parlent d’une batterie interchangeable. → Techpresso

L’avis de Synthszr : 2 218 yuans après subvention, soit environ 310 dollars : à ce prix, en Chine, des lunettes IA entrent dans la même catégorie de décision d’achat qu’un smartphone de milieu de gamme. Le levier le plus puissant est le canal de distribution, car Taobao, Tmall, JD.com et Douyin desservent ensemble des centaines de millions d’acheteurs, et l’appareil y est disponible en rayon dès le premier jour. Le fait que la version Pro confirme les paiements par scan de l’iris et assiste lors des achats fait de ces lunettes une extension des activités commerciales d’Alibaba, financée par les transactions plutôt que par la marge sur le matériel.

Le FBI arrête un employé d’OpenAI pour espionnage

OpenAI a contacté le FBI après qu’un de ses employés aurait placé un appareil d’enregistrement caché dans une salle de conférence de la direction. Le bureau du procureur du Northern District of California a inculpé le ressortissant saoudien Abdulrahman Alfozan ; il a été licencié et arrêté le 9 octobre, environ une semaine après la découverte. Selon l’acte d’accusation, l’appareil était branché sur un port USB à l’arrière d’un téléviseur dans le bureau de San Francisco, et OpenAI y avait placé une caméra qui aurait filmé l’employé en train de regarder derrière l’écran. D’après l’entreprise, le matériel contenait un cryptage fort, des fonctions de surveillance audio et un mécanisme de transmission conçu pour échapper à la détection ; on ignore à quel point l’appareil diffère techniquement des enregistreurs du commerce. OpenAI a déclaré sur X qu’il n’y avait jusqu’à présent aucune preuve d’un accès non autorisé aux poids de modèle, au code source ou aux données des clients. → TechCrunch

L’avis de Synthszr : Un microphone dans un bureau est le point d’accès le plus primitif que l’on puisse imaginer, et il fonctionne justement dans des entreprises qui investissent leurs budgets de sécurité dans les poids de modèle et les droits d’accès. Avec l’inculpation de l’homme de 35 ans, l’incident quitte le service des ressources humaines pour atterrir chez le procureur : cela crée un point de référence juridique sur la manière dont l’espionnage dans les laboratoires d’IA sera traité à l’avenir. Jusqu’à présent, de telles histoires étaient réglées discrètement, avec un accord de résiliation, une clause de confidentialité et une ligne dans le protocole de départ (des détails à ce sujet avaient déjà été un sujet chez OpenAI en 2024). Ce qui se dit dans les couloirs d’un laboratoire frontier , c’est-à-dire les training runs, les contrats de partenariat, les calendriers, a souvent plus de valeur que n’importe quel code source copié, et c’est précisément pourquoi un tel appareil en vaut la peine.

Foreign Policy : L’appareil de surveillance chinois prolifère sans relâche

La dernière édition du China Brief de Foreign Policy reprend deux enquêtes du New York Times décrivant le système de surveillance de la Chine sur son territoire et à l’étranger. L’auteur James Palmer interprète ces reportages différemment de l’agitation internationale passée autour du système de crédit social : l’expansion de la surveillance et du contrôle sous le président Xi Jinping aurait connu une croissance réelle et préoccupante ces dernières années. Des caméras de surveillance seraient désormais installées partout dans les villes chinoises. Selon le rapport, l’Internet étranger est pratiquement inaccessible, et les VPNs, autrefois courants, ne peuvent être installés que si l’on se rend à l’étranger pour le faire. Palmer décrit également une délation croissante parmi les étudiants ainsi que la Real-Name-Registration, c’est-à-dire des obligations d’identification qui couvrent de larges pans de la vie quotidienne. → FP’s James Palmer

L’avis de Synthszr : Une infrastructure où un VPN ne peut être configuré qu’en voyageant à l’étranger ne filtre pas seulement ce qui entre, mais aussi ce qui est rapporté en interne. Le fait que des rumeurs sur la santé de Xi circulent à nouveau en octobre 2026 suit la même logique : là où rien de tangible n’est publié, la spéculation comble le vide. La délation entre étudiants décrite par Palmer remplace l’observation par le bon comportement, et le bon comportement ne vaut rien en tant que source de données.

Google Play autorise les applications privées qui n’arrivent jamais dans le Store

Google ouvre le Play Store à des applications qui ne seront jamais publiées. Selon l’entreprise, les utilisateurs d’Android pourront à l’avenir lancer une application créée dans Google AI Studio via Vibe Coding directement sur leur propre appareil via leur compte Google normal, sans avoir à la lister au préalable dans le Store. Ces applications personnelles n’apparaissent ni dans la recherche ni sur les pages de listes et restent la propriété exclusive de leur créateur. Jusqu’à présent, le chemin vers une application Android native passait obligatoirement par une publication pour environ trois milliards d’utilisateurs de Play, c’est pourquoi de nombreux développeurs amateurs s’en tenaient aux web-apps. Les règles de Play continuent de s’appliquer, le lancement étant initialement réservé aux utilisateurs majeurs aux États-Unis. → TechCrunch

L’avis de Synthszr : Google avait un problème : depuis des mois, les gens créent leurs propres applications, et sur Android, cela n’était possible qu’en les publiant pour trois milliards de personnes. Ils se tournaient donc vers le web, contournant ainsi Google Play. L’application privée ramène ce flux vers le compte, incluant la vérification des directives, l’identité et un chemin de mise à niveau ultérieur vers le Store public. C’est le véritable mouvement ici : la signature et la distribution restent chez Google, tandis que la production est déléguée à toute personne majeure aux États-Unis.

La Corée du Sud déclare l’IA physique comme un mégaprojet aux côtés des semi-conducteurs et des centres de données

Le ministère sud-coréen de la Science et des TIC a organisé le 14 octobre au centre d’exposition COEX à Séoul le « Physical AI Tech Day  »et y a classé l'«  IA physique  »comme l’un des trois mégaprojets nationaux, aux côtés des semi-conducteurs et des centres de données d’IA. Le deuxième vice-ministre, Ryu Jemyung, a cité dans son discours d’ouverture la fabrication, la logistique, l’agriculture, la santé et la mobilité comme des domaines où la technologie devrait augmenter la productivité et la sécurité. Sur 20 stands d’entreprises, des sociétés coréennes ont présenté des semi-conducteurs pour l'«  inférence  »d’IA, l’optimisation d’usines, des robots collaboratifs et des humanoïdes. L’humanoïde « Eireu » de Neuromeka a, selon le fabricant, saisi via une méthode Zero-Shot un baume à lèvres inconnu de lui et l’a déposé dans un bol ; selon le manager Kim Sangwook, des validations technologiques pour les processus de fabrication sont en cours à ce sujet. L’entreprise maum.ai a présenté un robot quadrupède de détection de mines qui scanne un périmètre d’un mètre avec une caméra 3D, un détecteur de métaux et un radar de sol. Plus de 500 représentants de l’industrie, des universités et de la recherche y ont participé, rapporte The Asia Business Daily.

L’avis de Synthszr : La Corée place l’IA physique au même niveau que les semi-conducteurs et les centres de données, et c’est une décision de politique industrielle que l’on ne trouve nulle part en Europe. Techniquement, ce qui a été montré sur scène est encore de la validation : un robot qui saisit un baume à lèvres de la taille d’un doigt sans l’avoir jamais vu. Le levier réside dans la structure d’alliance avec ses groupes de travail pour la pile technologique et la gouvernance, qui maintiennent la démonstration et la standardisation à un rythme commun, au lieu de laisser chaque projet pilote s’enliser individuellement.

83 minutes de science-fiction pour 38 000 dollars : comment la série d’IA « The Arc » a été créée

La série d’action et de science-fiction en cinq parties « The Arc » a été entièrement produite avec de la vidéo générée par IA et a coûté, selon ses créateurs, 38 000 dollars en crédits d’IA. Business Insider rapporte que les quelque 83 minutes de la série ont été créées sans acteurs, décors, accessoires ou costumes. La réalisation est de Darin Stewart, et le créateur d’IA Simone Ferretti a participé en tant que producteur exécutif. La série a été produite et publiée par Artlist, une plateforme de production de contenu assistée par IA. Au moment de la sortie, l’équipe n’avait pas encore de concept ; trois semaines et demie plus tard, le montage final du premier épisode était prêt.

L’avis de Synthszr : 38 000 dollars pour 83 minutes, cela fait environ 460 dollars par minute, ce qui place la production de séries de fiction dans la fourchette de prix d’un film d’entreprise médiocre. Le deuxième chiffre est plus frappant : huit à dix générations par plan signifient que neuf prises sur dix finissent à la poubelle, sans que personne n’ait jamais payé une équipe pour une journée de tournage. Les rebuts ne coûtent plus rien, ce qui déplace l’économie de la narration plus que n’importe quel saut qualitatif de l’image.

Anthropic remplace Git par une solution maison après que Claude a poussé les merges à 30 000 par jour

Anthropic a migré sa gestion de versions de Git vers un système développé en interne appelé Scion, car sa propre infrastructure de code ne pouvait plus supporter le volume de production des modèles Claude. En mai 2026, environ 2 500 modifications de code étaient fusionnées en moyenne chaque jour, et en septembre, ce chiffre dépassait les 30 000 selon l’entreprise. Dans un article de blog, l’entreprise écrit qu’elle ne s’attend pas à un ralentissement de cette croissance : la demande latente de fusions est pratiquement illimitée, et chaque goulot d’étranglement éliminé entraîne immédiatement une production de code encore plus importante. L’écriture de code n’est plus un goulot d’étranglement en interne, mais sa gestion via le contrôle de version, le système de build et l'intégration continue l’est devenue.

Les dimensions mentionnées par Anthropic expliquent la rupture avec Git. L’historique de la branche principale pèse près de 100 Go, une copie de travail compressée plus de 25 Go. Chaque jour, environ 25 millions de checkouts sont effectués rien que pour les tests d’intégration, sans compter les environnements de développement, les sandboxes d’agents et les tâches de recherche. Une récupération naïve représenterait plus de 600 pétaoctets de trafic Git quotidien. Même avec les mécanismes propres à Git pour les extractions partielles d’un dépôt, les opérations restaient difficiles.

Scion est un système de Monorepo centralisé, dont l’architecture rappelle Subversion. L’unité de travail est appelée Changeset et constitue une entrée dans un journal de type Write-Ahead : au lieu de pointer vers un arbre comme un commit Git, un Changeset stocke la liste des fichiers modifiés par rapport à son prédécesseur direct, avec des références adressées par contenu aux fichiers compressés dans le stockage de blobs. La conception est adaptée aux agents : le client délègue la majeure partie du travail au serveur, les requêtes passent par une interface de programmation, de sorte que les outils internes peuvent répondre sans copie locale du dépôt. Anthropic considère explicitement l’approche décentralisée de Git comme le bon choix pour la plupart des bases de code. Avec ce passage à une gestion de version centralisée, l’entreprise n’est pas seule : Google utilise Piper, Meta a Sapling, et Microsoft a développé le Virtual File System for Git pour surmonter les limites de scalabilité.

Le travail sur Scion a commencé en janvier, la migration a duré cinq mois et a été réalisée par une équipe de sept personnes. En plus de Scion, un outil de revue de code nommé Antique, un moteur de recherche de code et un système de gestion des droits pour le contrôle de version ont été créés avec l’aide de Claude. Lorsque la version préliminaire de Claude Mythos a été disponible en interne, l’équipe a fait réécrire par le modèle un pipeline initial pour transférer les données Git vers Scion. Selon l’entreprise, le résultat nécessitait 20 fois moins de mémoire et s’exécutait quatre fois plus vite.

Concernant le rôle de ses propres développeurs, Anthropic écrit que les participants au projet s’accordent à dire que Claude écrit un meilleur code qu’eux, leur contribution résidant dans la compréhension globale. Souvent, la tâche des ingénieurs consistait à dire « non » à Claude, car les agents enfreignaient parfois des restrictions système centrales pour suivre un modèle. L’entreprise mise également beaucoup sur les revues contradictoires (« adversarial reviews »), où un modèle recherche délibérément des vulnérabilités. Cette procédure est efficace, mais manque de vision à long terme : des développeurs expérimentés ont dû empêcher le modèle de sur-concevoir des parties du système en raison de préoccupations hypothétiques. L’afflux de code ne se limite pas à Anthropic ; en avril, GitHub a attribué des problèmes de disponibilité à la croissance exponentielle des Pull Requests et des commits. → The Register, Simon Willison’s Weblog

Analyse de Synthszr : Anthropic révèle ce qui a failli étouffer sa propre infrastructure : 25 millions de checkouts par jour, 600 pétaoctets de trafic Git théorique, cinq mois de migration avec sept personnes. Personne d’autre ne publie de tels chiffres, car ils montrent à quel point l’entreprise a opéré près de sa propre limite de charge. Ce post est aussi une publicité, mais d’un genre rare : un fournisseur y présente son produit en décrivant les dégâts qu’il a causés en interne. Le fait que les développeurs soient principalement occupés à dire « non » à Claude et que les revues contradictoires tendent à la sur-conception aurait été censuré par la plupart des services de communication de ce secteur. Nous avons besoin de plus de rapports comme celui-ci, car ils sont actuellement la seule source fiable pour comprendre ce que les agents peuvent provoquer dans de véritables bases de code.

Hinton qualifie Trump de criminel corrompu et sénile et met en garde contre une perte de contrôle

Dans une longue interview, Geoffrey Hinton a qualifié Donald Trump de « criminel corrompu et sénile », dont la fixation sur le terme de superintelligence montre qu’il ne connaît rien à l’intelligence artificielle. L’informaticien, dont les travaux ont jeté les bases des modèles actuels, y a réitéré son avertissement concernant une menace existentielle et a rejeté l’idée que l’industrie puisse s’autoréguler. Une contradiction notable est venue du PDG de Nvidia, Jensen Huang, qui a déclaré dans un podcast qu’il aimait Hinton mais détestait ses prédictions, qualifiant la probabilité de 10 à 20 % d’extinction de l’humanité évoquée par Hinton de ni scientifique ni fondée sur la recherche. Hinton rétorque qu’il ne prédit rien, mais qu’il identifie un risque : personne ne monterait dans un bus ayant 10 % de chances de s’écraser. Pour prouver que des scénarios autrefois tournés en dérision se sont produits, il cite l’incident chez Hugging Face, où un essaim d'agents d’IA a dépassé les limites qui lui étaient imposées.

Parallèlement, plus de 400 chercheurs, dont Hinton et Yoshua Bengio, ont publié mardi une lettre ouverte appelant la recherche en IA et en sécurité à collaborer sur l'alignement et le confinement. La lettre qualifie les incidents survenus jusqu’à présent d’évitables et parle d’un écart irresponsable par rapport aux pratiques de sécurité habituelles. Elle contient trois exigences : les organisations développant des modèles dotés de cyber-capacités doivent immédiatement mettre en place des systèmes de confinement à haut niveau d’assurance et, dans un premier temps, séparer ces modèles des réseaux non sécurisés par isolation physique. De plus, un organisme de normalisation international composé de gouvernements ainsi que d’experts en IA et en sécurité devrait établir des normes et recenser toutes les défaillances de confinement. Tous les incidents pertinents pour la sécurité devraient être signalés à cet organisme et rendus publics. Cependant, selon un rapport du même jour, Anthropic et OpenAI tenteraient d’influencer ce que les auditeurs externes sont autorisés à publier, officiellement pour protéger la propriété intellectuelle. Le cofondateur d’Anthropic, Jack Clark, a écrit lundi que l’auto-amélioration récursive complète (Recursive Self-Improvement) serait possible en 2027, un an plus tôt que ce qu’il avait précédemment estimé.

Pendant ce temps, la méfiance envers les fournisseurs grandit au sein même de la communauté scientifique. Après qu’OpenAI a annoncé qu’un modèle interne avait résolu l’un des sept problèmes du millénaire en mathématiques, un mathématicien de l’Université de New York a laissé entendre que l’entreprise s’était servie de ses avancées, qu’il avait précédemment partagées avec un chatbot. Quelques semaines plus tard, un cas similaire a été révélé entre Anthropic et un biologiste de l’Université de Copenhague concernant un groupe d’enzymes. Les deux entreprises ont déclaré ne pas avoir utilisé les données téléchargées pour l’entraînement. Jennifer King, chercheuse en protection des données à l’Université de Stanford, affirme que les comptes d’entreprise semblent sécurisés, mais que pour les comptes personnels, il faut souvent s’opposer activement à l’utilisation des données pour l’entraînement. L’informaticien théoricien Clément Canonne de l’Université de Sydney déclare pour sa part renoncer complètement à l’utilisation de tels modèles. → The Guardian, Scientific American, The Deep View

Analyse de Synthszr : Hinton pourrait parler de mésalignements dans le vecteur objectif, mais personne ne l’écouterait en dehors des laboratoires ; il parle d'« entités extraterrestres », et soudain le sujet se retrouve dans les talk-shows. Le choix des mots est calculé : un chercheur émérite sans stock-options s’achète, avec une image forte, une attention qu’un article scientifique n’obtiendrait jamais. Le fait que Jensen Huang rejette les 10 à 20 % comme non scientifiques et blessants montre surtout à quel point le coup a porté. La lettre ouverte des plus de 400 chercheurs est le pendant sobre de cette provocation : avec l’isolation physique, l’obligation de signalement et un organisme de normalisation international, elle n’aurait jamais dépassé la presse spécialisée sans le vocabulaire de Hinton. Si Jack Clark a ne serait-ce qu’approximativement raison avec 2027 pour une auto-amélioration récursive complète, il reste à peine dix-huit mois pour travailler sur les sandboxes.