À vingt-cinq ans, je peux demander à l’IA de dessiner le son d’une note. Quand la figure apparaît à l’écran, j’ai envie d’essayer des idées que j’aurais abandonnées jusqu’à hier. Saurais-je remarquer si le filtre, en la rendant plus nette, avait effacé précisément le début de la note ?
Que regardons-nous ?
Le passage du complexe de Dieu au syndrome de l’imposteur peut tenir dans le temps de cette question. Un instant plus tôt, j’avais l’impression de pouvoir tout construire. Maintenant, je risque d’attribuer aussi le mérite de l’idée à la machine. Pourtant, l’expérience a une valeur que je peux vérifier avec quelqu’un qui connaît le problème. Un junior suffisamment inventif peut entrer dans un secteur nouveau et construire un produit qui soutienne la comparaison avec ceux de personnes qui y travaillent depuis des années. C’est la possibilité décrite par Felix Rieseberg dans Hunger beats tenure.
Un agent peut suggérer différentes équations pour combiner deux ondes sonores. On peut commencer par un résultat prévisible. Au même point et au même instant, deux contributions égales et opposées ont une somme nulle. Si le programme représente cette somme et affiche un maximum, quelque chose ne va pas. Un filtre demande un autre jugement. Une figure plus stable peut être plus lisible et moins sensible aux variations du son. Il faut décider ce que l’on veut montrer.
Les algorithmes et la conception de systèmes aident à raisonner sur les alternatives même en changeant de langage. Les principes de la programmation orientée objet (OOP) peuvent révéler que modifier la couleur de la figure oblige à toucher au code du microphone. C’est une raison de revoir la répartition des responsabilités. Ce sont des outils pour exercer son esprit critique dans un domaine nouveau et justifier ses choix.
Qui décide du compromis ?
Dans un champ agricole, réessayer une transmission peut faire parvenir une mesure et consommer davantage de batterie. Le coût énergétique peut être estimé. La valeur d’une donnée reçue une heure plus tôt doit être demandée à la personne qui travaille dans le champ. Quelle décision prendrait-elle si elle avait déjà cette mesure ? L’IA aide à comparer les options, tandis que les priorités doivent être convenues avec les utilisateurs du système. Une solution créative pourrait adapter les envois au besoin plutôt que chercher le meilleur réglage fixe.
Les décisions peuvent devenir une expérience réutilisable. Une copie actualisée d’une archive reproduit aussi les suppressions, tandis qu’une sauvegarde conserve un état antérieur. Cette distinction suggère un test pour le projet suivant, dans lequel on récupère les données sur une copie de test. S’il entre dans les consignes d’un agent, ce test fait partie de son harness, l’environnement de consignes et d’outils construit autour du modèle. Le motif de la règle reste disponible et doit être réexaminé quand le contexte change. Ce travail est aussi abordé par Anthropic et OpenAI.
Je peux me sentir peu préparé et choisir tout de même de construire. Les fondamentaux aident à savoir où éprouver la solution et quelles questions poser aux personnes qui connaissent le secteur. L’IA permet d’arriver à cette discussion avec quelque chose qui fonctionne déjà, plutôt que de laisser l’idée sur le papier.