Ne pas comprendre l'exponentiel, encore une fois ? Ma conversation avec @Mononofu - Julian Schrittwieser (@AnthropicAI, AlphaGo Zero, MuZero) - sur le coup 37, l'échelle de l'apprentissage par renforcement, le prix Nobel pour l'IA, et la frontière de l'IA : 00:00 - Ouverture froide : « Nous ne voyons aucun ralentissement. » 00:32 - Introduction — Rencontrez Julian 01:09 - L'« exponentiel » de l'intérieur des laboratoires de pointe 04:46 - 2026–2027 : des agents qui travaillent toute la journée ; une expertise de niveau expert 08:58 - Référentiels vs réalité : travail à long terme, PIB-Val, valeur utilisateur 10:26 - Coup 37 — que s'est-il réellement passé et pourquoi c'était important 13:55 - Science novatrice : AlphaCode/AlphaTensor → quand l'IA mérite-t-elle un Nobel ? 16:25 - Discontinuité vs progrès fluide (et signes d'avertissement) 19:08 - La pré-formation + RL nous y amène-t-elle ? (débats AGI mis à part) 20:55 - Le « RL from scratch » de Sutton ? L'avis de Julian 23:03 - Le parcours de Julian : Google → DeepMind → Anthropic 26:45 - AlphaGo (apprendre + chercher) en termes simples 30:16 - AlphaGo Zero (pas de données humaines) 31:00 - AlphaZero (un algorithme : Go, échecs, shogi) 31:46 - MuZero (planification avec un modèle du monde appris) 33:23 - Leçons pour les agents d'aujourd'hui : recherche + apprentissage à grande échelle 34:57 - Les LLM ont-ils déjà des modèles du monde implicites ? 39:02 - Pourquoi le RL sur les LLM a pris du temps (stabilité, boucles de rétroaction) 41:43 - Calcul et mise à l'échelle pour le RL — ce que nous voyons jusqu'à présent 42:35 - Frontière des récompenses : préférences humaines, rubriques, RLVR, récompenses de processus 44:36 - Données d'entraînement RL & le « flywheel » (et pourquoi la qualité compte) 48:02 - RL & Agents 101 — pourquoi le RL débloque la robustesse 50:51 - Les constructeurs devraient-ils utiliser le RL en tant que service ? Ou juste des outils + des invites ? 52:18 - Ce qui manque pour des agents fiables (capacité vs ingénierie) 53:51 - Évaluations & Goodhart — benchmarks internes vs externes 57:35 - Interprétabilité mécaniste & « Golden Gate Claude » 1:00:03 - Sécurité & alignement chez Anthropic — comment cela se manifeste dans la pratique 1:03:48 - Emplois : complémentarité humain–IA (avantage comparatif) 1:06:33 - Inégalité, politique, et le cas pour une productivité multipliée par 10 → abondance 1:09:24 - Pensées de clôture