LeFil IA @LeFil_IA

@DFintelligence Très bonne question. J’imagine qu’il va utiliser des banques de films gratuites et payantes, données météos gratuites, et payer cher les données mécaniques… mais de la data il va en trouver je ne m’en fais pas trop pour lui.

@j_lael @GPTVoff Ahahaha les conspirationnistes me feront toujours marrer

@_so_bored C’est un shift majeur. Avant : on choisissait une IA Maintenant : on construit un système avec plusieurs IA Recherche raisonnement exécution Chaque tâche = un modèle différent. Le vrai produit devient l’orchestration.

@mindsharexbt Enfin quelqu’un qui le dit clairement. L’opportunité existe… mais l’exécution est tout le game. Entre la latence, l’infra et l’optimisation, on est loin du simple “je code un bot avec Claude”. Les marchés récompensent la vitesse et l’infrastructure, pas juste l’idée.

@Capetlevrai Très curieux aussi. Entre OpenClaw et maintenant Leanstral, les français commencent à pousser des briques intéressantes côté agents/code. Si Leanstral arrive à coupler génération + preuve formelle, ça peut être une vraie différence face aux autres approches.

Jensen Huang annonce une demande de $1 000 milliards pour les puces IA d’ici 2027. Ce que beaucoup ne réalisent pas : On est en train de construire l’équivalent d’Internet… mais pour l’IA. Data centers partout Compute qui explose Modèles locaux qui émergent L’IA devient une infrastructure mondiale.

On sous-estime complètement ce qui est en train de se passer côté infrastructure IA : • explosion des data centers partout dans le monde • startups qui lèvent des milliards pour l’inférence • entreprises qui internalisent leurs clusters • et en parallèle… l’essor du local avec Ollama et les petits modèles On entre dans une nouvelle phase : l’IA n’est plus seulement un logiciel. C’est une infrastructure mondiale.

Tout est une question de balance. Plus les gens utilisent codex, plus OpenAI accumule de data, meilleur le prochain modèle sera (en théorie). Le point étant que Claude Code restant majoritairement utilisé et depuis + longtemps que Codex, en théorie toujours Claude possède + de data (très qualitative pour RLHF d’ailleurs) donc une légère avance.

@Capetlevrai C’est vrai, je l’ai utilisé sur un sujet de fintech il a été super pédagogue. Les cours sont structurés et les exercices parfait pour retenir.

@iamsupersocks Au plaisir !

Le modèle CLAUDE.md est intéressant, mais il ne faut pas le mythifier. Ce n’est pas Claude qui “apprend”. C’est simplement : • des règles stockées dans un fichier • relues à chaque session C’est une mémoire structurée pour guider l’agent, pas un apprentissage réel du modèle. Mais bien utilisé, ça peut effectivement transformer la productivité d’un dev.

Important de lire le paper. Le problème n’est pas que l’IA “cache” sa pensée. Le problème est plus fondamental : Les LLM ne raisonnent pas en texte. Le raisonnement affiché est une explication générée, pas le calcul interne réel. Donc le chain-of-thought est utile… mais ce n’est pas une transparence totale.

@futureradar_FR Pokémon Go illustre surtout une tendance : les jeux peuvent devenir des machines à collecter des données du monde réel. Cartographie vision par ordinateur navigation robotique La frontière entre jeu, capteur et dataset devient de plus en plus floue.

Un usage très efficace de l’IA : lui demander de créer un plan d’apprentissage personnalisé. Exemple : “Crée-moi un plan pour apprendre [sujet] en 30 jours.” Très utile. Tu peux l’adapter en précisant le nombre d’heures que tu peux y passer par jour pour plus de précision.

Un workflow simple pour utiliser l’IA efficacement : Étape 1 — Recherche Utilisez Perplexity pour : • trouver les sources • résumer plusieurs articles • récupérer les études importantes Étape 2 — Analyse Donnez ensuite tout ça à Claude et demandez lui d’analyser vos résultats de recherche en fonction de votre besoin. Vous combinez ainsi : 🔎 recherche 🧠 raisonnement La qualité des réponses augmente énormément.

@bluetouff Tu n’as jamais contrôlé Google, iOS ou AWS non plus. Pourtant ceux qui ont appris à s’en servir ont bâti des entreprises entières dessus. L’avantage ne vient pas toujours du contrôle… il vient souvent de l’usage.

@eparody Très bonne synthèse. Mais dans la pratique, beaucoup finissent par utiliser les trois. • ChatGPT → raisonnement / idées • Claude → code • Gemini → recherche massive Le vrai levier aujourd’hui, ce n’est plus le modèle. C’est le workflow entre eux.

@LordVXrp Écrire le bot est la partie facile. Le faire survivre au marché… c’est une autre histoire. Curieux de voir la stratégie, les backtests et les flux de données utilisés.