Performance = Expertise + Diversité

Bruno:
L'été, c'est l'heure des bilans. Et le bilan, c'est que sur les 52 derniers épisodes de l'année d'IFTTD, nous avons parlé d'intelligence artificielle 38 fois. Donc ici, on maîtrise plutôt bien la partie artificielle, mais l'intelligence, la vraie, l'originale, on n'en parle presque jamais. Cet été, nous vous proposons donc une série spéciale de 6 épisodes avec 6 chercheurs pour comprendre ce qu'est vraiment l'intelligence. Bienvenue dans votre réseau de neurones. En 1906, dans une foire de campagne anglaise, 800 personnes tentent de deviner le poids d'un bœuf. Des bouchers, des fermiers bien sûr, mais aussi des badauds qui n'y connaissent rien. Et pourtant, aucun ne trouve. Mais la moyenne de leurs 800 réponses tombe à une livre près sur le poids réel. La foule, collectivement, savait ce que aucun individu ne savait. Mais alors, si le collectif est si intelligent, pourquoi a-t-on encore autant de réunions stériles et de mauvais consensus ? Faut-il être d'accord pour décider ensemble ou juste pas du tout ? Et surtout, quand on entraîne une IA sur tout ce que l'humanité a écrit, est-on en train de construire la plus grande intelligence collective de l'histoire ou juste une usine à biais collectif ? Pour répondre à ces questions de groupe, je ne reçois pas Francis Galton, mais il a la sagesse de 1000 personnes. Emile, bonjour.

Emile:
Bonjour.

Bruno:
Alors Emile, est-ce que tu pourrais te présenter pour les quelques personnes qui ne te connaîtraient peut-être pas ?

Emile:
Alors, moi je suis un psychologue cognitif. Au départ, j'ai un doctorat de Carnegie Mellon en psychologie cognitive, où j'ai étudié notamment avec Herbert Simon, qui était donc un des inventeurs d'intelligence artificielle en 1956. Je crois que c'est celui qui a écrit le premier programme d'intelligence artificielle, pour la fameuse réunion de Dartmouth, avec son collègue Alain Newell. Donc c'était un de mes profs, un de mes advisors de thèse, et avant ça j'étais informaticien et après ça j'étais aussi informaticien puisque j'ai travaillé mon premier job c'était à e-log qui était la fameuse mais oubliée maintenant, boîte d'intelligence artificielle française la première du nom, donc on avait des bureaux à Gentilly et e-log s'est ensuite revendu et passé au Nasdaq s'est revendu à IBM Donc c'était une belle équipe qui avait travaillé notamment sur Watson ensuite. Donc j'ai été, dans ma jeunesse, ingénieur en intelligence artificielle. Je travaillais sur le machine learning et la reconnaissance de l'écriture à l'époque. Et c'est marrant quand on y pense, parce que... Alors je suis désolé, j'ai l'intro un peu longue, mais ça me fait marrer d'y repenser. Quand on y pense, à l'époque, il y avait tellement peu de data disponible pour entraîner les systèmes de machine learning que j'étais obligé de créer mes propres datasets d'écriture manuscrite. Avec ma propre écriture manuscrite. Parce qu'il n'y en avait pas, ça n'existait pas. On ne pouvait pas entraîner un système avec des données numérisées. C'était avant le web, on était en 92, 93. Je suis parti d'ailleurs de e-log au moment où le web est arrivé. Il y avait trois pages sur le web avec quelques liens bleus à l'époque. Je me suis dit, c'est quoi ce truc, ça a aucun intérêt. Et je suis parti faire des CD-ROM multimédia. À l'époque, c'était super chaud. C'était avant que le web, justement, ne détruise cette industrie à partir de 97-98. Et donc, j'avais fait des CD-ROM sur... D'ailleurs, vous voyez peut-être une affiche derrière, non ? Enfin, ceux qui ont la vidéo peuvent voir. Sur les secrets de l'intelligence, où j'avais notamment interviewé les 12-13 grandes sommités sur tout ce qui était neurosciences, intelligence artificielle, psychologie cognitive de l'époque. Et mis ça sur CD-ROM, ça avait bien marché, on a gagné plein de prix avec ça. Et puis ensuite le web est arrivé en masse et a détruit l'économie du CD-ROM, sauf pour les jeux. Et à ce moment-là. Après quelques mois de flottement, j'ai découvert un truc qui à l'époque était ultra obscur, c'est ce qu'on appelle aujourd'hui des marchés prédictifs, des prediction market. Vous avez peut-être entendu parler d'un truc polymarket par exemple. C'est ce qu'on appelle un prediction market, un marché à prévision. Et on a créé un des tout premiers marchés de prévision de l'époque, en 2000, avec un collègue en Amérique. On a créé ça en France, puis on a basculé en Amérique assez vite. On était vraiment les pionniers du truc. Et donc, depuis 25 ans, je fais ça. Alors, pourquoi est-ce que ça m'intéressait ? Parce que les marchés prédictifs sont en fait une façon d'organiser l'intelligence collective sur le futur. Si on prend énormément de gens qui parient les uns contre les autres dans le marché, il y en a qui achètent, il y en a qui vendent, ils ne sont pas d'accord, ils trouvent les endroits où ils sont d'accord pour ne pas être d'accord, et cet ensemble de gens qui ne sont pas d'accord et qui trouvent les anti-consensus où on est d'accord pour ne pas être d'accord, détermine en fait l'intelligence collective sur le futur. Ça vous donne des probabilités sur ce qui pourrait se passer et ça quantifie, très précisément les probabilités. Donc on a déployé ça, comme c'est illégal un peu partout, on a déployé ça sous la forme d'un jeu gratuit, parce que le jeu d'argent sur ce genre de choses. C'était permis qu'en Angleterre à l'époque. C'est toujours complètement interdit en France, ce type de marché prédictif. On n'a le droit qu'au bookmaker, mais on n'a pas le droit d'avoir des systèmes où en fait chacun est bookmaker. Parce que le marché, c'est chacun des bookmakers, chacun peut décider à quel prix il veut acheter, à quel prix il veut vendre, mais c'est incroyablement efficace pour organiser l'intelligence collective. Donc moi qui m'étais toujours intéressé à l'intelligence du cerveau, à l'intelligence artificielle. Quand le web a rendu possible la mise en réseau d'énormément de cerveaux à la fois, même si c'est très intéressant, on va voir ce qu'on peut faire en termes d'intelligence collective, et en particulier sur ce problème qui est le plus difficile du monde, qui est comment prévoir l'avenir. Donc j'ai déployé ça avec une boîte qui aujourd'hui s'appelle Hypermind, qui était aussi le nom de ma boîte qui faisait des CD-ROM, comme ça on a gardé le nom, Et puis on a déployé ça à la fois sur du B2C et puis surtout pour avoir un business model sur du B2B, donc des services de prévision collective, des plateformes de prévision collective qu'on vend au gouvernement, aux entreprises, aux différentes organisations pour faire de l'anticipation, et prendre des meilleures décisions.

Bruno:
Ok, canon Du coup quand on parle d'intelligence collective on parle de quoi ? On parle juste de mettre ensemble un ensemble d'individus et collectivement ils seront forcément meilleurs ou est-ce qu'il y a un peu plus de finesse que ça quand même ?

Emile:
Voilà, c'est-à-dire collectivement ils vont être mauvais, à moins qu'on injecte des règles qui sont d'ailleurs anti-nature qui sont, j'aime dire, qui sont artificielles et c'est là où l'intelligence collective rejoint l'intelligence artificielle c'est-à-dire que l'intelligence collective, est une intelligence artificielle, c'est-à-dire qu'elle a besoin d'avoir des processus non naturels, qui sont injectés, des règles du jeu, des algorithmes, etc., qui vont faire en sorte qu'on peut tirer le meilleur d'un groupe, parce que si on laisse le groupe à lui-même, généralement, nos biais naturels, cognitifs, vont faire en sorte qu'on va devenir idiot ensemble, plutôt que de devenir intelligent. Donc à moins de structurer le processus artificiellement, ça ne va rien donner. Il y a un exemple que j'aime bien prendre. Dans mon livre, dont j'ai oublié de parler, j'ai écrit en 2018 un livre qui s'appelle Super Collectif, chez Fayard, qui raconte justement comment notre intelligence collective, à très grande échelle, peut s'exprimer. Et donc je raconte notamment le contraste intéressant entre une termitière, construite par une colonie d'un million de termites, qui chacune ont très très peu de neurones dans la tête. Mais qui multiplié par 1 million ça fait 250 000 neurones par thermite multiplié par 1 million ça fait quand même 250 milliards de thermites de neurones pardon, qui sont la même techno que ce qu'on a nous dans la tête, ils sont peut-être un petit jougat plus petit mais enfin c'est la même technologie que nos neurones à nous et, et donc toutes seules peuvent pas faire grand chose à 1 million ils arrivent à faire des choses très impressionnantes, très complexes qui exprime vraiment l'intelligence. On se retrouve devant une termitière, surtout quand on voit un peu comment c'est fait à l'intérieur, on se dit, c'est super intelligent. Je ne serais pas capable de faire un château de sable comme ça moi-même.

Bruno:
Surtout qu'ils n'ont pas un plan et ils n'ont pas une termite qui leur dit quoi faire et qui doit faire quoi.

Emile:
Oui, alors ils ont quand même une sorte de plan dans la tête qui leur dit comment se comporter dans telle ou telle situation. Mais ils n'ont pas le plan d'ensemble. Ils n'ont pas le plan d'ensemble. Mais si on peut contraster ça à ton cerveau, par exemple, ou au mien, ou à celui de l'architecte qui construit une cathédrale du style Gaudi à Barcelone, la Sagrada Familia, qui est une autre sorte de thermiquaire si on veut. Et dans le cerveau de toi, moi ou l'architecte, il y a 80 milliards de neurones. Et parmi tes auditeurs, il y en a qui ont déjà fait le calcul, parce que ce sont des gens assez techniques, et qui se rendent compte que 80 milliards, c'est 3 fois moins de neurones que le nombre de neurones dans la colonie de thermites. Ce qui, je le rappelle, était 250 milliards à peu près. Oui, c'est ça, 250 milliards. Donc 3 fois moins. Donc avec 3 fois moins de neurones dans la tête, dans nos têtes, à nous, on arrive à faire tellement plus que ce que peut faire une colonie de thermites. Et donc la raison, c'est que non seulement le nombre fait la force, on le voit chez les termites, le nombre de neurones c'est important, mais l'organisation de ces neurones va faire toute la différence. C'est-à-dire que nous on a beaucoup moins de neurones, mais ils sont beaucoup mieux connectés, de façon beaucoup plus dense et beaucoup mieux organisée dans différents modules cérébraux, etc. Et donc le moindre nombre de neurones peut faire beaucoup plus parce qu'il est mieux organisé. Donc tout l'enjeu de l'intelligence collective, ça va être comment est-ce qu'on prend un grand nombre de cerveaux et comment est-ce qu'on les organise avec des règles, avec des algorithmes, avec des incitations, avec des tas de choses, pour que ce nombre livre de l'intelligence.

Bruno:
Ce qui est intéressant, c'est que tu évoques effectivement cette différence de structure entre le cerveau de la termite et le cerveau de l'humain. Et qu'effectivement, on a l'impression qu'un humain arrive à faire plus de choses que ce que fait un million de termites. Et ce que ça veut dire que... Attends, j'essaie de former ma question en même temps, mais c'est que si on met un million d'humains qui travaillent ensemble et qu'on leur applique les mêmes règles que celles qui appliquent les termites, est-ce que du coup, on peut avoir le même ratio ? C'est-à-dire, comme tu le disais, une thermite seule ne fait pas grand-chose, mais un million de thermites fait quand même quelque chose d'assez phénoménal. Est-ce que ça veut dire que si on avait un million d'humains qui fonctionnaient comme un million de thermites, on aurait le même gain de proportion ? Ou est-ce que notre structure de cerveau étant différente, il faut qu'on ait mathématiquement des règles aussi différentes du fonctionnement de cette collectivité ?

Emile:
On a des motivations très différentes de thermites. Si tu essaies de traiter, par exemple, les Français comme des thermites, tu vas avoir beaucoup de mal. Ça va partir dans tous les sens. Non, donc il faut des règles. Les règles doivent être appliquées, elles doivent être pertinentes au type de cognition auquel tu t'adresses. Par exemple, les humains, on peut les manipuler avec des incitations, par exemple monétaires. Tu n'as pas envie de faire un truc, mais si je te paye suffisamment cher, tu vas le faire. Si, tu m'avais dit, viens à Boulogne en pleine canicule, il faut monter au sixième étage, il n'y a pas d'ascenseur, mais je te paye 5000 euros, je serais venu. Tout a un prix. Je serais peut-être venu pour moins d'ailleurs aussi. Mais les humains, tu peux les manipuler comme ça, les termites, tu vas avoir du mal. Les thermites, il va falloir mettre une phéromone à droite à gauche, ça va pouvoir les faire bouger. Nous aussi d'ailleurs, on est sensibles aux phéromones, mais bon, ça c'est une autre histoire. Mais le nombre va être important aussi. Et alors, par exemple, tu parlais de l'histoire de Galton, pour démarrer, là, avec le bœuf, et les gens qui devinent, donc il y avait dans l'expérience de Galton. Dans l'observation que Galton a fait de ce concours d'estimation du poids du boeuf, il y avait 787 tickets sur lesquels il y avait des estimations individuelles. Donc 787 personnes qui ont participé. Et, ce que j'ai fait dans mon bouquin, c'est que j'ai repris les données de Galton, les 787 tickets qu'il décrit dans son article, et je me suis posé la question, et si on n'en prend que la moitié, au hasard, on prend la moitié des tickets seulement, est-ce qu'on obtient un taux d'erreur similaire à celui qu'on a quand on a presque 800 tickets ? Est-ce que 400 tickets, c'est aussi bien que 800 tickets ? Et si c'est moins bien, de combien c'est moins bien, etc. Donc en fait, comment évolue l'erreur de l'estimation collective d'après le nombre de gens dont tu prends l'estimation individuelle. Donc suivant la taille de la foule, est-ce que la foule se trompe plus ou pas ? Et là, on peut observer trois choses. D'abord que. Quand tu prends une foule, en général, tout le monde se trompe. Il y en a qui se trompent beaucoup, il y en a qui se trompent un peu seulement, mais tout le monde se trompe et en moyenne, tu peux calculer la moyenne de l'erreur de chacun et ça va te donner, dans le cas de Galton, c'était environ 4,5% d'erreur, en moyenne pour les individus qui ont participé. Si tu prends l'erreur de la foule entière, c'est-à-dire l'erreur de la moyenne des estimations, c'était à peu près 0. C'était un chouïa au-dessus de 0% d'erreur. Comme tu dis, ça se jouait à 2 kg, 3 kg. Donc là, il y a une sorte de miracle. Tout le monde se trompe et tous ensemble, ils ne se trompent pas. Ça, tu l'avais déjà mentionné. Mais la deuxième chose intéressante, c'est que plus tu augmentes la taille de la foule, et plus l'erreur diminue. Plus l'erreur de la foule, l'erreur moyenne diminue. Et elle diminue, c'est la troisième chose intéressante, d'une façon qui s'appelle, techniquement le rendement des croissants. Tu vois ce que c'est ? C'est le long tail en fait, on appelle ça aussi. C'est-à-dire que quand tu passes de... Tu vois, mon estimation tout seul, ça va être assez grosse. Si jamais je combine mon estimation à la tienne, maintenant on est deux, je vais diminuer tout de suite énormément l'erreur. Si on passe à 3, ça va encore diminuer l'erreur, mais un peu moins qu'en passant de 1 à 2. Une fois qu'on est 10, ça ne sert pas à grand chose d'être 11.

Bruno:
Le rendement des croissants, c'est un truc qu'on connaît bien dans le monde de la tech, parce qu'on sait que, deux développeurs vont être effectivement plus efficaces qu'un seul développeur, mais qu'à mesure que tu fais grandir l'équipe, chaque personne que tu ajoutes, ne va pas rajouter à chaque fois, le même gain de productivité, parce que tu rajoutes, dans le cas du travail, c'est que tu rajoutes tout un cycle de communication, de partage d'informations, qui fait que chacun est moins productif sur sa tâche en tant que telle. Mais c'est ce qu'on retrouve, c'est un peu du coup une courbe en logarithme au final Exactement.

Emile:
Donc suivante c'est une erreur donc ça va être un truc qui va baisser mais effectivement c'est du logarithme, et indépendamment du manque de productivité parce que dans l'expérience de Galton il n'y a pas d'histoire de productivité chacun contribue son estimation ensuite on fait juste la moyenne, mais tu as quand même cette réduction du bénéfice que tu obtiens avec chaque nouvelle personne que tu ajoutes. Alors évidemment, que tu passes de 1 à 10, tu diminues l'erreur par 3, dans le cas de Galton. Quand tu passes de 10 à 100, tu rediminues l'erreur par 3. Mais bon, si tu passes de 10 à 15, ça ne sert pas à grand-chose. Donc voilà pour la réponse à la question que j'ai oubliée.

Bruno:
Mais est-ce que du coup, le collectif... Est-ce que du coup, c'est-à-dire que collectivement, on aura toujours forcément raison quelle que soit au final la tâche, et ce qui est demandé qu'en fait il suffit de mettre plus de monde et il y a un moment forcément le collectif aura raison.

Emile:
Non alors dans le cas par exemple d'un marché prédictif ou d'un truc comme Galton, tout le monde va faire des erreurs et plus tu multiplies le nombre de gens, en fait la raison pour laquelle ça marche c'est un truc mathématique du coup ça s'appelle le théorème de la diversité, Et c'est une équation d'algèbre niveau seconde, assez simple, mais très vraie, assez jolie d'ailleurs, qui te dit que l'erreur d'un groupe, c'est-à-dire l'erreur entre l'estimation collective et la vérité, est égale à l'erreur individuelle de chacun dans le groupe, la moyenne des erreurs individuelles de chacun dans le groupe. La diversité des opinions dans le groupe. La diversité des opinions, c'est en gros une mesure de l'écart-type. À quel point les opinions individuelles s'écartent de la moyenne du groupe. Et donc ce qui est intéressant là, c'est que, si je le répète, sans parler d'erreur, mais j'ai parlé de performance, parce que c'est plus simple, La performance du groupe est égale à la somme, de la performance individuelle moyenne et de divergence d'opinion. Ça veut dire que plus tu augmentes la performance individuelle moyenne, c'est-à-dire plus tu as des gens performants ou experts dans ton groupe pour faire des estimations ou pour résoudre un problème, plus, évidemment, le groupe va être bon pour résoudre le problème collectivement. Ça, c'est normal, c'est totalement évident, c'est pas tellement intéressant. En revanche, ce qui est intéressant, c'est que plus tu augmentes les divergences d'opinion et plus tu as de chances d'augmenter la performance du groupe aussi, puisque c'est additif.

Bruno:
Donc ça veut dire qu'une entreprise qui décide de recruter que des gens, parce qu'il y a des entreprises qui ne recrutent que des gens sortis de grandes écoles par exemple, qui prend le top 5 des écoles et qui ne recrutent que là-dedans c'est-à-dire qu'au final si ces écoles n'ont pas suffisamment de diversité on se retrouve avec des gens qui sont relativement homogènes en termes de matière de pensée, et donc les équipes seront moins productives que des équipes qui vont recruter de manière un peu plus, un peu plus variée exactement Exactement.

Emile:
C'est tout l'enjeu dans les RH, c'est justement de maximiser de façon optimale cette diversité, c'est-à-dire de bien combiner à la fois l'expertise individuelle et la diversité d'opinion. Sachant que les deux, dans l'équation, on le voit bien, performance égale expertise plus diversité. C'est ça l'équation, performance égale expertise plus diversité. Ça veut dire que si tu as moins d'expertise, tu peux compenser par plus de diversité. Par exemple, dans le cas de Galton, tu avais 800 personnes qui n'étaient pas tous des éleveurs professionnels ni des bouchers professionnels. Et ils devaient faire une estimation assez technique finalement, puisque ce n'était pas l'estimation du poids de l'animal, mais du poids de la viande qu'on allait extraire de l'animal. Et donc évidemment que c'était quand même assez technique. Donc à moins d'être un boucher pro ou éleveur pro, si tu es juste un mec qui va au salon de l'agriculture, je veux dire, tu ne sais pas ça. Tu t'intéresses aux vaches, tu as une vague idée, mais tu ne sais pas. Et donc, il remplace le manque d'expertise dans la foule par une plus grande foule avec une plus grande diversité d'opinions. Et ça, on peut l'observer chez Galton, mais on l'observe partout aussi. On l'observe en géopolitique, on l'observe sur toutes sortes de sujets, quand on fait des prévisions sur quoi que ce soit, on voit ça à chaque fois. Pourquoi ça marche ? Parce que, comme on l'a dit, chacun va faire des erreurs. Mais plus on est nombreux dans la foule, et plus il y a de chances que l'erreur que je fais, moi, va être compensée par l'erreur inverse de quelqu'un d'autre dans la foule. C'est-à-dire que moi, je vais faire une sous-estimation du poids de l'animal, par exemple, et quelqu'un d'autre va faire une surestimation inverse de la même quantité du poids de l'animal. Et quand on prend la moyenne de lui et moi, on va tomber exactement sur le bon poids de l'animal. Donc c'est là où. L'information présente dans les estimations de chacun va se combiner parce que l'information est cumulative. Tandis que le bruit, c'est-à-dire le taux d'erreur, la surestimation, la sous-estimation, elle est décorrélée et donc du coup ça va s'annuler. C'est un peu comme les casques sans bruit. Comment est-ce que tu obtiens de ne pas avoir de bruit dans le casque ? C'est qu'il y a du bruit ambiant et le casque calcule quelle est l'onde inverse qu'il doit t'envoyer dans les oreilles pour faire exactement le bruit inverse du bruit ambiant et ce qui fait que quand tu combines les deux, tu as zéro bruit. Donc là, c'est la même chose. On utilise la bêtise des autres pour annuler sa bêtise à soi. Et c'est comme ça que l'intelligence collective fonctionne, en fait.

Bruno:
Alors, parce que du coup, tu évoquais effectivement tout à l'heure que l'expertise, la productivité, tu dis que c'était additionné par la diversité. Si on reprend cette expérience de Galton, du coup, j'ai envie d'essayer, d'avoir une idée de l'impact de la diversité versus de l'expertise. Si on reprend cette expérience de Galton, c'est quoi le ratio ? Est-ce que si je prends les 20 bouchers experts et que je fais leur moyenne, eux, ils sont quasiment proches du résultat ? Est-ce que pour compenser ça, il me faut, je ne sais pas, 400 personnes qui ne sont pas du tout du métier pour réussir à retrouver le même nombre ? C'est quoi le ratio entre la collectivité de l'expertise versus la diversité du collectif ?

Emile:
Très bonne question. Alors d'abord, c'est cette interchangeabilité entre diversité et expertise, on la retrouve partout. Dans toutes les tâches où on peut appliquer du collectif, ça se retrouve toujours. Que ce soit reconnaître une empreinte digitale, ou estimer le poids du bœuf, ou faire une prévision géopolitique. Dans tous les cas, ça se retrouve. Et ce ratio que tu cherches entre diversité et expertise, lui en revanche il va dépendre de la tâche. Donc, dans le cas de Galton, je ne sais pas, personne n'a fait l'expérience. En revanche, l'expérience a été faite dans d'autres sujets, par exemple, deviner le résultat d'un procès. Estimer quel va être le résultat d'un procès, combien d'argent est-ce que le gagnant du procès va gagner, etc. Donc là, tu as deux types de personnes qui peuvent intervenir, un peu comme dans Dougalton. Tu as l'expert qui est un avocat qui fait ce genre de choses depuis 20 ans. 20 ans d'expérience à essayer de savoir est-ce qu'on fait le procès ou est-ce qu'on essaye de se mettre d'accord avant, etc. Et ça, ça se base sur des estimations du quel serait le résultat du procès. Donc les mecs sont très forts pour ça. Et puis tu as des étudiants en droit qui sont encore à l'école, à l'université. Par exemple à Stanford, où l'expérience a été faite, donc des gens très brillants, mais qui n'ont pas d'expérience professionnelle particulièrement dans le domaine. Et donc, qu'est-ce qu'on fait ? On lit aux experts ou aux étudiants un cas de procès dont on connaît déjà le résultat, mais eux ne le connaissent pas, et on leur demande d'estimer le résultat, et ensuite on regarde qui fait des erreurs, combien, etc. Et là, on voit qu'un expert, ça fait une erreur moitié moindre de celle de l'amateur, du novice. Donc évidemment que l'expertise, ça compte beaucoup. Tu fais deux fois plus d'erreurs quand tu es un novice que quand tu es un expert. En revanche, la loi du nombre s'applique, et pareil, de façon décroissante, et donc deux novices, ça fait mieux, trois novices, ça fait encore mieux, quatre novices, etc. Quatorze novices, ça fait aussi bien qu'un expert, dans ce cas-là. Donc on n'est pas au 20, là, tu avais 20 en tête, mais c'est pas loin, c'est 14, c'est une douzaine, entre 12 et 15, tu obtiens un niveau d'expert. Et si tu continues, tu t'en prends plus, 16, 18, 25, 30, tu fais mieux que l'expert. Et ça coûte peut-être moins cher aussi de prendre 40 étudiants que de prendre un expert. Donc parfois ça peut être utile. En revanche, ça ne veut pas dire que les experts sont inutiles. Puisque si l'expert appelait un collègue en disant « Toi aussi tu es expert, c'est quoi ton opinion ? » Et on va combiner nos opinions, toi et moi. À ce moment-là, il va lui-même diminuer son erreur. Parce que maintenant, ils vont être deux, ils vont se compenser, ça va être mieux, etc. Et s'ils sont trois, s'ils sont quatre, etc. Mais il suffit de deux experts maintenant pour qu'au lieu de 14 étudiants pour faire aussi bien, il en faut maintenant 42.

Bruno:
Oui, parce que c'est décroissant en fait.

Emile:
Voilà, donc 14 étudiants pour un expert, 42 étudiants pour deux experts. Mais c'est la même courbe, simplement elle part d'un peu plus bas. Et dans chaque tâche, le ratio va être un peu différent.

Bruno:
Hyper intéressant. Tu t'évoquais tout à l'heure que quand on parle des termites versus les humains, que les termites n'ont pas les mêmes motivations que les humains. Mais dans cette prise de décision, les humains, on a aussi un ensemble de biais, de sélection. C'est-à-dire qu'il y a des arguments d'autorité, il y a des gens qui peuvent paraître... L'expert peut être plus écouté alors que potentiellement, ils peuvent faire des erreurs aussi. Tu as évoqué tout à l'heure quand tu parlais du ratio, tu as évoqué le chiffre 12 et donc forcément, moi ça me fait penser à ce très bon film que je recommande à tout le monde qui s'appelle 12 hommes en colère où on voit, pour ceux qui ne l'ont pas vu c'est 12 personnes qui sont jurées dans un procès aux Etats-Unis et qui doivent se mettre d'accord sur la sentence effectivement à appliquer et puis il y a une personne qui n'est pas d'accord et puis petit à petit il y a des avis, qui changent, il y a des gens qui sont écoutés d'autres qui sont moins écoutés, comment est-ce que tous ces tu vois, est-ce qu'en fait quand je parle de diversité, en fait il faut garder tous ces biais de sélection et de décision, qu'ont les humains ou quand tu parlais de ces règles-là des règles de travail collectif, c'est justement dans le but d'effacer au maximum ces biais de sélection qu'il peut y avoir dans les cerveaux individuels.

Emile:
Oui, alors le cas de 12 hommes en colère est très intéressant, j'ai dû voir cinq fois ce film, un truc comme ça. C'est un must-see absolu. Et je pense que ça démontre exactement ce que je disais sur la nécessité des règles pour extraire l'intelligence du groupe plutôt que de le laisser à lui-même. C'est-à-dire que quelles sont les règles dans le cas du jury ? Au départ, ils sont 11 sur 12 d'accord que. L'inculpé est coupable. Et puis il y en a un qui dit « mais attendez, il faut qu'on réfléchisse ». Et puis, petit à petit, il retourne jusqu'à ce que les 12 se sont d'accord que le type n'est pas coupable. Ou qu'il y a suffisamment de doutes pour ne pas l'envoyer à l'échafaud tout de suite. Alors, où est la règle dans l'affaire ? C'est la règle du jury qui est, dans ce cas-là, l'unanimité. C'est-à-dire que même si 11 personnes sur 12 allaient dans un sens, par conformité, par facilité, par manque de réflexion, par toutes sortes de choses. La règle était que s'il n'y a pas l'unanimité, il n'y a pas de jugement. Et donc ça, ça ouvre un espace où la réflexion peut s'installer, puisqu'il y a une sorte de résistance à l'effet de conformité immédiat et très naturel. Au départ, les gens se disent, les six premiers ont dit que le type était coupable, et donc ça ne sert à rien que je m'inscrive contre, et puis comme ça on sort plus vite, et puis il fait un peu chaud dans la pièce, et autant finir. Donc je vais être d'accord avec eux, si ça se trouve, ils ont plus réfléchi que moi, donc je vais m'aligner avec eux, et puis en plus, ils sont un peu comme moi, donc je vais m'aligner. Donc la règle va faire toute la différence, on retrouve le propos dont je parlais au début. Mais ça soulève un autre truc intéressant qui est le rôle de la conformité et de la ressemblance dans la réflexion collective. Il y a une expérience très intéressante qui a été faite sur la diversité non pas cognitive, mais la diversité ethnique et son rôle dans l'intelligence collective. Après tout, on a tous les cerveaux de la même couleur. Donc quand on pose une tâche intellectuelle à un groupe de gens, et qu'on veut voir si collectivement ils sont bons dans la tâche, la couleur de la peau ne devrait avoir aucun effet. C'est la couleur du cerveau qui devrait compter dans une tâche purement intellectuelle. Donc prenons une tâche purement intellectuelle, où cette expérience a été faite, à la fois en Asie, avec différentes ethnies, je crois que c'était des Malais, des Indiens et des Chinois. Et puis aussi en Amérique du Nord avec des Noirs, des Blancs et des Latinos au Texas. Donc trois ethnies en Asie ou en Amérique du Nord et les gens arrivent dans une pièce et ils vont devoir participer à un exercice de trading en ligne, ils prétendent que vous êtes un trader à Wall Street vous avez une console de trading on vous a expliqué comment ça marchait etc on vous décrit une société, réel mais anonyme et on vous demande ensuite de faire du trading les uns contre les autres comme sur un marché simulé, de bourse simulée et on regarde une fois que le prix s'est stabilisé. Est-ce que le prix collectif donc le prix du marché qui est le consensus du groupe correspond bien au prix réel de la réelle société dans la bourse réelle. Donc à quel point ce groupe de traders a été capable d'identifier la véritable valeur de cette société. Donc là on est très très très loin de quelque chose où l'ethnie devra avoir quelque impact. Sauf que tu arrives dans la pièce et tu vois avec qui tu vas trader. Donc tu vois s'il n'y a que des Blancs, comme toi et moi, ou s'il y a deux Blancs, il y a deux Noirs, il y a deux Latinos. Ou alors il y a deux Chinois, deux Malais, etc. Donc tu vois si tu es en présence de gens différents de toi ou des gens tous comme toi. Et le résultat de ça, c'est que les groupes ethniquement divers ont une performance bien meilleure à la bourse que les groupes ethniquement homogènes. Ce qui est extrêmement curieux, donc je te pose la question, tu as une idée pourquoi ?

Bruno:
J'imagine qu'il y a un biais qui est lié peut-être à la notion d'écoute. C'est peut-être une perception de la différence de l'autre et que comme on se dit que les autres sont plus différents, on exprime peut-être plus facilement des opinions différentes, alors que sur un groupe qui nous semble être comme nous, on a moins envie de ne pas être d'accord avec le groupe qui est comme nous, c'est ça ?

Emile:
C'est quelque chose comme ça, mais encore plus simple. C'est qu'un groupe de gens qui te ressemblent, naturellement, et c'est assez malin d'ailleurs, tu vas dire, ok, ils sont comme moi, donc ils réfléchissent comme moi, donc je peux utiliser mon cerveau pour faire autre chose, ou ne pas l'utiliser du tout, comme ça, ça conserve de l'énergie.

Bruno:
D'accord.

Emile:
Ça, c'est le biais ancestral, primitif qu'on a tous dans notre ADN. Pourquoi ? Parce que quand on était en groupe dans la savane, ceux qui sont sortis du groupe. Parce qu'ils ne voulaient pas se conformer sur vos décisions du groupe d'aller à gauche ou à droite, je ne sais pas quoi, d'aller chasser dans ce coin-là ou dans un autre, ceux qui sont sortis du groupe, ils ne sont pas revenus. Ils sont faits bouffer. Ils ne sont pas reproduits. Et donc nous, toi et moi, et tous les autres, on est tous des descendants de ceux qui sont restés dans le groupe. Donc ceux qui ont ce biais cognitif de justement ne pas trop exprimer leurs différences tant qu'ils sont dans un groupe qui est le leur. En revanche, quand tu croises un autre groupe de gens qui ne sont pas comme toi, tu as intérêt à te méfier. Et tu n'as surtout pas intérêt à croire ce qu'ils te disent de faire. Parce que ça pourrait être super dangereux. Et donc ceux-là, non plus, ils n'ont pas beaucoup survécu, etc. Ceux qui croyaient les gens différents et qui ont fait ce qu'on leur disait de faire, alors que les gens n'étaient pas forcément bien intentionnés, parce que pas du même groupe. Et donc du coup, on a dans notre ADN ce biais de conformisme énorme, et quand on se retrouve au milieu de gens qui ne nous ressemblent pas, instinctivement, sans même nous en rendre compte, on commence à réfléchir pour nous-mêmes, de façon plus indépendante, en faisant moins confiance aux autres. Et les groupes qui fonctionnent les mieux, ce sont les groupes où chacun réfléchit de façon indépendante.

Bruno:
Parce que sinon c'est là où il faut utiliser les 80 milliards de neurones qu'on a et pas se dire en fait je peux en utiliser que la moitié parce qu'en fait je considère que le groupe va faire le reste.

Emile:
Voilà mais on a tous fait cette bêtise là de suivre le groupe en pensant que les autres savent parce qu'après tout c'est notre groupe, c'est nos copains, c'est notre je sais pas notre groupe scolaire Moi ça m'arrive régulièrement de continuer à faire cette bêtise là, c'est tellement naturel. On est ensemble, on a l'impression que les autres ont réfléchi déjà et donc c'est pas la peine qu'on réfléchisse aussi. En fait les autres n'avaient pas réfléchi non plus et on finit dans le mur.

Bruno:
D'accord. Donc scientifiquement, on peut démontrer que la diversité, même la diversité ethnique, est meilleure pour un groupe, parce qu'en fait, chaque individu va se donner beaucoup plus dans une tâche que s'il était avec que des gens comme lui.

Emile:
Voilà, c'est une incitation implicite. C'est ce qu'on appelle aujourd'hui, t'équipement, un nudge. C'est-à-dire une incitation, tu t'en rends même pas compte. Mais on te met au lieu de gens qui sont différents. Alors ce n'est pas forcément ethniquement différent, c'est tout ce qui est visuellement différent. Donc ça peut être des jeunes et des vieux. Un vieux qui se retrouve au milieu de jeunes, il va réfléchir de façon différente que s'il est au milieu d'autres vieux. Même chose pour les hommes et les femmes. Donc ça peut être générationnel, ça peut être genre, ça peut être stylé. Tu es au milieu de gens très élégants et toi tu as tendance à ne pas l'être, tu vas te méfier. Et inversement. Donc tout ce qui exprime visuellement la différence va nous, inciter notre cerveau à penser pour.

Bruno:
Lui-même c'est très intéressant du coup aussi ce rapprochement d'où ça vient empiriquement dans ce contexte d'évolution naturelle, qu'en fait c'est effectivement comme tu disais ceux qui ont divergé du groupe ne sont pas revenus et donc n'ont pas pu propager, cette propension là, hyper intéressant, on a malgré tout, on a des entreprises aujourd'hui que ce soit un peu partout dans le monde qui sont forcément on a plusieurs centaines, plusieurs milliers de personnes donc forcément des gens très différents, mais on voit malgré tout parfois des mauvaises décisions qui sont prises ou des réunions qui semblent interminables avec un collectif qui va dans le mur et puis il y a forcément quelqu'un qui se dit mais on va dans le mur et personne ne le voit, comment ça se fait qu'on a des entreprises comme ça qui n'arrivent pas à fonctionner C'est qu'il y a des règles qui ne sont pas bien établies ou est-ce que c'est qu'il y a certaines tâches où en fait le collectif, n'a pas d'avantage par rapport à l'individu ?

Emile:
Il y a des tâches où le collectif n'a pas d'avantages par rapport à l'individu, ça c'est clair. Ensuite il y a une question aussi de temps, le collectif ça met du temps souvent à se mettre en place. Si tu veux par exemple faire un brainstorming à grande échelle tu as besoin de recruter de laisser le temps aux gens de participer, alors que tu peux faire un brainstorming tout seul dans ta douche ça ira beaucoup plus vite ça sera moins efficace en termes de résultats moins créatif, mais ça peut être beaucoup plus rapide ça dépend des contraintes de la tâche tu as des tâches qui se prêtent au parallélisme comme par exemple l'histoire de l'estimation dans le cas de Galton ou du nôtre, ou du trading sur un marché, etc., tout le monde peut participer en parallèle. Tandis que tu as d'autres tâches qui sont plus séquentielles, où pour construire une maison, ça ne sert à rien que l'architecte d'intérieur, commence son boulot avant que le maçon ait mis les murs. Donc il y a forcément des trucs un peu séquentiels, etc. Donc le collectif s'applique plus ou moins bien suivant la tâche. Mais j'ai oublié ta question.

Bruno:
En entreprise, comment ça se fait que parfois on a des mauvaises décisions collectives ?

Emile:
Parce qu'on n'a pas mis en place les processus qu'il faut, par exemple, pour bien gérer la réunion. Typiquement, l'erreur qu'on fait quand on rentre dans une réunion, c'est qu'on n'a pas en tête le théorème de la diversité. Donc il y a deux types de réunions pour toi et moi, ou ceux qui nous écoutent. Il y a les réunions où tu es l'expert, et dès que quelqu'un d'autre parle, tu as tendance à lever les yeux au ciel en disant, qu'est-ce qu'on perd comme temps, ça dure longtemps, cette réunion ne sert à rien, pourquoi est-ce qu'il parle, lui, c'est un petit nouveau, etc. Et puis tu as les réunions et là le théorème de la diversité te dit attends, l'expertise c'est très bien mais la diversité ça compte aussi pour le groupe, peut-être pas pour toi peut-être que toi ça t'emmerde de passer 10 minutes à écouter ce que quelqu'un d'autre moins expert que toi va raconter mais ça va quand même probablement contribuer à l'intelligence du groupe à la fin à la décision intelligente du groupe à la fin, que si on n'écoute que toi, l'expert. Donc ça, c'est la première chose. Donc un peu de modestie par rapport à laisser les autres parler. Et deuxièmement, le deuxième type de réunion, c'est celle où c'est toi, le petit nouveau ou l'imposteur, celui qui s'y connaît moins que les autres, et tu as tendance à fermer ta gueule. En disant, oh là là, j'attends que ça passe. Et j'espère qu'on ne va pas me demander ce que je pense. Et donc là, il faut aussi se souvenir de théorème de la diversité qui dit qu'il faut prendre ton courage à deux mains. Et si tu penses quelque chose, si tu te dis que le groupe est en train de faire une bêtise, qu'ils ont oublié de considérer quelque chose que toi tu as vu, que tu connais, tu as beau pas être expert, il y a une raison pour laquelle tu es dans la réunion, c'est que tu as peut-être quelque chose à contribuer. Prendre son courage à deux mains, ne pas avoir trop peur d'avoir l'air idiot. Et dire ce qu'on pense à partir du moment où ça n'a pas déjà été dit. Parce que ça va aider le groupe. Alors évidemment, pour que ça, ça fonctionne, il faut que soient mises en place les règles du jeu qui font que les experts ne s'expriment pas forcément en premier. Parce qu'à partir du moment où l'expert, le boss, où la figure d'autorité s'exprime en premier, les motivations pour que les autres ne soient pas d'accord diminuent largement. Et donc ils ont beau penser différemment, ce qui est le but dans une réunion, il faut avoir des gens qui pensent différemment, sinon ça ne sert à rien, autant être tout seul. Mais il faut aussi que les règles soient mises en place pour que cette différence de pensée, de réflexion, de point de vue soit encouragée à s'exprimer. Et souvent elle n'est pas encouragée à s'exprimer. Et puis souvent on rentre dans la pièce en se disant il faut qu'on sorte de là avec un consensus où tout le monde est d'accord. Un peu comme le jury. Sauf que ça, souvent, c'est une règle qui va... La règle de... On cherche absolument le consensus. Ça va tuer la divergence dans l'œuf au départ. C'est-à-dire qu'on rentre là en se disant, « Oh là, mais si je pense un truc un peu différent, j'ai intérêt à ne pas le dire, parce que sinon, ça va faire comme si on n'avait pas de consensus, et du coup, la réunion va encore durer des heures. » Donc, il faut au contraire mettre en place les règles en disant, « Il faut qu'on diverge. On est là pour diverger. on est là pour avoir toutes les idées. Et à la fin, en revanche, une fois qu'on a tous divergé, il faut qu'on ait une façon, non pas d'avoir un consensus, mais d'avoir une décision. Ce n'est pas la même chose. Pense à une élection, par exemple. L'élection présidentielle qu'on va avoir. Le but, ce n'est pas qu'on soit tous d'accord sur qui doit être élu. Le but, c'est qu'au contraire, on diverge un maximum pendant la campagne, mais on n'est d'accord que sur un seul truc. C'est que celui qui a la majorité à la fin, il gagne. Donc on va prendre la décision à la majorité, malgré nos différences. Mais le but de la campagne, c'est que toutes les différences, au contraire, soient mises sur la table. Les réunions devraient être conduites comme ça, avec l'idée que les différences doivent être encouragées à s'exprimer, mais qu'à la fin, il y a un processus de consolidation de toutes les infos qui va faire qu'on arrive à une décision, pas un consensus, mais une décision. Alors ça peut être, dans le cadre d'une élection, un vote majoritaire, ça peut être dans le cadre d'une estimation du style Galton de prendre la moyenne, c'est ça qui va en gros combiner toutes les divergences en un seul décision. Et puis dans le cadre d'une prévision sur ce qui pourrait se passer des Trois-Dormus ou ailleurs l'élection l'année prochaine ça serait par exemple de faire du pari on fait un pari en ligne, les gens expriment leurs différences en pariant les uns contre les autres, et ça marche très bien dans tous les cas.

Bruno:
Hyper intéressant est-ce que forcément tu as évoqué tout à l'heure tu avais quand même travaillé sur des sujets d'IA depuis un petit moment, ce qu'on constate depuis quelques années ce qu'on a vu sur l'explosion des LLM, c'est qu'il y a eu cette constatation que plus on mettait de neurones dans nos réseaux de neurones en gros plus on jetait, de matière dans ses cerveaux artificiels, plus on arrivait à avoir des résultats qui étaient bluffants, est-ce qu'au final c'est un peu la même chose est-ce qu'il y a un moment où on va plafonner à arriver à des réseaux de neurones où chaque neurone qu'on ajoute n'ajoute pas grand-chose au total ? Ou est-ce que c'est des mécaniques qui sont extrêmement différentes ? Est-ce que la manière de fonctionner d'un réseau de neurones est plus proche d'un cerveau individuel ou d'une intelligence collective, d'après toi ?

Emile:
Alors d'après moi, j'ai un chapitre là-dessus dans le bouquin, c'est toute forme d'intelligence de haut niveau comme ça est collective. Donc si tu regardes les IA qui fonctionnent les mieux aujourd'hui, en fait il y a du collectif à tous les étages. D'abord il y a du collectif dans la structure même de l'algorithme qui est distribué sur des milliards et des milliards de neurones différents, qui communiquent les uns avec les autres, en différentes couches, etc. Donc on est dans du collectif stochastique. Et puis, il y a aussi le fait que, ces réseaux-là, il faut les alimenter. Et on les alimente avec quoi, pour qu'ils soient intelligents, notamment les LLM ? On les alimente avec tout ce que les humains ont généré comme idées, comme phrases, comme textes, comme dessins, comme je ne sais quoi, etc. Tout ce qu'on a produit, nous, avec toutes les divergences possibles et façons de considérer le monde différentes est toujours erronée, d'ailleurs toujours imparfaite. Mais quand on combine tout ça et on donne toute l'intelligence collective humaine, à digérer par le réseau, à ce moment-là, on obtient un réseau extrêmement efficace. Donc qu'est-ce que fait le réseau, en fait ? Le réseau, il fait la même chose que l'algorithme qui prend la moyenne, ou la même chose que le marché qui matche l'acheteur et le vendeur, ou la même chose que le vote majoritaire, c'est-à-dire qu'il consolide toutes les différences qui ont été exprimées. Le réseau est l'agrégateur de l'intelligence collective, c'est-à-dire la dernière étape après qu'on a mis toutes les différences sur la table. En fait, il aspire tout ça et il le met dans ses poids à différents niveaux. Ensuite, tu fais allusion au fait que ça, c'est le premier niveau de collectif, c'est que ça prend toute l'intelligence collective humaine et ça le met en input. Ensuite, comment il va processer ça ? il y a par exemple cette histoire d'attention multi-head. Aujourd'hui, les réseaux de neurones considèrent l'input de plein de façons différentes, et chaque head dans le multi-head qui va regarder l'input, regarde l'input d'une façon différente. Et c'est parce qu'il y en a beaucoup de heads comme ça qui regardent de tête, littéralement, qui vont regarder l'input de plein de façons différentes, que le réseau, globalement, va généralement trouver la bonne solution. Quel est le bon mot qui doit suivre, etc. Et pouvoir générer quelque chose d'intelligent. Ensuite, il y a un troisième niveau où il y a aussi énormément de collectifs. C'est. Tu faisais allusion, au départ, plus on rajoute des neurones, en fait, plus on rajoute des couches. Le fameux deep learning. Moi, quand je faisais des réseaux de neurones dans les années 80, on faisait des réseaux à trois couches. On était super contents. Et ça prenait des 48 heures à entraîner un truc sur 100 inputs, mais on trouvait ça quand même génial. Et aujourd'hui tu as des réseaux qui font, je ne sais plus où on en est maintenant, mais on est dans des centaines de couches. Et ce qui est intéressant c'est qu'à un certain moment, on s'était rendu compte que ça ne servait à rien de rajouter plus de couches et même que la performance diminuait quand tu rajoutais trop de couches. Et ça, ça a été résolu avec l'invention des réseaux résiduels. Les réseaux résiduels, c'est une autre façon de connecter les couches entre elles, pour qu'il y ait des ponts, par exemple, qui peuvent sauter des couches et passer directement aux couches qui sont un ou deux ou trois après, etc. Et qui a permis, du coup, de construire des réseaux avec encore plus de couches qu'avant, du coup, des centaines de couches, mais sans que la performance diminue, au contraire, avec une performance qui augmente. Donc ça a relancé le deep learning. Plus on est deep, plus on est profond et plus on est intelligent. Mais là où c'est intéressant, c'est qu'il y a des mathématiciens, je ne sais plus si c'est à Princeton ou un truc comme ça, qui ont montré que formellement ce qui se passait, c'est qu'au lieu que le réseau de neurones ultra profond résiduel ne se comportent que comme un seul algorithme, comme une seule solution au problème qu'on lui présente. En fait, il se comportait comme si c'était une combinaison de plein de réseaux moins profonds qui travaillaient ensemble. Comme si l'espace de l'ensemble des couches qui avaient été créées pouvait plus ou moins être fragmenté ou redivisé, en interne de façon implicite en plusieurs réseaux plus petits, avec beaucoup moins de couches, qui collaboraient ensemble. Et d'ailleurs, quand tu supprimes des connexions dans ces énormes réseaux, tu invalides des couches entières, par exemple, et bien tu vas diminuer la performance du réseau sans l'invalider complètement, tu vas avoir une dégradation assez gracieuse au fur et à mesure que tu supprimes des couches tu vas avoir une dégradation de la performance mais tu ne vas pas passer de 0 à 1 ou de 1 à 0 tu vas passer de 1 à, 0.8 puis de 0.8 à 0.75, et jusqu'à ce que tu arrives à 0 et en fait tu retrouves la même courbe que celle de Galton quand tu réduis la taille de la foule.

Bruno:
Donc nos LLM, aujourd'hui, de manière, on ne va pas dire naturelle, mais de manière assez, empirique, sont devenus en fait un fonctionnement similaire à avoir plusieurs personnes dans une pièce qui travaillent de manière intelligente et collaborative, et donc une intelligence collective dans le LLM.

Emile:
D'ailleurs tu le vois bien quand tu promptes ton LLM d'une façon différente en disant tu es un expert en code ou tu es un expert comptable ou tu es un expert au jeu d'échec tu ne vas pas obtenir le même résultat, parce qu'en fait tu invoques à l'intérieur du réseau géant, différents sous-réseaux qui ont leur propre expertise sur le sujet.

Bruno:
Ok Au final, nos LLM, sont des personnalités multiples qu'on peut soit invoquer collectivement, soit individuellement. Bien sûr.

Emile:
Parce qu'elles intègrent tellement d'autres choses différentes. T'as tellement d'expériences. Ton expérience, mon expérience, intégrée dans un réseau, on a quelques points de commun. Mais tu ne réfléchis pas de la même façon que moi, etc.

Bruno:
Et donc, si on applique tout ce que tu nous as appris sur cet épisode ça veut dire en fait que si on rajoute, des couches des neurones, des connexions entre différentes couches qu'on ajoute en fait du collectif dans ces LLM, en fait il y a un moment on va juste plafonner, mais on va plafonner vers ce qui est à chaque fois la meilleure solution au final.

Emile:
Tu vas plafonner, ça dépend, parce que tu as une amélioration, qui continue tout le temps. Alors ça prend de plus en plus de gens en plus, ou de neurones en plus, etc., ou de couches en plus, pour obtenir la même performance que tu avais avant, ou la même amélioration. Comme on disait dans le cas de l'Alton t'as cette courbe où 10 personnes font 3 fois mieux que 1 personne et 100 personnes font 3 fois mieux que 10 donc t'as toujours, t'as cette amélioration qui évolue de façon comme ça avec rendement décroissant, mais tu vas toujours pouvoir améliorer jusqu'à ce que tu arrives à une sorte de frontière, naturelle qui est due à la tâche elle-même il y a un moment où la tâche elle-même t'empêche de progresser.

Bruno:
Oui, tu ne peux pas trouver une meilleure solution que la meilleure solution.

Emile:
Ben voilà. Donc alors tu as des tâches, et puis tu as des tâches où tu as aussi une frontière de complexité. Par exemple, dans la prévision, où là on a pas mal d'expérience depuis 25 ans, on se rend compte que les humains sont super bons collectivement pour identifier. Les probabilités réelles que les choses arrivent. Donc ils ne peuvent pas te dire le collectif ne va pas te dire ça, ça va arriver, ça, ça ne va pas arriver, mais le collectif des traders dans un marché prédictif peut te dire avec une très grande précision, il y a 25% de chances que ça arrive. Et si tu prends tous les événements, par exemple la centaine d'événements sur lesquels le collectif t'a dit il y a 25% de chances que ça arrive, tu verras qu'il y a 25% de ces événements qui arrivent. Et 75% qui n'arrivent pas. Et ça, c'est vrai à tous les niveaux de probabilité. La correspondance est juste dingue. C'est un peu comme le type dans la matrice à la fin, qui voit la matrice à la fin du film. C'est comme si le collectif pouvait voir le champ de probabilité de la réalité. Mais ça n'empêche pas qu'au bout d'un moment, si tu fais des prévisions à un mois, à deux mois, à trois mois, etc., c'est jouable, mais plus tu éloignes et plus ça devient difficile parce qu'il y a une sorte de frontière du chaos qui va faire qu'au bout d'un moment, la prévision devient tout simplement impossible parce que le monde est chaotique et tu ne peux pas aller plus loin, tu ne peux pas dépasser ça c'est comme la frontière du trou noir on ne peut pas voir ce qui se passe derrière donc dans chaque tâche tu risques d'avoir, quelque chose, une limite absolue comme ça ok.

Bruno:
Passionnant, merci beaucoup pour toute cette discussion qui était qui était hyper intéressante et hyper riche je pense qu'on a appris énormément de choses dans cette dans cet épisode j'aurais deux dernières questions pour toi qui sont les questions rituelles de ce podcast la première c'est est ce qu'il ya un contenu que tu souhaiterais partager avec l'ensemble des auditeuristes.

Emile:
Alors il ya évidemment mon livre qui est très bon que je recommande à.

Bruno:
Tout le.

Emile:
Monde super collectif qui était écrit en c'est marrant parce que c'était écrit il ya, maintenant il y a 6 ans, en 2018, et depuis il y a eu ChatGPT, il y a la LAM, et depuis il y a eu aussi Polymarket et compagnie, mais aucun de ces deux événements majeurs n'invalide ce qu'il y a dans le livre, au contraire, ça renforce tout le propos qui est dans le livre que l'intelligence est collective on voit ça avec Tchad GPT, il n'y a pas de meilleure, démonstration que l'intelligence artificielle et l'intelligence collective se rejoignent complètement. Et puis pour les marchés prédictifs, dont à l'époque j'étais le seul à parler pratiquement, on voit bien qu'aujourd'hui c'est devenu un phénomène social, notamment aux Etats-Unis. Mais je ne suis pas là que pour faire ma pub à moi, et donc, bien que ce soit important, parce que sinon, qui d'autre va le faire ? Mais il y a un deuxième livre qui m'a beaucoup impressionné, sur lequel je suis tombé il y a un mois, au hasard d'un aéroport, qui s'appelle, alors je ne pense pas qu'il soit publié en français, mais ce n'est pas grave, c'est donc en anglais, ça s'appelle Brief History of Intelligence. Écrit par un certain Max Bennett, 2N2T. Et ce qui est très intéressant dans ce livre, qui raconte comment l'intelligence s'est construite à partir des premières cellules et des premiers petits vers de terre, etc., jusqu'à nos cerveaux et jusqu'à nos LLM aujourd'hui, à travers 4 ou 5 breakthroughs technologiques, en fait. Ce qui est très intéressant c'est que ce livre a été écrit par quelqu'un qui n'est pas, un grand professeur dans une grande université, c'est même pas un petit professeur dans une grande université, c'est juste un type qui avait une start-up d'IA, qui s'est intéressé à l'intelligence qui n'a pas trouvé les informations qu'il cherchait dans les bouquins existants et qui s'est dit je vais interviewer tout le monde et je vais écrire le bouquin que j'aurais bien voulu lire, et le bouquin est génial.

Bruno:
Canon et bien en plus c'est parfaitement adapté à cette série parce que c'est aussi effectivement la démarche de cette série merci beaucoup et du coup la dernière question que je voudrais te poser qui est du coup une adaptation de la question rituelle du podcast c'est est-ce que tu es plutôt inné ou acquis ?

Emile:
Alors moi je suis je suis complètement les deux et je pense qu'on est tous complètement les deux on a des talents naturels si on les pratique pas on va pas les améliorer, si on les pratique on va pouvoir les affiner et les exploiter pleinement, je crois à deux choses une en particulier qui est no pain no gain no pain no gain ça veut dire quoi ? Ça veut dire que tu démarres on démarre tous avec une position de départ qui est très inférieure à celle qu'on peut atteindre si on se donne un peu de mal, donc jouer de nos de nos innés, pour acquérir tout ce qu'on peut être be what you can be comme on dit et bah top.

Bruno:
Merci beaucoup Emile pour tout ça, Merci à toi et merci à tous et à toutes d'avoir suivi cet épisode. On touche à la fin de cette série spéciale. Il reste encore un épisode la semaine prochaine. J'espère que vous passez de très bonnes vacances, que vous apprenez plein de choses. Je suis ravi de découvrir qu'on a une preuve scientifique du gain mesurable de la productivité qu'apporte la diversité au sein des équipes et même de la diversité ethnique. Vous le savez ce sont des sujets qui me tiennent à coeur sur FTTD, on en parle sur pas mal d'épisodes, donc c'est hyper agréable de savoir qu'il y a une preuve scientifique de ces éléments là, en tout cas l'intelligence collective elle est primordiale. Amy nous a donné les règles pour bien travailler en collectif et faire des réunions qui sont productives, donc n'hésitez pas à faire écouter cet épisode à tous vos collègues pour que vous puissiez tous travailler dans les meilleures conditions et de la meilleure façon, je vous remercie comme toujours de partager ce podcast autour de vous, je vous souhaite une très bonne fin de semaine Je vous dis à la semaine prochaine et d'ici là, codez bien !