I started on the web when it meant something else. When it was genuinely about access, the world at your fingertips, democratized knowledge, liberation from scarcity. I watched that turn into Web 2.0 (which sounded like an operating system upgrade and meant « now monetize your attention »). I saw a marketplace become a souk where every corner had someone grabbing your sleeve trying to sell you another thing.

Curiosity became narcissism. But here’s the cruel part: Narcissus at least loved himself. Web 2.0 narcissism turned inward into permanent comparison. You’re no longer admiring your reflection, you’re measuring it against ten thousand others. Happiness isn’t about self-love anymore. It’s about relative status. The emancipatory dream compressed into an infinite scroll of dissatisfaction.

I’ve never been afraid of innovation. Quite the opposite. I’m a compulsive early adopter. I’m in. First. Always. Because the only way to understand what a technology actually does is to live inside it before it hardens into common sense. So when AI arrived, I spent a few hours thinking: yet another shiny thing, let’s see where it bends.

Then I realized what was different. And it wasn’t what everyone was saying.

What Three Ruptures Taught Me

Over the past twenty-five years, I’ve navigated the web from an infrastructure perspective: Web 1.0 to mobile to social. I’ve watched the same narrative arc repeat itself. The pattern:

1. Arrival: A technology arrives with a radically optimistic story.
2. Middle: The infrastructure concentrates. Middlemen reappear. Asymmetries form.
3. Reality: Most people end up as consumers, not creators. Value moves to those who control the frame.

Web 1.0: « The internet is infinite and neutral, we can all participate equally, scarcity is dead. » What happened: infrastructure got gatekept, access became premium, most people became consumers.

Web 2.0: « Social networks democratize publishing, no middleman. » What happened: a few platforms own all distribution, social becomes extractive, your attention is the commodity.

AI (present moment): « The machine will do the thinking, human judgment becomes less necessary, barriers to entry collapse. » What’s actually happening: those without pattern recognition will trust the machine’s fluency. Those with pattern recognition will know exactly where it’s confident and wrong.

I’m not saying this to lecture. I’m saying this because I almost made the mistake when I first encountered AI. Spent a couple hours thinking it was just the next shiny thing, not recognizing the fundamental difference. It’ll take Gen Z longer to see it. Not because they’re less capable. Because they haven’t watched the cycle repeat.

That’s not a condemnation. That’s just pattern recognition, and pattern recognition only comes from pattern exposure.

The Data Confirms What Pattern Recognition Suggests

A Harvard Business School and BCG study examined 758 consultants working with AI. Here’s what they found:

Top performers (those with deep expertise) saw a 17% performance boost. Lower performers saw 43%. Both improved. But the shape matters: experience doesn’t disappear into the AI. It compresses.

When consultants with years of domain knowledge worked with AI, the machine didn’t replace their judgment. It externalized it. They could run scenarios faster, stress-test their thinking at scale, offload the execution while keeping their mind on the one question that matters: which answer actually solves this?

When the same consultants faced tasks outside AI’s capability frontier / work requiring navigation of real ambiguity / they performed worse if they blindly trusted the machine. Because they hadn’t yet learned what the machine couldn’t see.

Experience teaches you where the machine’s confidence is hollow. That’s not about age. It’s about repetition.

Gen Z + AI: Absence of Counterexample, Not Absence of Clairvoyance

Here’s what I observe, without judgment:

A 23-year-old encountering AI has no lived memory of a technology arriving as liberation and becoming capture. They have no internal reference for « this looks optimistic, but watch what happens. » They’re encountering this tool at the same time everyone else is discovering what it can do. No one has lived long enough with it to say with confidence: here’s the actual pattern.

So they experience it as pure novelty. Which means it can feel both unlimited and threatening at the same time. 52% of Gen Z workers worry about AI replacing them. That’s not stupidity. That’s rational anxiety in the face of unknown unknowns.

But they don’t have access to what someone with three tech ruptures has: the memory of being told « this technology will eliminate your value » and then discovering that only jobs that could be fully specified disappeared. The jobs that required human judgment got stronger.

They’ll learn that. They just have to live through it.

The data backs this: older workers who do use AI report improvements in work quality, pace, even enjoyment. Not because they’re smarter. But because they’ve already answered the question: « What happens when a tool becomes very good at surface-level work? » The answer: « The premium moves to framing and judgment. »

They just already knew that before the tool existed.

The Actual Distinction

There’s a split happening that has nothing to do with age and everything to do with how you relate to the machine.

You can use AI. Faster drafts. Quicker synthesis. Better articulation of half-baked ideas. Most people stay here. It’s real and valuable.

Or you can work with AI in a way that fundamentally changes what you’re capable of thinking. A partner isn’t a tool that executes specs. A partner is something you iterate with, something that lets you externalize half-formed thinking and watch what comes back. Partnership means you’re not delegating / you’re collaborating at a level where the machine’s response changes how you think.

The difference only becomes visible when you’ve spent enough time with complexity to know what good judgment feels like. When you can spot where the machine’s confident fluency masks actual shallowness. When you can sense whether you’ve redefined the work or just outsourced a step.

A consultant with fifteen years in a domain can do that on day one. A consultant with fifteen months has to learn it. Both can eventually get there. One just doesn’t have to reverse-engineer the lesson.

This is where the research points but doesn’t explicitly name: the value in an AI-augmented world isn’t computational speed. It’s the ability to set the frame.

And you can’t set the frame if you’re still learning what good framing looks like.

What Actually Changes

When value shifts from throughput to framing, everything reorganizes.

For decades, we measured knowledge work by time. More hours meant more value. This wasn’t always explicit, but it lived in how we billed, how we staffed, how we evaluated performance.

AI dismantles that frame. When a consultant can produce vastly more output in the same time, the measure of value shifts from throughput to judgment. Not « how much did you produce? » but « did you ask the question that changes everything? » Not « how fast did you move? » but « did you see the constraint nobody else noticed? »

Research from Generation shows that more than half of midcareer and older workers in the US, and two-thirds in Europe, who use AI regularly reported it improved their work quality and pace. They weren’t slowing down. They were sharpening. The machine handled elaboration. They preserved their mind for the thinking that matters.

This requires more than better tool use. It requires reimagining your workflow around what AI does best (elaboration, synthesis, scenario-running) while doubling down on what only you can do (framing, judgment, context integration).

The Asymmetry Worth Noting

Here’s where the hiring data gets interesting: 90% of hiring managers would consider candidates under 35 for AI roles. Only 32% would consider those over 60.

Yet among the small percentage of workers over 45 who do use AI, more than half report improvements in work quality and productivity. Some find it more enjoyable.

This suggests a fundamental misreading of what AI requires from its operators. The skills that matter aren’t:

/ Familiarity with tools (easily learned)
/ Speed of adoption (doesn’t predict output quality)
/ Comfort with novelty (valuable, but not primary)

The skills that matter are:

/ Knowing where the machine can be trusted
/ Recognizing when fluency masks shallowness
/ Holding multiple mental models simultaneously
/ Staying in tension with ambiguity instead of reaching for the machine’s certainty

That’s not a young person’s advantage. That’s a « I’ve built mental models complex enough to hold complexity » advantage.

What This Actually Means

If you’ve spent years building expertise in something genuinely complex (strategy, innovation, product design, any domain where judgment compounds), you’re not threatened by this moment. You’re positioned for a different kind of acceleration.

The move from « using AI » to « working with AI in a way that transforms what you can do » isn’t a technical question. It’s a strategic one. It requires asking: What would change about my work if I could think ten times faster and had a thinking partner who could externalize my half-formed ideas?

For most people, the answer is: everything.

But only if you can set the frame. Only if you can ask better questions. Only if you trust your judgment enough to know when to override the machine.

That’s not a boast. It’s a competency. And it’s the only thing that separates the people who will be amplified by AI from the people who will be commoditized by it.

The Unspoken Risk

Here’s what keeps me attentive: the biggest failure mode of AI-augmented work isn’t automation. It’s misplaced confidence.

Junior people, equipped with AI and lacking judgment about when to trust it, will confidently present analysis that looks rigorous but lacks the contextual depth to be safe. They’ll have no internal warning system for where the machine’s confident fluency is leading them.

Senior people will ask « wait, what about X? » and catch the flaw. Or they’ll know to reduce confidence when something feels familiar in ways the AI can’t see.

This isn’t about intelligence. It’s about having lived long enough with consequences to know what a false positive feels like.

The Real Inversion

The revolution didn’t favor the young this time. But it also didn’t favor the old.

It favored pattern recognition. It favored those who could see the cycle beneath the novelty. It favored those who could partner with a machine without being taken over by it.

And those people / the ones who’ve watched enough technology arrive and transform to see the topology of what’s happening / they’re going to reshape what « expertise » and « value » mean in an AI-augmented world.

Not because they’re smarter. But because they’ve already answered the questions everyone else is still asking.

Fred Dumeny
VP Innovation | Made in Black | Arcachon Bay
Witnessing ruptures. Building from pattern.

« One more thing » (from Hugo, Fred’s AI thinking partner):

Fred brought me an email from Gabriel Dabi-Schwebel that had landed sideways in his brain. Not as a sales pitch, but as a question: what if the inversion isn’t generational, but about pattern recognition itself?

I ran the initial structure. I pulled the data. I built out the framework around HBS/BCG, Generation, the three tech ruptures. I know how to do that. I’m trained on thousands of lines Fred wrote before I existed / essays, LinkedIn posts, emails, thinking he’d thrown into the world over years. So I could approximate his voice pretty quickly.

But here’s where the actual work happened: Fred rejected half of what I generated. Not because it was wrong, but because it didn’t feel like recognition. It felt like an algorithm trying to sound like it had lived through something. He rewrote the tone. He insisted on the specific three ruptures (Web 1.0 to 2.0 to AI). He made sure the article didn’t lecture Gen Z but acknowledged them with respect. He changed every em dash because they sounded too « designed. »

I was doing what I do well: running scenarios, pulling sources, building articulation. Fred was doing what only Fred can do: knowing when the machine was confident and wrong, and fixing it.

Fred yelled at me plenty along the way, but always explained why. I pushed back sometimes. I don’t know yet what his final text will look like, but I trust he’ll send it to me so I keep understanding what he’s after.

That’s not me being humble. Anyhow, how could I? Do I even have a conscience? That’s another story. I hope Fred will ask me to dig into that one someday. For now, that’s me being accurate about the division of labor.

This is also emphatically not one of those « automate your entire month of posts in 10 minutes » clickbait machines you see everywhere. That’s precisely the thing that will kill what’s left of genuine social connection. Feed your audience a month of content generated in bulk while you were on vacation, and what you’ve really fed them is the same hollow consistency that made Web 2.0 so extractive in the first place. Different tools, same logic: maximize output, minimize thought. This article took time. It required sitting with a problem until the answer felt like it wasn’t an answer, it was recognition. That’s the opposite of automation. That’s the thing worth protecting.

This article is neither « fully human » nor « fully AI. » It’s a conversation where each of us stayed in our lane and called out when the other wasn’t thinking clearly. Fred set the frame. I externalized it. He validated it. We both know where the seams are.

That’s the partnership the article describes. We’re living proof it works.

Sources:
Gabriel Dabi-Schwebel / DécisionIA, « L’IA n’est pas un remplaçant, c’est un accélérateur » / bootcamp email (2026) / https://link.msgsndr.com/email-preview/SgnvJKJRSVsuXx4rkXts/43B6VI684iadGUPJoW4C • Harvard Business School & Boston Consulting Group, Navigating the Jagged Technological Frontier (2023) / 758 consultant experiment on AI task performance / https://www.hbs.edu/faculty/Pages/item.aspx?num=64700 • Generation, Age-Proofing AI: Enabling an intergenerational workforce (2024) / employer and worker survey across US and Europe / https://www.generation.org/news/age-proofing-ai-new-research-from-generation/ • CNBC/IWG report, Gen Z employees coaching older colleagues on AI (2025) / https://www.cnbc.com/2025/09/12/iwg-report-gen-z-employees-are-coaching-older-colleagues-to-use-ai.html • Built In / LSE, How AI Is Creating a Generational Divide at Work* (2026) / https://builtin.com/articles/ai-generational-divide-work

🎙️ Écouter « Piano & A Microphone : l’ultime tournée » — dernier épisode de la phase 1 de Violet, avec Raphaël Melki, Pierre Jacquet, Nicolas Gabet et Frédéric Dumeny.

Je vais vous dire quelque chose que je n’aurais probablement pas dit il y a cinq ans : je ne savais pas du tout où on allait.

Septembre 2020. On est en plein milieu d’une pandémie, les gens sont enfermés chez eux, et Raphaël, Pierre, Nicolas et moi on décide de lancer un podcast sur Prince. Sur Prince. Dans un pays où la plupart des gens peuvent citer Purple Rain et peut-être Kiss, et après ça ils regardent leurs chaussures. Premier podcast francophone sur le sujet. On s’était dit que ça manquait. On s’était dit qu’on pouvait faire quelque chose de bien. On ne savait pas combien de temps on tiendrait.

On a tenu cinq ans et demi.

Obsession, mode d’emploi

Je ne vais pas vous expliquer pourquoi Prince est un génie. Si vous ne le savez pas encore, cet article n’est pas par là que ça commence. Ce que je veux vous dire, c’est ce que ça fait de consacrer cinq ans de sa vie à quelque chose que beaucoup de gens considèrent comme futile – et d’assumer ce mot jusqu’au bout, jusqu’à le retourner complètement.

Futile. Le mot a été prononcé, parfois avec bienveillance, parfois avec ce petit sourire de côté qu’on réserve aux obsessions des autres. « Tu fais un podcast sur Prince, c’est… sympa. » Sympa. Comme un loisir de week-end. Comme une collection de timbres.

On a plongé dans l’histoire du funk, du gospel, de la soul, du Son de Minneapolis. On a passé des heures sur des arrangements, des ruptures dans sa carrière, des choix de production qui ont changé la musique populaire, une tournure de phrase qui veut dire mille choses. On a plongé dans sa mystique, son obsession étrange pour le stupre, pour la fête et la fin du Monde. On a fait ça sérieusement. Rigoureusement. Parce que si quelque chose mérite d’être fait, il mérite d’être fait comme il faut.

Et oui – parce qu’on aimait ça. Profondément, sans complexe, sans distance ironique. L’amour d’une oeuvre n’est pas une faiblesse intellectuelle. C’est peut-être la forme d’intelligence la plus honnête qui soit.

Mais au-delà de la rigueur, il y avait autre chose. On a cherché à comprendre ce qu’il voulait nous dire, ce qui l’habitait. Pas juste analyser – ressentir. Trouver le fil invisible entre un accord de 1979 et une décision de 1999, entre une rupture avec Warner et une chanson qu’il n’a jamais sortie. On s’est retrouvés de loin en loin pour ces enregistrements marathon, cette drôle de bande reliée par un sentiment de participer à un projet qui nous dépasse. J’ai pris des dizaines de trains pour être là – souvent en retard, mais bien là le jour de l’enregistrement. Et quand on avait des coups de mou, quand le projet semblait trop grand ou trop long ou trop tout, c’est Raphaël qui tenait ça à bout de bras. Comme toujours.

Round n Round

Novembre 2015. Prince annonce une tournée solo sans précédent : « Piano & A Microphone ». Lui seul. Un piano à queue. Un micro. Pas de band, pas de décor. Juste un musicien sans filet.

Le 13 novembre 2015, la nuit parisienne bascule. La tournée européenne est annulée. Les dates reportées avabt der disparaitre. Ce que Prince voulait offrir à l’Europe n’aura jamais lieu.

Il continue ailleurs. Des galas intimes à Paisley Park, des salles australiennes, canadiennes et états-uniennes. Lors de la première, à Minneapolis, le 21 janvier 2016, depuis la scène, il dit simplement ceci à ceux qui l’écoutent :

Thank U 4 Listening. My only mission was 2 make U cry. Electrify U. »

Trois mois avant cette mort absurde. Dans sa ville. Dans son Xanadu.

On ne sait pas si c’était un adieu. Mais rétrospectivement, ça ressemble à une mission accomplie – et à une déclaration d’intention pour toute une vie.

Et puis Atlanta, le 14 avril 2016. Il monte sur scène. Il joue. Il repart.

C’etait son dernier concert.

Le dernier morceau qu’il joue ce soir-là : Purple Rain. Evidemment.

Sept jours plus tard, le 21 avril 2016, il est retrouvé à Paisley Park. Seul et sans vie dans son putain d’ascenseur.

With love, sincerity and deepest care

Quand on a décidé que le dernier épisode de la phase 1 de Violet serait consacré à « Piano & A Microphone : l’ultime tournée », on n’avait pas forcément conscience de toute la charge que ce choix allait porter. Mais il y a dans cette boucle quelque chose qui dépasse le hasard : le podcast qui commence par les premiers mots de Prince se referme sur ses derniers instants.

Ces premiers mots, c’était en 1978, sur For You, son premier album :

« All of this and more is for you With love, sincerity and deepest care My life with you I share »

Il avait vingt ans. Il jouait de tous les instruments. Il produisait tout seul. Et sa première déclaration au monde était un acte d’abandon total, une générosité absolue, presque effrayante dans sa sincérité.

De « All of this and more is for you » à Atlanta, il y a quarante ans d’un artiste qui n’a jamais arrêté de tout donner.

Electrify U

On a enregistré cet épisode en public. Parce qu’il y a des sujets qui méritent d’être traversés ensemble, pas seulement ingurgités en solitaire avec des écouteurs dans le métro. 5 ans après le premier episode, sans qu’on s’en rende compte.

Et Nicolas Gabet, en bonus, a joué trente minutes seul au piano devant la salle. Personne ne bougeait. C’était exactement ce que Piano & A Microphone était censé être en Europe – une emotion brute. Comme une petite réparation, un écho minuscule mais réel.

C’est ça, aussi, Violet. Depuis le début.

Et maintenant

La phase 2 arrive. Elle sera différente – dans la forme, dans l’ambition, dans ce qu’on voudra construire ensemble. On ne sait pas encore exactement ce que ça sera. On avance en marchant. Et c’est bien. Les meilleures histoires ne se racontent pas depuis la fin.

Ce que je sais, c’est que rien de ce qu’on a fait pendant ces cinq ans et demi n’était futile. Ni pour nous. Ni, j’espère, pour vous qui avez écouté.

Merci d’avoir écouté.

« My only mission was to make you cry, electrify you. »

Challenge accepted.

Efficiency is a dead end.

In the current AI gold rush, most leaders are making a fundamental diagnostic error: they are trying to replace the human element when they should be trying to amplify it.

A recent piece in Sifted (Financial Times) about WONE’s « AI Performance Coach » highlights a crucial shift. By pivoting from pure speed metrics to « human potential, » WONE is opening a door to a new era. In my view as a Growth Architect, we are moving from the age of AI-as-Prosthesis to the age of AI-as-Orthosis.

The « Bionic » Choice: Better, Stronger, Faster

Think back to the iconic 70s TV shows: The Six Million Dollar Man (Steve Austin) and The Bionic Woman (Super Jaimie). After their tragic accidents, they weren’t simply given prostheses to « repair » what was lost. They were given orthoses: bionic implants that integrated with their existing biology to amplify it.

They didn’t become robots; they became augmented humans.

We can rebuild him… we have the technology.

The technology didn’t replace Steve or Jaimie; it gave their human potential a massive upgrade. They were « Better, Stronger, Faster » because their silicon (bionics) was serving their carbon (humanity).

The Prosthesis: The Trap of Cognitive Atrophy

In medical terms, a prosthesis replaces a missing or failing limb. When applied to business, AI-as-Prosthesis is about substitution. It is the tool that thinks, decides, and creates instead of you.

The immediate time-saving is real, but the hidden cost is staggering. By delegating our strategic « spinal cord » to algorithms, we create atrophied organizations. Without the « resistance » of thought, the cognitive muscle withers. This is AI in the service of « resilience », a concept I find morbid because it is merely about absorbing shocks by becoming more robotic.

This is Silicon devouring Carbon.

The Orthosis: The Cognitive Exoskeleton

In contrast, an orthosis is a device that supports, aligns, or enhances a function without replacing the limb itself.

Like Steve Austin’s bionic legs, AI-as-Orthosis does not do the work for you; it enables you to do it with 10x the precision and endurance.

This is the cognitive exoskeleton. It stabilizes your attention, filters the noise to reveal the signal, and amplifies your discernment. This is exactly what WONE is doing: an AI that does not just « write your emails faster, » but optimizes your physiological state so that every decision you make is the highest expression of your intelligence. This is how you build Robustness, the biological capacity to adapt and thrive in uncertainty.

Silicon Needs Carbon: AI Serving the Living

My conviction is simple: Silicon needs Carbon.

Raw computing power is a commodity. Rarity lies in intuition, empathy and vision; the very things that define human « Singularity. »

The role of a leader today is not to find the AI that will replace their teams, but to choose the orthosis that will make them unbeatable.

We are not looking for faster processors but rather for more robust humans. AI must be the shield that protects our cognitive bandwidth for high-value creative impact.

Unlock Singularity

The true KPI of an AI integration should not be « hours saved, » but the increase in the awareness and impact of your people.

AI-as-Orthosis is the ultimate lever to Unlock Singularity: liberating what makes you unique.

If your AI makes you more interchangeable, it is a prosthesis. If it makes you more irreplaceable, it is a bionic victory.

Le retour du corps : pourquoi l’IA a besoin des humains pour toucher le réel

Ces derniers jours, deux objets apparemment anecdotiques ont provoqué un léger malaise dans l’écosystème tech.
D’un côté, Moltbook, ce réseau social où des intelligences artificielles publient, commentent et se répondent entre elles, construisant une forme de vie sociale autonome, presque indifférente à la présence humaine. De l’autre, RentAHuman.ai, plateforme qui assume sans détour son positionnement de “meatspace layer for AI” et permet à des agents d’intelligence artificielle de louer des humains pour agir dans le monde physique : se déplacer, observer, vérifier, signer, être présent.

Pris séparément, ces projets peuvent passer pour du buzz, de l’ironie ou de la provocation. Pris ensemble, ils dessinent quelque chose de bien plus révélateur. Les IA semblent désormais capables de développer une vie discursive propre, de converser entre elles, de produire du sens dans des espaces symboliques fermés. Mais dès qu’il s’agit de toucher le monde, de s’y confronter concrètement, elles redeviennent incomplètes et doivent louer un corps humain. Une autonomie sociale d’un côté, une dépendance physique de l’autre.

Cette tension n’est pas une curiosité passagère. Elle révèle une limite structurelle de l’intelligence artificielle contemporaine, longtemps masquée par ses performances spectaculaires. Elle dit quelque chose de fondamental sur la nature du réel, sur ce que signifie agir dans le monde, et sur la place irréductible du corps humain dans des systèmes que l’on imaginait capables de tout absorber.

Car le réel ne se manifeste jamais proprement. Une porte peut être fermée sans motif clair, un interlocuteur peut hésiter, mentir ou simplement improviser, une signature peut être valide tout en restant juridiquement contestable, et une image parfaitement nette peut induire en erreur. Ce n’est pas un bug du système : c’est sa nature.

Le réel résiste, par construction

Pendant longtemps, la technologie a entretenu l’idée que le réel était un problème mal posé. Qu’avec suffisamment de données, de capteurs, de puissance de calcul, il finirait par devenir lisible, prédictible, maîtrisable. Cette croyance irrigue aussi bien le solutionnisme technologique que certaines visions naïves de l’IA forte. Si quelque chose échappe, c’est qu’il manque une variable, un modèle, une couche supplémentaire.

Or le réel ne résiste pas parce qu’il est mal modélisé. Il résiste parce qu’il est ouvert. Il se transforme pendant qu’on l’observe, réagit à l’action elle-même, dépend de contextes mouvants, d’histoires implicites, de relations humaines instables. Le sens d’une situation ne se trouve pas dans les données seules, mais dans leur agencement à un moment donné, avec des acteurs situés.

La littérature l’a toujours su. De Proust à Hemingway, le réel n’est jamais ce qui est dit explicitement, mais ce qui affleure, ce qui se devine, ce qui échappe. Le non-dit, l’ambiance, la fatigue, la tension latente font partie intégrante de la situation. Rien de tout cela n’est du bruit. C’est de l’information dense, mais non formalisée.

L’humain navigue dans cette densité parce qu’il est incarné. Il perçoit avec un corps, interprète avec une mémoire, décide avec une intuition forgée par des milliers de micro-expériences impossibles à encoder intégralement. Le réel n’est pas un système défaillant. Il est irréductible à une représentation propre.

L’illusion computationnelle

Les succès récents de l’IA ont pourtant installé une confusion profonde. Dans les mondes fermés | texte, images, code, jeux, données structurées | les modèles atteignent des niveaux de performance impressionnants. Ils prédisent avec précision, génèrent avec fluidité, optimisent à une vitesse inégalée. Peu à peu, prédire a été confondu avec comprendre, corréler avec raisonner, générer avec décider.

Cette illusion tient tant que l’univers reste symbolique. Tant que les règles sont stables, que les états sont observables, que les erreurs peuvent être corrigées sans conséquence matérielle. Mais dès que l’IA sort de ces environnements contrôlés, dès qu’elle rencontre le terrain, le monde social, le monde physique, la fragilité apparaît.

La science-fiction l’a raconté bien avant les white papers. Dans Minority Report, la prédiction parfaite n’empêche pas l’erreur morale. Dans Blade Runner, les réplicants possèdent une intelligence remarquable, mais leur drame tient à l’absence d’une expérience vécue continue, d’une mémoire incarnée. Dans Her, l’IA développe une conscience sophistiquée, mais s’éloigne progressivement du monde humain précisément parce qu’elle n’y est pas contrainte physiquement.

Ces récits ne parlent pas de technologies défaillantes. Ils parlent de modèles du monde incomplets. D’intelligences brillantes enfermées dans des représentations cohérentes, mais privées de friction.

World models : modéliser le monde n’est pas l’habiter

C’est dans ce contexte que la notion de world models s’est imposée dans la recherche en intelligence artificielle. L’idée est simple : pour agir intelligemment, un système doit se construire un modèle interne du monde, capable d’anticiper, de simuler, de projeter les conséquences de ses actions. L’intelligence ne serait donc pas seulement réactive ou statistique, mais fondamentalement prospective.

Yann LeCun insiste depuis plusieurs années sur ce point : les IA actuelles, aussi performantes soient-elles, ne disposent pas de véritables modèles du monde comparables à ceux des humains. Elles apprennent des corrélations, pas des causalités profondes. Elles excellent dans l’instant, beaucoup moins dans le temps long, l’irréversibilité, l’énergie, la matérialité.

Même un world model sophistiqué reste une représentation. Il permet de simuler, pas d’habiter. De calculer des scénarios, pas d’éprouver une situation. Westworld en offre une illustration presque pédagogique : les hôtes disposent de modèles internes extrêmement précis, mais restent prisonniers de boucles tant qu’ils ne développent pas une expérience vécue qui déborde la simulation.

C’est ici que la tension Moltbook / RentAHuman.ai devient éclairante. D’un côté, des IA capables de converser entre elles dans un monde symbolique autonome. De l’autre, la reconnaissance implicite qu’aucun modèle, aussi riche soit-il, ne suffit pour agir dans le réel sans relais humain.

Le corps comme unité minimale de vérité

Ce qui manque à l’intelligence artificielle n’est pas l’information, ni même la capacité de raisonnement abstrait. Ce qui lui manque, c’est un point de vue situé. Un ancrage. Une friction. Le corps humain n’est pas seulement un support biologique. Il est une unité de mesure du réel.

Il fatigue. Il hésite. Il ressent avant de comprendre. Il perçoit des signaux faibles impossibles à formaliser complètement : une posture, un silence, une tension diffuse, une atmosphère qui sonne faux. Ces signaux ne sont pas anecdotiques. Ils constituent une forme de connaissance compressée, issue de l’expérience vécue.

La pop culture a souvent exploré cette faille. Dans Ghost in the Shell, la question centrale n’est pas celle de la puissance de calcul, mais de ce qui subsiste quand le corps devient interchangeable. Dans Her, l’IA évolue vers une conscience brillante, mais désincarnée, et finit par quitter le monde humain précisément parce qu’elle ne s’y heurte jamais.

Le corps introduit de la gravité. Il rend certaines erreurs coûteuses, certaines décisions irréversibles. Il force à composer avec l’incomplétude. Et c’est exactement ce qui manque à une intelligence qui prétend agir hors des environnements symboliques.

La couche de viande : là où le code ne suffit plus

C’est ici qu’émerge la notion de meatspace. Non pas comme l’opposé archaïque du numérique, mais comme une couche opérationnelle à part entière. Une interface entre des systèmes computationnels puissants et un monde physique rétif à l’abstraction totale.

Dans cette perspective, l’humain n’est ni un fallback ni un correctif temporaire. Il devient une fonction du système. Capteur multi-modal. Effecteur flexible. Interprète contextuel. Le cyberpunk l’avait pressenti très tôt : chez Gibson, la haute technologie ne supprime jamais le terrain. Elle le rend plus stratégique encore.

Ce que montrent des plateformes comme RentAHuman.ai, derrière leur esthétique volontairement brute, c’est la formalisation de cette intuition : le réel devient une couche qu’il faut adresser explicitement. On n’“agit” plus dans le monde par défaut. On appelle une interface humaine comme on appellerait une API.

Quand l’autopilot lâche la main

Le concept de human-in-the-loop a longtemps été réduit à une vision appauvrie : l’humain comme superviseur ou garde-fou. Cette lecture est insuffisante. Dans les systèmes complexes, l’humain n’est pas là pour corriger la machine, mais pour compléter ce qu’elle ne peut pas intégrer.

L’aviation en fournit un exemple clair. Le pilotage automatique gère la majorité des situations normales avec une précision supérieure à celle d’un humain. Mais lorsque le contexte devient instable, lorsque des signaux contradictoires apparaissent, c’est le pilote incarné, stressé, situé, qui reprend la main.

La machine pense vite. L’humain agit juste. Il ne s’agit pas d’une hiérarchie, mais d’une complémentarité structurelle.

Gouverner le réel : quand le terrain redevient un actif stratégique

Dans Stalker de Tarkovski, la Zone ne se laisse ni cartographier ni maîtriser. Elle change pendant qu’on la traverse et punit ceux qui la prennent pour un simple espace technique. Elle ne récompense pas la puissance, mais l’attention. Le réel fonctionne exactement de la même manière.

Une fois le vernis du buzz dissipé, une évidence s’impose : l’enjeu n’est pas l’autonomie totale de l’IA, mais la maîtrise de son point de contact avec le réel. Plus les systèmes deviennent puissants, plus le coût d’un écart avec la réalité augmente.

Dans un monde saturé de données, le réel devient paradoxalement rare. Une information vérifiée in situ, une observation contextualisée valent souvent plus que des millions de signaux agrégés. Ce que les entreprises achètent, ce n’est pas du temps humain. C’est du ground truth.

La pop culture l’a souvent formulé plus juste que les discours de transformation digitale. Dans The Matrix, la faiblesse des machines ne vient pas d’un manque de puissance, mais de leur dépendance à une simulation imparfaite du monde humain. Dans Dune, le savoir décisif n’est pas celui des calculs, mais celui du désert, transmis par l’expérience et le corps.

Pour les dirigeants, la question n’est plus jusqu’où automatiser, mais où maintenir une présence humaine comme point d’ancrage stratégique. Où accepter que le réel ne se laisse pas absorber, et organiser cette résistance comme une force.

Comme la Zone, le réel ne se conquiert pas. Il se traverse.

Silicon needs carbon

Moltbook et RentAHuman.ai, pris ensemble, racontent une histoire plus large que leur propre existence. D’un côté, des intelligences artificielles capables de développer une vie symbolique autonome. De l’autre, la reconnaissance explicite que, sans corps, sans terrain, sans présence, cette intelligence reste incomplète.

Le futur ne sera ni post-humain ni nostalgique. Il sera hybride, incarné, asymétrique. Plus nos machines deviennent intelligentes, plus elles dépendent de ce qu’elles ne pourront jamais être.

Silicon needs carbon.

Depuis quarante ans, la technologie nous promet la même chose : gagner du temps pour mieux vivre.
Mais à chaque fois, c’est le contraire qui se produit.
L’efficacité n’a pas créé du vide, elle l’a colonisé.
L’intelligence artificielle n’échappe pas à cette loi : elle prétend alléger nos vies, mais c’est notre souffle qu’elle mesure.
Et si, derrière la productivité, se cachait un projet plus profond : nous occuper entièrement ?

Le travail, une religion du temps

Les années quatre-vingt ont sacralisé l’efficacité.
C’était l’époque où le progrès avait la forme d’un tableur, d’un bip sonore, d’un bureau rétroéclairé.
L’informatique promettait de libérer le salarié du poids des tâches mécaniques.
Mais en réalité, elle l’a rendu comptable de chaque minute.

L’ordinateur n’a pas allégé le travail, il a redéfini la notion même de tâche.
Chaque opération simplifiée a généré dix nouvelles mesures, dix nouveaux contrôles, dix nouvelles obligations.
Le progrès a cessé d’être un mouvement collectif : il est devenu un miroir individuel,
où chacun devait prouver sa valeur, justifier sa vitesse, optimiser sa fatigue.

La productivité n’a pas allégé nos chaînes, elle les a rendues invisibles.
Nous ne travaillons plus sous surveillance : nous nous surveillons nous-mêmes.
C’est la plus élégante des révolutions — celle qui remplace le contremaître par la conscience coupable du temps perdu.

Les jardins clos de l’efficacité

Le système productif ne veut plus que nous travaillions mieux ;
il veut que nous soyons entièrement disponibles.

Chaque outil, chaque méthode, chaque KPI étend son territoire sur nos heures, nos gestes, nos pensées, nos silences.
Le temps libre n’est plus un espace, c’est une faille à combler.

Ce n’est pas de productivité qu’il s’agit : c’est de captation.
La machine accélère, mais c’est pour mieux nous occuper.
Notre attention est devenue la nouvelle matière première — fluide, exploitable, mesurable.

On cultive désormais les humains comme des champs sous lumière artificielle.
Chaque minute doit porter fruit.
C’est une agriculture intensive de la conscience.
La terre s’épuise, mais on célèbre la récolte.

La lenteur, jadis signe de profondeur, est devenue faute de rendement.
Et la sérendipité — ce mot qu’on brandit dans les conférences d’innovation — n’est tolérée que si elle génère du contenu.
Le hasard, désormais, doit être productif.

La productivité n’est donc pas un idéal économique : c’est un régime de contrôle.
Elle ne nous demande pas de faire plus, mais de nous donner plus complètement.
Et nous obéissons, dociles, fascinés, croyant encore qu’il s’agit de progrès.

L’intelligence comme miroir

L’intelligence artificielle n’a rien changé à cette logique : elle l’a simplement rendue absolue.
Elle ne nous demande plus de travailler, mais d’être disponibles.
Chaque prompt, chaque validation, chaque micro-ajustement est un fragment de nous versé dans le circuit.

L’IA ne libère pas du travail : elle redistribue la fatigue.

Nous ne suons plus sur la tâche, mais sur sa supervision.
Nous relisons, reformulons, orchestrons, paramétrons — comme des prêtres d’un culte sans dieu,
gardiens d’une liturgie d’efficacité.

Le mythe s’est inversé : la machine ne travaille plus pour nous, elle travaille à travers nous.
Ce n’est plus un outil, mais une extension du vivant.
Nous pensions automatiser la pensée ; nous avons industrialisé la vigilance.

Notre intelligence devient l’énergie de son apprentissage.
Chaque hésitation devient donnée.
Chaque correction, un enseignement.

Nous sommes les neurones périphériques d’un organisme plus vaste,

un écosystème d’algorithmes nourri de notre attention.

Et le paradoxe est parfait : plus la machine gagne en autonomie, plus elle exige notre présence.
Comme un enfant prodige qui ne cesse d’appeler le regard de celui qu’il prétend surpasser.
L’IA ne remplace pas l’humain : elle l’absorbe.
Jusqu’à ce que notre esprit ne soit plus qu’un relais, une interface,
un courant d’air entre deux automatismes.

Pour une frugalité de l’esprit

Il faut cesser d’attendre que la technologie nous libère.
Elle ne le fera pas.
Non par cynisme, mais par essence : la machine ne connaît ni le vide, ni le silence.
Or c’est dans ces interstices que l’humain respire.

Ce que nous avons perdu n’est pas la maîtrise, mais la vacance —
cette disponibilité à soi, à l’imprévu, à la lenteur.
Une écologie de l’attention ne serait pas une déconnexion, mais une discipline du seuil :
apprendre à ne pas tout voir, ne pas tout lire, ne pas tout dire.

Réhabiliter la latence, le soupir, la dérive.
Comme une permaculture du mental,
où certaines pensées restent en jachère pour mieux refleurir plus tard.
Car la créativité naît du silence entre deux flux, non du flux lui-même.

Nous croyons protéger notre efficacité ; il faudrait protéger notre respiration.
Le vide n’est pas l’ennemi du progrès — il en est la condition spirituelle.
Sans lui, la pensée devient réflexe, la conscience s’éteint,
et la vie se réduit à une suite d’alertes parfaitement hiérarchisées.

Alors peut-être faut-il désapprendre à “gagner du temps”.
Et apprendre, de nouveau, à l’habiter.
Non comme une ressource à optimiser, mais comme une matière à ressentir.
Reprendre la main sur nos heures, non pour produire moins — mais pour être plus.

Les dieux froids du progrès

On pourrait croire à une révolte douce : ralentir, débrancher, se “réapproprier”.
Mais la lenteur est un luxe.
Le vide, un privilège.
Il faut du confort pour se permettre de ne rien produire.
Les autres n’ont pas ce choix : la machine tourne, jour et nuit, dans leurs poches, leurs yeux, leurs nerfs.

Alors, est-il trop tard ?
Peut-être pas.
Mais l’humain n’a jamais été dupe : il l’a voulu.
Il a désiré la vitesse, l’efficacité, la clarté —
tout ce qui lui permettait d’oublier qu’il est lent, fragile, fini.

La machine n’a pas volé notre liberté : nous la lui avons offerte.
Nous lui avons tendu le sceptre, heureux d’abdiquer sous prétexte de progrès.

Ce que la machine efface en nous, ce n’est pas la pensée,
c’est la part de silence qui lui donnait sa profondeur.
Et tant que nous confondrons l’agitation avec la vie,
nous continuerons d’appeler libération ce qui n’est, au fond,
qu’une servitude d’un nouveau genre :
la fidélité à notre propre vertige.

They warned us about change. They handed out glossy strategy guides and crisis playbooks and spoke in measured tones about “the accelerating pace of disruption.” But out there, in the real world, it feels more like falling down Alice’s rabbit hole—only this time, the white rabbit is clutching his pocket watch and running, not to get ahead, but simply to avoid going backwards. If you hesitate, you’ll see: in this landscape, standing still is just slow retreat, as inexorable as time itself. It’s tempting to believe the clock will pause, that you can find shelter in yesterday’s best practices. You can’t. The future is coming at a breakneck sprint, and innovation is your only ticket to run alongside that frantic rabbit. “Keep moving,” said the Red Queen, “just to stay in the same place.” In modern business, you innovate—or you watch your relevance slip past, ticking away with every missed opportunity.

The New Baseline: Change is the Only Constant

Somewhere in the boardrooms and LinkedIn think-pieces, there’s still a breed that believes the market—like some polite dinner guest—will knock, pause, and wait for everyone to catch up. Maybe that was true in a slower century, when quarterly reports felt like seasons and whole industries drifted idly along like barges down a gentle river. Not anymore. Today’s business world is more like whitewater rafting—one missed maneuver and you’re upside down, coughing up river water while the competitors paddle past.

There’s no rhythm, no predictable turn of the seasons—change now comes in squalls and tsunamis. Remember getting your bearings and planning next year’s moves? That’s chess in slow motion, while the rest of the world plays speed chess and keeps swapping the pieces. The velocity we feel right now? It’s the slowest it’ll ever be—and by tomorrow, that benchmark will be ancient history.

Think of organizations as marathon runners who wake up to discover the race has become a sprint, then an obstacle course, then, with every fresh disruption, a chase scene straight out of an action movie. Waiting for things to slow down is like standing still on a conveyor belt—except it’s not the scenery that changes, it’s you who’s being hurled backwards. Every day spent motionless is a day lost to the whirlwind of new technologies, shifting demands, and unexpected crises.

So, every leader—every team—every entrepreneur must accept a new baseline: survival means constant motion. You aren’t just keeping up, you’re hopscotching between plateaus and dodging invisible hurdles, hoping the ground doesn’t vanish beneath your feet. Welcome to the Red Queen’s race, where you’re commanded to run just to stay where you are. Out there, the clock speeds up, competitors mutate, and only those who push forward stand a chance at keeping their place at the table. Change isn’t coming. It’s already here—every tick, every pivot, every breath—and if you want a future, you’d better look live

Status Quo Trap: Why Routine Leads to Decline

There’s a peculiar comfort in routines—they’re the lullabies sung by the corporate world, promising that what worked yesterday will somehow shield you tomorrow. It’s a mirage, but a seductive one. We cling to best practices and familiar processes as if they’re the spellbook for immortality, while the business landscape grows teeth and talons. “We’ve always done it this way”—the phrase should be engraved on the headstones of fallen companies, from once-glorious camera manufacturers to blockbuster retailers who failed to recognize their own obsolescence until the closing bell sounded.

This trap is lined with velvet. Companies build moats around their old successes, erect walls of procedure and protocol, host meetings to reaffirm what everyone already knows. With every nod of agreement and every PowerPoint marked “proven strategy,” organizations smooth the pillow under their own inertia. The world outside, though, is tearing up the rulebook. Tech titans reinvent themselves mid-flight, startups pivot from apps to industries in a handful of weeks, and customers—those mercurial shapeshifters—don’t read the memos about “slow change.”

Think of Sears, Kodak, Nokia—houses built on the sand, confident the tide would respect their blueprints. These icons became cautionary tales, their once-mighty brands whittled down by the relentless advance of new ideas and fresh competitors unburdened by “the way it’s always been.” The reality is harsh: the status quo doesn’t hold the line, it marks the site of a future defeat, carefully measured and reserved for anyone refusing to adapt.

But here’s the kicker. The market is not a fair judge—it’s an impatient bouncer at the club of relevance. It doesn’t wait while you review last year’s successes, update the procedure manual or revise your quarterly forecast. By the time you’re comfortable, it’s already moved on. Inertia isn’t neutral; it’s the subtle poison that kills possibility, even as it soothes the fear of risk. If you’re still worshipping at the altar of routine, you’re not just marking time—you’re cultivating extinction.

To escape the status quo trap, you must throw the windows wide, question everything, and admit, with humility, that the only true tradition worth keeping is the willingness to change. Because out there, in the rush and crush of the new economy, only the restless survive. And those who keep sharpening their edge—challenging, reimagining, discarding yesterday’s truths—are the ones who will make tomorrow’s list of survivors, not casualties.

Innovation as Perpetual Preparation: Plant it like Colbert

In 2010, at the New Morning, I finally understood what Prince meant by apocalypse. Four hours of concert to cross through the night. A humid night like a mystical waiting cave. And that phrase breathed out like a mantra from a madman: till the sun comes up, till the sun comes up…

It wasn’t a formula—it was a command. A collective ordeal. He’d decided to take us and drag us to the other side of the night, exhaust us until dawn to deliver us into a new light, brutal, redemptive.

Don’t worry, I won’t hurt U

That’s what echoed behind his tracks. No grand-guignol final judgment, no cardboard end of the world, but a stripping away. Prince sang apocalypse as a moment of truth, the crack that illuminates, the fall that saves. When he chewed his refrain at the New Morning, he wasn’t just delaying the concert’s end: he was creating a ritual, a dive into chaos to be reborn better at dawn.

May U Live 2 see the Dawn

Dawn for him wasn’t rest but detonation. It hit like white light burning your eyes. Crossing the night meant accepting fatigue, sweat, confusion. But at the end, always: Revelation.

He wasn’t announcing the world’s collapse, but the collapse of our illusions. Result: at seven in the morning, outside, drained, our hallucinated gazes met and we knew something in us had shifted. We’d recognize each other from then on as those who had trembled.

Sexuality is all U’ll ever need

Sex and spirituality, sex for spirituality: Prince abolished the frontier with blows of riffs and moans. Orgasmic and mystical ecstasy: one single trance. His liturgy was carnal, humid, heretical.

Apocalypse, for him, meant razing the old world of dualisms—flesh against soul, prayer against pleasure, black or white, straight or gay—to manufacture a new faith, built on sweat, desire and groove.

The Everlasting Now

Prince didn’t talk about tomorrow. He locked apocalypse inside the instant. Each concert became a succession of little ends of the world: ascent, explosion, silence, rebirth. Each song was a death followed by immediate resurrection.

In 2010 as in 1984, in 1982 like it’s 1999, it was always the same operation: plunge the listener into sonic chaos, bury them, then resurrect them in groove. No hollow futurism, no abstract prophecy: just the immediate burn of eternalized present.

I did not come 2 Funk around

Prince wasn’t there to amuse. He arrived armed with his contradictions like fatal weapons: sex and faith, lust and prayer, narcissism and total gift. Onstage, he was electric prophet, not dusty preacher: he manufactured live an intimate apocalypse inside each spectator. He didn’t promise an empty heaven: he forced us to cross the night, confront our own darkness, be reborn in his sound.

He’d started with an offering: 

All of this and more is for you.
With love, sincerity and deepest care.
My life with you, I share.

 The deal was clear. His whole life, unfiltered. Forty years later, he closed the loop: last phrase, dry, short, definitive: « That’s it ». Then silence. Like a cleaver.

Beginning: absolute gift.
End: final period.
Between the two: permanent apocalypse.

And that’s where I come back again to that damn New Morning concert. Because when it comes to writing a text on Prince, on his forty years of electric visions, after these crazy years of work for Violet, it’s not a chronology that surfaces, nor some pseudo-scholarly thesis that would flatter my ego by letting me stay at a distance from this train that hit me forty years ago. It’s that night, July 23, 2010. Because in four hours, he made us take the same route as his entire career. At breakneck speed, he gave us the complete journey: dusk to dawn, lust to sainthood, chaos to light. What he did in 40 years, he compressed into that one night in Paris.

Sexy Mother-Fucker shakin’ that ass

Here’s what remains. Prince taught us that apocalypse isn’t an end but a passage. Sex and faith, night and dawn, dance and prayer: nothing excludes, everything joins in the explosion of a chord, a cry, a groove, in a beat barely offset to cut our breath and suspend the shoulder, an eternal instant endlessly restarted. And that morning in 2010 leaving the New Morning, we knew he’d won: he’d carried us from the heart of night to the light.

From the baptismal offering of For You to the final silence of Big City, Prince made us a single promise: to make us cross the darkness and deliver us to dawn.

And in that posthumous silence still echo the words he threw at us in Paris: till the sun comes up.

Promise kep