Depuis deux ans, l’intelligence artificielle attire des investissements colossaux. Start-ups, géants de la tech, fonds d’investissement et États injectent des milliards dans l’IA, souvent sur la base de promesses plus que de revenus concrets. Une question revient de plus en plus chez les analystes : sommes-nous face à une bulle de l’IA ?

Dans cet épisode, on décrypte les mécanismes économiques derrière l’engouement actuel pour l’IA et les signaux qui alimentent l’hypothèse d’un possible krach. Valorisation déconnectée des usages réels, coûts énergétiques et matériels élevés, dépendance aux géants du cloud, concurrence féroce entre modèles… autant de facteurs qui interrogent la solidité du marché.

L’épisode aborde notamment :

🔹 Pourquoi les investissements IA explosent plus vite que les revenus

🔹 Les parallèles avec les bulles passées (Internet, crypto, metaverse)

🔹 Ce qui différencie une bulle spéculative d’une transformation structurelle

🔹 Les risques pour les start-ups, les investisseurs et les utilisateurs

Nous analysons aussi les scénarios possibles : éclatement brutal, correction progressive ou consolidation autour de quelques acteurs dominants. Et surtout, ce qui pourrait rester une fois l’euphorie retombée : les usages réellement créateurs de valeur.

Un épisode pour prendre du recul, comprendre les dynamiques économiques de l’IA et éviter de confondre innovation durable et emballement spéculatif.

Bienvenue dans ce voyage au cœur de la révolution technologique la plus disruptive de notre siècle : les Grands Modèles de Langage (LLM). Dans cet épisode, nous "ouvrons le capot" de l'intelligence artificielle générative pour déconstruire le mythe de la boîte noire magique.

Au programme de cet épisode :

• L'atome du langage : Découvrez le concept de token, cette unité de base qui transforme notre réalité textuelle en une suite de nombres manipulables par la machine.

• Le moteur de la révolution : Plongez dans l'architecture Transformer (2017) et son mécanisme de self-attention. Apprenez comment l'IA parvient à "regarder" une phrase entière simultanément pour en saisir le contexte exact, tel un projecteur focalisé sur les relations sémantiques.

• L'apprentissage colossal : Comment passe-t-on de l'électricité à la poésie ? Nous explorons le processus d'entraînement sur des milliards de textes, où la simple tâche de "prédire le mot suivant" fait émerger des capacités de raisonnement stupéfiantes.

• LLM vs Petits Modèles (SLM) : Faut-il toujours un géant pour vos tâches ? Nous comparons la polyvalence des colosses comme GPT-4 ou Gemini à l'agilité et la confidentialité des modèles spécialisés (Mistral, Phi-3), véritables "voitures compactes" de l'IA.

• Dans la tête de l'IA : Nous adoptons un angle unique pour visualiser l'espace latent, ce territoire mathématique où les concepts comme "roi" et "reine" deviennent des coordonnées géographiques voisines.

• Les zones d'ombre : Pourquoi l'IA peut-elle halluciner des faits avec une assurance totale ? Nous décryptons les biais hérités de nos propres données et la limite fondamentale des LLM : ils simulent la compréhension sans jamais avoir vécu une seule seconde dans le monde physique.

Que vous soyez un professionnel du numérique ou simplement curieux de comprendre l'outil qui transforme votre quotidien, cet épisode vous donne les clés pour distinguer les capacités réelles des fantasmes marketing.

À l’ère de l’intelligence artificielle générative, une question devient centrale : comment distinguer le vrai du faux sur Instagram ?

Images retouchées, visuels générés par IA, deepfakes, contenus hybrides… Les frontières entre réel et artificiel deviennent de plus en plus floues. Face à cette mutation, Instagram annonce vouloir renforcer la traçabilité des images et la transparence des contenus. Mais que cela signifie-t-il concrètement ?

Dans cet épisode, on décrypte :

🔹 Pourquoi les contenus générés par IA sont appelés à devenir majoritaires

🔹 Les mécanismes de traçabilité (métadonnées, labels, signatures numériques)

🔹 Les limites techniques et les risques de contournement

🔹 Le rôle des plateformes dans la lutte contre la désinformation visuelle

L’épisode explore aussi les impacts pour les créateurs de contenu, les marques et les utilisateurs : crédibilité, confiance, algorithmes, visibilité et responsabilité éditoriale.

Instagram peut-il réellement garantir l’authenticité des images ? Ou assistons-nous à la fin d’un Internet basé sur la preuve visuelle ?

Un épisode pour comprendre les enjeux techniques, économiques et éthiques de la traçabilité des images, et pour mieux naviguer dans un monde où voir ne signifie plus forcément croire.

L’intelligence artificielle transforme notre quotidien, nos métiers et nos relations. Mais cette transformation pose une question fondamentale : l’IA nous déshumanise-t-elle, ou nous libère-t-elle ?

Dans cet épisode, nous explorons les différentes dimensions de cette interrogation. L’IA promet de dégager l’humain des tâches répétitives, d’augmenter notre créativité et d’améliorer la prise de décision. Mais en parallèle, elle soulève des inquiétudes : perte de sens, dépendance aux machines, automatisation excessive et diminution des interactions humaines authentiques.

L’épisode analyse :

🔹 Les usages concrets de l’IA qui libèrent du temps et de l’énergie

🔹 Les scénarios où l’IA peut déshumaniser nos pratiques, nos relations et nos métiers

🔹 Les enjeux éthiques, sociaux et culturels qui émergent face à une adoption massive

Nous abordons également comment l’humain peut garder le contrôle, préserver la créativité et la responsabilité individuelle tout en profitant des avantages de l’IA.

Un épisode pour réfléchir aux choix qui façonnent notre futur, comprendre les limites et les opportunités, et envisager un équilibre entre progrès technologique et valeurs humaines.

Que vous soyez professionnel, étudiant, créateur ou simplement curieux, ce podcast propose un regard lucide, nuancé et stimulant sur la cohabitation entre l’humain et l’intelligence artificielle.

L’intelligence artificielle n’est pas née hier. Avant de transformer nos usages quotidiens, elle s’inscrit dans une longue histoire faite d’avancées, d’échecs et de ruptures technologiques.

Dans cet épisode, on retrace les grandes étapes de l’histoire de l’IA : des premiers concepts théoriques aux modèles actuels, en passant par le machine learning et le deep learning. Comprendre d’où vient l’IA permet de mieux saisir ce qu’elle est — et ce qu’elle n’est pas.

Le podcast explique ensuite comment fonctionnent concrètement les systèmes d’IA : données, entraînement, probabilités, modèles statistiques. Contrairement aux idées reçues, l’IA ne raisonne pas et ne pense pas ; elle produit des résultats à partir de calculs probabilistes, avec des limites bien réelles.

L’épisode aborde également les usages actuels de l’IA : automatisation, aide à la décision, création, santé, industrie, services publics. Des usages qui apportent de la valeur, mais qui posent aussi des questions de responsabilité, de biais, de dépendance technologique et de confiance.

Enfin, le podcast s’intéresse à la régulation des IA. Pourquoi les États et les institutions cherchent-ils à encadrer ces technologies ? Quels sont les grands principes de la régulation, notamment en Europe avec l’AI Act ? Comment concilier innovation, protection des citoyens et souveraineté numérique ?

Un épisode de synthèse pour comprendre l’IA dans toute sa complexité : son histoire, son fonctionnement réel, ses usages et les règles qui encadrent son développement.

L’intelligence artificielle est partout… mais reste souvent mal comprise.

Dans cet épisode, on pose les bases essentielles de l’IA, sans jargon inutile et sans promesses exagérées.

Quelle est la différence entre intelligence artificielle, machine learning et deep learning ?
Que signifient réellement les notions d’apprentissage supervisé, non supervisé et par renforcement ?

Le podcast explique comment fonctionnent ces grandes familles de l’IA, à quoi elles servent concrètement et pourquoi elles ne relèvent ni de la magie ni de la conscience artificielle. Contrairement aux idées reçues, l’IA ne “pense” pas : elle manipule des probabilités, à partir de données massives et de modèles statistiques entraînés.

L’épisode met aussi en lumière les limites fondamentales de ces systèmes : dépendance aux données, biais, erreurs, fragilité face aux contextes nouveaux. Comprendre ces limites est essentiel pour utiliser l’IA de manière pertinente, responsable et réaliste.

Que vous soyez curieux, professionnel, étudiant ou simplement exposé à l’IA au quotidien, cet épisode vous donne les clés pour distinguer le réel du fantasme et poser un regard lucide sur ces technologies.

Un épisode fondation pour mieux comprendre tous les autres.

Les rapports 2026 sont clairs : les cyberattaques entrent dans une nouvelle phase, dopée par l’intelligence artificielle. Phishing ultra-personnalisé, génération automatique de malwares, exploitation massive de failles… l’IA permet désormais aux attaquants de gagner en vitesse, en précision et en échelle.

Dans cet épisode, on analyse comment l’IA transforme concrètement les méthodes d’attaque. Des campagnes d’hameçonnage presque indétectables aux kits « prêts à l’emploi » combinant modèles de langage et outils de piratage, certaines plateformes et services grand public — comme les messageries professionnelles ou les suites collaboratives — deviennent des cibles privilégiées.

Mais la partie n’est pas à sens unique. Face à des attaquants augmentés par l’IA, les défenseurs utilisent eux aussi l’IA : détection d’anomalies, analyse comportementale, anticipation des menaces, automatisation de la réponse aux incidents. Une véritable course aux armements numériques est en cours.

L’épisode fait le point sur cet affrontement asymétrique :

🔹 Pourquoi l’IA change l’équilibre entre attaquants et défenseurs

🔹 Ce que l’automatisation permet… et ce qu’elle ne garantit pas

🔹 Pourquoi la technologie seule ne suffit pas

Enfin, ce podcast s’adresse aussi aux non-techniciens. Il propose des gestes de base, concrets et accessibles pour mieux se protéger au quotidien : reconnaître les signaux faibles d’une attaque, limiter les risques humains, comprendre où se situent les vraies vulnérabilités.

Un épisode essentiel pour comprendre les nouvelles menaces, sans alarmisme, et reprendre un minimum de contrôle dans un monde numérique de plus en plus automatisé.

Le département de la Défense américain a choisi d’intégrer Grok, le modèle d’intelligence artificielle porté par Elon Musk, dans certaines de ses infrastructures. Une décision qui soulève immédiatement des questions majeures sur la sécurité, la souveraineté technologique et la dépendance à des acteurs privés.

Dans cet épisode, on analyse ce que signifie réellement l’entrée d’un grand modèle d’IA commercial au cœur d’infrastructures militaires. Pourquoi le Pentagone s’intéresse-t-il à ce type de technologie ? Quels usages concrets sont envisagés : analyse de données, aide à la décision, renseignement, logistique, simulation ?

Mais au-delà des promesses opérationnelles, ce choix déclenche un débat profond :
🔹 Peut-on confier des fonctions stratégiques à une IA développée par une entreprise privée ?
🔹 Quels risques en matière de sécurité, de contrôle des données et de dépendance technologique ?
🔹 Où se situe la frontière entre assistance à la décision et délégation de responsabilité ?

L’épisode explore également les enjeux politiques et géopolitiques : concentration du pouvoir technologique, rôle des grandes figures de la tech dans les choix militaires, asymétrie entre États capables de développer leurs propres modèles et ceux contraints de s’appuyer sur des solutions externes.

Enfin, on s’interroge sur les alternatives possibles : modèles souverains, IA locales, architectures hybrides, encadrement strict des usages militaires de l’IA. Ce choix du Pentagone est-il un précédent ? Un signal faible ou un tournant majeur dans la militarisation de l’intelligence artificielle ?

Un décryptage nécessaire pour comprendre comment l’IA redessine les rapports de force, bien au-delà du champ strictement technologique.