Pinned Tweet
Poser le bon problème et redonner du sens à l’innovation. #innovation #problème #canvas linkedin.com/pulse/poser-le-… par @EmmanuelAnique sur @LinkedIn
Emmanuel Anique retweeted
1. La structure des économies avancées va fondamentalement changer de façon accelérée à partir de maintenant.
2. Tous les emplois qui peuvent se faire essentiellement derrière un ordinateur vont prendre très très cher.
3. La France, pays particulièrement tertiarisé où les emplois de bureau ont un poids massif est en danger.
4. L'enjeu économique urgent de notre temps est d'assurer la bascule de l'économie française des services vers toute la chaîne de valeur de l'IA/robotique.
5. Pour cela il faut deux choses :
- créer les emplois en ayant des entreprises sur notre territoire qui sont capables d'assure un maillon de cette chaîne de valeur
- former en masse les gens capables d'occuper des emplois dans cette nouvelle chaîne de valeur.
6. Ce qui est le plus rageant, c'est que nous avons perdu en 30 ans, 13 maillons essentiels de la chaîne de valeur IA/robotique : transformateurs de lignes à haute tension, aciers magnétiques, silicone, batteries industrielles, lasers pour fibre optique, moteurs et variateurs industeriels, raffinement de terres rares, etc.
7. Ces maillons ont été liquidiés pour 3 grandes raisons :
- un manque de vision productive (le mythe de la société post-industrielle, l'idée que le futur était une société sans usine de service qui faisait rage dans les années 90, le moment où nous avons tout liquidé)
- un manque de capitaux structurel (nous n'avons pas de fonds de pension et notre épargne dort dans des assuances vies.)
- le passage à l'échelle européenne qui nous a fait abandonner nos politiques industrielles nationales sans pour autant qu'il n'y ait de relais continental (sous -estimation des blocages et des luttes intestines entre états)
8. Pour que la France ait un avenir, pour que nos enfants n'aient pas à choisir entre la pauvreté et l'exil, nous devons reconstituer tous les maillons de la chaîne de valeur, et donc prendre le chemin inverse de celui des 30 dernières années :
- revenir à une idéologie productive qui valorise le fait de bâtir
- mobiliser l'épargne, surtout celle des assurances-vies.
- ne plus attendre que l'Europe se bouge (tant mieux si elle le fait), mais penser à l'intérêt national.
Emmanuel Anique retweeted
Petit bilan économique………
Non nous n’avons plus les moyens de donner à l’Ukraine……..
La Macronie a tué le pays…..
Oui nous allons en chier dans les années à venir!!!!!
Emmanuel Anique retweeted
Voici une de mes cicatrices du #13novembre. Celle-ci est visible, j'en ai d'autres, physiques, mais surtout plusieurs psychologiques. J'ai mal tous les jours. Alors entendre Abdeslam se plaindre de ses conditions d'incarcération, cela me met en colère. 1/2
Emmanuel Anique retweeted
Après avoir donné l'exemple à ne pas suivre... je fais une petite vidéo pour me donner bonne conscience, déculpabiliser et surtout faire du contenu pour mes 77k abonnés.
Emmanuel Anique retweeted
DOCUMENTS EXCEPTIONNELS ! Des courriels interceptés par InformNapalm révèlent comment un officier du renseignement militaire russe (GRU) s’est efforcé concrètement de radicaliser les manifestations en France le mois dernier. Un thread ⤵️ 1/13
Emmanuel Anique retweeted
Les Français imaginent donc qu'on cotise pour les retraites par équipe de 6 à 7 personnes pour payer le repos d'un retraité, nous apprend un sondage récent.
Une large part de Français imaginent que l'argent des cotisations est capitalisé pour leur bénéfice.
Les Français pensent que les retraités touchent moins que ce qu'ils ont donné.
Les Français pensent que la retraite à 60 ans est une simple affaire de volonté.
Les Français pensent que la taxe Zucman permettrait de financer et l'école, et l'écologie, et la justice, et les retraites, et plein de choses.
Les Français pensent qu'en baissant le salaire des élus, on aura de la marge pour financer le reste, dont l'augmentation des pensions.
Et j'en passe.
On fait face à une collection colossale de mensonges et une part délirante d'ignorance.
C'est un désastre pour le pays, mais c'est aussi un échec de quatre corporations :
- les journalistes.
- les enseignants qui doivent bien parler des faits en question à un moment (et si on ne le fait pas, on doit questionner pourquoi).
- les semi-influenceurs qui préfèrent leur émotion aux faits.
- les politiciens qui espèrent construire des châteaux mangnifiques à partir de mensonges qui sont autant de bouts de bois.
Franchement, honteux. Je ne sais pas qui croit que la vie sera plus belle si on ment. Les mots même vont perdre leur sens.
Au vu du niveau important de redistribution en France, et du faible niveau des salaires nets, pour un coût du travail équivalent à d’autres pays, on peut dire que ça ne fonctionne pas. Donc la bonne solution c’est d’aller dans l’autre direction.
Replying to @fhollande
La TVA qui est un impôt non-redistributif comme quiconque à fait six mois d'ego dans sa vie. Belle mesure de gauche 😂🤡
1
31
Emmanuel Anique retweeted
Je viens de finir ce petit livre de Benoit Bergeret, qui traite essentiellement du féodalisme cognitif à l'heure de l'IA : comment créer des décisions éclairées lorsque tout est altéré par cette technologie ?
C'est le genre de bouquin que l'on lit deux fois : une fois parce que on y trouve des idées intéressantes et une seconde fois pour bien comprendre le lien entre ces idées.
Et à propos d'idées il y en a de nombreuses qui mériteraient un plus large débat, comme celle des sentinelles cognitives, un concept qui me semble central pour maintenir des institutions démocratiques et inclusives tant que c'est encore possible.
Emmanuel Anique retweeted
What an Ontology for AI Agents Actually Needs
"Ontology" now covers metrics layers, data catalogs, context graphs and standards-based models of business meaning. Each does a different job.
A catalog can name the owner of a table. It cannot tell an agent whether two records describe the same customer.
The more useful question is which semantic capability an agent needs at each stage of its lifecycle. The answer is a system, not a single file or graph:
• Meaning and facts stay apart. The ontology is the schema layer, the knowledge graph is the instance layer. The ontology defines the grammar. The graph supplies the evidence.
• Model the business, not the database. In an unfamiliar domain, discover first: open extraction, a seed ontology, then extraction guided by that ontology.
• Two loops run together. A build loop turns changing data into governed knowledge. A query loop uses the ontology to interpret each request, graph traversal for precise multi-hop facts, and vector retrieval for fuzzy context.
• Operational depth. Interfaces, derived properties, entity resolution that keeps provenance and uncertainty, and security policies resolved alongside meaning.
• Trust has a lifecycle. New relationships begin as candidate edges and are proposed, evaluated, accepted, remapped or retired.
• A knowledge spine. A queryable, versioned semantic model bound to source systems. It centralizes the resolution of meaning, not the storage of data.
The suggested starting point is modest: one decision an agent must explain or execute, a small seed ontology, and one context path through it.
The test is whether an agent can use the ontology to resolve meaning, retrieve evidence, apply policy and improve the next decision.
By Ananth Packkildurai
sbee.link/bfhdenq3ju
#AIAgents #SemanticLayer #DataEngineering #ContextEngineering #EnterpriseAI
--
Connected Data London 2026 | 11–12 November | Leonardo Royal Hotel London Tower Bridge
🎟 Tickets on sale now - 🔔 Last call!
sbee.link/gm3vqbk4wn
📺 Sponsorship opportunities available. Contact [email protected] for details.
#KnowledgeGraph #GraphRAG #Ontology #Graph #AI #DataScience #GraphDB #SemTech
Emmanuel Anique retweeted
How many ontologies does an enterprise need? One seemed enough. Then the questions began.
A Business Architecture team set out to inventory corporate business processes. The goal was not thousands of documents forgotten in repositories, but a usable record of how the enterprise operates, available across the organization and to AI-powered tools.
A single Corporate Ontology looked sufficient. Each new question showed it was not:
Business Domain Ontology: what exists (Customer, Account, Invoice)
Business Process Ontology: how work is organized and performed, kept independent of the software behind it. Replace Salesforce with another CRM and the logic of the process holds
Business Application Ontology: applications, platforms and the functionality they offer, whether or not a given process uses it
Business Capability Ontology: the why behind the work. Workforce Management (capability), Employee Administration (function), Employee Onboarding (process)
Four models, one enterprise. Questions such as “Which business capabilities are affected if an application is replaced?” require traversing all of them.
One idea was tested and set aside: making Business Function the central integration concept. A Process Step can be supported directly by an Application Function, and domains can classify capabilities, processes and applications directly. Not every meaningful relationship passes through a Business Function.
The resolution was a Bridge Ontology. Each ontology owns its concepts and internal relationships. The Bridge defines the relationships between them. Together they describe one Enterprise Knowledge Graph.
Five ontologies emerged as a result, not a target. The guiding principle is to have as many as distinct semantic responsibilities justify, and no more than are needed to represent them coherently. 🧩
By Alexander Belin
sbee.link/bpjefwndmk
#EnterpriseArchitecture #BusinessArchitecture #EnterpriseKnowledgeGraph #SemanticWeb #OntologyEngineering
--
Connected Data London 2026 | 11–12 November | Leonardo Royal Hotel London Tower Bridge
🎟 Tickets on sale now - 🔔 Full programme announced
sbee.link/v743dqryek
📺 Sponsorship opportunities available. Contact [email protected] for details.
#KnowledgeGraph #GraphRAG #Ontology #Graph #AI #DataScience #GraphDB #SemTech
Emmanuel Anique retweeted
Il a demandé à Claude d’analyser 43 millions de commentaires Hacker News publiés sur 20 ans pour en tirer 6 454 vidéos YouTube qui valent vraiment le détour.
Résultat : HackerTube. Un YouTube alternatif, sans compte, avec des recommandations issues de la communauté plutôt que d’un algorithme optimisé pour nous garder devant l’écran.
Le projet a été réalisé en environ 2 heures avec Claude Opus 5.5, jusqu’au déploiement👀
hackertube.org
Weekend hack: HackerTube. I was annoyed with YouTube's recommendations so I had Claude filter down 43M comments over 20 years of HN to 6,454 videos that keep being recommended. *Significantly* better viewing experience, ~2 hours with Opus 5.5:
hackertube.org/
- Excellent recs without any logins (state is kept in local browser session)
- Thumbnail is a representative frame from middle of the video instead of the super duper A/B test hyper-optimized user uploads
- Underlying data from the comment analysis as one zip file, point your Claude at it and ask for your own version
- HackerTube Longs ✊
A bit more on the process:
I use Claude Code (desktop app for Mac), Opus 5.5 on Medium effort as my default. I only talk to Claude and have it do everything, the only "manual work" I helped with in tandem was in the browser (reminiscent of MenuGen): 1) I had to create some kind of API key from Google Cloud UI to query YouTube for video metadata, 2) I booted up a VPS box for serving and 3) I bought the domain name. Once the box was up I gave Claude the IP and told it update, secure, harden, deploy and optimize the code, and it did the whole thing.
Many awesome projects that would have normally taken weeks/months even can now be few-shotted for breakfast. What else are we not thinking of.
Emmanuel Anique retweeted
Chaque fois qu'une nouvelle technologie émerge, on se demande à quoi elle peut bien servir.
Mais la question est mal posée, et l’économiste William Stanley Jevons a montré pourquoi.
En 1865, Jevons observe un paradoxe : les machines à vapeur, inventées un siècle plus tôt, sont devenues beaucoup plus efficaces, mais au lieu de réduire la consommation de charbon, elles l’ont fait exploser. Sa conclusion: en abaissant le coût d’usage d’une ressource, le progrès technique peut en démultiplier les emplois au lieu de les réduire.
L’ordinateur personnel un siècle plus tard est un autre exemple. À la fin des années 1970, ses usages connus justifient difficilement son prix très élevé. Technologie fascinante, mais que ferait-on d’un ordinateur chez soi ou dans un bureau ? Le scepticisme est de mise face à l'enthousiasme de ses promoteurs.
Puis VisiCalc sort en 1979 sur Apple II. Le tableur répond à un problème bien réel, mais son invention n’a pas précédé celle de l’ordinateur personnel : elle a été rendue possible par son existence. Et c’est ensuite VisiCalc qui donne aux entreprises, puis aux professionnels et aux indépendants, une raison d’acheter des ordinateurs en masse.
L’abondance a précédé l’usage, et l'a permis, pas l’inverse.
L’IA suit aujourd’hui un chemin comparable. Tant que le raisonnement machine coûtait cher, on le réservait à quelques applications dont il faillait justifier individuellement la rentabilité. Mais à mesure que son coût baisse, il devient possible de l’utiliser pour des tâches de plus en plus ordinaires. Et c’est précisément cette banalisation qui ouvre la voie à des usages nouveaux.
Ce qu’on qualifie aujourd’hui de gaspillage voire de futilité - mobiliser un modèle de plusieurs milliards de paramètres pour créer une image ou organiser ses vacances, par exemple - mérite donc d’être regardé autrement. Il y a peu, une telle puissance de calcul était réservée à quelques très grandes organisations. Qu’elle serve désormais à des usages triviaux n’est pas un dévoiement : c’est la forme que prend la démocratisation d’une ressource.
Nous cherchons aujourd’hui les usages qui pourraient justifier le développement de l’IA. Mais l’histoire suggère que nous raisonnons à l’envers : c’est parce qu’une ressource devient abondante et accessible que nous pouvons inventer de nouvelles façons de l’utiliser. C'est la leçon de Jevons.
Et ce sont ces usages, souvent impossibles à prévoir, qui finissent par transformer l’économie.
Emmanuel Anique retweeted
Le problème des entreprises face à l’IA n’est pas technologique. C’est leur bureaucratie.
À quoi bon disposer d’une IA capable de travailler en quelques secondes si chaque décision exige trois semaines de validation ?
Notre tribune avec @dr_l_alexandre
Emmanuel Anique retweeted
➡️ Sylvia Serfaty : avec l'IA, les purs "problem solvers" sont sans doute dépassés, mais il reste un avenir pour les mathématiciens plus créatifs et ambitieux ; il faudra être moins "mathématicien rigoureux" et devenir davantage "scientifique expérimental" au sens large...
Emmanuel Anique retweeted
🚨 ANTHROPIC ACABA DE REGALAR EL MANUAL PARA MONTAR UNA EMPRESA SIN EMPLEADOS
taller gratuito sobre cómo construir un negocio operado por agentes de IA.
nada de chatear con la IA. agentes que se activan solos y ejecutan el trabajo sin intervención humana.
→ se lanzan con un horario, una llamada o un evento de GitHub
→ corren en la nube aunque apagues el ordenador
→ gratis
→ subtitulado al español
resultado: tareas que antes hacías a mano cada día, ahora las hace un agente por su cuenta.
🔖 guárdalo, te va a servir.
Emmanuel Anique retweeted
La semaine dernière, à l'institut Henri Poincaré, il y avait une série de séminaires sur "AI and the future of mathematics and physics". Pour ceux qui n'en ont pas encore assez des discussions sur l'IA, je recommande en particulier la dernière présentation de Sylvia Serfaty
Emmanuel Anique retweeted
Un audit mené par des IA sur les travaux d’Emmanuel Saez et @gabriel_zucman vient de sortir. Les chiffres sont brutaux.
138 travaux examinés, 2 035 problèmes relevés. Plus des deux tiers des papiers contiennent au moins une anomalie. 147 d’entre elles sont assez graves pour modifier un chiffre clé. Quand le sens de l’erreur est identifiable, 97 % vont dans la même direction : elles gonflent la conclusion.
L’exercice n’est pas une tribune. Deux modèles (Claude Opus 5.5 et GPT-6 Astra) ont audité indépendamment chaque papier, ses annexes et ses fichiers de réplication. Ils ont recalculé les chiffres à partir des données mêmes des auteurs et, quand c’était possible, des sources primaires (statistiques fiscales, comptes nationaux, Fed, enquêtes). Un troisième agent a ensuite vérifié chaque problème, tenté de le réfuter, et classé ce qui restait.
Le site qui publie le détail distingue les défauts purs (erreurs de calcul, sources mal citées, contradictions internes) des choix contestables (hypothèses défendables mais discutables). Sur 147 findings majeures, on compte 53 défauts et 94 choix contestables. Le biais directionnel reste massif : 96 % des défauts et 98 % des choix contestables affaiblissent les claims des auteurs. Les résultats directionnels (l’inégalité monte, les ultra-riches paient peu, les taxes sur la fortune rapportent) tiennent souvent. Les ordres de grandeur, beaucoup moins.
Dans un working paper de juillet 2026 coécrit avec Ben Tippet, Zucman estime qu’un impôt minimum de 2 % sur le patrimoine des foyers britanniques au-dessus de 100 millions de livres rapporterait 10,41 milliards de livres en 2026, après réponses comportementales. L’audit, en utilisant les taux d’imposition cités dans le papier lui-même, arrive à environ 8 milliards. L’écart n’est pas négligeable pour un chiffre qui est ensuite brandi dans le débat public.
Tyler Cowen, sur Marginal Revolution, en tire la conclusion directe : il faut une « réévaluation radicale » de ce corpus et des arguments de politique publique qui s’en nourrissent. Il note aussi que c’est un premier signal de ce que l’IA va faire aux travaux passés en économie. Les pertes de statut seront probablement plus nombreuses que les gains.
En France, où la « taxe Zucman » est devenue un objet politique, ces travaux servent de socle technique. Or les critiques antérieures (Auten-Splinter sur les parts de revenu, Phil Magness sur les taux effectifs, Fondapol sur la méthodologie) pointaient déjà des choix qui, de manière répétée, poussaient les conclusions dans le même sens. L’audit n’invente pas le problème. Il le quantifie à grande échelle, avec les propres fichiers des auteurs.
Deux limites claires. D’abord, les auteurs n’ont pas eu droit de réponse dans cet exercice, et aucun expert humain indépendant n’a validé l’ensemble des findings. Ensuite, le projet se concentre sur les failles ; il ne mesure pas ce qui tient. Cela dit, le taux de reproduction des chiffres (72 % des vérifications retrouvent le chiffre publié) n’est pas catastrophique. Ce qui l’est, c’est l’asymétrie quasi systématique des écarts.
Si l’on reprend le problème à zéro : un impôt sur le stock (la fortune) n’est pas un impôt sur le flux (le revenu). Un taux de 2 % annuel, appliqué année après année, équivaut à une confiscation progressive massive du capital productif, surtout quand une partie de ce capital n’est pas liquide. Les estimations de recettes qui ignorent ou sous-estiment les départs, les réallocations et les réponses comportementales sont structurellement optimistes. L’audit ne fait que documenter, papier après papier, à quel point cet optimisme est présent dans les calculs.
Ceux qui veulent taxer davantage n’aiment pas qu’on vérifie les additions. C’est compréhensible. Ça ne rend pas les additions plus justes.
marginalrevolution.com/margi…
Une mairie française a décidé de faire un bond technologique pour être ouverte 24h/24. « On avait une responsable de cantine qui passait une heure le matin à relever les présents et les absents dans les classes, et une heure l’après-midi à transmettre à la comptabilité », rapporte Jonathan Cholet, directeur général des services de Marolles-les-Braults. Selon lui, ce temps peut désormais être consacré aux enfants ou à des projets axés sur le contact humain. l.numerama.com/PBR
Emmanuel Anique retweeted
AutoResearch... is the means of AI production: a model factory that creates custom frontier models for your workflows, fully owned by the sovereign institution.
Datasets. Techniques. Weights. All owned.
AutoResearch and the Fine-Tuning Ontology
The full 22 page pdf here: palantir.com/assets/xrfr7uok…
The most effective antidote to demoware is AI built as a suit the operator wears.
Models are rented. Standards are owned.
"Neither the model nor the data schema is the differentiator, because a competitor can buy both."
We handed these whiteoapers out at our sovereignty event yesterday but wanted to share with everyone, there are 24 pages in the link below with great applied learnings from @sidharthajha and team.
Well worth the read for everyone!
palantir.com/assets/xrfr7uok…












































