Vos IA n’ont pas besoin de tout savoir Elles doivent servir votre jugement Obsidian · Agents · SEO · Systèmes · Décisions Je construis ÉLYSIA OS · Nexus IA
france
Joined March 2010
- Tweets1.6K
- Following1.3K
- Followers580
- Likes5.6K
Mickaël Ahouansou retweeted
155 000 projets énergétiques dans 226 pays, 14 000 entreprises, et 10k de crédits Cursor claqués pour y arriver : c'est WattsMonde, l'atlas de Watts Else?, un an après sa naissance. Et soyons honnêtes, c'est encore un beau bordel. Des entreprises en doublon, des localisations à prouver, des fiches à trier : il reste beaucoup de charbon.
L'ambition derrière, c'est de surveiller 24 h/24 la réglementation, les aides, les technologies et les entreprises de l'énergie, puis de les faire entrer en collision pour démonter n'importe quel projet : ce qui l'encadre, ce qui le finance, avec quelle techno, et qui sait le faire. Il y a deux ans, quand j'ai commencé, le logiciel était trop ambitieux pour les outils disponibles. Il y a un an, l'atlas est enfin devenu possible.
Aujourd'hui, avec le programme Claude for Startups, mon associé @optimikee, DeepSeek V4 Flash et Mistral, on part pour le rendre complet. Une règle tient l'ensemble : aucun chiffre publié sans sa source et l'extrait qui le contient. Le modèle structure, il n'invente pas.
La partie veille a déjà validé le principe. Le Radar lit la presse énergie toutes les six heures, fait analyser chaque article par DeepSeek et écarte ce qu'il ne parvient pas à relire proprement. Ce socle va nourrir les fiches réglementation, aides et technologies : 558 aujourd'hui, surtout françaises, et demain tous les pays, tenues à jour en continu par des agents.
Le moteur, lui, vient d'un POC de deux mois : reconstruire en clean-room un solveur d'équations d'ingénierie de référence en thermique, thermodynamique, mécanique des fluides. Sur 25 modèles industriels réels, plus de 12 000 blocs convergent, et la puissance nette d'une centrale retombe à 0,4 % de son calcul de référence. Une fois emballé, ce solveur peut résoudre n'importe quel système d'équations qu'on lui pose et apporter à l'outil la partie déterministe que l'IA seule ne garantit pas. Et le jour où les world models arriveront, ce sera un festin.
Les cours dispo en accès gratuit sont branchés sur le même moteur : chaque chiffre de l'ouvrage CVC sort du code du logiciel. L'objectif, c'est de sortir techniciens, ingénieurs et étudiants d'Excel, et de rendre tout ça accessible pour l'éducation, l'information et l'innovation.
Le logiciel wattselse.com prend forme, et c'est magnifique.
Un projet de chauffage touche toujours trois mondes qu'on traite d'habitude dans des outils séparés. Le logiciel les met au même endroit :
1/ La réglementation : 107 textes chargés dans l'outil.
2/ Le moteur de calcul : réseau de radiateurs, chaudière, PAC, chaufferie, groupe froid. Chaque chiffre porte son unité, son origine, son domaine de validité et le renvoi au chapitre du cours qui l'explique.
3/ Les incentives : les 205 fiches CEE, consultables à côté du calcul.
Une installation bien dimensionnée qui rate une exigence ou passe à côté d'une aide finit par coûter plus cher que prévu. Quand la règle, le calcul et l'aide vivent ensemble, on se pose la question « conforme ? financé ? » dès la première version du projet, pas à la fin.
Ce qui sort de l'outil : une note de calcul et un classeur Excel aux formules recalculables, qu'un ingénieur peut vérifier ligne par ligne.
On pilote tout ça en conversation avec un assistant sous DSV4F & Mistral ML4. La suite arrive.
Mickaël Ahouansou retweeted
Fortunately, I have 35 years of experience in biomedical research (anyone is welcome to check my scientific record), and I have been saying the same thing for years. I completely agree with Demis: we will cure all diseases within 10 years AND reverse aging in approximately 15 years!
I realize I am an exception among my colleagues, but what I find truly messed up is denying people, whether sick or healthy, this very real hope for the future.
Let me explain the main reason why even brilliant scientists and experts struggle to imagine how this could possibly happen. It comes down to extreme cognitive dissonance and the enormous ego of human intelligence: if WE cannot achieve something, we find it inconceivable that MACHINE intelligence could. In fact, the smarter people are, the harder it often becomes for them to accept this possibility, and the more elaborate their coping mechanisms become.
Top mathematicians have just lived through this realization, and physicists will be experiencing it soon.
Yet biologists somehow feel more secure. Not because they are smarter, but because biological systems are vastly more complex. After centuries of research by some of the greatest minds in human history, the idea that AI could solve problems in biology that have eluded us for so long, and do so within just a decade or two, seems utterly inconceivable to them.
Well, they will find out soon enough!
As someone who understands biology deeply, I know that its complexity is not insurmountable. Yes biology IS extraordinarily complex, but it is ultimately a system governed by physical laws and principles that can be decoded, which we have been doing albeit very slowly. Achieving this in a decade will require superintelligence, vastly greater computational power, and enormous amounts of biological data. That is why I believe it will take a decade or two, compared with mathematics and physics, where AI is already making extraordinary progress at a much faster pace.
The fundamental mistake is assuming that the limits of human intelligence are also the limits of intelligence itself. We have spent centuries trying to understand biology with human brains, same substrate it is made of. We are about to bring an entirely different level of intelligence to the problem, one that will eventually surpass the collective intellectual capabilities of all scientists who have ever lived.
As such, I stand 100% behind Demis and others, including Dario Amodei, who have made similar predictions.
Mark my words: the coming revolution in biology and medicine will be unlike anything humanity has ever experienced!
When Demis Hassabis talks about curing all diseases within 10 years, @dawallach says scientists who have spent decades studying these problems aren't necessarily buying it.
"When [scientists] hear AI people say smart things, they go, 'Cool, yeah, let's run it.' Everyone respects Demis."
"But when Demis says we're gonna cure all diseases in 10 years, I think people who have two PhDs and have been doing this for 40 years go, 'Come on, man.'"
"You're giving a sort of false hope to a lot of people who are legitimately out there suffering or have a loved one who's on death's doorstep. That's a little messed up."
Mickaël Ahouansou retweeted
La music video en dessous a été faite uniquement avec le skill Animation Studio, je viens de le mettre en open source. Ce qu'il fait c'est sortir des animations qui tiennent la route : un hero de site, un loader d'app, un clip, un GIF...
Le core du skill est bête et méchant : il s'appuie sur des preuves. Le skill force à trier chaque info d'entrée en observé, estimé ou proposé. Une image fixe te donne le style, elle établit pas le timing. Une piste audio dans le fichier veut pas dire que quelqu'un l'a écoutée, par exemple. Sauf que c'est exactement là que les animations générées partent en vrille : l'agent invente du mouvement qu'il a jamais vu.
Ensuite timing et spacing. Timing c'est quand ça arrive, spacing c'est la vitesse perçue entre deux positions. Colle le même easing générique sur toutes les propriétés et t'obtiens ce motion mécanique qui donne de l'IA slop direct. Ease-out pour une arrivée, ease-in pour un départ, et du dépassement seulement avec une raison derrière et une position finale stable.
Les loops c'est vicieux. Une boucle peut fermer parfaitement en position et sauter en vitesse au raccord (le seam). Y'a un check_loop.mjs dedans qui compare numériquement F(t) et F(t+1), continuité de vitesse comprise, et qui attrape les rampes modulo dont les deux bouts mentent. Même rigueur à l'export : pour une durée D et N frames, t = i*D/N avec i de 0 à N-1, jamais de frame de fin dupliquée sinon ça fail à chaque tour.
Côté son : une seule origine de temps et pas l'horloge système, et des repères calés sur des preuves audio réelles plutôt qu'un événement collé sur chaque beat. Pour les clips le workflow documenté c'est refrain d'abord puis film complet, avec les corrections de timing qui passent par le fichier de sous-titres plutôt que par des phonèmes devinés. Les deux étapes existent dans les exemples du repo : un refrain de 24 secondes et un film lyric complet de 3 minutes, avec l'audio.
Ah et un GIF qui tourne en boucle dans ton player ne prouve rien sur la boucle source. C'est donc défini strictement dans le skill.
Pour rester carré : les explainers, Rive, Three.js et Blender sont documentés dedans mais aucun exemple rendu dans le showcase. Le repo n'embarque d'ailleurs aucun moteur de rendu, juste le workflow, les références techniques et deux petits scripts de contrôle. Tu es libre d'utiliser tes outils habituels aussi.
Have fun!
Skill, showcase, et instructions :
github.com/lbframe/animation…
Vidéo: Sol 6.1 high fast, Suno v6 pro, Turboscribe SRT, Animation Studio
Mickaël Ahouansou retweeted
- Je ne vois AUCUNE raison de continuer à entraîner des modèles d’IA toujours plus puissants.
- Guérir le cancer ?
- Oui bon. Mais à part guérir le cancer ?
- La possibilité de vieillir en bonne santé, sans oublier qui sont ses enfants, sans porter des couches ?
- Admettons. À part le cancer et la vieillesse en bonne santé ?
- L’espoir pour les personnes handicapées de retrouver la parole ou la vue ? De traiter la maladie de Charcot, la sclérose en plaques et Parkinson ? D’inventer de nouveaux vaccins pour qu’un parent ne voie plus jamais son enfant mourir ?
- Tu ne vas pas me faire tous les progrès médicaux un par un ! À part le cancer, la vieillesse en bonne santé, la fin du handicap ou de la mortalité infantile ?
- Des robots pour que plus personne ne soit obligé de nettoyer des toilettes, de déboucher les égouts, de porter des sacs de ciment sous la canicule, de risquer sa vie sur un chantier ?
- Je te concède tout ça ! Mais à part le cancer, la vieillesse en bonne santé, la fin du handicap ou de la mortalité infantile et la disparition des métiers pénibles ?
- La démultiplication des rendements agricoles pour que tout le monde sur la planète mange à sa faim ?
- Admettons. Mais à part le cancer, la vieillesse en bonne santé, la fin du handicap ou de la mortalité infantile, la disparition des métiers pénibles et des famines ?
- L’invention de nouvelles technologies vertes ? Une énergie abondante et propre ? Faire reverdir les déserts ? Dessaler l'eau de mer pour offrir de l’eau potable à tous ? Vaincre le réchauffement climatique ?
- Bon. Mais à part le cancer, la vieillesse en bonne santé, la fin du handicap ou de la mortalité infantile, la disparition des métiers pénibles et des famines, et le sauvetage de la planète ?
- Un monde d’abondance où chacun pourra se loger confortablement, se chauffer l’hiver, et ne plus regarder les prix au supermarché ?
- Ok mais à part le cancer, la vieillesse en bonne santé, la fin du handicap ou de la mortalité infantile, la disparition des métiers pénibles et des famines, le sauvetage de la planète et l’abondance ?
- L’exploration spatiale ? La résolution des mystères de l’univers ?
- Qu’elle s’occupe déjà de nos problèmes concrets…
Mickaël Ahouansou retweeted
Ojectif fin 2026-2027 : pousser wattselse.com jusqu'à une candidature à YC.
WattsElse, c'est un logiciel de calcul énergétique et CVC pour les ingénieurs, adossé à un ouvrage de cours qui vise à devenir la référence de l'IA appliquée aux règles de l'art. Chaque chiffre du livre sort du même code que le logiciel. Aujourd'hui, ces calculs vivent dans Excel ou EES. On veut un outil web, sans rien à installer, où chaque calcul se suit étape par étape : un ingénieur doit pouvoir faire confiance à un résultat qu'il n'a pas écrit lui-même.
Dix ans passés sur les verrous m'ont conditionné pour ça. On verra si l'appétit est aussi gros que les capacités. Quoi qu'il en soit, on va bien s'amuser et en choquer plus d'un, potentiels investisseurs comme potentiels clients.
On peut avoir tous les débats philosophiques qu'on veut sur l'état du marché, l'IA qui va nous remplacer, blabla. Mais il n'y a rien de pire que l'inaction, et que de ne pas repousser le champ de ses ambitions avec une techno pareille.
Je suis aussi de plus en plus convaincu que le monde corporate, même s'il va utiliser l'IA à fond, ne va pas l'exploiter correctement avant un bon moment. Il faut des couilles, des risques, et construire from scratch un système dans ce sens, réplicable et scalable.
Anthropic a une règle de sûreté.
Si l'IA fait doubler la vitesse à laquelle ses modèles progressent, un seuil d'alerte est franchi.
En août, dans son rapport de risques, Anthropic écrivait rester sous ce seuil. Il y a un mais...
METR a refait le calcul avec les chiffres confidentiels du même rapport. Il trouve 1,97, et estime qu'il aurait été plus juste d'écrire « autour de 2 ».
Les chiffres qui permettent de le vérifier sont caviardés.
METR est un évaluateur indépendant. Anthropic lui a donné accès à des données internes pendant 11 semaines et lui a demandé de relire ce rapport.
Le 1,97 mesure toute l'accélération. Le seuil ne compte que la part qui vient de l'IA, et une partie peut venir d'autre chose, comme les recrutements. METR juge plausible que le seuil ait été franchi au 15 juillet, mais la plupart des chercheurs concernés, chez METR comme chez Anthropic, penchent pour non. Il rejoint aussi Anthropic sur le risque, encore faible à cette date.
Depuis, METR a mesuré la tendance jusqu'en octobre 2026, sur un indice de benchmarks qui inclut les modèles non publiés d'Anthropic :
- avant octobre 2025, +15 points par an
- depuis, +29 points par an
- soit environ 1,9 fois plus vite (entre 1,5 et 2,8), presque deux ans de progrès en un an
Selon METR, environ 80 % de cette accélération viendrait de l'usage de l'IA par les équipes d'Anthropic, une estimation qu'il donne comme très incertaine. Il ne se prononce pas sur le seuil pour aujourd'hui.
Plus tôt, j'écrivais que l'IA progresse vite là où l'on peut vérifier son travail automatiquement.
METR le note aussi à propos de son propre chiffre. Pour mesurer les progrès, il utilise surtout des tests qu'une machine peut corriger, par exemple une réponse juste ou fausse, ou un code qui passe ses tests. Sur les tâches plus floues, il ne sait pas si l'accélération est aussi forte.
Le dernier modèle interne dépasse déjà 50 % sur chacun des 15 benchmarks utilisés, et METR écrit que ce manque de tests difficiles le rend « un peu nerveux » sur sa capacité à mesurer la suite.
teapaw.org/METR_Evals/status/2118…
La mort qui devient un choix.
Greg Brockman, président d'OpenAI, l'a évoqué sur la scène du WSJ. Sans date. La seule échéance qu'il donne est plus proche : de « vraies avancées significatives » en santé et contre les maladies, d'ici 12 à 18 mois.
Là-dessus, je le crois. Une piste contre une maladie se vérifie bien plus vite qu'une vie plus longue.
Derya Unutmaz, immunologiste au Jackson Laboratory, va plus loin, avec une date : vers 2035, chaque année vécue en ajoutera plus d'une, puis le vieillissement sera inversé.
Là, tout bute sur un détail qu'une étude allemande d'octobre rend visible.
Si l'IA va si vite dans le code, c'est qu'une réponse s'y vérifie en quelques secondes. Le test passe ou casse. Un modèle peut échouer des milliers de fois par jour, et c'est sur ces tests qu'on l'entraîne.
L'IA avance à la vitesse à laquelle on peut vérifier qu'elle a raison.
Contre le vieillissement, le vrai test, ce sont des gens qui vivent plus longtemps en bonne santé. Ça se compte en décennies.
Alors les chercheurs mesurent autre chose.
C'est l'étude allemande. À Bonn, des chercheurs ont transformé des cellules sanguines d'une personne de 80 ans en cellules souches nerveuses, puis mesuré leur âge avec des horloges épigénétiques, qui le lisent dans des marques chimiques sur l'ADN. Les cellules affichent à peine 20 ans.
La cellule a 20 ans selon l'horloge. Le donneur en a toujours 80.
Ces horloges sont un test rapide, comme ceux du code. Une IA entraînée dessus deviendrait vite excellente pour faire reculer l'horloge. Personne ne sait encore si ça fait vivre plus longtemps.
Et pour le savoir, il n'existe qu'un seul instrument : le calendrier.
Mon pari pour mai 2028, au bout des 18 mois : Brockman aura eu raison sur les maladies. Et aucun traitement anti-âge conçu par IA n'aura prouvé qu'il allonge la vie humaine. Le vrai saut viendra quand on aura montré, sur des patients suivis des années, qu'un test rapide prédit vraiment la santé. L'IA pourra alors s'entraîner dessus comme sur du code. Le 2035 de Derya Unutmaz dépend de ce jour-là.
L'étude de Bonn, pour ceux qui veulent lire la source (Aging Cell, octobre 2026) : doi.org/10.1111/acel.70751
Mickaël Ahouansou retweeted
Ça me fume de rire. Depuis la sortie d’Opus 5.5, c’est le mail que je reçois après quasiment chaque échange : « Nice preparation ».
Je fais des présentations à des dinosaures qu’Opus 5.5 me torche en 30 minutes. Et derrière, mon outil que j’ai reverse-engineeré me sort 10 scénarios avec toute la Bill of Materials, les PFD, les budgets, les schémas d’installation…
Le client m’envoie sa demande le lundi. Le mardi, je débarque avec un deck digne des plus grands cabinets de conseil.
Et je parle de projets à plusieurs millions de dollars.
Opus me prémâche l’analyse, les scénarios, les présentations et même le discours. Je n’ai plus qu’à me concentrer sur ce qui compte : comprendre le client, challenger les hypothèses, défendre les choix techniques et convaincre.
J’arrive comme une fleur avec l’assistant dont j’ai toujours rêvé.
Pendant ce temps, je développe WattsElse, LLMgram, un Age of Empires-like… quelle vie.
Le POC est validé. Maintenant, je standardise tout ça pour que mes collègues aient les mêmes armes.
Pour l’anecdote, je fais littéralement le boulot de cinq sales et j’en redemande.
Évidemment, l’expérience compte. Savoir poser les bonnes questions, comprendre la technique, orchestrer les outils et repérer les conneries que peut sortir un modèle, ça ne s’improvise pas.
Mais quel engin.
On parle beaucoup de l’IA qui remplacera les métiers. Moi, je vois surtout ce qui se passe quand quelqu’un qui maîtrise déjà son métier se retrouve avec une capacité de production démultipliée.
Ne perdez pas votre temps à tout refaire manuellement.
Un template, une idée, une bonne orchestration, et bim.
Mickaël Ahouansou retweeted
J’ai une conviction : pour faire de grandes choses avec l'IA, il faut deux briques. Une veille qui ne s'arrête jamais, et des données qu'on ne laisse pas dormir au frigo.
Les gros acteurs le montrent déjà. Mistral construit son propre index du web avec son crawler, MistralAI-Index, pour alimenter la recherche de son assistant : c'est la veille. Harvey, une IA spécialisée dans le droit, a été valorisée 11 milliards de dollars en mars en mettant la donnée d'un métier au travail. Nous faisons les deux pour l'énergie avec Watts Else.
La veille couvre les technologies, la réglementation de l'énergie, les dispositifs d'aide, les projets et les entreprises. Près de 20 000 éléments sont suivis et plus de 150 000 archivés. La machine tourne 24/7 : toutes les six heures, des agents passent sur les nouvelles sources, un modèle léger (DeepSeek Flash) analyse chaque article, et quand une page est bloquée par un paywall, une page de connexion ou une erreur, un scraper la relit. Si la relecture paraît douteuse, l'article est écarté plutôt qu'importé de travers.
Ensuite, la donnée doit servir. Tout est centralisé et exposé par API et MCP pour alimenter l'Atlas, notre moteur B2B qui relie les fiches entre elles : quelle entreprise porte quel projet, sur quelle technologie, avec quelle aide. Relier proprement est plus dur qu'il n'y paraît, alors chaque champ d'une fiche garde sa source, son statut, son niveau de confiance et sa date. Le cas s'est présenté chez nous : une petite fondation néerlandaise qui hérite du SIREN, du chiffre d'affaires et du logo d'Air Liquide, parce qu'un rapprochement automatique s'est trompé d'entité. Une petite structure qui reçoit l'identité d'un grand groupe coté passe désormais en « à vérifier ».
Puis il y a le logiciel qui arrive : le codex de l'énergie. L'ambition est qu'aucun calcul et aucun process du métier ne nous échappe, avec des calculs traçables étape par étape, dans une application web où il n'y a rien à installer. C'est aussi notre manière de démocratiser l'IA, puisque toutes les briques d'innovation qu'on construit seront mises à disposition.
La donnée sert aussi à informer et à faire le tri dans le bruit. On partage du contenu sur les différents réseaux, et ça a déjà beaucoup pris en 2025, avec de nombreux visiteurs chaque jour.
Tout part d'une démarche holistique pour traiter un problème concret, celui des bureaux d'études, des ingénieurs, des techniciens et des étudiants. Et elle coûte finalement très peu : le moteur se construit avec des tokens, mais il sait ensuite s'alimenter seul, sans réclamer 24/7 des tokens de haute qualité. C'est le même moteur que je développe depuis plusieurs mois pour @llmgram, où j'ai pu l'éprouver. Les deux vont s'associer, énergie × IA, et d'autres suivront.
Un projet de longue haleine, qui ne se fait pas en deux jours. Je l'ai commencé avec un simple abonnement ChatGPT Plus, et ce départ a suffi à démontrer le POC et son intérêt auprès du public visé. Aujourd'hui, nous avons 10x Claude via le Start program et deux cerveaux bien câblés, expérimentés sur le sujet, qui vont y mettre toute leur passion.
Ceux qui ont vu wattselse.com la semaine dernière, allez le revoir aujourd'hui. Cette semaine, on a poussé 48 commits et fusionné 7 PR, et le site a changé de visage.
Ce qui est sorti cette semaine :
1/ un cours de génie climatique de 80 chapitres, à lire librement et sans compte. Les chiffres du cours sortent de modèles de calcul.
2/ WattsMonde v2, l'atlas de l'énergie : 13 801 acteurs et 154 940 projets, avec la provenance de chaque donnée champ par champ
3/ une nouvelle page d'accueil et une refonte du site : réglementation, Technothèque, calculateur CEE
Et ce qui tourne déjà derrière : le Radar a lu 143 articles en 7 jours sur 34 sources, et la base compte 205 fiches CEE actives, 275 fiches à la Technothèque et 107 en réglementation.
Les 48 commits portent un seul nom humain. Chaque chantier part d'une carte, des agents IA le codent dans leur propre branche, et une relecture passe avant chaque fusion.
J'y mets toute mon âme. La distillation de Supersocks est en marche : 15 ans de métier, du bac pro chauffagiste au poste de chargé d'affaires où je mettais en œuvre des systèmes en zone sensible dans l'énergie. Ce n'est encore qu'un embryon, mais la base est là et la direction est claire.
@optimikee me rejoint dans l'aventure. Ce projet, on va le finir, et on va en choquer plus d'un. Je suis convaincu qu'à deux, avec ces outils, on va abattre le boulot qu'il fallait à 100 personnes dans l'ancien temps.
L'accès à l'éducation, à l'information et à l'innovation.
Lundi, une équipe du MIT a annoncé qu'une IA, GPT-6 Astra, avait rendu une autre IA 6 fois meilleure en maths sans l'entraîner. J'ai lu les journaux de l'expérience : le score vient surtout d'une panne réparée.
Qwen, un petit modèle, est passé de 8 % à 48 % de bonnes réponses sur un test de 500 problèmes.
D'habitude, on améliore une IA en l'entraînant sur des milliers d'exemples : un algorithme ajuste peu à peu ses poids, 800 millions de nombres chez Qwen. Ici, Astra a modifié ces nombres elle-même.
Qwen tournait en boucle, même avec le réglage anti-répétition activé. Seules 7 % de ses réponses arrivaient au bout. Après 50 séries d'essais, Astra a repéré un signal lié à la répétition et l'a retiré en changeant 0,016 % des nombres. Désormais 67 % des réponses vont au bout. Selon les auteurs, Qwen finit ainsi des calculs qu'il savait déjà faire.
Deux détails que le tweet d'annonce ne dit pas :
1. La consigne de départ citait déjà la répétition comme piste à creuser.
2. Sur Gemma, un autre petit modèle qui ne bouclait pas, le score est resté autour de 7 %. Les auteurs le reconnaissent.
Un bon mécanicien, à qui on avait conseillé de regarder le frein à main, l'a trouvé serré. La voiture roule enfin, avec le même moteur.
Neel Nanda, qui étudie l'intérieur des modèles chez Google DeepMind, y voit de la recherche « à l'ancienne », menée par l'IA mieux qu'il ne l'aurait prédit.
Ce que l'expérience montre quand même, c'est une IA capable d'ouvrir le capot d'une autre pour y réparer une panne précise.
L'équipe a tout publié, essais ratés compris, ce qui m'a permis de vérifier.
Billet : rikiyat.github.io/blog/weigh…
Journaux : github.com/RikiyaT/lm_unders…
We asked GPT-6 Astra to edit Qwen3.5-0.8B weights to improve math.
It directly changed only 0.016% of weights, fixing 0.8B's reasoning loops & improving math up to 6x and even instruction following 3x, without gradients or training.
We call this Weight-Space Programming: frontier LLMs can now natively read/write neural network weights! 🧵
Blog: rikiyat.github.io/blog/weigh…
Readers added context they thought people might want to know
LLM was given weights explicitly as text in prompt and used code/forward passes (per authors' logs) to ablate Qwen looping direction, a known thinking-mode issue per model card. Primarily fixed repetition in that mode, not general 'natively' improving weights/math.
rikiyat.github.io/blog/weight-sp…
github.com/RikiyaT/lm_und…
huggingface.co/Qwen/Qwen3.5-0…
huggingface.co/RikiyaT/Qwen3.…
This is a cool paper, but I think it's best thought of as Astra is surprisingly capable of doing old school mechanistic interpretability research rather than anything spooky. The things it's doing are clever, but typically exploiting structure in the data and using known method mechanistic interpretability techniques (which Astra was surely pretrained on), though it is better at this than I would have predicted!
This is an exciting development for the prospects of ambitiously scaling interpretability or doing very laborious analysis like this, on more real models. However, I'm not holding my breath. This kind of analysis was pretty common up until about 2022, it largely fell out of favor because a lot of it is just exploiting fairly clean surface-level patterns that doesn't scale to the annoying complexity of real LLMs or which only works for the more simpler and superficial properties. And as far as I can tell, basically all the case studies here are just using a bag of interpretability tricks rather than anything spooky. The piece doesn't really update me on how far old school mech interp can go, just on how good LLMs are at it. It's very fun to see the creative solutions Astra came up with though!
Mickaël Ahouansou retweeted
Ceux qui ont vu wattselse.com la semaine dernière, allez le revoir aujourd'hui. Cette semaine, on a poussé 48 commits et fusionné 7 PR, et le site a changé de visage.
Ce qui est sorti cette semaine :
1/ un cours de génie climatique de 80 chapitres, à lire librement et sans compte. Les chiffres du cours sortent de modèles de calcul.
2/ WattsMonde v2, l'atlas de l'énergie : 13 801 acteurs et 154 940 projets, avec la provenance de chaque donnée champ par champ
3/ une nouvelle page d'accueil et une refonte du site : réglementation, Technothèque, calculateur CEE
Et ce qui tourne déjà derrière : le Radar a lu 143 articles en 7 jours sur 34 sources, et la base compte 205 fiches CEE actives, 275 fiches à la Technothèque et 107 en réglementation.
Les 48 commits portent un seul nom humain. Chaque chantier part d'une carte, des agents IA le codent dans leur propre branche, et une relecture passe avant chaque fusion.
J'y mets toute mon âme. La distillation de Supersocks est en marche : 15 ans de métier, du bac pro chauffagiste au poste de chargé d'affaires où je mettais en œuvre des systèmes en zone sensible dans l'énergie. Ce n'est encore qu'un embryon, mais la base est là et la direction est claire.
@optimikee me rejoint dans l'aventure. Ce projet, on va le finir, et on va en choquer plus d'un. Je suis convaincu qu'à deux, avec ces outils, on va abattre le boulot qu'il fallait à 100 personnes dans l'ancien temps.
L'accès à l'éducation, à l'information et à l'innovation.
Sam Altman l'a dit aujourd'hui à Abu Dhabi : le modèle derrière la preuve annoncée de Navier-Stokes sera le prochain GPT. Il sort « bientôt ».
En quelques mois, les modèles internes d'OpenAI ont réfuté une conjecture d'Erdős vieille de 80 ans, revendiqué Navier-Stokes, un problème à un million de dollars, puis la conjecture de Kakeya en toutes dimensions. Altman lui-même dit qu'il ne pensait pas qu'on en serait là.
Il a aussi raconté comment les 10 000 agents ont travaillé sur Navier-Stokes : « pas de hiérarchie, pas de chefs ». Chacun choisissait quoi explorer et sur quoi travailler.
Les amis, il est raisonnable de devenir déraisonnable !
On demande encore à Opus 5.5 de rendre un mail moins agressif, en lui dictant chaque étape. On est loin d'avoir vu les limites des modèles qu'on a déjà.
Felix Rieseberg, qui travaille sur Claude chez Anthropic, conseille de fixer au modèle des objectifs déraisonnables et de lui dire qu'ils sont tout à fait raisonnables. Ton site charge en 10 secondes ? Demande-lui 200 millisecondes.
N'est-il pas temps de redemander à un modèle ce que tu avais laissé tomber parce que c'était trop gros ?
youtube.com/watch?v=2YWfVGpV…
Mickaël Ahouansou retweeted
Le crèveur de rétine a encore frappé : à force de nous cramer les yeux en HDR+ et de faire le buzz, il en fera une norme pour être vu.
Ça va trop loin, cette rivalité entre les GOATs des labs. 😂
Poteto nous sort carrément un jeu cette fois-ci. Et en plus, il est plutôt bon !
GOAT of Thrones 🐐👑
Day 28/ tibo's game has landed
i spent $5.99 on this domain, but i had a blast making it with grok bot and cursor! i hope you enjoy it and find all the easter eggs 🤍
if i did it right you should be able to play it inside of X too
tibo.dog
