Mes inspirations : quatre regards sur l’IA

Un second cerveau, c’est un système de notes personnel qui garde ce que l’on apprend, et que l’IA peut désormais exploiter. Sur sa chaîne YouTube, Eliott Meunier montre le sien, le compare à d’autres et le fait évoluer en public.

Ce qui m’inspire

Sa méthode structure mon propre second cerveau. Je range mes notes selon sa méthode IPCRA (Inbox, Projets, Casquettes, Ressources, Archives), qui classe chaque information selon l’endroit où elle sera utile plutôt que par thème. Et je pilote mon parcours par « phases », chacune ouverte par une intention écrite et close par un bilan : la phase en cours s’appelle « Lancer IACMOI ».

Ce qui m’inspire surtout, c’est sa façon de faire : il construit d’abord pour lui-même, teste en public, compare, et change d’avis quand l’usage le contredit. Sa conviction de fond me parle aussi : l’IA est meilleure avec un contexte structuré, et un second cerveau, c’est précisément ce contexte.

Ce que j’en fais

C’est la base des seconds cerveaux que je mets en place, pour une personne ou pour une équipe : une structure rangée par usage, une mémoire qui dure, et une IA qui s’en sert pour vous assister.

Découvrir le second cerveau

Anthony Basille étudie ce qui se joue quand un métier délègue à l’IA : l’apprentissage, la mémoire, la charge cognitive. Il intervient auprès des dirigeants, des DRH et des managers, et publie chaque semaine la newsletter Décoder Demain.

Ce qui m’inspire

Il regarde l’IA du côté de ceux qui travaillent avec elle. Son idée de « dette cognitive » nomme un risque que les tableaux de bord ne montrent pas : déléguer à l’IA sans cadre arrange sur le moment, et se paie plus tard, avec des intérêts. Un junior qui fait tout valider par la machine livre, mais ne progresse pas.

Il pose aussi la question que peu de projets IA se posent : le temps gagné, où va-t-il, et qui l’a décidé ? Et il préfère les garde-fous écrits dans le processus aux consignes confiées à un modèle.

Les modèles vous disent ce qu’ils savent faire. La panne vous dit ce que vous savez encore faire.

— Anthony Basille, Décoder Demain, 9 septembre 2026

Ce que j’en fais

Ses travaux ont nourri les règles contre la perte de compétences que je discute à chaque mise en place : l’exercice de la panne, les tâches qui forment, les garde-fous écrits dans le processus.

Voir ces règles

Yann LeCun partage ce prix avec Geoffrey Hinton et Yoshua Bengio : tous trois ont fait des réseaux de neurones profonds une composante essentielle de l’informatique. Français, professeur à l’université de New York, il a créé et dirigé le laboratoire de recherche en IA de Facebook (aujourd’hui Meta), puis quitté l’entreprise fin 2025 pour cofonder AMI Labs, une start-up basée à Paris qui travaille sur des « modèles du monde ».

À la fin des années 1980, aux Bell Labs, il conçoit des réseaux de neurones capables de lire l’écriture manuscrite. Dès 1996, une version de ce système lit les chèques dans les banques américaines ; en 2001, on estime qu’il en traite environ un sur dix.

Ce qui m’inspire

Ce qui m’inspire, c’est un chercheur dont le travail a tourné en production, chaque jour, dans les back-offices des banques : l’IA comme outil industriel, pas comme démonstration. Et un esprit libre, qui garde la même rigueur face à l’engouement que face à la peur. Pour lui, les grands modèles de langage ne suffiront pas à atteindre une intelligence de niveau humain, et la sûreté de l’IA est un problème d’ingénierie, pas une fatalité.

Il défend aussi des modèles ouverts, pour que chacun puisse bâtir son propre assistant, adapté à sa langue, à sa culture et à ses valeurs, plutôt que de dépendre de quelques acteurs.

Ce que j’en fais

Chez mes clients, je préfère l’IA qui tourne à celle qui impressionne : on mesure ce qu’elle fait sur vos données réelles avant de déployer. Et je construis sur des formats ouverts : votre mémoire reste lisible et exportable, quel que soit le modèle que vous utiliserez demain.

Le LaborIA est le laboratoire de recherche-action sur l’IA au travail porté par Inria et le ministère du Travail. Yann Ferguson y étudie ce que l’IA change réellement dans les métiers, et a contribué aux travaux du Partenariat mondial pour l’IA (GPAI) sur l’avenir du travail.

Ce qui m’inspire

Il regarde l’IA depuis le travail réel, pas depuis les promesses. Ses constats rejoignent le mien : les projets échouent rarement à cause de la technologie. Une IA performante en laboratoire ne dit rien de son déploiement sur le terrain, et l’IA s’installe d’abord par les usages des salariés, bien avant les projets officiels.

Il rappelle aussi qu’une grande part du savoir-faire est tacite : nous en savons plus que ce que nous savons dire. C’est ce savoir-là que les données ne capturent pas, et que l’humain garde.

Seules les entreprises qui associeront IA et haut niveau de collectif de travail dégageront la performance de l’intelligence artificielle.

— Yann Ferguson, It for Business, 21 août 2026

Ce que j’en fais

C’est pour cela que ma méthode commence par l’observation du travail tel qu’il se fait, exceptions comprises, et que les équipes sont associées dès le départ : la performance vient de l’articulation entre l’outil et le collectif, pas de l’outil seul.

Voir ma méthode

Aucune des personnes citées n’est partenaire d’IACMOI. Ce sont des lectures et des écoutes ; ce que j’en retiens n’engage que moi.

Leur point commun : regarder l’IA telle qu’elle se pratique.

L’un la pratique au quotidien, l’autre mesure ses effets sur les équipes, le troisième la fait avancer sans céder ni à l’engouement ni à la peur, le dernier l’observe dans le travail réel. C’est cette exigence que j’applique chez mes clients.

Parler de mon problème Voir ma méthode