Construire un système d'IA qui prédit la bourse et s'évalue lui-même

L'IA crée le visuel, la newsletter et la page produit plus vite qu'une personne. À celui qui le faisait auparavant, il ne reste qu'une chose : le jugement, savoir si le résultat est bon. Mais la plupart des gens ont un moins bon jugement que l'IA. Et celui qui ne sait pas juger la qualité ne sait pas non plus déléguer. Comment savoir si le vôtre est le jugement sur lequel une entreprise s'appuie, ou celui qu'elle peut remplacer ?

En avril, dans la première partie de cette série, j'écrivais sur un système d'IA prédictif commencé sur mon propre ordinateur. Le logiciel avait alors quelques heures, le registre de prédictions était vide. Depuis, les enregistrements ont révélé une chose qui, avec le recul, était prévisible : le système ne comprend pas encore le marché qu'on lui demande de prévoir. Il sait trouver le contexte macro, la valeur comptable des entreprises, les bénéfices. Mais il ne sait pas assembler ces choses en quelque chose qui l'aide à comprendre le prix.

Avant d'enseigner quoi que ce soit à l'IA, il faut voir ce qu'elle vous cache.

Vous êtes créateur de contenu et vous suivez les règles de YouTube, d'Instagram ou de Google ? Vous êtes un petit entrepreneur et votre modèle économique dépend de la fréquence à laquelle Amazon vous recommandera, du prix des impressions publicitaires sur Facebook ou du prix des clics sur Google Ads ? Si tout votre contact avec votre public ou vos clients, ou la plus grande partie, dépend du fait qu'une grande plateforme vous affiche, vous n'êtes pas en bonne position.

Le développement de l'intelligence artificielle change notre regard sur les chemins de vie qui ont du sens. Sur les études et le métier à choisir.

C'était le jeudi 31 mars 2022, quand j'ai transmis les dernières parties de mes responsabilités à mes collègues, fermé mon ordinateur portable et je suis parti à la bibliothèque. J'ai quitté mon travail pendant plusieurs mois et je me suis plongé dans la philosophie. Et j'en suis profondément reconnaissant. Aujourd'hui je suis, comme la plupart des gens, dans un manège, et il m'est difficile de m'arrêter et de réfléchir aux questions essentielles de ma propre vie.

C'était en septembre 2023. Ma vie, mon travail, tout était complètement différent de maintenant. C'était plus simple. Je ne possédais presque rien. J'avais besoin de filmer une publicité, je suis monté à l'étage de l'entreprise où se trouvait le produit dont j'avais besoin, et c'est là que je l'ai remarquée pour la première fois. Elle rit de moi quand je le décris ainsi, mais à ce moment-là l'univers m'a dit, c'est elle.

Comment et pourquoi je quitte peu à peu les réseaux sociaux et les grandes plateformes. Quand je lis que Meta teste une nouvelle façon de faire payer les publications organiques qui renvoient hors de sa plateforme, cela me confirme à quel point ma décision de devenir de moins en moins dépendant des grandes plateformes était la bonne. Cela ne veut pas dire que je les ai quittés complètement. Cela veut dire que le fait de rester ou non en contact avec mes lecteurs dépend d'eux de moins en moins, et aujourd'hui presque plus du tout.

Un membre de ma famille décrivait une entreprise dont les données sont réparties dans plusieurs outils différents et dont les salariés les rassemblent encore aujourd'hui à la main, dans des tableurs. C'est l'état ordinaire des entreprises. Si on dit à ces gens de ne pas le faire à la main et d'utiliser l'IA, ils ne comprendront pas. La plupart des entreprises n'ont même pas les connecteurs de base entre les outils qu'elles utilisent. Ces entreprises ont besoin d'aide pour leur transformation par l'IA.

La même tâche, deux modèles. Fable 5 contre Opus 4.8. Sur le papier, Fable est le meilleur modèle, avec un contexte plus large et de meilleures caractéristiques. Et pourtant il a perdu. Opus a traité la tâche en un seul tour de contrôle pour 721 000 tokens, tandis que Fable en a exigé neuf et a brûlé 2,78 millions de tokens. La différence ne tenait pas au modèle, mais à la façon dont j'ai formulé la tâche. Et je le sais, parce que je l'ai mesuré.

J'ai écrit autrefois sur la construction de mon propre outil d'analytics respectueux de la vie privée. Il détectait les bots dès la première version, mais cela n'a pas suffi. Les visites directes pesaient étrangement lourd. Quand quelqu'un affirme que 20 % de ses visites sont des bots et 80 % des humains, je le pensais aussi autrefois. Aujourd'hui, je dirais que la proportion inverse est plus proche de la vérité. Voici comment j'en suis arrivé là.

Soixante-dix pour cent. C'est là que commence le premier résultat de l'IA, même lorsque vous lui donnez tout le contexte de l'entreprise et les meilleurs exemples du passé. Nous parlons du type de résultat qui ne peut pas se définir de façon programmatique. Il est plus complexe. Souvent, il s'agit d'un travail créatif. Sur un type de résultat répété, j'ai atteint quatre-vingts pour cent en une semaine. Chaque point de pourcentage supplémentaire est plus difficile que le précédent.

J'ai Heidegger et mon carnet à côté de moi. Je me demande où tout cela nous mène, où l'intelligence artificielle nous emporte.

Quatre jours en Catalogne. Sans ordinateur, sans IA, presque sans réseaux sociaux. J'ai acheté ce carnet pour y noter ce à quoi je penserais et ce que je rencontrerais et apprendrais durant le voyage.