> For the complete documentation index, see [llms.txt](https://weekly-essay.mikey.wang/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://weekly-essay.mikey.wang/fr/2025/w07-some-reflections-triggered-by-deepseek.md).

# W07-Quelques réflexions suscitées par DeepSeek

DeepSeek nous a montré à quoi ressemble une technologie séduisante. Son ouverture et son faible coût accélèrent fondamentalement l'histoire de l'IA. Le paradoxe de Jevons, formulé à l'époque de la révolution industrielle, dit qu'une utilisation plus efficace d'une ressource peut en accroître la consommation totale. DeepSeek semble le reproduire. Toute nouvelle technologie conquiert et élargit rapidement son marché à mesure que ses coûts chutent. La demande totale de calcul et d'énergie finira nécessairement par augmenter, ce qui aide aussi à comprendre le retournement entre pessimisme et optimisme autour de Nvidia en début d'année.

La popularité fulgurante de DeepSeek a provoqué une explosion de l'information. Comment filtrer le bruit ? Qu'est-ce qui importe, et que peut-on ignorer ? L'ère des LLM arrive, nous partons tous du même point. À quoi ressemblera cette nouvelle compétition des talents ?

Les sources de qualité sont le meilleur moyen de faire face à cette profusion. Même une bonne information se déforme après plusieurs relais. Accéder à la plupart des sources originales coûte peu ; nous avons simplement pris l'habitude de recevoir ce qu'on nous pousse.

La technologie change chaque jour ; ce qui résiste au temps devient classique. En lisant *Hackers & Painters* l'an dernier, ce recueil vieux de plus de vingt ans m'a encore donné beaucoup de moments de compréhension soudaine. La manière de vivre des hackers, la bonne conception, les bons langages : autant de sujets que l'on peut relire avec profit. J'ai récemment déniché un livre épuisé, *Showstopper!*, qui raconte des épisodes du développement de Windows NT par Cutler. Il montre son caractère changeant et sa capacité à stimuler et à pousser son équipe. Surnommé le meilleur programmeur de noyau de la Silicon Valley, Cutler code encore chez Microsoft à plus de soixante-dix ans.

Sur X, quelqu'un a formulé le « problème des 70 % ». Les non-programmeurs qui codent avec l'IA réalisent vite 70 % du travail. Pour les 30 % restants, les rendements décroissent et la tâche converge difficilement. Ils ne peuvent qu'espérer que l'IA résolve les problèmes qu'elle a elle-même créés. Que faut-il pour terminer les 30 % restants ? Comprendre l'activité et les clients, savoir juger une architecture, disposer de modèles mentaux accumulés et comprendre les fondements de la programmation par IA.

Lors d'un entretien individuel, j'ai discuté en profondeur avec un collègue de ce qu'il faut apprendre dans un nouveau langage. Certainement pas mémoriser et maîtriser un deuxième gros manuel de référence. Beaucoup de concepts et de règles nés de contraintes particulières constituent un savoir de faible valeur, difficile à transférer. Il ne faut pas trop se laisser absorber par les outils et les règles. Concentrons-nous sur le savoir susceptible de produire du discernement.