Le mème IA « accurate » de Musk a raison sur le passé et tort sur le présent

Le 2 août 2026, Elon Musk a republié un mème qui divise l'histoire de l'intelligence artificielle en deux panneaux. La moitié supérieure, « AI then », montre quatre figures Wojak musclées incarnant l'ère théorique. La moitié inférieure, « AI now », montre quatre visages brainlet représentant l'ère de la mise à l'échelle. Sa légende était accompagnée d'un émoticône riant : « Accurate ».

Ce que le mème dit réellement

Les panneaux « AI then » sont un inventaire de l'apprentissage automatique antérieur à l'apprentissage profond. Une figure sculptée pointe une machine à vecteurs de support à grande marge et la formule du noyau k(x,x') = ⟨φ(x), φ(x')⟩. Une autre présente un problème d'optimisation sous contraintes conçu pour prouver des bornes de généralisation. Une troisième travaille sur un réseau bayésien avec passage de messages. Une quatrième, tatouée, explique les processus gaussiens, en notant que l'incertitude venait « for free ».

La moitié « AI now » répond avec quatre panneaux qui lui sont propres : un simplet à côté d'un schéma de Transformer, à qui l'on dit « make it bigger » ; un cerveau câblé à un rack de serveurs alimenté par plus de données et plus de GPU ; une figure qui fixe le logo ChatGPT avec perplexité, marquée « it worked somehow / emergent abilities?? » ; et un homme avec une clé de remontage dans le crâne regardant une courbe exponentielle s'élever au-dessus d'icônes de GPU sous le slogan « state of the art / just keep scaling. »

Le verdict du mème est une déchéance : de la preuve au tâtonnement, de l'élégance à la répétition. Le « accurate » de Musk entérine ce verdict.

Les panneaux « AI then » relèvent d'une histoire réelle

La nostalgie est fondée. Les méthodes à noyaux, la théorie de l'apprentissage statistique, les modèles graphiques et les processus gaussiens constituaient la boîte à outils centrale du domaine, et ils apportaient ce que le mème leur reconnaît : des garanties mathématiques, une incertitude structurée, de l'élégance. Ce programme a dominé la recherche pendant des années et façonne encore la façon dont de nombreux théoriciens pensent.

Ce que la nostalgie cache, c'est que le « kernel » n'a jamais disparu, il a simplement changé de sens. La bibliothèque megakernel d'Aleph Alpha, conçue pour l'inférence de mixtures-of-experts, revendique des gains de vitesse d'inférence allant jusqu'à 200 % par rapport aux kernels basés sur Triton dans vLLM et SGLang, ciblant les modèles MoE en précision FP8. Le mot survit ; l'artefact est désormais un truc de performance plutôt qu'une théorie de l'apprentissage. C'est là le changement que le mème désigne, déguisé en tragédie.

Les panneaux « AI now » sont documentés

La moitié inférieure décrit aussi quelque chose de réel. Les transformers ont bel et bien récompensé l'échelle, et l'industrie a passé des années à agir selon « make it bigger » et « more data, more GPUs ». Les résultats sont mesurables. Dans les classements de benchmarks mathématiques de 2026 couvrant AIME 2025, MATH-500 et BRUMO, GPT-5.4 est en tête. Le modèle open-weight M3 de MiniMax est réputé surpasser GPT-5.5 sur du code réel. L'échelle a produit la génération actuelle de modèles frontières, un point c'est tout.

Le panneau le plus honnête du mème est celui aux doubles points d'interrogation. « Emergent abilities?? » se lit moins comme une vantardise que comme l'aveu par le domaine lui-même qu'il ne comprend pas entièrement pourquoi ses méthodes fonctionnent. Le mème se moque de cette incertitude, et le panneau a raison de la conserver.

Où la dichotomie s'effondre

Le contraste est une caricature, et le domaine ne cesse de le contredire. Google DeepMind a récemment proposé un cadre qui divise la rigueur en formes conceptuelle, épistémique et opérationnelle, arguant que les progrès rapides de l'apprentissage profond sont venus de la priorité donnée à la performance sur ces formes de rigueur. C'est un laboratoire de l'ère de l'échelle qui écrit, de l'intérieur, le type de théorie que les panneaux « AI then » vénèrent.

Les petits modèles s'attaquent à l'hypothèse selon laquelle l'échelle est le seul levier. Le modèle Ornith 9B est réputé rivaliser directement avec des systèmes bien plus vastes grâce à une architecture spécialisée. L'étude « Regression Tax » décompose la façon dont les compétences aident et nuisent aux agents LLM, traitant les modèles frontières comme des objets d'analyse plutôt que comme de la pure force brute. Le côté matériel des « more GPUs » a aussi un plafond : avec la fin de l'échelle de Dennard et de la loi de Moore, les CPU polyvalents n'offrent plus des gains de performance automatiques à chaque nouveau nœud de gravure, c'est pourquoi les conceptions spécifiques à un domaine attirent l'attention.

Pourquoi Musk l'a amplifié maintenant

La source ne révèle pas le raisonnement de Musk, mais le moment est instructif. Le débat sur les capacités de l'IA est inhabituellement vif. Un groupe de 1 224 initiés de l'IA, dont le PDG d'Anthropic Dario Amodei, le scientifique en chef d'OpenAI Jakub Pachocki et le directeur de la stratégie de Google DeepMind Jasjeet Sekhon, a signé une lettre demandant au gouvernement américain d'agir d'une manière que le marché ne peut pas. Anthropic a doublé ses dépenses de politique de l'IA pour les porter à 40 millions de dollars et présente son Advanced AI Framework comme la proposition politique la plus solide de tous les laboratoires frontières. Ces batailles sont la conséquence directe de l'ère de l'échelle dont le mème se moque.

Musk a un intérêt dans le camp qu'il soutient. Il s'est engagé publiquement avec les outils d'agents IA sur X, commentant « Grok 3 customer support » sur un tutoriel de PraisonAI, et les panneaux « AI now » du mème sont centrés sur le logo ChatGPT. Si le mème a raison de dire que l'IA moderne est du tâtonnement avec des GPU, la plaisanterie touche aussi son propre camp. Le qualifier d'« accurate » est aussi un coup dans une dispute en cours sur l'approche de l'IA qui est la plus sérieuse.

Ce qui fait fonctionner le mème est aussi ce qui le fait échouer. Chaque époque paraît ridicule du point de vue de l'autre. Les théoriciens étaient rigoureux, et leurs outils résistaient à l'échelle. Ceux qui mettent à l'échelle ont construit des choses que les théoriciens n'avaient pas prédites et qu'ils ne peuvent souvent pas expliquer. La moitié manquante de l'histoire : l'industrie fait maintenant les deux à la fois, et c'est dans le milieu sans glamour que vit le travail intéressant.