Il y a des conseils qu’on donne en sachant qu’ils ne seront pas suivis. On les donne quand même, parce qu’on préfère avoir raison trop tôt que se taire à temps.

En voici trois, formulés ces dernières semaines, sur des sujets qui n’ont apparemment rien à voir entre eux : un jeu vidéo, une gamme d’ordinateurs, et des modèles d’intelligence artificielle venus de Chine. Ils ont pourtant un point commun. Dans les trois cas, le débat public porte sur une question de façade — la violence, la marque, le drapeau — alors que le vrai sujet est ailleurs : dans l’architecture, dans la bande passante, dans la licence.

Le jeu : mon conseil, c’est le blocage total

Mon conseil, qui ne sera quasiment suivi par personne, c’est d’empêcher totalement l’accès du jeu GTA aux mineurs.

Je sais exactement l’effet que produit cette phrase. Le vieux monsieur qui n’a rien compris, la panique morale, le énième procès des jeux vidéo. Sauf que mon argument n’est pas celui que vous croyez, et il ne porte pas sur la violence à l’écran.

Commençons par les faits. Grand Theft Auto V a dépassé les 215 millions d’exemplaires écoulés, ce qui en fait l’un des produits culturels les plus vendus de l’histoire, tous supports confondus. Le sixième opus est annoncé pour la fin de l’année 2026 après deux reports successifs, et il sera classé PEGI 18. Dix-huit. Pas seize, pas « à voir avec les parents ».

Ce qui me dérange vraiment : l’économie, pas les balles

Sur la violence, la littérature scientifique est loin d’être aussi accablante qu’on le prétend. L’American Psychological Association a elle-même rappelé, dans sa résolution de 2020, que les données disponibles ne permettaient pas d’établir un lien entre jeux vidéo violents et violence criminelle. Je ne vais donc pas vous raconter que votre fils de treize ans deviendra un braqueur parce qu’il conduit une voiture volée en pixels.

Le problème est ailleurs, et il est beaucoup plus vicieux. C’est l’économie du jeu en ligne. Le mode multijoueur repose sur une boucle d’usure calibrée au millimètre : des objets à des prix absurdes en monnaie virtuelle, un temps de « grind » démesuré, et une sortie de secours payante sous forme de cartes prépayées. Ajoutez-y un casino intégré, ouvert en 2019, dont l’accès a dû être bloqué dans une cinquantaine de pays pour cause de législation sur les jeux d’argent, et vous obtenez une machine à conditionner des cerveaux de douze ans aux mécaniques du pari.

Le second problème, c’est le lobby en ligne. Un salon vocal ouvert, sans modération réelle, où un mineur croise des adultes anonymes pendant des heures. Aucun parent ne laisserait son enfant seul dans un bar à trois heures du matin. Beaucoup le font tous les soirs, à travers une manette.

Concrètement, que faire

• Prendre la classification PEGI 18 au sérieux : elle n’est pas une suggestion marketing, elle est le résultat d’une grille d’évaluation publique.
• Activer le contrôle parental au niveau du compte console et non du jeu : PlayStation, Xbox et Steam permettent de bloquer par tranche d’âge, d’interdire les achats intégrés et de couper le chat vocal.
• Filtrer au niveau du routeur ou du DNS familial, parce qu’un enfant contournera toujours un réglage local.
• Interdire la console dans la chambre. C’est la mesure la plus efficace, la plus impopulaire, et la moins technique de toutes.
• Expliquer pourquoi. Une interdiction sans explication produit de la fascination, ce qui est exactement l’inverse du but recherché.

Et oui, votre enfant y jouera quand même chez un copain. Ce n’est pas une raison pour financer vous-même la machine à sous.

Vérification d’âge : la vraie question n’est pas celle qu’on croit

Ce débat sur les mineurs et les contenus en ligne, la France et l’Europe le mènent depuis trois ans, et ils le mènent mal. On s’écharpe sur un faux dilemme : faut-il vérifier l’âge, oui ou non, et est-ce la fin de l’anonymat ?

Le véritable enjeu n’est pas la vérification d’âge ou l’anonymat. C’est quelle architecture de vérification d’âge, quelles données sont transmises, qui les conserve, et peut-on auditer tout ça.

La différence entre les deux formulations n’est pas rhétorique, elle est structurelle. Une vérification d’âge peut être conçue de trois façons radicalement différentes. Première option : le site vous demande une pièce d’identité et la stocke — c’est la pire, et c’est celle vers laquelle glissent naturellement les acteurs qui veulent limiter leurs coûts. Deuxième option : un tiers vérificateur centralisé, qui sait qui vous êtes et ce que vous consultez, ce qui crée un point de surveillance unique. Troisième option : le double anonymat, où le fournisseur d’attribut sait qui vous êtes mais ignore le site visité, tandis que le site reçoit une preuve cryptographique du type « cette personne a plus de 18 ans » sans rien d’autre.

La CNIL pousse cette troisième voie depuis 2022, l’Arcom l’a intégrée à son référentiel technique consécutif à la loi SREN de mai 2024, et la Commission européenne a publié en 2025 une application de vérification d’âge en marque blanche, préfiguration du portefeuille d’identité numérique européen prévu par le règlement eIDAS 2. Techniquement, les preuves à divulgation nulle de connaissance existent, elles fonctionnent, elles sont implémentables.

Politiquement, elles coûtent plus cher qu’un scan de carte d’identité. Voilà pourquoi je parie sur la mauvaise architecture. Le Royaume-Uni a activé ses contrôles d’âge à l’été 2025 sous l’Online Safety Act, l’Australie a interdit les réseaux sociaux aux moins de 16 ans en décembre 2025 : dans les deux cas, le débat s’est concentré sur le principe, jamais sur le protocole. C’est exactement l’erreur.

Le Mac : aucune de ces machines n’est pertinente pour l’IA locale

Mon point de vue est tranché : aucun des nouveaux systèmes Mac n’est pertinent pour faire de l’IA locale.

Là, je me fâche avec la moitié de mes lecteurs. Depuis deux ans, on lit partout que la mémoire unifiée d’Apple serait la solution miracle pour faire tourner de gros modèles chez soi. C’est un raisonnement qui ne tient que si l’on regarde un seul chiffre : la capacité mémoire.

Les deux temps que personne ne distingue

Une inférence de modèle de langage se déroule en deux phases très différentes. Le prefill, ou traitement du prompt, est limité par la puissance de calcul brute. La génération de tokens, elle, est limitée par la bande passante mémoire. Confondre les deux, c’est la source de 90 % des malentendus sur l’IA locale.

Sur la bande passante, un Mac Studio haut de gamme plafonne autour de 819 Go/s, un portable haut de gamme autour de 546 Go/s, une configuration milieu de gamme autour de 273 Go/s. En face, une carte graphique grand public récente dépasse 1,7 To/s, et un accélérateur de centre de données atteint 3,3 To/s en HBM3. Autrement dit, la machine à 10 000 euros est deux fois plus lente que la carte à 2 500 euros sur le seul paramètre qui gouverne la vitesse de génération.

Sur le calcul, l’écart est pire. En traitement de prompt long — un document de 100 pages, une base de code, un contexte RAG sérieux — on observe couramment un rapport de 3 à 10 entre un GPU dédié et une puce Apple. Vous attendez trente secondes avant que le premier mot n’apparaisse. Multipliez par une journée de travail.

Ajoutez le reste : pas de CUDA, donc un écosystème logiciel systématiquement en retard ; vLLM, les kernels optimisés, les nouvelles méthodes de quantification arrivent d’abord ailleurs ; l’entraînement et même le fine-tuning sérieux restent une souffrance ; et le débit en traitement par lots, dès que vous servez plus d’un utilisateur, s’effondre.

La nuance que je m’impose

Il existe un cas d’usage où ces machines sont défendables, et l’honnêteté oblige à le dire. Si vous voulez faire tourner un très gros modèle à experts activés partiellement — le genre de modèle où 200 milliards de paramètres sont chargés mais où 20 milliards seulement travaillent à chaque token —, la capacité mémoire devient le facteur limitant, et il n’existe pas d’alternative à 10 000 euros qui vous donne 512 Go accessibles au GPU. À cela s’ajoutent le silence, une consommation de quelques dizaines de watts, et un framework maison, MLX, qui progresse vite.

Mais c’est un cas particulier, pas une recommandation générale. Pour la très grande majorité des gens qui veulent « faire de l’IA en local » en 2026, l’ordre de priorité est simple : une carte graphique d’occasion de 24 Go, ou deux ; à défaut, une station dédiée à l’inférence ; à défaut, une API chiffrée avec un engagement contractuel de non-rétention. Acheter un Mac pour cela, c’est payer très cher un compromis dont on n’a pas besoin.

Les technologies chinoises : le conseil le plus impopulaire des trois

Pour ma part, je recommande d’utiliser les technologies chinoises.

Celui-là, je le maintiens contre à peu près tout le monde. Non par affection géopolitique — je n’en ai aucune — mais parce que je regarde les licences et les poids.

Depuis la sortie de DeepSeek R1 en janvier 2025, l’écosystème chinois a fait un choix que les laboratoires américains dominants ont abandonné : publier les poids des modèles sous des licences permissives, souvent MIT ou Apache 2.0. Qwen chez Alibaba, Kimi chez Moonshot, GLM chez Zhipu, DeepSeek : on parle de familles de modèles téléchargeables, exécutables sur votre matériel, modifiables, auditables dans leur comportement, et surtout non révocables. Personne ne peut vous couper l’accès à un fichier que vous avez déjà sur votre disque.

Voilà ce qu’est réellement la souveraineté technique. Ce n’est pas un drapeau sur une plaquette commerciale, c’est la capacité matérielle de continuer à fonctionner quand le fournisseur change d’avis, augmente ses prix ou obéit à une injonction extraterritoriale. Sur ce critère précis, un modèle chinois à poids ouverts tournant dans votre salle serveur est plus souverain qu’une API européenne fermée.

Je le constate sur le terrain, salon après salon. Les confrères africains que je croise ont parfaitement compris ce point et l’exploitent sans complexe : ils sautent l’étape du contrat de licence hors de prix et déploient directement des modèles ouverts adaptés à leurs langues et à leurs contraintes énergétiques. Ils n’ont rien à envier à personne, et ils vont produire des choses que nous ne verrons pas venir.

Les objections sont réelles, je ne vais pas les balayer. Les modèles chinois portent un alignement politique visible sur certains sujets, et il faut le savoir avant de les mettre dans un produit destiné au public. Les jeux de données d’entraînement ne sont pas plus transparents que chez les autres. Enfin, poids ouverts ne veut pas dire ouverts au sens du logiciel libre : sans données ni recettes d’entraînement, la reproductibilité reste une fiction. Mais entre une boîte noire qu’on peut poser sur sa propre machine et une boîte noire qu’on loue à l’heure, mon choix est fait.

Hasard déterministe, hasard fondamental : ce que l’IA saura, et ce qu’elle ne saura peut-être jamais

Je n’ai pas une immense culture philosophique, je l’admets volontiers, ce n’est pas mon point fort. Cela ne m’empêche pas de poser une distinction que je crois structurante pour la suite, et qui va bien au-delà du débat sur les modèles et les cartes graphiques.

Une intelligence artificielle générale n’aura aucun mal à résoudre ce qu’on appelle le hasard déterministe. Le hasard fondamental, c’est une tout autre affaire.

Le hasard déterministe, c’est celui de vos générateurs pseudo-aléatoires. Un algorithme part d’une graine et produit une suite qui a toutes les apparences du désordre, mais qui est intégralement prédictible si l’on connaît l’état interne. Ce n’est pas une hypothèse : on sait déjà entraîner des réseaux de neurones à prédire les sorties de générateurs mal conçus, et l’histoire de la cryptanalyse est jalonnée de systèmes réputés inviolables tombés en quelques heures de calcul. Toute la sécurité informatique civile repose sur des hasards de cette famille, ou sur des problèmes mathématiques dont on postule la difficulté.

Le hasard fondamental est d’une autre nature. Depuis les inégalités de Bell et les expériences qui les ont violées — travaux couronnés par le prix Nobel de physique 2022 —, nous savons qu’aucune théorie à variables cachées locales ne peut rendre compte des corrélations quantiques observées. Si l’indéterminisme est réellement au socle du monde, alors il n’y a rien à « craquer » : ce n’est pas un chiffrement, c’est une propriété.

Restent les échappatoires théoriques, et elles sont vertigineuses : la mécanique bohmienne, déterministe mais non locale, ou le superdéterminisme, qui sauve le déterminisme en sacrifiant l’idée même de liberté expérimentale. Une superintelligence trancherait-elle ce débat ? Je n’en sais rien, et je me méfie de ceux qui affirment le contraire. Ce que je sais, c’est que le jour où une machine produira une démonstration convaincante sur ce terrain, elle ne bouleversera pas seulement la physique : elle balaiera trois millénaires de certitudes métaphysiques bâties par des gens persuadés de détenir le dernier mot.

Et 2027, dans tout ça ?

On me demande beaucoup ce que disent mes modèles prédictifs sur la présidentielle. J’en construis, je les affine, et je vais vous dire la chose la plus utile que j’aie à en tirer : je me méfie de mes propres chiffres.

Un modèle électoral n’est pas une boule de cristal, c’est une extrapolation de données passées sous hypothèses stables. Or rien n’est stable : ni l’offre politique, ni le calendrier judiciaire, ni la structure de l’abstention, ni les effets de plateforme sur la formation de l’opinion. Les modèles de 2016 et de 2017 ont failli exactement là-dessus, et les meilleurs praticiens vous diront que la véritable information n’est pas le score central mais la largeur de l’intervalle.

La seule chose dont je suis certain, c’est que les algorithmes de recommandation joueront un rôle plus déterminant que les programmes. Et que personne, en France, ne s’y prépare sérieusement. Les gouvernements des démocraties doivent s’entourer d’experts en informatique, en programmation et en intelligence artificielle — pas de communicants qui ont lu deux articles sur le sujet. Tant que ce ne sera pas le cas, nous subirons des architectures conçues ailleurs, par d’autres, pour d’autres objectifs que les nôtres.

Le fil rouge

Bloquer un jeu, refuser une machine, adopter des poids ouverts : trois conseils sans rapport apparent, un seul réflexe. À chaque fois, regardez sous le capot plutôt que l’étiquette.

Le jeu n’est pas dangereux à cause de ses images, il l’est à cause de son modèle économique. Le Mac n’est pas inadapté à cause de sa marque, il l’est à cause d’un rapport bande passante sur calcul. Le modèle chinois n’est pas recommandable par sympathie, il l’est parce que sa licence vous rend le contrôle. Dans les trois cas, le débat public s’arrête à la surface et la décision se joue deux couches en dessous.

Ces conseils ne seront pas suivis, je le sais. Mais dans deux ans, quand nous découvrirons que la vérification d’âge européenne a été bâtie sur un modèle centralisé, ou que nos administrations paient au token une IA qu’elles ne maîtrisent pas, souvenez-vous simplement qu’il n’y avait pas besoin d’un algorithme prédictif pour le voir venir. Il suffisait de lire la documentation technique.

Pour aller plus loin

• PEGI — le système européen de classification par âge des jeux vidéo
• CNIL — travaux sur la vérification de l’âge en ligne et le double anonymat
• Commission européenne — le paquet Digital Services Act
• llama.cpp — le moteur d’inférence de référence pour l’IA locale
• Prix Nobel de physique 2022 — intrication quantique et inégalités de Bell

Sources et références

• Grand Theft Auto VI — calendrier de sortie et classification
• Arcom — référentiel technique de vérification de l’âge (loi SREN)
• Ofcom — mise en œuvre de l’Online Safety Act britannique
• eSafety Commissioner — interdiction australienne des réseaux sociaux aux moins de 16 ans
• Apple — spécifications techniques du Mac Studio (mémoire unifiée et bande passante)
• DeepSeek R1 — dépôt officiel et licence des poids
• Qwen (Alibaba) — famille de modèles à poids ouverts
• MLX — framework d’apprentissage automatique pour Apple Silicon