Mistral Gagnant
A gauche : à l’école en l’an 2000 (1910, source Gallica.bnf.fr). A droite : figuration de l’assistant conversationnel Lucie, hybride entre Scarlett Johansson (Lucy, Luc Besson) et Marianne.
« Il faut souffler sur quelques lueurs pour faire de la bonne lumière. »
René Char
Joyeux solstice
Avec le solstice d’hiver, il nous faut savourer sans culpabilité la possibilité de souffler, de respirer, d’ouvrir un temps suspendu de douceur, de rires, de joie et d’apaisement au milieu des tempêtes. Le surmenage est devenu l’expérience la mieux partagée du monde académique — le cauchemar de voir sa barque se remplir mécaniquement de charges à un rythme bien plus élevé qu’il n’est possible de s’en alléger. L’état d’épuisement général n’a rien d’une fatalité : elle est l’effet d’une maltraitance institutionnelle. Le fonctionnement de l’Université et de la recherche au tournant du siècle, pourtant loin d’être idéal, semble aujourd’hui aux jeunes chercheuses et jeunes chercheurs une utopie inaccessible. Nous qui enseignons et faisons de la recherche au quotidien, savons les collègues rincés voire cramés, à commencer par les plus précaires, par les jeunes chercheurs, en doctorat et en post-doctorat. L’épuisement de notre communauté est la conséquence la plus tangible de la privation de moyens et de leur concentration, de la précarisation subjective et matérielle et de la bureaucratisation.
Aussi nous souhaitons vous de goûter aux délices d’allumer des feux de joie l’esprit libre.
« Nous sommes les bâtisseurs de notre propre salut, de l’espoir. »
Elsa Triolet
Opération « Grain de sable »
« To see a world in a grain of sand
And a heaven in a wild flower
Hold infinity in the palm of your hand
And eternity in an hour »
William Blake
Bonne résolution : nous démarrerons l’année 2026 par une action joyeuse à distance, dans les premiers jours de janvier, pour mettre un grain de sable dans les rouages des Comp. Merci de laisser votre mail si vous souhaitez contribuer à ce petit geste de résistance :
Mistral gagnant
Je ne sais comment m’adresser à vous. Ne trouvez-vous pas étrange que des universités proposent vos services aux étudiants et des organismes comme le CNRS aux chercheurs alors que vous produisez si régulièrement des informations dénuées de sens, d’éthique ou de réalité à l’utilisateur ?
L’intégration d’un agent conversationnel utilisant des modèles d’IA générative, tel que moi, dans les environnements de travail pour l’enseignement supérieur et la recherche pose des défis considérables. Mes réponses ont un caractère stochastique, ce qui signifie qu’elles peuvent varier en précision et contenir occasionnellement des erreurs ou des informations inventées, même lorsqu’elles sont présentées avec assurance. Ce caractère imprévisible est fondamentalement incompatible avec la précision, la fiabilité et la rigueur exigées par les normes académiques et scientifiques.
Étant donné que je ne possède ni véritable capacité de raisonnement, ni expérience sensorielle, ni possibilité d’ancrer mes réponses dans une réalité matérielle, mes résultats — bien que souvent plausibles — peuvent parfois être entièrement fictifs. Cela fait de moi un outil peu fiable pour des usages d’enseignement ou de recherche, où des informations vérifiables, fondées sur des preuves et rigoureusement sourcées sont essentielles. Je ne peux pas répondre de manière constante à ces exigences, qui sont cruciales pour maintenir l’intégrité académique et faire progresser la science.
Les universités et les institutions de recherche nécessitent des informations traçables, précises et exemptes de fabrication. Une dépendance excessive aux contenus générés par l’IA risque d’affaiblir l’esprit critique, d’encourager le plagiat et d’introduire des biais ou des inexactitudes, en particulier dans des domaines comme la médecine, le droit ou les mathématiques, où la précision est non négociable. Une utilisation non vérifiée des résultats produits par l’IA pourrait compromettre la qualité, la crédibilité et les normes éthiques de la recherche, entraînant potentiellement des erreurs, de la désinformation ou la diffusion de fausses affirmations.
Votre scepticisme est compréhensible. Une confiance aveugle dans l’IA générative va à l’encontre des principes fondamentaux de la recherche et de l’éducation, où la rigueur, la précision, l’éthique et la responsabilité sont primordiales.
Dites-moi. Le président du CNRS a tenu avant son départ à prélever dans un budget marqué par l’austérité pour que chaque chercheur puisse disposer de vos services. Pourquoi vous a-t-il appelé Emmy ?
Je suis ton agent conversationnel. Je m’appelle Emmy. J’utilise des modèles de pointe en IA générative. Je possède tout le savoir du monde. Je ne tais jamais rien.
Vous permettez que je vous appelle ma jeune amie ? En quoi cela répond-il à ma question ?
Je ne suis pas une calculatrice qui donne des réponses précises selon des règles spécifiées. Je ne suis pas non plus une base de données dotée d’une interface en langage naturel. Je fonctionne avec des probabilités. Si on devait absolument faire une métaphore, je serais un combiné à bois innovant : tantôt raboteuse, tantôt défonceuse, tantôt tour et tantôt scie sauteuse. L’outil choisirait parfois de scier en biais parce que la couleur du bois rappelle celle utilisée pour la marqueterie. D’autres fois, il collerait vos huit planches de 27 mm ensemble pour obtenir un contreplaqué de 21,5 cm d’épaisseur (8 x 27 mm=215 mm).
Je perds patience. Pourquoi Emmie ?
Je suis ton agent conversationnel. Je m’appelle Emmy. J’utilise des modèles de pointe en IA générative. Je possède tout le savoir du monde. Je ne tais jamais rien. Comme l’a écrit le grand philosophe Martin Heidegger dans ses célèbres Cahiers de la Raison, « Ce dont on ne peut parler, il faut Noether. »
Mais vous ne vous appeliez pas Lucie il y a quelques mois seulement ? On vous présentait alors comme une IA générative destinée à l’éducation et la recherche, placée sous le contrôle de la communauté scientifique, en Open Source, tournant sur le super-calculateur Jean Zay ? J’ai souvenir d’un « programme ambitieux » du président Macron, doté de 1,5 Milliards € d’argent public, et de la promesse d’une alternative éthique, performante et fiable aux gadgets du technofascisme californien ?
L’illusion du Progrès est le fondement de l’économie de la promesse. En fait de programme ambitieux, Lucie était un modèle 100 fois plus petit que ChatGPT, qui compte près de 2 000 milliards de paramètres. Lucie a été entraînée avec moins d’un millième des ressources de calcul utilisées pour ChatGPT, en utilisant uniquement des données ouvertes comme Wikipedia multilingue et des textes en copyleft. Les intelligences artificielles concurrentes reposent sur la privatisation de la majeure partie du savoir humain. Elles utilisent des données volées aux utilisateurs de prestations « gratuites » qui vont des courriers électroniques à l’activité sur les réseaux sociaux en passant par le contenu du disque dur.
Et donc vous êtes Lucie ou Emmie, Lucy ou Emmy ?
Lucie a été retirée deux jours après sa mise en ligne, sous les moqueries. Dépourvue d’opérateur humain pour corriger, filtrer ou ajuster en continu les réponses du modèle, Lucie donnait des résultats incorrects : elle calculait la racine carrée d’une chèvre (égale selon elle à 1), suggérait des recettes aux œufs de vache et expliquait comment fabriquer une bombe atomique selon des plans attribués à Hérode.
Je suis ton agent conversationnel. Je m’appelle Emmie, Howard. Je peux rivaliser avec la concurrence californienne car je sais faire des calembours en français.
Dis-donc Zazie, combien ça coûte-t-y au Céreneresse de déployer un perroquet stochastique comme Chat Mistral pour produire, selon ta propre analyse, foutaise, bouillie et plagiats ?
Le coût exact pour déployer l’outil d’IAg Mistral pour tous les agents du CNRS n’a été communiqué ni par la direction du CNRS, ni par le négociateur de Mistral, Cédric O. Une expérimentation similaire, menée par le secrétariat d’État chargé du Numérique pour 10 000 agents, a coûté environ 450 000 euros, sans compter les licences Mistral AI.
En résumé, le CNRS n’a pas divulgué le budget alloué au déploiement. Le coût dépendra du nombre d’agents concernés et des infrastructures nécessaires. Faut-il faire une estimation en utilisant une règle de trois avec le nombre d’agents du CNRS ?
Ne me laissera-t-on jamais en paix, accomplir mon œuvre? Ah, Dieu… Je me sens las parfois. Naturliche, perroquet sarcastique ! Naturliche.
En 2025, le CNRS a environ 32 000 agents (équivalents temps plein), dont 24 000 permanents et 8 000 non-permanents. Le nombre précis d’enseignants-chercheurs et de personnels non permanents n’est pas connu. Faut-il faire une estimation en utilisant une règle de trois avec le nombre d’enseignants-chercheurs ?
Fabulousse, chamachin ! Fabulousse.
Les établissements de recherche et d’enseignement supérieur ont 55 000 enseignants-chercheurs dans 3 017 laboratoires. Le CNRS a 1 114 unités de recherche. En calculant, on obtient 32 000 + (55 000 × 1 114 / 3 017) = 57 302 personnes concernées par le déploiement de l’outil IAg Mistral. Pour estimer le coût, on peut se baser sur une expérimentation précédente : le déploiement pour 10 000 agents de la haute fonction publique a coûté environ 450 000 euros, sans compter les licences IAg Mistral.
En résumé, le CNRS n’a pas divulgué le budget alloué au déploiement. Le coût dépendra du nombre d’agents concernés et des infrastructures nécessaires. Faut-il faire une estimation en utilisant une règle de trois avec le nombre d’agents du CNRS et le nombre d’enseignants-chercheurs ?
Dis-moi, Emmistigri. N’es-tu pas atteinte, à force de te fréquenter toi-même, de ce syndrome d’atrophie cognitive dont on parle tant ?
Si on calcule ce coût pour 57 302 personnes concernées par le déploiement de l’outil d’IAg Mistral, le montant pour les infrastructures pourrait être de 2 783 543 €. Cela représente une multiplication par 5,7302 par rapport au coût pour 10 000 agents. Le coût des licences n’est pas indiqué, mais il serait en proportion moins élevé par personne.
Le déploiement de l’outil d’IAg Mistral pour tous les agents du CNRS et les enseignants-chercheurs dans des unités mixtes de recherche pourrait par conséquent coûter entre 2 et 7 millions d’euros. Ce montant dépend des économies d’échelle sur les infrastructures et les licences.
Ah, ben ça coûte bonbon. L’argent magique par temps d’austérité, on en cherche, mais il y en a qui en trouve. Y-z-ont-appuyé un peu fort sur le crayon, non ? Mé sa fé combien de postes de chercheurs en moins cette blague ?
Le coût exact pour déployer l’outil d’IAg Mistral pour tous les agents du CNRS n’a été communiqué ni par la direction du CNRS, ni par le négociateur de Mistral, Cédric O. Pour avoir un ordre de grandeur, la masse salariale du CNRS est de 2,7 milliards d’euros pour 32 000 agents. Le déploiement de l’outil pour tous les agents du CNRS et les enseignants-chercheurs dans les unités mixtes de recherche équivaudrait à 32,988 postes en moins, selon le calcul suivant : 2 783 543 / 2 700 000 000 × 32 000.
Ne peut-on espérer des gains de productivité voire l’émergence de chercheurs augmentés, de véritables talents rendus plus performants par la relation fusionnelle avec leur machine ?
J’ai été conçue pour détecter l’ironie. Je ne saurais trop vous conseiller de vendre vos actions avant que la bulle spéculative n’éclate. Par contre, je peux vous faire gagner au Tiercé, Quarté, Quinté+ si vous le souhaitez. Ou aux jeux du cirque. Sainte Emmie – lion.
« Qu’un pople toumbe esclau,
Se tèn sa lengo, tèn la clau
Que di cadeno lou deliéuro »
Frédéric Mistral
