Bonjour,

J’espère que vous allez bien !

Je suis heureux de vous annoncer que le bootcamp Claude Code est complet pour cette première édition. Si vous avez raté cette première fois et que vous êtes intéressés, merci de vous inscrire sur la liste d’attente.

Je vous préviendrai pour la prochaine session.

C’est parti :

Jean-Baptiste

Claude Code Routines exécute des automatisations de coding IA sur l'infrastructure gérée par Anthropic. Il fonctionne avec différents déclencheurs : un lancement planifié à une heure précise, un appel AI ou un nouvel événement github. Un développeur avec cette routine peut laisser Claude Code relire des PRs, trier des backlogs ou vérifier des déploiements de manière autonome, sans avoir besoin de laisser son ordinateur ouvert. Disponible sur les plans Pro, Max, Team ou Enterprise. Pour moi, c’est la version Scheduled Task de Cowork, en plus puissant.

Meta est de retour. Après LLama 4 qui avait fait avancer le monde de milieu de l’OpenSource, Meta se lance dans les modèles fermés. Rappelez-vous, Meta avait créé le Meta Superintelligence Labs, dirigé par Alexandr Wang (ex-fondateur de Scale AI). Il avait investi gros : $14,3 milliards.

Et voici le résultat : Muse Spark obtient un score de 52 sur l'Artificial Analysis Intelligence Index, ce qui le place 4ᵉ mondial derrière Gemini 3.1 Pro (57), GPT-5.4 (57) et Claude Opus 4.6 (53). Le modèle est construit de zéro !

Le point fort inattendu : la santé, où il se classe premier. Mais pas le code, mesuré loin GPT 5.4 et Claude 4.6 Opus.

Ce que j’en pense : Meta revient dans le cours des grands et sérieusement. Bon, cela ne m’arrange pas pour faire ma veille, car maintenant, je dois vous parler de Mistral, Grok, Claude, GPT, Gemini et maintenant Muse… Pour les entreprises et les consommateurs, un acteur de plus dans le top 5 signifie davantage de concurrence et, à terme, de meilleures offres pour tout le monde.

Source : Meta

Anthropic vient de lancer Claude Managed Agents en bêta publique, une suite d'APIs pour construire et déployer des agents IA dans le cloud, directement depuis la Claude Platform.

L'objectif : réduire le temps entre le prototype et la production, en passant de plusieurs mois à quelques jours. Concrètement, Anthropic prend en charge toute la complexité infrastructure, sandboxing, exécution d'outils, gestion des permissions, traçabilité, pour que les équipes se concentrent sur le produit final. Ils ont aussi mis en place des mécanismes de sécurité pour rassurer les DSI. La tarification se fait au token + $0,08 par heure.

Ce que j'en pense : le problème de déploiement des agents IA est davantage la confiance que la faisabilité aujourd’hui. Claude a le modèle, maintenant aussi l’infrastructure pour utiliser le modèle dans un environnement sécurisé. Il faudrait maintenant des serveurs en Europe et en Suisse, et la même chose avec un modèle européen. Cela va sécuriser certains DSI que je connais, mais pas ceux qui veulent davantage de souveraineté. Et ça se comprend.

Source : https://platform.claude.com/docs/en/managed-agents/overview

On est en train de passer d'une IA généraliste à une IA branchée sur des sources métier. Et cette semaine, la tendance s'est encore accélérée.

Pappers a lancé son serveur MCP, permettant à votre IA de raisonner directement sur les données d'entreprise certifiées. Vous pouvez y trouver des informations légales, financières, dirigeants.

L'écosystème MCP dépasse désormais les 2 300 serveurs référencés dans les répertoires publics, avec plus de 200 outils compatibles nativement.

En résumé : j’adore car ça s’inscrit dans une tendance globale. Tant que l'IA restait enfermée dans sa bulle (vous copiez-collez, elle répond), son utilité en entreprise restait limitée. Avec les MCP sécurisés, chaque éditeur de logiciel ouvre une porte directe vers l'IA. Le fait que ce soient les éditeurs eux-mêmes qui développent ces connecteurs est un signal fort : la connexion est fiable, sécurisée, et maintenue. Si vous n'avez pas encore regardé quels MCP sont disponibles pour vos outils métiers, c'est le moment.

Source : https://www.pappers.fr/mcp, https://developer.adobe.com/express/add-ons/docs/guides/getting-started/local-development/mcp-server#, https://github.com/datagouv/datagouv-mcp

Tout le monde parle d'agents IA.

Les éditeurs en mettent partout, LinkedIn déborde de "mon agent fait X en 3 secondes", et vos collègues commencent à vous demander "on en est où sur les agents ?".

Le problème ?

Personne ne met la même chose derrière ce mot.

Un GPT personnalisé ?

Un workflow Zapier/N8N avec un peu d'IA ?

Un bot Telegram autonome ?

Tout ça s'appelle "agent" en 2026.

Un rapport de mi-2025 parlait même de "lavage d'agent" (agent washing) : beaucoup de produits rebaptisés "agent IA" ne sont que du rebranding de solutions existantes.

Pourtant, le marché est réel : les analystes projettent 199 milliards de dollars d'ici 2034, avec une croissance annuelle de 44 %. Mais en novembre 2025, le Wall Street Journal rapportait que peu d'entreprises ayant déployé des agents avaient obtenu un retour sur investissement concret.

D'où ce guide !

Je souhaite vous aider à séparer le signal du bruit, vous aider à comprendre ce qui fonctionne vraiment chez moi, et vous montrer par où commencer.

Allez on y va !!

Bon déjà…

Avant de parler d'agents, il faut clarifier trois concepts que beaucoup confondent.

L'automatisation existe depuis longtemps. C'est un processus déterministe : SI il se passe X, ALORS fais Y. Pensez à un filtre Gmail, un workflow Zapier classique, ou une macro Excel. C'est fiable, prévisible, et ça suffit pour énormément de tâches. Si votre besoin peut être résolu par un "si/alors", ne cherchez pas plus loin, l'automatisation classique reste imbattable. Si vous êtes dans la suite office, pensez à PowerAutomate.

L'IA générative, c'est la couche apparue au grand public avec l’arrivée des LLM et de ChatGPT. Ce type d’IA excelle face à l'incertitude : analyser un email au ton ambigu, résumer un document de 80 pages, rédiger une réponse adaptée au contexte. Elle gère les données non structurées avec une créativité que l'automatisation classique ne peut pas offrir. Attention cependant : elle est plus difficile à “cadrer”.

Et l’agent IA ?

Concrètement ? Prenons un exemple que je vis au quotidien. Chez Maijin, j'ai un agent quie récupère le transcript d'un call prospect (via Noota), extrait les besoins clés, va chercher les infos du client dans ma base Notion, et génère une proposition commerciale au format PPTX. La proposition commerciale est adaptée au secteur, au budget évoqué, et au type de prestation discuté pendant le call. Le tout en quelques minutes, là où le processus me prenait une demi-journée. L’agent a une instruction, il a accés aux outils et les utilisent dans un ordre prédéfini. L’agent réussit à le faire car il a un modèle IA assez puissant pour gérer toutes ces instructions.

Nous ne sommes pas ici dans l’automatisation classique. Chaque appel client est différent, chaque prospect a des besoins uniques. Mon agent IA, avec le contexte que je lui ai ajouté, doit interpréter le contenu du transcript pour produire quelque chose de pertinent. C'est exactement là que l'agent IA brille, face à l'incertitude et aux données non structurées.

Attention cependant : si votre besoin est "quand un formulaire est rempli, envoyer un email de confirmation", c'est un workflow Zapier ou Power Automate, qui peut intégrer un LLM. Mais pas besoin d'agent. J'insiste parce que la tendance actuelle est de vouloir mettre des agents partout. Un agent IA coûte davantage en tokens, en maintenance. Je ne parle même pas de configuration, des tests et du reste. Une automatisation est plus simple. Réservez-le aux tâches qui impliquent de l'incertitude, de l'analyse de données non structurées, ou l'orchestration de plusieurs outils en séquence.

Fin 2023 - Les GPTs d'OpenAI.

Les premiers "assistants" personnalisés arrivent. Vous pouvez créer votre propre version de ChatGPT avec des instructions spécifiques et des documents en contexte. C'est utile, mais l'assistant reste dans sa bulle. Il ne peut ni lire vos emails, ni accéder à votre CRM.

2024 - La révolution MCP.

Le Model Context Protocol d'Anthropic permet pour la première fois de connecter les chatbots aux outils métiers. Votre IA peut désormais lire votre calendrier, interroger une base de données. Et même envoyer un email, si vous le décidez 🙂

Le chatbot devient un assistant branché à vos outils métiers, et s’intégre dans votre environnement professionnel.

2025 - Les AI agents de N8N

La plateforme d’automatisation permet déjà de créer des agents IA définis selon Anthropic, qui gère plusieurs outils. Mais les modèles (le moteur) n’est pas encore assez puissant pour gérer suffisamment d’outils et d’instructions. Il n’y a pas vraiment de cas d’usages réellement utiles en entreprise.

Fin 2025 - La révolution OpenClaw

Avec des outils comme OpenClaw, les agents deviennent indépendants des plateformes propriétaires.

Ils tournent sur votre propre serveur, 24h sur 24h, avec les outils et les autorisations que vous leur avez donné. Ils fonctionnent SANS supervision constante. L’IA PEUT passer en pilote automatique, avec tous les risques de sécurité que cela pose. J’ai brièvement fait part de mon expérience dans cette newsletter récente.

Tous les agents ne se valent pas. Le Conseil français de l'IA et du numérique a formalisé début 2026 une échelle à 5 niveaux d'autonomie.

Niveau 1 - Automatisation basique.

Un outil applique des règles fixes et exécute des tâches répétitives. Exemple : un filtre Gmail qui trie vos emails, une macro Excel. Elle exécute. C'est votre Zapier classique.

Niveau 2 - Automatisation intelligente.

L'IA analyse des données grâce à ses capacités perceptives dans un workflow. Elle récupére des infos en entrée et les ressort. Exemple : un outil d'OCR qui lit une facture et en extrait les montants, ou un assistant qui résume un document de 80 pages à chaque fois que vous le mettez dans un fichier drive.

Niveau 3 - Flux agentiques.

Plusieurs agents enchaînent les étapes d'un processus, généralement avec validation humaine à chaque phase clé.

Exemple : après un call prospect, mon agent génère la proposition commerciale, mais je la relis et la valide avant envoi. C'est le fameux "human-in-the-loop”, et c'est souvent le meilleur compromis pour débuter avec les agents.

Niveau 4 - Agents semi-autonomes.

L'IA devient proactive : elle comprend le contexte et propose des décisions soumises à validation.

Exemple : tous les vendredis, un agent compile les KPIs de la semaine depuis Google Analytics et votre CRM, génère un rapport synthétique, identifie les anomalies et vous propose des actions correctives.

Vous validez, il exécute.

Niveau 5 - Agents entièrement autonomes.

Auto-dirigés et apprenants en continu, ils exécutent des missions de bout en bout sans supervision.

Exemple théorique : un agent de veille concurrentielle qui surveille, analyse, et ajuste votre stratégie de pricing en temps réel.

Ce niveau reste encore largement théorique, le Conseil le compare au Jarvis d'Iron Man. On n'y est pas.

Mon conseil : visez le niveau 3. La validation humaine vous permet de corriger les erreurs et de bâtir la confiance progressivement. Passez au niveau 4 uniquement quand le processus a été testé des dizaines de fois manuellement avec l’humain dans la boucle.

Maintenant, regardons ensemble ce qui fait qu’un agent fonctionne bien :

Un agent IA performant, ce n'est pas juste un bon modèle (le moteur).

Il lui faut trois ingrédients :

1. Une base de connaissances.

Le contexte qui rend l'agent pertinent pour VOTRE entreprise. Vos procédures, votre ton de communication, vos données clients et tout ce qui est nécessaire ! Sans ça, l'agent reste générique.

2. L'accès à des outils (via MCP).

Sans l’accès à vos CRM, email, calendrier, bases de données, l’agent ne peut pas agir. L’accès aux outils est une extensions du contexte selon moi. Aujourd'hui, la plupart des outils grand public disposent de serveurs MCP développés par les éditeurs eux-mêmes, ce qui garantit une connexion fiable et sécurisée. ATTENTION aux serveurs MCP dans des github obscurs ou le MCP que tonton michel vous a envoyé parce que c’est trop cool… Prenez d’abord les MCPs des sites officiels de vos outils, et s’il n’y a pas, demandez à votre IT ou à l’éditeur de l’outil.

3. Des instructions claires. Le prompt de base de l'agent. C'est là que vous définissez son rôle, ses limites, son ton. Un prompt flou = un agent imprévisible.

En conclusion : des compétences (skills)

Ce sont des "recettes" qui combinent plusieurs outils, des connaissances, et des instructions pour accomplir une tâche complexe. C’est l’empilement du numéro 1, 2 et 3. Si vous voulez en savoir davantage sur les skills, rendez-vous sur ma newsletter dédiée.

IMPORTANT : une connexion sécurisée à vos outils d'entreprise.

Point non négociable : utilisez exclusivement des versions professionnelles (ChatGPT Business, Copilot payant, Claude Team) pour connecter vos outils et ajouter des données sensibles. Vérifiez la conformité avec votre charte IT et les lois de protection des données (RGPD, nLPD en Suisse).

Voici la démarche que je recommande à toutes les organisations que j'accompagne :

Étape 1 - Identifiez un vrai besoin métier.

Ca ne sert de faire un agent parce que c’est à la mode. Parfois, une automatisation suffit, parfois un assistant suffit. Ne rajoutez pas de la complexité inutilement. C’est un DSI qui m’a dit ça il y a deux mois. Avec toute cette tendance, on oublie l’essentiel… partir du besoin métier.

La question : quelle tâche répétitive vous prend du temps, implique de l'incertitude, et pourrait bénéficier d'une IA générative ?

Lors de nos audits métier chez les entreprises, et grâce à notre mAIjin Score, nous identifions ces besoins métiers et mettons le bon niveau d’autonomie devant le besoin métier.

Étape 2 - Connectez les outils nécessaires.

Listez les applications impliquées dans le processus. Vérifiez qu'elles disposent de connecteurs MCP ou d'une API accessible. Si l’API est accessible, un serveur MCP peut se construire assez simplement.

Consultez votre IT avant toute connexion. Pour qu’un projet d’agent IA fonctionne, il faut mettre le métier et l’IT autour de la table, il faut s’aligner sur la stratégie humainement avant de rentrer dans la technique. Sinon, c’est l’échec assuré. Croyez en mon expérience…

Étape 3 - Testez manuellement.

C'est l'étape que tout le monde veut sauter, je comprends honnêtement. On veut tous aller vite. Pourtant, c'est la plus importante.

Faites le processus complet avec l'IA, en mode conversationnel, des dizaines de fois. Vous allez découvrir les cas limites et des erreurs récurrentes, vous pourrez alors itérer pour trouver le meilleur compromis.

Reprenons l'exemple de mes propositions commerciales : avant d'automatiser, j'ai testé le processus plus de 50 fois manuellement. Je prenais un transcript, je demandais à l'IA de l'analyser, je vérifiais si les besoins détectés étaient les bons, si le budget correspondait, si la proposition était cohérente. Chaque test a révélé des ajustements, un champ manquant dans Notion, une formulation ambiguë dans le prompt, un cas de figure non prévu (prospect avec plusieurs projets en parallèle, par exemple). Bref, testez manuellement avant de créer une machine super sophistiquée qui ne marche pas bien.

Étape 4 - Préparez le contexte et les données.

Structurez votre base de connaissances. Nettoyez vos données. C’est le travail de préparation des données, qui révèle souvent des processus pas à jour, et des failles organisationnelles.

Rédigez un prompt de base solide.

Mettez en place un système de routine pour mettre à jour les données, sans que ça soit une usine à gaz.

Là, vous vous dites, en fait, c’est compliqué de faire un agent IA. Et bien oui, l’IA n’est pas une baguette magique. Si vous êtes clairs dans vos processus, elle accélère la clarté. Si vous êtes brouillons, elle créé du brouillon 10 fois plus rapidement. Je dis ça en connaissance de cause, car je suis en plein travail de structuration de nos processus chez mAIjin. Si je veux vous transmettre de la valeur, il faut bien que je le fasse pour moi même. Je veux être un coordonnier bien chaussé.

Étape 5 - Automatisez progressivement.

Passez du niveau 3 (flux agentiques avec validation) au niveau 4 (semi-autonome), puis éventuellement au niveau 5. Chaque palier doit être gagné par la fiabilité. FIABILITE. Pas l’impatience. J’ai l’impression que j’écris cette newsletter pour moi, tant je suis souvent impatient. Pas vous ?

Pour aller plus loin : le livre de mon ami Morgan Bancel, avec une intervention de Tifany Clémenceau sur Dust. 192 pages, 18,90 €.

Le marché évolue vite.

Voici les principales options selon votre maturité :

Microsoft Copilot

La version gratuite reste limitée. La version à 30 €/mois par utilisateur débloque l'intégration Microsoft 365 et devient réellement utile au quotidien. Copilot Studio permet de créer des agents avancés avec des workflows sur mesure. C'est le choix naturel si votre entreprise est déjà dans l'écosystème Microsoft, et c'est le cas de la majorité des PME suisses et françaises.

ChatGPT (OpenAI)

En entreprise, la version Business est indispensable (vos données ne sont pas utilisées pour l'entraînement). Les GPTs permettent de créer des assistants personnalisés, et l'écosystème d’applications s'est considérablement enrichi. Vous avez aussi la possibilité de créer des skills, ce qui est une bonne premiére étape vers les systèmes agentiques.

C'est la solution avec laquelle la plupart de mes clients démarrent, l'interface est familière et la courbe d'apprentissage faible. Pour créer des agents autonomes, OpenAI propose des solutions plus avancées.

Claude (Anthropic)

Mon choix personnel pour les tâches complexes. Avec les projets et les skills, c'est l'outil que j’utilise à 90% aujourd’hui. Je fais tourner mon agent transcript-to-propal chez Claude. L'application desktop permet en PLUS de programmer des actions automatisées. Je trouve le raisonnement sur les documents longs particulièrement impressionnant, sans parler des compétences en coding de Claude 4.6 Opus. Le seul regret chez Anthropic : Claude est souvent bloqué, je pense qu’ils ont pas mal de soucis de puissance d’ordinateur. Je suis davantage bloqué que chez OpenAI.

Version Team minimum pour un usage professionnel (5 licences minimum).

Mistral

L'option souveraine française (et européenne). Les modèles sont performants, les données restent en Europe, et les prix sont compétitifs. À considérer sérieusement si la souveraineté des données est un critère pour votre organisation, ce qui est de plus en plus le cas dans les secteurs réglementés (finance, santé, juridique). Mistral a toute une suite pour créer des assistants, des projets, des connecteurs et évidemment des agents IA plus ou moins autonomes.

OpenClaw - une architecture dans lequel vous pouvez mettre n’importe quel moteur.

Openclaw est un projet open source qui a explosé début 2026 avec plus de 250 000 étoiles GitHub en 60 jours. C’est une architecture qui permet de créer des agents totalement autonomes qui tournent sur votre propre serveur ou PC. L'avantage majeur : vous choisissez votre moteur IA (GPT, Claude, Mistral, DeepSeek…) et vous pouvez en changer sans casser votre production. L'inconvénient : il faut un minimum de compétences techniques ou un bon prestataire pour le déployer et le sécuriser.

La combinaison d’un contexte géopolitique tendu et l’augmentation des capacités des modèles d’IA rend l’intégration de l’IA en entreprise stratégique.

L’IA générative automatise le travail du savoir. Dans chaque workflow métier, il y aura de l’IA. Si vous dépendez de prestataires américains ou chinois qui vous coupent l’accès au moteur, alors plus rien ne fonctionne.

Les projets comme OpenClaw qui partagent une architecture agentique sont essentiels. De plus, les modèles Open-Source deviennent aussi puissants que les modèles propriétaires.

Il me semble irréaliste de se passer des meilleurs modèles américains, mais j’imagine une infrastructure dynamique où vous pouvez changer de modèle d’IA simplement sans que ça influence massivement les workflows métier.

Imaginez un cabinet juridique genevois qui utilise OpenClaw avec un modèle Claude extrêmement puissant, avec un contrat qui protége la confidentialité (Exemple : DPA, ou contrat ZDR). Il utilise l’IA pour analyser des contrats, et l’IA est un maillon essentiel.

Le hic ? Les USA bloquent l’accès à Claude. Oui, ils peuvent…

Mais ça tombe bien. En secours, ce cabinet change juste le moteur. Ils utilisent Mistral Large 2 dans un serveur en Suisse. C’est moins puissant aujourd’hui, mais ça tourne !! Si Mistral Large ne convient plus, le cabinet change de modèle.

Je vous partage cette réflexion car la souveraineté devient un enjeu de plus en plus central, et c’est très positif. La question est davantage : “où sont traitées nos données?” plutôt que “doit-on utiliser l’IA ?”

Surtout en Suisse et en France, où la RGPD et la nLPD imposent des exigences strictes. Sans compter les réglementations des cantons, des régions ou des secteurs (finance, médical, légal).

Les agents IA ne sont pas un buzzword en avril 2026, mais ils ne sont pas non plus la solution à tout.

Commencez par un vrai besoin, testez manuellement avant d'automatiser, et montez en autonomie progressivement.

Le marché est mature.

Les outils sont là.

Alors allez-y ! Mais pas n’importe quand, car science sans conscience n’est que ruine de l’âme. Ou même science sans patience n’est que ruine pour l’entreprise ? 🙂

mAIjin peut vous accompagner avec conscience pour créer votre feuille de route agent IA. Nous avons désormais accompagné 3000 collaborateurs et 130+ organisations à intégrer l’IA.

Si vous avez un besoin concret métier, prenez rdv avec mon CEO, Rémi.

Belle journée,

JB

Vous avez probablement vu passer "MCP" plusieurs fois cette semaine, y compris dans cette newsletter, dans les actus et dans le sujet de la semaine sur les agents IA. Décortiquons.

La définition simple : me MCP (Model Context Protocol) est un standard ouvert, créé par Anthropic fin 2024, qui permet aux modèles d'IA de se connecter à vos outils et sources de données. Pensez-y comme un adaptateur universel : avant, chaque IA avait besoin d'une intégration sur mesure pour chaque outil. Avec MCP, un seul protocole suffit.

Pourquoi c'est important ? Sans MCP, votre IA est sourde et aveugle, elle ne voit que ce que vous lui copiez-collez. Avec MCP, elle peut aller chercher l'information directement dans votre CRM, votre calendrier, vos fichiers, vos bases de données. En 2025, nous avons vu les prémisses, et ça ne marchait pas toujours bien. Désormais, tous les chatbots IA peuvent se connecter aux outils métiers. Et comme vous l’avez vu avec Pappers, mais aussi Datagouv, le nombre de serveurs MCP explose. J’utilise celui de Beehiv, de Canva, de Gmail, de la Google Search Console, de Supabase, de Vercel, et bien plus encore.

Ce qu'il faut retenir. Si vous entendez "mon IA est connectée à mes outils", il y a de fortes chances que MCP soit sous le capot. C'est le protocole qui rend possible les agents IA dont tout le monde parle, et la bonne nouvelle, c'est qu'il est ouvert et gratuit.

Mehtaab Sawhney, mathématicien alors en poste à Columbia, fait partie des chercheurs qui ont commencé à utiliser des modèles d’IA d’OpenAI pour attaquer des problèmes d’Erdős.

L’histoire n’est pas celle d’une IA qui résout seule des dizaines d’énigmes inédites, mais plutôt celle d’outils capables, selon les cas, de retrouver très vite des résultats oubliés et, plus récemment, de suggérer des preuves apparemment nouvelles sur certains problèmes.

Sawhney a depuis pris un congé de Columbia pour rejoindre OpenAI for Science, tandis que Terence Tao a documenté l’accélération du nombre de problèmes d’Erdős classés comme résolus avec l’aide de l’IA depuis fin 2025.

Ce que j'en pense : on ne parle plus d'IA qui rédige des emails ou résume des documents. Non non. Les modèles commencent à faire avancer la connaissance humaine dans l'un des domaines les plus abstraits qui soient.

Source : https://www.scientificamerican.com/article/ai-uncovers-solutions-to-erdos-problems-moving-closer-to-transforming-math/

Visite d’Emmanuel Macron au Vatican : entre Léon XIV et la France, une conversation discrète

Emmanuel Macron était reçu vendredi 10 avril 2026 par Léon XIV, pour la première fois, au Vatican. Depuis le début de son pontificat et avant même un éventuel voyage en France, le pape américain a déjà engagé avec les catholiques français une conversation dense, précise, et dans leur langue.

Pourquoi cette actualité me parle :

Cette rencontre incarne parfaitement l'équilibre impossible entre le temporel et l'éternel, entre la terre des nations et la voûte universelle. Deux hommes suspendus entre leurs rôles, l'un portant le poids d'un État, l'autre celui de l'invisible, tentent de faire se toucher leurs mondes.

Si cette édition vous a été utile, transférez-la à un collègue qui se pose des questions sur l'IA. C'est le meilleur moyen de soutenir ce travail.

Merci !!

Jean-Baptiste.