Ok, Fable est très fort. J'ai plus de tokens, bonne nuit !

After 25 years of brave & brilliant work by hundreds of scientists in my lab to understand then safely reverse aging for the first time, it was moving to witness the first human dose being delivered 🥹 nature.com/articles/d41586-0…

J’attends toujours le dernier moment pour déclarer mes impôts. Mais cette fois c’était facile, Claude Code a absolument tout fait. Je lui ai donné les docs que j’avais, il m’a posé des questions et il a : - demandé des infos manquantes - rédigé des mails pour en récupérer certaines (attestation IR-PME d’une startup dans laquelle j’ai investi par ex) - fait une simulation complète - évalué les optimisations possibles - ouvert un navigateur et tout rempli - vérifié les champs pré-remplis - tout documenté À la fin, j’ai juste eu à vérifier et à cliquer sur Valider. Puis je lui ai demandé de créer une skill pour les prochaines années. L’année prochaine j’aurai juste à taper "/declaration-impots 2026", ça sera encore plus rapide. Tout ça dans mon « personal brain », mon harness, un dossier sur lequel je garde la main et qui fonctionne aussi avec les concurrents de Claude. Décidément, je sais qu’on en parle déjà beaucoup mais un bon harness change la vie !

Game changer if true 👀

Il n'y a que des vieux modèles IA qui tournent chez les hébergeurs européens leaders, je ne comprends pas. Où sont les Qwen 3.6, Gemma 4, Kimi K2.5 etc ? Vous foutez quoi @Scaleway_fr @OVHcloud_FR @IONOS_help_FR ?

L'agilité est de retour. Personne n'osera l'appeler comme ça, le mot est grillé. Mais le principe, lui, n'a jamais été aussi pertinent. Jusqu'à très récemment, le goulot d'étranglement de toute production logicielle était le développement. On a construit tout un écosystème pour protéger le temps des devs. Specs fonctionnelles détaillées, wireframes validés en comité, user flows, poker planning, Definition of Ready, grooming, story mapping, sprints cadrés au quart d'heure. Des semaines de discovery avant d'écrire une ligne de code. Tout ça pour s'assurer qu'on ne gaspille pas une journée de dev sur la mauvaise feature. Ce monde-là est en train de disparaître. Avec l'IA, le coût de produire du code s'effondre. Un dev expérimenté avec les bons outils sort en quelques heures ce qui prenait des semaines. Le goulot s'est déplacé vers l'amont et vers l'aval : la capacité à formuler les bonnes hypothèses produit, et la capacité à valider vite que ce qu'on a construit tient la route. Autrement dit, on peut enfin construire, tester, jeter, recommencer. Pour de vrai. Pas l'itération cosmétique des sprints de deux semaines où on livrait trois tickets. L'itération brutale. Celle où on met un prototype devant des utilisateurs lundi, et où on pivote mercredi. Mais ça ne marche que si toute la chaîne suit. Aujourd'hui, la plupart des équipes ont accéléré le dev sans toucher au reste. Le code sort plus vite, mais il attend les mêmes validations, les mêmes allers-retours, les mêmes process de QA manuels. On a mis un moteur de F1 dans un châssis de Twingo. Pour que la vitesse serve à quelque chose, il faut réinventer toute la chaîne de valeur. La gestion produit, la QA, le design, le déploiement : tout doit être repensé, outillé, automatisé au même niveau que le dev. Et surtout, les frontières entre métiers doivent bouger. Un dev qui ne pense pas produit, c'est un générateur de code, et l'IA fait ça très bien toute seule. Un product manager ou un designer qui ne sait pas prototyper en vibe coding, c'est quelqu'un qui attend au lieu de tester. Les murs entre "ceux qui pensent" et "ceux qui construisent" n'ont plus de raison d'exister. L'agilité originelle promettait exactement ça : des équipes pluridisciplinaires, des cycles courts, du feedback permanent. On avait juste pas les moyens de le faire pour de vrai. Maintenant, on les a. Tout le monde a accès aux mêmes LLM, reste à savoir si votre organisation est capable de tourner à la vitesse que les outils permettent.

Tout ce qu'on t'a dit sur l'avenir est faux. Le monde n'a jamais été aussi bien et le meilleur est devant. Voici la liste que personne ne veut que tu lises. Espérance de vie. En 1800 : 30 ans. En 1900 : 48 ans. En 2025 : 73 ans au niveau mondial. Chaque décennie on gagne environ 2 à 3 ans. La première personne qui vivra 150 ans est probablement déjà née. Pauvreté. En 1820, 90% de l'humanité vivait dans l'extrême pauvreté. Aujourd'hui moins de 10%. La plus grande réduction de misère de l'histoire de l'espèce humaine. Et personne ne le sait. Hans Rosling l'a testé : les gens répondent plus mal que des chimpanzés qui répondraient au hasard. Mortalité infantile. En 1900, 36% des enfants mouraient avant 5 ans. Aujourd'hui c'est 3.7%. Division par 10. Grâce aux vaccins, à l'hygiène, à la médecine. Tous produits de la croissance et de la technologie. Alphabétisation. En 1820, 12% de l'humanité savait lire. Aujourd'hui 87%. L'accès au savoir n'a jamais été aussi démocratisé. Et avec l'IA, un gamin dans un village au Sénégal a accès au même niveau de tutorat qu'un élève de Stanford. Alimentation. Malthus prédisait la famine pour 1 milliard d'humains. On est 8 milliards. La production alimentaire par habitant n'a jamais été aussi élevée. La Révolution Verte de Norman Borlaug a sauvé un milliard de vies. Un milliard. Un seul homme armé de science et d'optimisme. Énergie. Le coût du solaire a chuté de 99% depuis 1976. La fusion nucléaire n'a jamais été aussi proche. Le jour où elle arrive, l'énergie devient quasi illimitée. Le combustible c'est l'hydrogène, l'élément le plus abondant de l'univers. Violence. Steven Pinker l'a documenté dans The Better Angels of Our Nature : on vit dans la période la plus pacifique de l'histoire humaine. Le taux de morts violentes par habitant n'a jamais été aussi bas. On ne le croit pas parce qu'on a des caméras partout et des algorithmes qui amplifient la peur. Matériaux. GNoME de DeepMind a découvert 2.2 millions de nouveaux cristaux en un seul projet. 800 ans de recherche en matériaux condensés. 528 nouveaux conducteurs lithium-ion. Des batteries, des semi-conducteurs, des supraconducteurs potentiels qu'on ne soupçonnait même pas. Médecine. AlphaFold a prédit la structure de 200 millions de protéines. C'est l'équivalent de plusieurs siècles de recherche biologique. Laurent Alexandre le dit depuis des années : la convergence NBIC (nanotechnologies, biotechnologies, informatique, sciences cognitives) va transformer la médecine d'un art en une science de précision. Le cancer sera une maladie chronique gérable avant 2040. Agents IA scientifiques. On est en train de passer d'une IA qui assiste les chercheurs à une IA qui fait de la recherche. Des agents autonomes capables de formuler des hypothèses, designer des expériences, analyser les résultats et itérer. En boucle. 24h/24. Sans fatigue, sans biais de confirmation, sans politique de laboratoire. Ce que l'humanité mettait 10 ans à découvrir, un agent IA le fera en quelques semaines. La recherche pharmaceutique, la science des matériaux, la physique fondamentale, la biologie, tout va être accéléré d'un ou plusieurs ordres de grandeur. On parle pas d'une amélioration incrémentale. On parle d'un changement de paradigme dans la vitesse de découverte scientifique. Robotique. Optimus de Tesla, Figure, Boston Dynamics, 1X. On est à l'aube d'une révolution robotique qui va faire pour le travail physique ce que l'IA fait pour le travail intellectuel. Musk l'a dit : si Optimus réussit, le PIB mondial pourrait être multiplié par 10. Des milliards de "travailleurs" robotiques qui ne dorment pas, ne tombent pas malades, ne s'épuisent pas. La combinaison agents IA robotique humanoïde c'est la fin de la rareté du travail. Et la fin de la rareté du travail c'est la fin de la rareté tout court. L'abondance ne sera plus un concept théorique. Espace. Un seul astéroïde de type M contient plus de fer, de nickel et de platine que tout ce qui a jamais été extrait sur Terre. La ceinture d'astéroïdes contient des ressources estimées à des quintillions de dollars. On ne manque pas de ressources. On manque juste d'accès. Les décroissants regardent en arrière. Les optimistes regardent en avant. Et depuis 200 ans, l'histoire donne systématiquement raison aux optimistes. Pas par naïveté. Par la science. Par l'innovation. Par l'obstination de gens qui refusent d'accepter que le monde est figé. Le meilleur pari, individuellement et collectivement, c'est de parier sur l'ingéniosité humaine augmentée par la technologie. Parce que c'est le seul pari qui a toujours payé.

i feel the best way now to make a website is with Astro for visual components and MDX for content. agents can edit it easily. everything can be automated: SEO, GEO... the only missing piece: a good CMS for MDX

Stop prompt engineering, and start codebase engineering. Your codebase is the prompt : blog.pierrickbignet.com/code…

if you still think the "ai bubble" is gonna pop, just go bet on polymarket. you’ll 5x your money if you’re right by end of year. i wouldn’t touch it though. not financial advice obviously

We've been building an internal Claude Code plugin system at Intercom with 13 plugins, 100 skills, and hooks that turn Claude into a full-stack engineering platform. Lots done, more to do. Here's a thread of some highlights.

Introducing the Machine Payments Protocol (MPP). mpp.dev: an open protocol for machine-to-machine payments, co-authored by @tempo and @stripe. Watch it in agentic action ⤵️

Very useful and thorough explanation on multi-agents OpenClaw for marketing

🐓

1/ Some Simple Economics of AGI—🔥🧵 Right now, there is a low-grade panic running through the economy. Everyone is asking the same anxious question: what exactly is AI going to automate, and what will be left for us?

The math on this project should mass-humble every AI lab on the planet. 1 cubic millimeter. One-millionth of a human brain. Harvard and Google spent 10 years mapping it. The imaging alone took 326 days. They sliced the tissue into 5,000 wafers each 30 nanometers thick, ran them through a $6 million electron microscope, then needed Google’s ML models to stitch the 3D reconstruction because no human team could process the output. The result: 57,000 cells, 150 million synapses, 230 millimeters of blood vessels, compressed into 1.4 petabytes of raw data. For context, 1.4 petabytes is roughly 1.4 million gigabytes. From a speck smaller than a grain of rice. Now scale that. The full human brain is one million times larger. Mapping the whole thing at this resolution would produce approximately 1.4 zettabytes of data. That’s roughly equal to all the data generated on Earth in a single year. The storage alone would cost an estimated $50 billion and require a 140-acre data center, which would make it the largest on the planet. And they found things textbooks don’t contain. One neuron had over 5,000 connection points. Some axons had coiled themselves into tight whorls for completely unknown reasons. Pairs of cell clusters grew in mirror images of each other. Jeff Lichtman, the Harvard lead, said there’s “a chasm between what we already know and what we need to know.” This is why the next step isn’t a human brain. It’s a mouse hippocampus, 10 cubic millimeters, over the next five years. Because even a mouse brain is 1,000x larger than what they just mapped, and the full mouse connectome is the proof of concept before anyone attempts the human one. We’re building AI systems that loosely mimic neural networks while still unable to fully read the wiring diagram of a single cubic millimeter of the thing we’re trying to imitate. The original is 1.4 petabytes per millionth of its volume. Every AI model on Earth fits in a fraction of that. The brain runs on 20 watts and fits in your skull. The data center required to merely describe one-millionth of it would span 140 acres.

Expect this: > LLMs gonna go from slow to neat instant > Context window will be infinite > LLMs gonna top every eval & benchmarks beating humans in literally everything that can be measured > LLMs will learn & fine tune on the fly, instead of full new training run as now

Developers are dead, long live lead developers! blog.pierrickbignet.com/deve…