Thanks to the 80 participants. A wonderful conference, with high quality scientific presentations, and many memories celebrating Christian’s exceptional career (a career which, fortunately, is far from over!) tse-fr.eu/conferences/2026-l…

Thanks Marc Bekoff and @PsychToday for this:

I don't subscribe to WSJ, but I just want to let you know that we already do public peer review at unjournal.org with our output at unjournal.pubpub.org, and linked to bibliometrics.

We're launching a $10 million RFP for R&D on one of the biggest barriers to alternative protein adoption: taste. 🧵

Not "since collapsed." Take the case of France for example. In 1981, when young voters (baby boomers at the time) helped secure the election of François Mitterrand, who promised to lower the retirement age from 65 to 60, the number of kids had already fallen below replacement rate. In fact, it remained at these levels until quite recently. It was perfectly clear and understood by planners at the time that this would cause a massive problem in the mid 2000 when the first cohorts of the baby boomers would reach the age of 60. Someone like the famous demographer Alfred Sauvy not only predicted 25 years in advance that the situation would quickly deteriorate but also that it would be extremely hard to correct the trajectory because of the electoral weight of these cohorts. Something that Sauvy predicted but hasn’t happened yet was a revolt of the youth against the baby boomers’ requests. It didn’t happen simply because young voters do not understand the dynamics and budget constraints of PAYG systems and believe that protecting the claims of their parents and grand parents will protect their own. As if there was a secret infinite source of funding. While young Americans also complain about boomers, they don’t realize that in the US the Greenspan commission in the early 80s greatly protected them by doing the opposite of what Mitterrand did in France. It decided back in the 1980s that baby boomers would retire a bit later and increased their contribution rate such that Social Security could build reserves to fund their pension later.

Our paper is officially out in The Review of Economic Studies with @jorgenja, Jonas Hamang and @tfharding Most climate policies targets fossil fuel consumption. We use global firm- and field-level data to ask what happens when policies are levied on oil production instead. /1

TSE, c’est 40 ans de volonté de fer d’un collectif soudé sur une ambition commune d’excellence scientifique, sans concession, entrepreneurial, avec une gouvernance unique en 🇫🇷. Gagner face à la concurrence académique internationale est devenu un défi immense.

Les faits sont tenaces: Réduire les inégalités a un impact négatif sur la prospérité. Il faut donc choisir. Pour les élections, le pire serait d'ignorer l'existence de ce lien, alors que nombre d'économistes voudraient nous y pousser. Ma tribune cette semaine dans Challenges.

Authors can't be trusted to run their own robustness checks. In 17 AER papers, only 12/211 robustness checks "fail" with p > 0.05 (white). In robustness checks chosen by 3rd parties, almost *half* of them fail (blue). 1/

Excited to FINALLY release toughest most rewarding paper I've worked on... ….we attack a 150 year old Walras question that's gone unanswered, not for lack of trying (Hicks, Samuelson, Arrow; our chances?😱)... Q: Is the market equilibrium stable or unstable?¯\_(ツ)_/¯ 🧵

we gladly accept contributions (subject to refereeing. no promises). See guidelines on the web page. (and see one contribution we have published). Contributions have to make specific and short points, and be directly relevant to the Europe 2050 project.

Nice that this paper has been finally published after more than 10 years since the first draft! aeaweb.org/articles?id=10.12…

Les jeunes français ont moins de patrimoine financier que les jeunes européens. Les seniors français ont plus de patrimoine financier que les seniors européens.

L'OABA ne stigmatise pas de religion mais demande le droit à l'information ainsi que des méthodes d'abattage plus éthiques. Continuez à partager pour informer sur ce que la plupart des médias ne dénoncent pas !

Non ce n’est pas “le plus important”, car on en revient toujours à la même chose, à la racine du problème : pourquoi produit-on du maïs ?

N’importe quoi. Open Philanthropy soutient des associations dans le monde entier en fonction de leur efficacité, aussi bien pour les humains que pour les animaux. L214 a été soutenue parce qu’elle est jugée efficace pour révéler les souffrances liées à l’élevage intensif.

Pourquoi une poignée de meilleurs concentre-t-elle au tennis l’essentiel des gains ? Ce matin je parlais de l’économie des superstars sur le cours central de @rolandgarros

Des millions de bovins et d’ovins sont abattus sans étourdissement préalable. Cette pratique rituelle entraîne une grande souffrance et alimente des circuits de consommation non transparents : les Français mangent de la viande halal ou casher sans le savoir. Est-ce acceptable ?

T. Lepeltier critique une proposition étendant les approches qui attribuent des droits à la nature, à savoir celle d'un droit à "l'habitabilité de la Terre" : lepoint.fr/debats/habitabili…

Deux anecdotes sur les LLM et les échecs, apprises dans le passionnant livre de Thibaut Giraud (@MonsieurPhi) : 1) Donnez à un LLM le contexte d’une partie d’échecs opposant Magnus Carlsen à Gary Kasparov, ainsi que 2/3 premiers coups crédibles, puis demandez à votre LLM de générer à chaque fois le coup suivant de Carlsen. Le LLM jouera une partie d’un excellent niveau (Elo 1800). Donnez maintenant à votre LLM le contexte d’un début de partie où Carlsen commence par une grossière erreur. Comment joue votre LLM ? Il choisit uniquement des coups catastrophiques. Un beug ? Pas du tout. Entrainé à prédire la suite d’un texte de la façon la plus plausible, le LLM tente de reproduire le comportement que Magnus Carlsen adopterait avec la plus forte probabilité dans cette situation. Or quelle est l’hypothèse la plus probable : que Carlsen ait commis une erreur de débutant au 2ème coup d’une partie ou qu’il ait volontairement choisi de mal jouer ? À juste titre, le LLM choisit la deuxième option. Fin psychologue et fin logicien, il infère l’intention des êtres humains. 2) Comment expliquer qu’un modèle de langage, uniquement entrainé sur des séquences textuelles de coups (format « e4 c5 2. Nf3 d6 3. d4 cxd4… ») parvienne à jouer aux échecs à un excellent niveau ? Le modèle ne « recrache » pas ses données d’entrainement puisque chaque partie d’échec est unique au monde (ceux qui accusent les LLM d’être des « perroquets stochastiques » n’ont rien compris). Le LLM n’a pas retenu ses données d’entraînement (il les a même oubliées pour la plupart), il en a extrait la métarègle qui présidait à leur génération (en l’occurrence : les règles et les stratégies des échecs). Thibaut Giraud raconte l’expérience d’un chercheur nommé Adam Karvonen. Celui-ci a entraîné un petit LLM uniquement sur des comptes rendus textuels de parties d’échec, sans jamais lui montrer un échiquier ni lui apprendre les règles. Le LLM obtenu jouait très bien aux échecs (Elo 1500). Quelle forme prenait sa « compréhension » du jeu ? Karnoven a réussi à corréler chaque situation précise sur le plateau d’échecs avec un état d’activation du réseau de neurones. Il a ainsi découvert qu’à l’intérieur du modèle il y avait bien… une représentation interne d’un jeu d’échecs, ou d’un espace de huit cases sur huit cases sur lequel se déplacent des objets suivant un ensemble de règles. L’exemple est tout sauf anecdotique, car il permet de comprendre comment l’entrainement des LLM sur corpus massifs de textes hétérogènes leur permet de devenir véritablement « intelligents », c’est-à-dire capables de résoudre des problèmes qui dépassent leurs données d’entraînement. À partir de données textuelles, les LLM déduisent des règles abstraites correspondant le plus souvent à un modèle très réaliste de notre monde, contenant tous nous heuristiques et toutes nos règles (règles de la physique, de la logique, des échecs, etc.). Les LLM « schématisent le processus qui a, selon toute vraisemblance, produit les données sur lesquelles on les a entrainés », résume Giraud. Les LLM « comprennent » notre monde.