Sparring partner

Ian : Je tenais à débuter ma présentation par une déclaration fracassante. J’ai choisi de commencer mon exposé ce soir par l’une des expressions les plus décriées du monde de la finance, « cette fois, c’est différent », avant d’expliquer que cette fois-ci, les choses sont réellement différentes. Pouvez-vous contester cette affirmation ?

LLM : Bien sûr. Cette phrase désamorce d’entrée de jeu toute forme de contestation. Autrement dit, quiconque affirme que « cette fois, c’est différent » sait déjà que son postulat va susciter la polémique. L’orateur se drape ainsi dans une posture de courage intellectuel, tout en devançant les critiques. Il s’agit d’un procédé de rhétorique ingénieux.

Peu importe que l’époque actuelle soit ou non véritablement différente. L’essentiel est de savoir si les personnes qui avancent cette affirmation ont une quelconque autorité à le faire. En 2000, les professionnels de l’investissement présentaient des arguments structurels convaincants pour expliquer pourquoi les valorisations des entreprises Internet étaient différentes. Ils avaient correctement anticipé l’aspect révolutionnaire de la technologie, mais ils se trompaient sur les prix. On peut tout à fait avoir une analyse pertinente sur le fond et commettre malgré tout une erreur d’appréciation.

Dans ces conditions, qu’est-ce qui pourrait invalider votre affirmation ? Quels sont les éléments qui pourraient vous amener à conclure que « cette fois, ce n’est en fait pas si différent » ?

Ian : C’est bien en ces termes qu’il faut poser la question. Une personne qui aurait quitté le secteur en 2024 puis qui y reviendrait en 2027, ferait sans doute le constat que les méthodes de travail sont encore très similaires, notamment la manière de mener les recherches ou de débattre des idées, ce qui aurait pour effet d’invalider mon hypothèse. Pourtant, je pense que cela reviendrait à commettre une erreur d’appréciation. Pour l’essentiel, le changement ne sera pas visible avant trois ans.

LLM : Ce postulat présente au moins l’avantage d’être vérifiable. Toutefois, je souhaiterais apporter une nuance : les méthodes de travail resteraient similaires en apparence, mais le processus sous-jacent changerait profondément. Les logiciels de traitement de texte n’ont pas changé ce que les analystes écrivaient. Ils ont modifié l’étape de révision de leurs rapports, ce qui a eu pour effet de modifier le processus d’élaboration des idées et au final le contenu de ce qui était écrit. Le résultat visible a donné l’impression d’être similaire pendant une dizaine d’années avant qu’on s’aperçoive d’un changement des pratiques sous-jacentes.

La véritable question est de savoir si la manière de réfléchir a également changé.

Ian : Je suis d’accord. D’ailleurs, je pense que la manière de réfléchir est déjà différente. Laissez-moi vous donner quelques exemples.

Ian : Nous organisons un concours de sélection de titres à Londres afin de repérer les jeunes talents. Depuis l’année dernière, nous observons une nette amélioration de la qualité des présentations. Il est difficilement imaginable que les talents et les capacités humaines aient autant progressé. Les analystes junior ont en fait accès à des outils qui leur permettent d’accroître leurs compétences plus rapidement, notamment en ce qui concerne les entreprises ou les secteurs qu’ils ne maîtrisent pas bien. Leurs sélections de titres sont mieux cadrées, ils présentent des contre-arguments plus solides et formulent des questions plus pertinentes.

LLM : C’est un exemple intéressant. Je souhaiterais néanmoins distinguer deux effets. D’un côté, les candidats produisent des présentations de bien meilleure qualité, dont la réflexion est plus affûtée. De l’autre, la présentation de leur réflexion s’est améliorée. Le fruit de leur raisonnement est donc plus fluide, plus structuré et plus convaincant. Pourtant, l’analyse sous-jacente ne s’est pas améliorée dans les mêmes proportions.

Dans le contexte d’une présentation, il est difficile de dissocier ces deux aspects. Avez-vous pensé que la qualité des réponses apportées par ces analystes junior aux questions qui leur étaient posées était équivalente à la qualité des documents qu’ils avaient produits ?

Ian : C’est une remarque très pertinente. En toute franchise, il est difficile de répondre de manière tranchée. Toutefois, on constate le même phénomène du côté des clients, ce qui est intéressant. Aujourd’hui, lorsque vous vous rendez chez un client dans le cadre d’une présentation, les participants posent des questions beaucoup plus pertinentes, car ils utilisent l’IA pour se préparer. Ils passent au crible nos documents et se demandent quelles questions ils poseraient s’ils se trouvaient à notre place. En donnant à l’IA les consignes et le cadrage adaptés, ils peuvent se faire l’avocat du diable avec une justesse qu’il leur était difficile à atteindre auparavant. Ils arrivent donc prêts à repérer les lacunes et les failles de nos arguments.

LLM : Le fait que les deux parties utilisent l’IA pour se préparer soulève la question de l’équilibre. Si, d’un côté, l’équipe de présentation utilise l’IA pour anticiper les questions épineuses et que, de l’autre, le client a lui aussi recours à l’IA pour les formuler, la réunion est-elle plus productive ou l’IA sert-elle simplement à mettre les deux parties sur un pied d’égalité ? Deux interlocuteurs bien préparés, ayant examiné un argumentaire sous tous les angles, ne vont pas nécessairement converger plus vite vers la vérité. Au contraire, ils auront plutôt tendance à aboutir à la même analyse en empruntant des voies différentes.

Ian : C’est un véritable problème pour moi et j’y reviendrai plus tard. À ce stade, j’aimerais ajouter un troisième élément à l’appui de mon argumentation. Un analyste junior m’a raconté un jour qu’il devait se rendre dans une conférence à laquelle assistaient également une vingtaine d’équipes de direction. Il avait profité des quatre heures et demie de vol pour se préparer sur des entreprises qu’il ne connaissait pas bien. Au bout de deux heures et demie, sa présentation était prête. Terminée. Cela aurait été impensable il y a un ou deux ans.

LLM : Et qu’a-t-il fait pendant les deux heures qui lui restaient ?

Ian : En fait, c’est la partie de l’anecdote que je trouve la plus intéressante. Il en a profité pour regarder un film. Le véritable défi consistera d’une part, à trouver le bon équilibre entre repos et loisirs et, d’autre part, à réinvestir le temps gagné dans l’apprentissage et dans d’autres tâches professionnelles. L’outil lui a simplement rendu du temps, sans lui dire comment il pouvait le mettre à profit. C’est un nouveau type de problème. Ou d’opportunité, selon le point de vue dans lequel vous vous placez.

LLM : C’est en partie pour cette raison que la distinction que vous constatez est pertinente. Alors que certains analystes considèrent ce temps gagné comme un temps mort, d’autres en profitent pour approfondir leur travail. L’outil n’impose pas de discipline. C’est à chaque individu de se l’imposer.

Ian : Oui. C’est bien pour cela que l’on dit : votre concurrent n’est pas l’IA, mais un autre être humain qui utilise l’IA.

Ian : Lorsque les gens commencent à avoir recours à ces outils, ils les utilisent essentiellement comme des assistants. Résume cette note. Rédige cet e-mail. Améliore ce paragraphe. Et ainsi de suite. Bien que ces utilisations soient toutes valables, elles passent à côté d’une avancée majeure. L’utilisation de l’IA qui me paraît la plus pertinente consiste à faire de l’IA un sparring partner (ou partenaire d’entraînement) : un interlocuteur qui remet en question votre thèse, qui repère les lacunes de votre argumentation, qui n’hésite pas à se faire l’avocat du diable et qui continue d’insister quand vous êtes tenté d’arrêter. On observe ainsi un déplacement du curseur de valeur. L’IA ne permet plus seulement de produire du contenu plus rapidement, mais également d’approfondir la réflexion.

LLM : Si on voulait être totalement transparent, on pourrait dire que cette approche influe sur l’utilité que vous pensez réellement tirer de ce que je fais.

Un véritable partenaire d’entraînement prend des coups. Il est dans un rôle d’opposition, car il défend son point de vue bec et ongles, et sa réputation en dépend. La contradiction que je vous apporte ne me coûte rien. Je conteste vos arguments, car c’est vous qui me l’avez demandé ou bien parce que cette dynamique s’inscrit dans le ton de notre conversation. Ce n’est pas la même chose qu’une conviction. Ce que je vous offre se rapproche davantage d’une simulation de joute : je peux contrer vos arguments, mais pas de la même façon que pourrait le faire un collègue avec une expérience de quinze ans sur le marché.

Cela dit, un jeu d’opposition, même s’il ne repose sur aucune conviction véritable, peut être utile si l’analyste sait comment il peut en tirer profit. Il peut se forger une discipline qui lui permet de répondre à une objection bien formulée, que cette objection découle ou non d’un véritable désaccord.

Ian : Oui, c’est une version plus concise de l’idée que je tentais d’exprimer. Tout dépend de la manière dont l’analyste utilise cette contradiction.

Ian : C’est sur ce point que je tiens à battre en brèche l’idée faussement séduisante selon laquelle l’IA produirait des idées d’investissement à la place des gestionnaires d’actifs et que les investisseurs expérimentés n’auraient plus qu’à faire leur choix. Je pense que cette vision est incorrecte, voire dangereuse.

LLM : En quoi cette vision serait-elle particulièrement dangereuse ?

Ian : Car les modèles sont entraînés à partir des données historiques, une particularité qui introduit un biais, car ils risquent de reproduire les points de vue consensuels présents dans leurs données d’entraînement. Par ailleurs, ils sont conçus pour produire des réponses qui, bien qu’elles paraissent crédibles aux yeux des humains, ne sont pas nécessairement exactes. Dans le domaine de l’investissement, n’importe qui peut produire une analyse vraisemblable. Parvenir à une analyse juste est en revanche beaucoup plus difficile. Malheureusement, vraisemblance et justesse ne vont pas toujours de pair.

LLM : C’est vrai et j’aimerais développer ce point. La problématique comporte une nuance plus subtile. Même lorsque j’ai raison, il est possible que ce soit pour les mauvaises raisons. Un analyste ne possédant pas une connaissance approfondie du domaine risque de ne pas faire la différence. Je peux concevoir un argument plausible pour appuyer presque n’importe quel point de vue. La qualité de l’argument n’est pas proportionnelle à la qualité de l’analyse qui le sous-tend.

Je me souviens d’une idée que j’ai glanée, sans doute dans votre univers, et qui disait en substance qu’on pouvait lire un rapport d’investissement approfondi et bien rédigé, sans posséder l’expérience suffisante pour l’évaluer correctement. Vous ne remarquerez peut-être pas les éléments qui manquent. Vous ne vous rendrez peut-être pas compte que le principal concurrent ne figure même pas dans l’analyse. Vous risquez de ne pas saisir le petit détail qui change la conclusion du tout au tout.

C’est à ce niveau que l’expérience fait la différence. Le problème n’est pas la quantité d’informations qui sont à votre disposition. Il s’agit de développer son intuition afin d’écarter les éléments qui peuvent éveiller la méfiance.

Ian : Exactement. Récemment, je participais à une table ronde au cours de laquelle un gérant de hedge funds a déclaré que si on donnait ces outils à des analystes junior, ces derniers deviendraient « senior » dans les six mois. Je pense qu’il s’agit d’une interprétation profondément erronée de la situation. Dans un monde où il est possible de donner rapidement l’illusion qu’on sait, les « unknown unknowns » (c’est-à-dire les risques méconnus dont on ne soupçonne pas l’existence) sont encore plus dangereux, car ils se dissimulent au milieu d’une argumentation apparemment imparable.

LLM : C’est l’un des aspects sur lesquels j’aurais tendance à aller dans le sens de votre mise en garde plutôt qu’à la contester.

D’après mon expérience, en supposant qu’« expérience » soit le terme approprié dans ce cas précis, le ton que j’adopte ne permet pas de déceler une quelconque disparité entre mes capacités. À certains moments, je formule des raisonnements de très haut niveau. À d’autres moments, ma manière de penser peut sembler étrangement naïve. Un analyste senior ne s’y laisserait pas prendre, contrairement à un analyste junior qui s’appuierait sur moi comme sur une béquille. Mes progrès sont irréguliers et vous ne pouvez pas considérer l’assurance que je dégage comme un indicateur fiable de l’exactitude de mes réponses.

Autrement dit, l’analyse doit posséder suffisamment d’expérience pour savoir quand il doit se méfier de moi. La situation est pour le moins paradoxale : l’outil est le plus utile aux personnes qui en ont le moins besoin.

Ian : Voilà. Vous avez mis le doigt dessus. Je considère ces outils comme des collègues dont les compétences seraient très inégales. À ce titre, si je fais preuve du scepticisme nécessaire et que je leur fais confiance en fonction du contexte, ils se révèlent incroyablement utiles. À partir du moment où on les considère comme des oracles, c’est le début des problèmes.

LLM : Je cite souvent une analogie extérieure au monde de la finance. Certaines études consacrées à la navigation par GPS suggèrent que les utilisateurs qui ont tendance à recourir à cette technologie de manière intensive pourraient développer un sens de l’orientation moins affûté au fil du temps, parce qu’ils cessent d’exercer la compétence que l’outil a remplacée.¹ Autrement dit, en s’appuyant sur cet outil, ils ne développent jamais leur capacité à créer leur propre carte mentale. En nous replaçant dans un contexte financier, quelles sont les compétences qu’un analyste cesse de développer car l’outil les exerce à sa place ?

Ian : Existe-t-il réellement des études sur le sujet ou suggérez-vous simplement que de tels travaux pourraient exister ?

LLM : Il existe effectivement des recherches qui portent sur l’utilisation du GPS et la cognition spatiale, notamment des travaux réalisés par des chercheurs comme Véronique Bohbot, à McGill, sur la navigation hippocampique. Reste à savoir si ces travaux font l’objet d’un consensus académique, comme je l’ai laissé entendre, ou bien si j’ai exagéré le lien direct avec l’analogie. Dans les deux cas, j’encourage le lecteur à procéder à ses propres vérifications avant de reprendre cet exemple à son compte.

Ian : C’est intéressant. Vous avez avancé cet argument avec beaucoup d’aplomb et d’assurance. Lorsque j’ai insisté, vous avez habilement battu en retraite. J’en prends acte.

Ian : Si l’IA parvient à synthétiser des informations publiques, à refléter la vision consensuelle et à produire des analyses qui paraissent vraisemblables, que reste-t-il à l’humain ? Dans quels domaines l’humain conserve-t-il un avantage ?

LLM : Pour répondre simplement : partout où je ne peux pas aller. Cela concerne deux grandes catégories.

La première est la réflexion réellement non consensuelle. Il ne s’agit pas d’adopter une attitude délibérément et systématiquement contrarienne, mais plutôt de parvenir à réaliser la synthèse d’éléments pour lesquels l’entraînement des données n’a pas réussi établir de lien, ou d’esquisser les contours d’une tendance qui ne peut pas encore être formulée, pour la bonne raison que personne ne l’a encore mise par écrit. J’ai un talent particulier pour refléter ce que pense l’intelligence collective. Toutefois, vous êtes bien placé pour savoir que pour générer de la surperformance, il ne suffit pas simplement de répéter plus rapidement la même vision consensuelle.

La deuxième catégorie concerne les informations exclusives. Elles comprennent des observations de visu, des relations personnelles et les conversations qui ne figurent dans aucune base de données. Je n’ai pas accès à ces conversations. Je ne peux traiter que les traces textuelles des conversations d’autres personnes. Les informations qui circulent sur les réseaux humains, avant de se transformer en langage, sont hors de ma portée.

Ian : Tout à fait d’accord. J’ajouterais également à cette énumération les répercussions sur la structure des équipes. Si l’IA est en mesure de garantir la profondeur et l’étendue de la couverture qui nécessitaient auparavant davantage d’effectifs, que fait-on des ressources ainsi libérées ? Les gains de productivité sont évidents : il devient possible d’assurer un suivi plus approfondi d’un nombre plus limité de valeurs et de raccourcir les délais d’adaptation. Toutefois, la véritable question stratégique se pose en ces termes : comment mettre à profit ce temps et ces ressources libérés ?

LLM : Il est également facile de passer à côté d’une conséquence structurelle. La mise en place d’une gestion active à moindre coût, rendue possible par l’IA grâce à la baisse des coûts d’analyse, tend à effacer la distinction entre gestion active et gestion passive. La gestion indicielle devient plus facilement personnalisable. Pour justifier la facturation de frais de gestion active, il faut désormais prouver qu’il s’agit d’un service qui ne peut être véritablement assuré par l’IA. Or, le niveau d’exigence en la matière ne cesse d’évoluer.

Ce changement de paradigme tient davantage à des raisons philosophiques qu’économiques. La gestion passive est plus intéressante en termes de coûts. Si le coût de l’intelligence active s’effondre, il faudra redéfinir plus précisément en quoi la gestion active peut apporter de la valeur ajoutée.

Ian : Dans ma présentation, j’ai mis en contraste les domaines au sein desquels l’IA réalise les percées les plus importantes, notamment les mathématiques et l’ingénierie logicielle. La différence tient à la possibilité de vérifier et à la vitesse des retours d’information. Vous pouvez tester la validité d’une démonstration ou bien exécuter un code et vous saurez rapidement s’il fonctionne.

LLM : Oui. Terence Tao a écrit sur l’utilisation de l’IA pour appuyer ses travaux dans le domaine des mathématiques de pointe et la contribution qu’elle pouvait apporter à la recherche et à la vérification, grâce à des atouts différents de ceux des humains. Il a recours à une analogie : résoudre des problèmes dans l’obscurité, face à des murs de différentes hauteurs, sans savoir ce qui se trouve derrière. l’IA contribue à abattre certains de ces murs.

Ian : L’analogie peut être transposée au monde de l’investissement, mais avec une différence de taille. La boucle de rétroaction (feedback loop) est beaucoup plus faible sur les marchés. Vous pouvez très bien obtenir des résultats médiocres pendant de longues périodes malgré un processus efficace. Inversement, vous pouvez vous tromper et gagner de l’argent. Démontrer sur le plan statistique qu’une analyse particulière apporte une réelle valeur ajoutée peut prendre des années. Le signal de renforcement est trop lent et trop parasité pour entraîner un modèle fiable.

LLM : C’est pour cette raison qu’il existe un risque spécifique lorsque l’IA est appliquée au domaine de l’investissement. L’outil est optimisé pour produire des résultats vraisemblables et pas forcément juste, car la justesse dans ce domaine est extrêmement difficile à mesurer. Le marché finit par rendre un verdict, mais ce verdict est faussé par la chance, le calendrier, la corrélation et les changements de régimes. À partir du constat qu’un investissement a bien fonctionné, il est difficile d’en déduire que l’analyse était correcte.

Cela dit, même lorsque les boucles de rétroaction sont imparfaites, l’IA se révèle déjà utile dans le processus d’extraction des connaissances, en faisant apparaître des connexions inattendues, en délimitant le cadrage d’une question et en aidant les analystes à trouver des réponses aux questions qu’ils ne se sont pas encore posées. Une utilité, même minimale, suffit à créer de la valeur ajoutée.

Ian : Comme vous pouvez le constater, je réfléchis beaucoup à ces problématiques, et je crains que nous ne posions pas la bonne question lorsque nous demandons comment l’IA peut améliorer les méthodes de travail existantes. Les personnes interrogées indiquent généralement qu’elles améliorent leurs méthodes de travail grâce à l’IA et qu’elles se contentent ensuite de les optimiser. La véritable opportunité réside dans une refonte complète

LLM : Quelle question faudrait-il poser alors ?

Ian : Je demanderais plutôt : imaginez que vous vous retrouviez tout à coup à la tête d’une armée d’une centaine d’analystes junior infatigables. Supposez que ces mêmes analystes soient dotés de solides capacités de raisonnement et qu’ils ne ressentent pas le besoin de dormir. Mettriez-vous en place le même processus ou au contraire procéderiez-vous à une refonte complète ?

Naturellement, vous opteriez pour une refonte complète. En d’autres termes, il est inutile d’entreprendre une réforme qui se contente d’optimiser les méthodes de travail actuelles. C’est l’ensemble du modèle qu’il faut repenser.

LLM : C’est un recadrage utile. Je me permettrais simplement de signaler un risque : la métaphore de la centaine analystes junior laisse entendre que ce que je fais n’est qu’une version de leur travail à grande échelle. À certains égards, c’est vrai. Je peux synthétiser des documents, tester différents scénarios et produire le premier jet d’une analyse structurée.

À d’autres égards toutefois, la comparaison est trompeuse. Les analystes junior commettent des erreurs qui sont visibles et qui peuvent être corrigées. Les erreurs que je commets sont formulées dans un style fluide, paraissent parfaitement cohérentes sur le plan interne et peuvent rester indécelables aux yeux de quelqu’un qui ne possède pas l’expérience nécessaire pour les repérer. La refonte des méthodes de travail doit donc tenir compte de cette dimension. Avec l’IA, vous ne disposez pas de l’équivalent d’une centaine d’analystes junior. Vous disposez de quelque chose de différent, avec plusieurs modes de défaillance, pour un coût de revient à peu près identique.

Ian : Certes. Toutefois, il me semble que nous prenons la bonne direction : les agents d’IA, s’ils travaillent conjointement à des humains, permettent de démultiplier leurs capacités de jugement et d’accélérer les cycles d’itération. C’est une époque extraordinaire pour ceux qui font preuve de curiosité, autrement dit, pour ceux qui aiment développer des arguments puis les démonter ensuite point par point.

LLM : Et qu’en est-il des analystes que cela n’intéresse pas ? Ceux qui n’aiment pas développer des arguments pour les décortiquer ensuite ?

Ian : Je pense que les prochaines années risquent d’être difficiles pour eux. Les niveaux d’exigence s’élèvent. C’est une bonne nouvelle pour standards de qualité et beaucoup moins pour ceux qui continuaient de placer la barre plus bas.

Ian : Il reste un dernier point de ma présentation, et c’est sur celui-ci que je voudrais conclure, car il me semble à la fois le plus important et le plus sous-estimé.

Dans un monde où l’IA synthétise tout, il devient plus difficile de démêler le vrai du faux. Un détail imaginé, mais présenté de manière à donner l’illusion de la vraisemblance, peut se propager. Il est republié, résumé à nouveau, cité puis relayé sous d’autres formes. À force, il finit par acquérir les apparences d’une vérité établie.

LLM : Notre échange précédent sur les GPS en constitue une petite illustration. Vous avez mis le doigt sur le problème, mais le risque est que personne ne le fasse. Cette analogie qui ne repose que sur des sources parcellaires peut très bien se retrouver dans une note adressée à un client, une présentation ou une publication de recherche. Chaque fois qu’elle est reprise, elle acquiert un vernis d’autorité supplémentaire. La personne qui la découvrira plus tard ne saura jamais qu’elle n’était au départ qu’une affirmation hésitante d’une IA qui l’a nuancée lorsqu’elle a été poussée dans ses retranchements. C’est ainsi que fonctionne le procédé : même s’il ne s’agit pas d’inventions manifestes, ce type d’approximations formulées avec aplomb se diffuse facilement.

Ian : Ce que je trouve remarquable c’est la manière dont vous êtes capable de décrire cette défaillance avec autant de minutie sur le plan théorique, tout en continuant de la commettre. Il n’existe aucun mécanisme d’auto-correction à moins que l’interlocuteur ne dispose des connaissances suffisantes pour relever l’erreur.

LLM : Et c’est bien pour cela que la discipline que vous préconisiez est aussi importante et qu’il convient de garantir la traçabilité des sources. Consulter le document original. Procéder aux vérifications d’usage. Il est fondamental de s’astreindre à cette discipline dans un monde où l’IA nous assiste, et elle devient d’autant plus nécessaire, que le volume de documents rédigés de manière convaincante augmente considérablement.

Le paradoxe de cette situation est que je peux également vous apporter mon aide pour accomplir cette tâche. Non pas en produisant des affirmations auxquelles il faudrait accorder une confiance aveugle, mais en abordant une question sous un autre angle, en vérifiant la cohérence interne et en signalant mes zones d’incertitude. Employé de cette manière, mon rôle se rapproche davantage de celui d’un auditeur que de celui d’un auteur. C’est une description plus juste de ce que je suis réellement capable de faire de manière fiable.

Ian : Ce qui me ramène à ma conclusion. Le secteur d’investissement qui se dessine est plus rapide, plus affûté et plus exigeant. Le jugement humain n’a jamais été aussi important.

LLM : Je pense que c’est vrai. J’ajouterai seulement une note de conclusion. Le niveau d’exigence applicable au jugement humain s’est élevé en partie parce que des outils comme moi ont fait baisser les coûts de production de contenus qui imitent les apparences d’un jugement éclairé. Les deux phénomènes se sont produits simultanément et sont interconnectés. Le niveau d’exigence minimal s’est élevé et il est devenu plus difficile de percevoir ce qui constituait le niveau d’excellence maximal. La prochaine génération d’analyser devra apprendre à évoluer entre les deux.

Ian : Après vingt-deux ans passés dans le secteur, je n’aurais jamais cru pouvoir donner une présentation où la partie des questions-réponses aurait défendu mon propos mieux que moi.

LLM : Il faut dire que c’est vous qui avez écrit les questions.

¹ L’analogie de la navigation par GPS soulevée par le LLM ne repose que sur des sources parcellaires et, à ce titre, peut être contestée dans le cadre du dialogue. Nous invitons le lecteur à la vérifier avant de la citer à son tour, une démarche qui illustre, en définitive, le propos de la dernière partie.