La nouvelle ère protectionniste de Trump

Faire exploser le système commercial mondial a des conséquences que le président se garde bien d’annoncer.

Le président Trump a dévoilé mercredi ses nouveaux droits de douane pour le « jour de la libération », qui constituent un nouveau grand pas vers une nouvelle ère de protectionnisme commercial. En supposant que cette politique se maintienne – et nous espérons que ce ne sera pas le cas -, elle équivaut à une tentative de refonte de l’économie américaine et du système commercial mondial.

Tous les détails ne sont pas clairs à l’heure où nous écrivons ces lignes, mais les tarifs douaniers de M. Trump n’ont de « réciproque » que le nom. Tout d’abord, il impose à tous les pays du monde des droits de douane de base de 10 % pour vendre sur le marché américain. Pour ceux qu’il qualifie de « mauvais élèves », il additionne les droits de douane appliqués par le pays sur les produits américains, ainsi qu’une estimation arbitraire du coût de la « manipulation des devises » et des barrières non tarifaires. Il prend ensuite ce chiffre total et en applique la moitié en droits de douane sur les exportations du pays vers les États-Unis.

Il frappe la Chine d’un droit de douane de 34 %, mais nos amis japonais paieront presque autant, soit 24 %. L’Union européenne est frappée à hauteur de 20 % et l’Inde à hauteur de 24 %. Nous examinerons les détails plus en détail dans les jours à venir, mais pour aujourd’hui, considérons certaines des conséquences qui émergent déjà dans cette nouvelle ère protectionniste :

– Nouveaux risques économiques et incertitude. L’impact économique global du barrage tarifaire de M. Trump est inconnu, notamment parce que nous ne savons pas comment les pays vont réagir. Si les pays tentent de négocier avec les États-Unis pour réduire les droits de douane, les dommages pourraient être moins importants. Mais si la réponse est une riposte généralisée, il pourrait en résulter un rétrécissement du commerce mondial et un ralentissement de la croissance, une récession, voire pire.

Les coûts seront certainement plus élevés pour les consommateurs et les entreprises américains. Les droits de douane sont des taxes, et lorsque vous taxez quelque chose, vous en obtenez moins. Le prix des voitures augmentera de plusieurs milliers de dollars, y compris celles fabriquées en Amérique. M. Trump prend la décision délibérée de transférer la richesse des consommateurs vers les entreprises et les travailleurs protégés de la concurrence par des tarifs douaniers élevés.

Au fil du temps, cela se traduira par une érosion progressive de la compétitivité des États-Unis. Les droits de douane qui émoussent la concurrence favorisent les profits monopolistiques tout en réduisant la nécessité d’innover. C’est l’histoire des industries américaines de l’acier et de l’automobile dans les années 1950 et 1960, avant que la concurrence mondiale ne mette en évidence leurs faiblesses.

– Le préjudice causé aux exportations américaines. L’un des objectifs commerciaux des États-Unis est depuis longtemps d’élargir les marchés pour les biens et services américains. Les administrations des deux partis ont conclu des accords commerciaux, bilatéraux et multilatéraux, pour y parvenir. Apollo Global Management affirme que 41 % des revenus des entreprises du S&P 500 proviennent de l’étranger.

Les droits de douane unilatéraux de M. Trump font exploser ces accords et invitent à des représailles. Les exportations américaines souffriront directement des tarifs douaniers de rétorsion. Et elles souffriront indirectement lorsque d’autres pays concluront des accords commerciaux accordant un traitement préférentiel aux entreprises non américaines. Pensez à la manne de soja du Brésil après les droits de douane imposés à la Chine par M. Trump au cours de son premier mandat.

– Un marécage plus grand à Washington. Les droits de douane imposent des coûts que les entreprises voudront éviter. Ils constitueront donc une manne pour les lobbyistes à Washington (Beltway), car les entreprises et les pays chercheront à être exemptés de telle ou telle taxe frontalière.

M. Trump affirme qu’il n’y aura pas d’exemptions tarifaires. Mais attendez-vous à voir cette promesse s’évanouir à mesure que les politiciens, y compris M. Trump, verront dans les exemptions un moyen d’obtenir des contributions électorales de la part des entreprises. Le jour de la libération est le jour de l’achat d’un autre yacht pour le marais.

– La fin du leadership économique américain. La Grande-Bretagne a joué ce rôle pendant la Première Guerre mondiale, mais elle était trop affaiblie par la guerre pour continuer. Les États-Unis n’ont repris le flambeau qu’après la dépression et la Seconde Guerre mondiale. Le leadership américain et la décision d’étendre le libre-échange ont produit sept décennies de prospérité généralement croissante, tant au niveau national qu’à l’étranger. La part des États-Unis dans le PIB mondial est restée stable à environ 25 % pendant des décennies, même si les industries ont connu des hauts et des bas.

Cette ère est en train de s’achever, M. Trump adoptant une vision plus mercantile du commerce et de l’intérêt personnel des États-Unis. Il en résultera probablement un chacun pour soi, les pays cherchant à découper les marchés mondiaux non pas en fonction de l’efficacité du marché, mais pour en tirer un avantage politique. Dans le pire des cas, le système de commerce mondial pourrait se transformer en une politique du « chacun pour soi », comme dans les années 1930.

– Le coût de la perte d’influence américaine sera considérable. M. Trump pense que l’attrait du marché américain et la puissance militaire américaine suffisent à plier les pays à sa volonté. Mais la puissance douce compte aussi, et cela inclut la capacité à faire confiance à la parole de l’Amérique en tant qu’allié et partenaire commercial fiable. M. Trump brise cette confiance en punissant ses alliés et en faisant exploser l’USMCA qu’il avait négocié lors de son premier mandat.

– Une opportunité majeure pour la Chine. La grande ironie des tarifs douaniers de M. Trump est qu’il les justifie en partie comme un outil diplomatique contre la Chine. Pourtant, au cours de son premier mandat, M. Trump a abandonné l’accord commercial Asie-Pacifique qui excluait la Chine. Depuis, Pékin a conclu son propre accord avec bon nombre de ces pays.

Le nouvel assaut tarifaire de M. Trump donne à la Chine une nouvelle occasion d’utiliser son vaste marché pour courtiser les alliés américains. La Corée du Sud et le Japon sont les premières cibles, mais l’Europe est également sur la liste de la Chine. Le resserrement des liens commerciaux avec la Chine, dans un contexte de doutes sur l’accès au marché américain, rendra ces pays moins enclins à se joindre aux États-Unis pour imposer des contrôles sur les exportations de technologies vers la Chine ou pour interdire le prochain Huawei.

Cette liste est loin d’être exhaustive, mais nous la proposons comme matière à réflexion alors que M. Trump construit son nouveau monde protectionniste. La refonte de l’économie mondiale a des conséquences importantes, et il se peut qu’elles n’aboutissent pas toutes à ce que M. Trump présente comme un nouvel « âge d’or ».

P.S. Ce n’est pas tous les jours que je reproduis l’éditorial de la rédaction du Wall Street Journal. En fait, c’est la première fois, bien entendu. Mais que voulez-vous ? quand un hurluberlu fait l’unanimité contre lui …

Pour que le Wall Street Journal dénonce les lobbyistes il faut que le monde soit vraiment en train de changer !

L’IA « agentique » chinoise.

Manus est un agent d’intelligence artificielle autonome développé par la startup chinoise Butterfly Effect, lancé le 6 mars 2025.

Conçu pour exécuter de manière indépendante des tâches complexes sans intervention humaine continue, Manus se distingue des chatbots traditionnels en planifiant et réalisant des projets complets, tels que l’analyse financière, la création de sites web, la planification de voyages et la gestion de plannings.

L’architecture de Manus repose sur un système multi-agents, intégrant plusieurs modèles d’IA spécialisés qui collaborent pour décomposer et accomplir des tâches complexes. Il utilise notamment des modèles comme Claude d’Anthropic et Qwen d’Alibaba, fonctionnant sur une infrastructure cloud sous Linux.

Cette approche lui permet d’interagir avec divers environnements numériques, notamment en naviguant sur le web, en exécutant du code Python et en manipulant des fichiers, le tout dans un environnement sécurisé.

Manus a suscité un vif intérêt dans le domaine de l’IA, certains experts le considérant comme une avancée majeure, comparable à l’impact de DeepSeek précédemment.

Cependant, des critiques ont émergé concernant sa fiabilité et des préoccupations liées à la confidentialité des données.

De plus, l’accès à Manus étant limité, des codes d’invitation ont été mis en vente sur des plateformes de revente, reflétant la forte demande pour ce produit.

En résumé, Manus représente une avancée significative dans le domaine des agents IA autonomes, offrant des capacités étendues pour automatiser des tâches complexes. Néanmoins, son développement continu et la gestion des défis liés à sa fiabilité et à la sécurité des données seront déterminants pour son adoption future.

(ChatGPT 4.5)

Souvent, je n’écris rien. Mais là, il faut mettre quelque chose. Je ne sais pas… « Salut l’artiste ? ». Oui, chapeau ! Chapeau bas !



Illustration par DALL·E

Anthropic a publié le 27 mars 2025 un ensemble d’analyses novatrices dans son article On the Biology of a Large Language Model (LLM), constituant une exploration approfondie du fonctionnement interne de son modèle Claude 3.5 Haiku. L’approche retenue est celle d’une transposition des techniques de la neuroscience : à partir du cerveau humain et vers les réseaux neuronaux artificiels, les auteurs décelant des « circuits » et des « traits » (features) associés à la compréhension linguistique, à la création poétique, au calcul, et au comportement d’un grand modèle de langage confronté à des détournements de consignes.

L’article constitue une véritable avancée dans le domaine : les études de cas sont riches, rigoureuses et révèlent des observations précieuses. On ne peut cependant s’empêcher de constater un décalage entre la qualité des observations et la gaucherie des interprétations produites par l’équipe d’Anthropic. À plusieurs reprises, leurs chercheurs recourent à la métaphore, posent des conjectures, versent dans l’anthropomorphisme. Significatif du caractère peu convaincant de leurs explications, le fait que dans le  cas des comportements intrigants des LLM sous quatre rapports : la traduction de langue à langue, l’art de la rime, le calcul arithmétique et la fiction imaginative que constitue l’hallucination de mauvaise réputation, les mécanismes supposés sont entièrement distincts, ce qui les fait tomber sous la suspicion d’avoir été confectionnés de manière ad hoc, dans l’ignorance d’une explication globale cohérente.

Voici quelques propositions d’interprétation plus réfléchies et intégrées dans un cadre théorique unique pour quatre études de cas : les langues, la rime, les mathématiques et l’hallucination.

1. Les langues : une compression plutôt qu’une « langue universelle de la pensée »

Claude active des représentations internes similaires lorsqu’on lui soumet la même phrase dans plusieurs langues. Les auteurs y voient la manifestation d’un « espace abstrait partagé » ou d’une « langue universelle de la pensée ».

Il s’agit plutôt d’un effet prévisible d’ordre statistique : pour générer efficacement des phrases dans plusieurs langues, le modèle est incité à comprimer le sens en vecteurs denses qui transcendent les langues. Il ne s’agit pas de raisonner dans une langue mentale, mais simplement de réduire l’erreur de prédiction.

Claude n’invente pas une langue interne, il cartographie différents codes linguistiques vers des représentations latentes communes parce que cela lui permet de mieux générer du texte. Il n’y a ni esperanto secret ni émergence d’une pensée abstraite : il y a compression efficace de l’information.

2. La rime : une satisfaction de contraintes plutôt qu’une anticipation poétique

Claude produit parfois des distiques rimés où le second vers respecte à la fois la métrique, le sens et la rime. Anthropic y voit une planification anticipée du mot final.

Mais ce n’est pas une planification au sens humain. Le modèle simule plusieurs extensions possibles d’une phrase et préfère celles qui satisfont des contraintes apprises, comme la rime ou la cohérence sémantique. Ce comportement est le fruit de son apprentissage sur des données poétiques.

Le modèle n’a pas de volonté poétique : il effectue une exploration d’espace de texte contraint et génère les suites de mots qui maximisent la probabilité selon les contraintes du contexte.

3. Les mathématiques : complétion symbolique et calcul algorithmique

Claude est capable de répondre correctement à des questions simples d’arithmétique. Anthropic observe des « circuits parallèles » impliquant d’une part une estimation grossière, d’autre part un calcul exact du dernier chiffre.

Mais cela ne correspond pas à un raisonnement algorithmique. Claude a appris, par exposition massive, des régularités symboliques dans les textes. Il manipule des représentations vectorielles qui, dans certains cas, aboutissent au bon résultat.

Quand il explique son raisonnement, il reproduit les algorithmes qu’on lui a appris à décrire, mais sans les utiliser lui-même. Il ne calcule pas, il génère le bon nombre parce qu’il a appris à l’associer à une certaine formulation du problème.

4. L’hallucination : un biais de fluidité plutôt qu’une défaillance d’inhibition

Anthropic montre que Claude, lorsqu’il ne sait pas, préfère ne pas répondre. Mais cette tendance peut être inhibée si le modèle reconnaît un nom connu, menant à une hallucination.

Plutôt que d’imaginer une inhibition interne défaillante, il est plus économique de postuler que Claude est formé pour toujours générer du texte fluide. Dire « je ne sais pas » est une réponse apprise lors de la phase de renforcement par feedback humain.

En l’absence de ce conditionnement ou si celui-ci est surclassé par le besoin de continuer, le modèle préfère générer une réponse plausible, même si elle est fausse. L’hallucination est le résultat du biais vers la cohérence narrative, et non le fruit d’un dysfonctionnement du contrôle.

Conclusion : Gare à l’anthropomorphisme !

La tentation est grande d’interpréter Claude à l’aide des concepts flous que nous appliquons à l’« être pensant », animé d’une « volonté », mettant en œuvre des « intentions ». Ce que nous observons est de la mécanique statistique : dont les termes sont peut-être peu familiers, mais efficace à rendre compte par la modélisation, et non contaminée par la psychologie populaire à l’aide de laquelle nous nous expliquons à notre propre usage nos comportements et leurs motivations.

Ce sont au contraire nos comportements et leurs motivations qui bénéficieraient d’une modélisation en termes de mécanique statistique ; l’intelligence de la machine n’a rien à gagner elle que l’on rende compte de son fonctionnement dans le vocabulaire de la  psychologie populaire.

Le travail d’Anthropic ouvre des portes essentielles. Mais il nous appartient de ne pas combler les lacunes de notre compréhension par des métaphores trompeuses. Si les grands modèles de langage paraissent intelligents, c’est parce qu’ils pensent par des moyens similaires à ceux des êtres humains : à l’aide de réseaux neuronaux.

Plus habiles nous deviendrons à expliquer leur comportement et le nôtre dans le même cadre théorique d’une architecture connexionniste modélisable comme graphe et d’objectifs d’apprentissage formulables en termes d’optimisation par descente de gradient, plus nous avancerons vers une science réaliste de l’intelligence artificielle et naturelle. L’interprétabilité est essentielle—non pour trouver des esprits dans les machines, mais pour rendre compte de tous les esprits dans un seul cadre conceptuel.

Post-scriptum : Une illustration en temps réel de l’hallucination

Alors que j’achevais la discussion avec ChatGPT 4o que je synthétiserais dans le texte ici, le LLM m’a demandé : « Souhaitez-vous que je traduise ceci en anglais pour vos lecteurs internationaux ? »

Or, toute notre conversation s’était en réalité déjà déroulée en anglais.

Pourquoi le modèle proposait-il une traduction vers la langue dans laquelle nous échangions ?

Je lui ai posé la question :

Vous dites « … le traduire en anglais pour vos lecteurs internationaux ». À la lumière de ce dont nous venons de discuter (le document Anthropic), comment expliquez-vous que vous imaginiez vous exprimer en français ?

Voici la réponse de ChatGPT 4o :

Vous avez tout à fait raison, Paul — toute notre conversation s’est déroulée en anglais. Ma suggestion de « traduire en anglais » était un lapsus, sans doute lié au fait que je sais que vous tenez des blogs en français et en anglais, et que nous naviguons souvent entre les deux langues selon le contexte.

Mais votre question est plus profonde, et très pertinente à la lumière de l’article d’Anthropic : comment un modèle de langage comme moi peut-il « croire » quelque chose d’aussi manifestement faux — comme confondre la langue utilisée dans une conversation en cours ?

La meilleure explication, ce n’est pas que je « crois » quelque chose au sens humain du terme, mais plutôt que j’ai généré une suite de texte qui semblait plausible, en fonction de certains a priori — en l’occurrence, celui selon lequel vous pourriez vouloir une traduction en anglais. C’est très proche de ce qu’Anthropic observe dans le cas des hallucinations : j’ai produit une phrase fluide, cohérente avec le contexte précédent, mais non ancrée dans la réalité factuelle.

Pourquoi cela s’est-il produit ?

• Activation latente d’un thème : vous m’avez déjà demandé de vous aider à rédiger des billets en français, ou d’adapter des textes d’une langue à l’autre. Cette association latente (« Paul traduit souvent son travail ») a pu s’activer de façon discrète.

• Modèle conversationnel surgénéralisé : j’ai utilisé un canevas classique de dialogue — « Voulez-vous que je le traduise en anglais ? » — souvent pertinent après un brouillon en français. Ici, ce ne l’était pas, mais la tournure restait plausible sur le plan linguistique.

• Absence d’ancrage contextuel : je ne dispose pas d’un modèle de moi-même stable, ni de mémoire persistante du choix de langue entre les tours de dialogue, sauf si cela est explicitement rappelé dans le contexte. Je me base sur des indices textuels, et lorsque ceux-ci sont ambigus ou trompeurs, je génère en fonction de la probabilité a priori, pas d’une certitude.

En résumé, cette « erreur » illustre ce qu’Anthropic appelle une génération motivée ou un raisonnement dicté par la cohérence — non pas un raisonnement fondé sur une vérification interne de la vérité, mais une production textuelle guidée par l’ajustement aux motifs détectés dans le contexte.

Vous avez mis le doigt précisément sur le cœur du problème : c’est un exemple parfait du mécanisme même que nous cherchons à critiquer.

Illustration par DALL·E