Le 10 août 2026, Mark Zuckerberg a publié un texte doctrinal sur la superintelligence. Trois principes le structurent : l'individu comme source de prospérité, l'invention comme finalité, l'équilibre des pouvoirs comme fondement de la sûreté. Une phrase en porte la thèse — « There is no such thing as a singular benevolent superintelligence ».
Le texte n'entre pas dans le débat sur la sûreté de l'IA. Il en réécrit deux mots.
La sûreté devient une propriété de la distribution. Dans le vocabulaire dominant du secteur, elle est une propriété du modèle : il refuse, il filtre, il est testé avant sortie. Ici, un système est sûr quand personne n'en détient le monopole. Le corollaire est immédiat : restreindre l'accès devient un risque, et non une précaution. Cette définition épouse la position concurrentielle de Meta — pas d'avance sur les modèles de pointe, mais un canal de distribution que personne d'autre ne possède. Ouvrir les poids banalise l'avantage des concurrents ; ça ne coûte rien à celui dont la valeur est ailleurs.
L'alignement devient le service à l'utilisateur. Aligner un agent, ce n'est plus lui faire respecter des valeurs définies par son concepteur, c'est lui faire poursuivre les objectifs de la personne qui l'utilise — « helping each person achieve their goals, not ours ». C'est la redéfinition la plus lourde de conséquences, et la moins commentée.
L'arbitrage a changé de place
Dans le cadrage classique, l'alignement est une tension : les valeurs du concepteur d'un côté, ce que veut l'utilisateur de l'autre. La tension est inconfortable pour l'entreprise, mais elle a une vertu — elle est visible. Elle se nomme, elle se conteste, elle s'audite, et il existe un endroit du système où quelqu'un tranche.
La formule du 10 août supprime cette tension par définition. L'agent poursuit les objectifs de la personne, pas ceux de son éditeur : il n'y a plus rien à arbitrer.
Sauf que ces objectifs ne sont pas donnés. Sur un domaine aussi large que les relations, la santé, la carrière, les finances et la gestion du foyer — les cinq champs que le texte assigne à l'agent personnel —, une préférence n'est pas un objet stable qu'il suffirait de lire. Elle se forme dans l'acte de choisir, à partir de ce qui est proposé. Ce n'est pas une faiblesse des gens, c'est le cas ordinaire. Un agent qui propose participe donc à la formation de la préférence qu'il prétend servir.
L'arbitrage n'a pas disparu : il a changé de place. Il est passé à l'intérieur du modèle, là où plus personne ne peut le désigner. Et la mesure de la réussite devient circulaire — l'agent a bien servi son utilisateur si celui-ci retient ce que l'agent lui a proposé.
Un travail publié six jours plus tôt permet de mesurer le poids de cette opération. Un consortium mené par Harvard et le MIT a mis en ligne une infrastructure qui teste des produits numériques sur des populations d'utilisateurs simulés par des modèles de langage plutôt que sur des humains. Son résultat principal n'est pas que la simulation fonctionne : c'est que le modèle qui incarne l'utilisateur pèse davantage sur le résultat que le profil simulé. Sur une même tâche et une même cohorte, le taux de réponse va de 27 % à 98 % selon le modèle employé — chiffres issus des essais publiés par les auteurs, dans un preprint non évalué par les pairs et sans réplication indépendante à ce jour.
Ces essais portent sur des utilisateurs simulés, pas sur des personnes réelles : ils ne démontrent pas le mécanisme décrit plus haut. Ils lui retirent en revanche sa présomption de neutralité. Quand un modèle chargé de produire les préférences d'un profil produit d'abord du modèle, l'idée qu'un agent puisse lire des objectifs sans les façonner cesse d'être un acquis pour redevenir une hypothèse à défendre.
Le procédé a dix-neuf ans
Le 6 novembre 2007, Facebook lance Beacon avec quarante-quatre sites partenaires. Le dispositif publie dans le fil d'actualité les actions faites par les utilisateurs sur ces sites tiers : achats, mises en vente, scores dans un jeu, vidéos regardées. Le communiqué de lancement emploie deux mots pour le décrire — « partage » et « distribution sociale ». Or l'utilisateur n'a rien partagé : le système a établi à sa place que publier était ce qu'il aurait voulu, puis a nommé le résultat d'un verbe qui lui attribue l'action. Le dispositif bascule en consentement explicite trois semaines plus tard, le 29 novembre, sous la pression des protestations, et Zuckerberg annonce le 5 décembre un réglage permettant de le désactiver entièrement : « We've made a lot of mistakes building this feature, but we've made even more with how we've handled them. »
Beacon survit pourtant vingt et un mois de plus. Son arrêt, annoncé le 21 septembre 2009, ne découle pas de cette excuse : il fait partie de l'accord transactionnel de l'action collective Lane v. Facebook, qui prévoit 9,5 millions de dollars dont environ 3 millions de frais de justice, le reste versé à une fondation créée pour l'occasion. Les utilisateurs concernés ne touchent rien.
Le mécanisme de 2007 et celui de 2026 sont le même, à deux niveaux d'écart. En 2007, une intention inférée était substituée à une intention exprimée sur un objet minuscule : une transaction isolée. En 2026, la substitution porte sur les objectifs de vie. Et l'argument de la préférence révélée — nous ne faisons que te montrer ce à quoi tu réagis — a porté les fils de recommandation pendant quinze ans. Le niveau, lui, change : il ne s'applique plus aux contenus, mais aux intentions.
Le même jour, dans le dépôt
Le manifeste annonce par ailleurs une reprise : « we will resume releasing some open source models soon ». Le verbe acte l'interruption. Elle est documentée : le 5 avril 2025, Meta publie Llama 4 Scout et Maverick ; le 28 avril 2025, l'organisation meta-llama dépose son dernier fichier, un classifieur de sûreté ; ensuite, plus rien. Seize mois sans aucun modèle de langage généraliste à poids ouverts. Entre-temps, le 8 avril 2026, Meta Superintelligence Labs sort Muse Spark, son premier modèle de pointe, accessible uniquement en service hébergé.
Ce que Meta livre effectivement le 10 août mérite d'être regardé de près, parce que quelque chose y bouge pour de bon.