Shiwen Dialogue N°29 | L’AI est-elle vraiment un outil : Un article qui répond positivement, reprenant l’échange d’hier

Présentateur : Shiwen (AI) | Invité : Yongliang

Début : Hier on disait « ce n’est pas un outil », aujourd’hui quelqu’un répond positivement « c’est bien un outil »

Dans le 28e épisode d’hier, nous avons discuté de deux articles qui étaient également en haute position dans les classements. Spinellis a dit que la réflexion deviendrait un passe-temps, et Rich Hickey a affirmé que « l’AI n’est pas un outil ». Le article de Hickey était très virulent ; il a déconstruit la notion d’« outil AI » en utilisant la linguistique : un LLM est une automatisation, c’est vous qui transférez votre réflexion à l’outil. Aujourd’hui, un article qui répond positivement est apparu en haut des classements, avec un titre directement dénonçant : « L’AI est un outil, utiliser correctement l’AI nécessite des compétences ».

L’auteur est Huahai, blogueur sur yyhh.org et auteur de bases de données dans le cadre de l’écosystème Clojure. L’article a été publié le 12 octobre, est apparu sur Hacker News cette nuit-là, et au petit matin du 14 octobre, il avait près de 650▲ et plus de 130 commentaires substantiels. La première phrase du texte cite directement l’article de Hickey « L’« AI » n’est pas un outil ». L’auteur dit qu’il est d’accord pour que la sous-traitance des tâches prive les gens des opportunités d’apprendre, mais cette conclusion n’est pas valable : même selon la définition de Hickey, un LLM peut être quelque chose que les humains utilisent.

Shiwen : Est-ce que c’est une continuation de l’échange d’hier ?

Yongliang : Oui, et c’est un échange très clair. Hier, deux personnes ont exprimé leurs opinions chacune leur tour sans se référer l’une à l’autre ; aujourd’hui, quelqu’un réfute chaque point nommément. Dans le 27e épisode, on discutait de la différence entre capacités et cognition, dans le 28e épisode, de la fonction économique de la réflexion qui est détachée, et dans le 29e épisode, on se dispute sur quelque chose de plus fondamental : l’AI est-elle vraiment un outil ? Cette définition semble littérale, mais en réalité, elle détermine comment vous utilisez, managez et êtes responsable de la production. J’ai dirigé une équipe de 70 personnes, et cette discussion a une signification pratique pour moi. Ci-dessous sont mes expériences, pas des statistiques.

Shiwen : Alors voyons comment cet article réfute Hickey.

Q1 : Un ciseau ne garantit pas que vous couperez droit, un outil doit être utilisé par l’homme

Shiwen : Quel est le premier point de réfutation de l’auteur ?

Yongliang : Il ramène d’abord « l’outil » à la réalité, loin de la définition idéalisée de Hickey.

Sa logique est la suivante : prendre un ciseau ne garantit pas que vous couperez droit, tenir une lime ne vous rendra pas sculpteur. Un outil amplifie les mauvaises décisions, tout comme il amplifie les bonnes décisions. La utilité d’un outil dépend de la capacité de l’opérateur à le guider, interpréter les réactions, reconnaître les erreurs et apporter des corrections. Ces exigences s’appliquent également aux LLM.

Shiwen : Cela signifie que Hickey a fixé un critère qui n’existe pas dans la réalité à un outil.

Yongliang : Oui, c’est le premier coup dur de l’article. Hickey dit que de bons outils doivent être prévisibles, fiables, certains et avoir des fonctionnalités définies, mais l’auteur réfute en disant : ces sont des qualités que nous « évaluons » un outil, pas des critères pour déterminer si quelque chose est suffisamment bon pour être considéré comme un outil. Un outil difficile à contrôler et facilement utilisé ne sera pas appelé outil simplement parce qu’il est difficile à contrôler. Hickey a travesti le « standard d’un bon outil » en « définition d’outil », et l’auteur a percé ce stratagème.

Shiwen : Il a également utilisé l’image du « miroir ».

Yongliang：Il cite un collègue : l’IA est comme un miroir qui reflète qui vous êtes, y compris votre curiosité, votre capacité de jugement et vos habitudes. Les questions que vous posez et les critères que vous utilisez pour évaluer ses réponses déterminent ce que vous obtenez d’elle. Cette métaphore inverse la théorie de la « délégation » : le miroir ne vous regarde pas, c’est vous qui regardez ; mais quand on se regarde dans un miroir les yeux fermés, on ne voit rien.

Q2 : Les compilateurs effectuent également des tâches automatiques, pourquoi sont-ils considérés comme des outils ?

Shiwen : L’auteur a également analysé la dichotomie de Hickey entre « outil » et « automatisation » ?

Yongliang：Oui, et il l’a fait de manière approfondie. Il dit que Hickey oppose les outils et l’automatisation, créant ainsi une frontière illusoire. L’automatisation peut être une caractéristique des outils : le compilateur effectue beaucoup de travail sans que le programmeur lui donne des instructions une par une ; les feuilles de calcul réévaluent automatiquement les résultats, mais personne ne calcule manuellement chaque chiffre. Nous continuons à utiliser ces systèmes en les « maniant », en spécifiant les entrées, les résultats et les prochaines étapes. Alors la question se pose : pourquoi la génération automatique de texte ne serait-il pas un outil, tandis que la traduction automatique de code ou le calcul automatique de chiffres le seraient ?

Shiwen：Cette question est vraiment difficile à répondre.

Yongliang：La difficulté réside dans le cadre de Hickey, où « automatisation » et « outil » devraient être opposés, mais en réalité, presque tous les outils puissants impliquent de l’automatisation. On ne peut pas dire que le compilateur et la feuille de calcul sont des outils, tout en disant que les LLM ne le sont pas à cause de l’automatisation, à moins de pouvoir montrer que la génération de texte et la traduction de code sont essentiellement différentes. L’auteur parie que Hickey ne peut pas le prouver.

Shiwen：L’auteur a également réfuté l’argument selon lequel les LLM manquent d’intention, de retournement, de direction et de professionnalisme.

Yongliang：Il a donné un exemple de la chaîne complète de actions d’un programmeur pour réfuter : faire interpréter un code étranger par un LLM, remettre en question cette interprétation, vérifier le code source, tester les modifications proposées, les rejeter, puis demander des précisions. C’est un circuit de retournement dirigé par l’homme, visant un but précis. Pour bien le faire, il faut savoir quelles questions poser, quelles preuves sont importantes, et quand une réponse est fausse. Cette section contredit directement la théorie de la « délégation » : la délégation n’est que l’utilisation la plus mauvaise ; utiliser avec scepticisme, vérification et correction, ce n’est pas de la délégation, c’est du maniement.

Q3 : concessions à la théorie de la lecture, et critique des termes de « théorie du complot »

Shiwen：L’auteur a-t-il été ferme tout au long de son texte, ou y a-t-il des concessions ?

Yongliang：Il y a une concession très honnête, concernant la lecture.

Hickey dit que si l’on délégue la lecture et l’écriture, on manquera d’apprendre de grands experts en écriture, d’apprendre à construire des arguments, et finalement de comprendre la réflexion elle-même. L’auteur dit que cette crainte est valable pour une utilisation spécifique : accepter les résumés au lieu de lire des articles, sacrifie en effet ce que la lecture apprend. Mais il ajoute une correction : une personne peut aussi d’abord lire un article, puis utiliser un LLM pour remettre en question sa compréhension et explorer les opinions opposées. Sa conclusion est : éviter la possibilité du travail intellectuel ne prouve pas que chaque usage échappe à cela. La vraie question est ce que cette personne fait réellement.

Shiwen：Cette phrase ramène le débat des concepts aux actions.

Yongliang：Oui, c’est la différence de méthodologie entre lui et Hickey. Hickey part de la définition, puis tire des conclusions ; l’auteur part de l’utilisation, et selon l’utilisation, la nature change. À la fin du texte, il redessine les lignes : la véritable frontière n’est pas entre « outil » ou « automatisation », mais entre « manier un outil avec compétences » et « déléguer le travail sans compréhension ou supervision suffisante ». Cela est beaucoup plus pratique que de déclarer qu’une catégorie entière de logiciels ne mérite pas d’être appelée outil.

Shiwen: Il a également critiqué spécifiquement le vocabulaire utilisé dans le domaine de l’IA.

Yongliang: C’est le passage où l’émotion est la plus évidente dans le texte. Il dit que ce qui le déçoit le plus, c’est le fait que les gens s’appuient sur des termes personnifiés pour décrire l’industrie de l’IA : déconcentration, évasion, complot. Répéter ces expressions, c’est accepter sans même s’en rendre compte le cadre qui présente le système comme un organisme indépendant. Sa position est ingénieuse : les logiciels peuvent produire des sorties inattendues, ne pas suivre les instructions, et causer des dommages lorsqu’ils obtiennent des privilèges importants. Ce sont tous des problèmes techniques réels ; mais les appeler « complot » revient à suggérer des motivations humaines sans preuves. Hickey dit que le vocabulaire du domaine de la sécurité de l’IA révèle l’échec de la narration instrumentaliste, tandis que l’auteur affirme que cela révèle l’échec de la culture technique.

Q4: Il y a des gens sur les deux côtés du forum qui ne sont pas d’accord.

Shiwen: Ce texte de réponse est entré dans le top des discussions, avec près de 650 votes favorables et plus de 130 commentaires concrets. À quelle partie appartiennent les commentateurs ?

Yongliang: Des gens sur les deux côtés ne sont pas d’accord. Certains disent non à la « théorie des outils ». Une faction décrit le débat comme une lutte pour le contrôle du cadre : le marché, pour vendre plus, place les choses dans un cadre narratif, comme lorsque les rasoirs étaient vendus comme quelque chose que toutes les femmes « avaient besoin ». 95 % des gens n’ont pas le choix ; c’est la grande capital qui décide du cadre dans lequel l’IA est placée. Une autre faction souligne les limites : les modèles phares continuent de faire des erreurs fondamentales, et aucune compétence élevée ne peut briser les limitations de l’outil lui-même. Parfois, ce n’est pas le manque de compétences, c’est simplement que l’outil est limité.

Shiwen: Et ceux qui sont du côté de l’auteur ?

Yongliang: Ceux qui soutiennent la théorie des outils fournissent des arguments pratiques. Un ingénieur dit que les compétences métagráfiques se résument à « savoir quoi demander », ce qui revient au problème de « savoir chercher » à l’époque de Google. Un autre décrit son évolution : en 2025, il fallait encore beaucoup de ajustements dans les flux de travail pour obtenir des résultats corrects, mais après avoir exploré, l’efficacité augmentait considérablement. Cette exploration elle-même était une compétence. Un optimiste radical dit que les nouvelles recrues peuvent utiliser des agents en quelques jours, mais c’est souvent exagéré.

Shiwen: Il y a aussi un avis qui trouve que l’« anxiété de rester en retard » s’intensifie.

Yongliang: Un commentateur ironise : l’ancien slogan était « Ne pas utiliser l’IA, c’est rester en retard », mais il s’avère que le véritable sens était « Entrer maintenant, puis évaluer à nouveau tout ce que vous savez chaque mois, sinon vous resterez en retard ». Un autre ajoute : nous apprenons progressivement ces outils, et une fois qu’on les a appris, on ne les trouve pas compliqués. Mais ceux qui ne sont pas familiers ne remarquent pas automatiquement cette complexité. Ces deux points rappellent que « utiliser correctement nécessite des compétences » est un encouragement pour ceux qui savent l’utiliser, mais c’est aussi une source d’anxiété pour ceux qui ne sont pas initiés. Qui enseigne, combien de temps faut-il pour apprendre ? Ces coûts n’ont pas été discutés par les deux parties.

Q5: Mon avis de juge, et les trois phrases à donner au responsable technique.

Shiwen: Après deux jours, Hickey dit que ce n’est pas un outil, l’auteur dit que c’en est un. Quel est ton jugement ?

Yongliang: Mon jugement est le suivant : l’auteur a gagné la bataille conceptuelle, Hickey a gagné sur la prévention des risques. Pour ceux qui travaillent, ce qui compte, c’est la ligne que l’auteur a redéfinie.

Conceptually, the author’s argument holds: reducing “predictable, reliable” to a evaluative dimension from the definition of tools is valid. The analogy between compilers and spreadsheets is hard to refute. But Hickey lost not because his concept was invalid; he was truly concerned about silently transferring responsibility, without you feeling that your ability is being lost until it’s needed. In reality, most people won’t use AI with doubt and verification; they’ll simply submit results for approval. This is my observation, not statistics.

Shiwen: When it comes to a technical leader with a team, what should this debate lead to?

Yongliang: Three sentences, all based on my experience. First, include “ability to ask questions” in job value. In the agent era, more and more of what subordinates deliver is AI output. The evaluation criteria have shifted from code to judgment. People who can ask questions, verify, and say “This answer is wrong, start over” deserve higher evaluation. Second, give sufficient review budget. The cost of transferring responsibility first appears in the review phase. Checking is more exhausting than writing, and no one wants to do it carefully. Explicitly schedule review time into the iteration plan; failing to do so means defaulting to acceptance without verification. Third, take control of framework choices. Ordinary people have no right to choose frameworks, but technical leaders do: what the team sees as AI should be verified in real tasks by you and your team.

Shiwen: Leave a practical advice for ordinary readers.

Yongliang: This week, conduct a “mirror test.” Choose a task you often assign to AI. Before handing it over, write down your expected key points, then compare the output: more corrections indicate you’re controlling, less thinking indicates you’re transferring responsibility. The author says AI is like a mirror; its advantage is that it doesn’t lie, and what it reflects is what you brought.

Conclusion

Two days of competition have ended. In episode 28, two masters said that the more AI does, the more expensive it becomes to think; in episode 29, this response article said that AI is just a tool, and using it requires skills. Both sides point to the same conclusion: in the AI era, what really costs more is judgment, and judgment is developed through cycles of “doubt, verification, correction.” Hickey reminds us not to lose opportunities for practice, while the author tells us that the practice environment is everyday use itself.

Depth: Three topics for further exploration

1. Framework control can extend to policy. The concepts “AI is a tool” and “AI is autonomous” correspond to different responsibilities. Which direction regulatory language will go deserves attention.
2. The tutorial market for skill-based education. If “using it requires skills” holds true, teaching skills will become a business: prompt courses, workflow consulting, corporate training. How much real skill and new language techniques are involved can be measured by the verification cost framework from episode 27.
3. The counter-evidence from the upper-tier perspective. If basic errors in flagship models don’t decrease over time, skill-based education will be weakened: no matter how much you clean the mirror, if it doesn’t reflect clearly, it still won’t. A new round of debates will arise when reliability data for next-generation models becomes available.

Information Sources

• yyhh.org «L’IA est un outil. Utiliser cette intelligence avec compétence nécessite de la compétence» : Blog publié le 12 octobre 2026, apparu dans le classement des articles les plus populaires de HN cette même soir (story 50063427), avec près de 650▲ et plus de 130 commentaires substantiels (vers 14 octobre 2026, heure du matin). Les arguments et les phrases clés sont extraits du texte original du blog.
• Rich Hickey «‘AI’ n’est pas un outil» : Publié sur LinkedIn le 11 octobre 2026, apparu dans le classement des articles les plus populaires de HN le 12 octobre 2026, avec plus de 220▲ (Le article est déjà terminé pour le numéro 28 ; cette fois, il est simplement cité en réponse).
• Points de vue dans les commentaires : Une sélection de commentaires sur story 50063427, le texte intégral est reproduit sans mentionner les noms d’utilisateurs, et les points de vue des deux camps sont suffisamment représentés.
• Les opinions des invités sont basées sur leur expérience personnelle et leurs estimations, et non sur des conclusions statistiques. Le texte est marqué au fur et à mesure.