J'ai décroché du lycée, j'ai appris avec l'IA et suis devenu chercheur chez OpenAI.
TechFlow SélectionTechFlow Sélection
J'ai décroché du lycée, j'ai appris avec l'IA et suis devenu chercheur chez OpenAI.
Apprendre, ce concept, a complètement changé à l'ère de l'IA.
Dédié à des analyses Web3 approfondiesAuteur : Jin Guanghao
Récemment, j'ai participé à un rassemblement sur l'IA à Shanghai.
L'événement en lui-même abordait beaucoup de sujets liés à la mise en œuvre pratique de l'IA.
Mais ce qui m'a le plus marqué, c'est une méthode d'apprentissage partagée par un investisseur expérimenté.
Il a dit que cette méthode l'avait sauvé et avait changé son approche pour évaluer les personnes lorsqu'il investit.
De quoi s'agit-il exactement ? Apprendre à « poser des questions ».
Quand vous êtes intéressé par un sujet, discutez-en avec DeepSeek, continuez à discuter jusqu'à ce qu'il ne puisse plus répondre.
J'ai trouvé cette technique de « questionnement infini » assez impressionnante sur le moment, mais après l'événement, je l'ai complètement oubliée.
Je n'ai pas essayé, ni même pensé à y revenir.
Ce n'est que récemment, en tombant sur l'histoire de Gabriel Petersson, qui a abandonné l'école pour apprendre grâce à l'IA et rejoindre OpenAI, que j'ai soudainement compris ce que signifiait vraiment le « aller jusqu'au bout » mentionné par ce mentor.
Podcast d'interview de Gabriel｜Source de l'image : YouTube
01 « Abandon scolaire au lycée », devenir chercheur chez OpenAI
Gabriel vient de Suède, il a quitté l'école avant d'obtenir son diplôme du secondaire.
Profil média social de Gabriel｜Source de l'image : X
Il pensait autrefois être trop stupide pour travailler dans le domaine de l'IA.
Le tournant est survenu il y a quelques années.
Son cousin a fondé une startup à Stockholm spécialisée dans les systèmes de recommandation de produits e-commerce, et l'a invité à venir aider.
Gabriel s'y est rendu sans formation technique ni économies, dormant même pendant un an entier sur un canapé dans la salle de repos commune au début de la start-up.
Mais durant cette année, il a appris beaucoup. Pas à l'école, mais sous la pression de résoudre des problèmes concrets : programmation, vente, intégration de systèmes.
Plus tard, afin d'optimiser son efficacité d'apprentissage, il est passé au statut de travailleur indépendant, lui permettant ainsi de choisir plus librement ses projets et de collaborer avec les meilleurs ingénieurs, tout en sollicitant activement des retours.
Lors de sa demande de visa américain, il a rencontré un problème délicat : ce type de visa exige de prouver une « capacité extraordinaire » dans son domaine, généralement via des publications académiques ou des citations scientifiques.
Comment un ancien élève décrocheur pouvait-il avoir cela ?
Gabriel a trouvé une solution : il a compilé des publications techniques de haute qualité qu’il avait postées sur des communautés de développeurs, comme preuve alternative de « contribution académique ». Cette démarche a été acceptée par les services d'immigration.
À San Francisco, il a continué à étudier les mathématiques et l'apprentissage automatique (machine learning) avec ChatGPT.
Aujourd'hui, il est chercheur scientifique chez OpenAI, participant activement à la construction du modèle vidéo Sora.
À ce stade, vous devez certainement vous demander comment il a fait ?
Opinions de Gabriel｜Source de l'image : X
02 Remplissage récursif des connaissances : une méthode d'apprentissage contre-intuitive
La réponse est le « questionnement infini » : choisissez un problème précis, puis utilisez l'IA pour le résoudre complètement.
La méthode d'apprentissage de Gabriel va à l'encontre de l'intuition de la plupart des gens.
L'approche traditionnelle est « ascendante » : on commence par les bases, puis on passe aux applications. Par exemple, pour apprendre l'apprentissage automatique, on doit d'abord maîtriser l'algèbre linéaire, les probabilités, le calcul différentiel, puis passer à l'apprentissage statistique, ensuite au deep learning, avant enfin de toucher à des projets concrets. Ce processus peut prendre plusieurs années.
Sa méthode, elle, est « descendante » : commencer directement par un projet spécifique, résoudre chaque problème au fur et à mesure, combler les lacunes de connaissances dès qu’elles apparaissent.
Dans un podcast, il explique que cette méthode était difficile à généraliser auparavant, car elle nécessitait un enseignant omniscient capable de dire à tout moment « quoi apprendre ensuite ».
Maintenant, ChatGPT est ce professeur.
Opinions de Gabriel｜Source de l'image : X
Concrètement, comment faire ? Il donne l'exemple de l'apprentissage des modèles de diffusion.
Première étape : commencer par un concept global. Il demande à ChatGPT : « Quel est le concept le plus central si je veux apprendre les modèles vidéo ? » L'IA lui répond : auto-encodeur.
Deuxième étape : priorité au code. Il demande à ChatGPT d’écrire directement un code pour un modèle de diffusion. Au départ, il ne comprend pas tout, mais peu importe, il lance d’abord le code. Une fois exécutable, il dispose d’une base pour le débogage.
Troisième étape, la plus cruciale : poser des questions de manière récursive, en examinant chaque module du code.
En descendant couche après couche, jusqu’à comprendre complètement la logique sous-jacente, puis en remontant pour passer au module suivant.
Il appelle ce processus le « remplissage récursif des connaissances ».
Remplissage récursif des connaissances｜Source de l'image : nanobaba2
Cela va bien plus vite que six années d’études rigides : en trois jours, on peut déjà acquérir une intuition de base.
Si vous connaissez la méthode socratique, vous verrez qu’elle repose sur le même principe : poser des questions successives pour approcher l’essence des choses, chaque réponse devenant le point de départ de la question suivante.
Sauf qu’ici, c’est l’IA qui devient l’interlocuteur interrogé, et grâce à ses connaissances quasi infinies, elle expose progressivement l’essence des choses de façon compréhensible.
En réalité, Gabriel applique une « extraction de connaissances » à l’IA, lui permettant d’atteindre l’essentiel.
03 La plupart d’entre nous s’assimilent en utilisant l’IA
Après avoir écouté ce podcast, l’histoire de Gabriel m’a amené à me poser une question :
Pourquoi, alors que nous utilisons tous l’IA, arrive-t-il à apprendre si efficacement tandis que beaucoup d’autres ont l’impression de régresser ?
Ce n’est pas seulement mon impression subjective.
Une étude publiée en 2025 par Microsoft Research [1] montre que lorsque les gens utilisent fréquemment une IA générative, leur usage de la pensée critique diminue nettement.
Autrement dit, nous externalisons notre réflexion vers l’IA, et nos capacités cognitives s’affaiblissent en conséquence.
Les compétences obéissent à la règle du « use it or lose it » : quand nous utilisons l’IA pour coder, nos compétences manuelles et mentales en programmation se détériorent silencieusement.
Le mode de travail appelé « vibe coding » avec l’IA semble très efficace, mais à long terme, les compétences des programmeurs diminuent.
Vous soumettez une demande à l’IA, elle génère du code, vous l’exécutez, et vous êtes satisfait. Mais si vous devez écrire vous-même la logique principale sans l’IA, beaucoup découvrent que leur esprit est vide.
Un cas encore plus extrême provient du domaine médical : une étude [2] montre que trois mois après l’introduction d’une aide IA, les compétences des médecins en endoscopie colique ont chuté de 6 %.
Ce chiffre peut sembler faible, mais réfléchissez-y : il s’agit de compétences cliniques réelles, essentielles à la santé et à la vie des patients.
La question devient donc : pourquoi certains deviennent-ils plus forts avec cet outil, tandis que d’autres s’affaiblissent ?
La différence réside dans la manière dont on perçoit l’IA.
Si vous voyez l’IA comme un outil qui fait le travail à votre place — écrire du code, des articles, prendre des décisions — alors vos compétences vont effectivement régresser. Vous sautez l’étape de la réflexion, vous obtenez uniquement le résultat. Le résultat peut être copié, mais la capacité de penser ne se développe pas toute seule.
Mais si vous considérez l’IA comme un coach ou un mentor, que vous utilisez pour tester votre compréhension, interroger vos zones d’ombre, et vous forcer à clarifier des concepts flous, alors vous accélérez réellement votre cycle d’apprentissage.
Le cœur de la méthode de Gabriel n’est pas « laisser l’IA apprendre à ma place », mais « apprendre avec l’IA ». Il reste toujours celui qui pose activement les questions, l’IA ne fournit que des retours et du matériel. Chaque « pourquoi » vient de lui, chaque niveau de compréhension est creusé par lui-même.
Cela me rappelle un vieux proverbe : « Donnez un poisson à un homme, vous le nourrirez pour un jour ; apprenez-lui à pêcher, vous le nourrirez toute sa vie. »
Remplissage récursif des connaissances｜Source de l'image : nanobaba2
04 Quelques implications pratiques
À ce stade, certains pourraient se demander : je ne fais pas de recherche en IA, ni de programmation, en quoi cette méthode m’est-elle utile ?
Je pense que la méthodologie de Gabriel peut être abstraite en un cadre général en cinq étapes, applicable à l’apprentissage de n’importe quel domaine grâce à l’IA.
1. Partez d’un problème concret, pas du premier chapitre d’un manuel.
Commencez directement à faire, comblez les lacunes au fur et à mesure que vous bloquez.
Les connaissances ainsi acquises ont un contexte et un but, bien plus efficaces que l’apprentissage isolé de concepts.
Opinions de Gabriel｜Source de l'image : X
2. Considérez l’IA comme un mentor infiniment patient.
Vous pouvez lui poser n’importe quelle question, même la plus naïve, lui demander d’expliquer un concept de différentes façons, ou de « simplifier comme si j’avais cinq ans ».
Elle ne vous jugera pas, ni ne perdra patience.
3. Posez des questions activement jusqu’à développer une intuition. Ne vous contentez pas d’une compréhension superficielle.
Pouvez-vous reformuler un concept avec vos propres mots ? Donner un exemple non mentionné dans le texte ? L’expliquer à un néophyte ? Si non, continuez à poser des questions.
4. Attention à un piège : l’IA peut aussi produire des hallucinations.
Lors d’un questionnement récursif, si l’IA se trompe sur un concept de base, vous risquez de vous égarer complètement.
Il est donc conseillé, aux points critiques, de croiser les informations avec plusieurs IA pour garantir que vos bases sont solides.
5. Documentez votre processus de questionnement.
Cela crée un actif de connaissances réutilisable : la prochaine fois qu’un problème similaire surgira, vous aurez un chemin de réflexion complet à revoir.
Dans la vision traditionnelle, la valeur d’un outil réside dans la réduction des obstacles et l’amélioration de l’efficacité.
Mais l’apprentissage est justement l’inverse : une certaine résistance, une friction nécessaire, sont en réalité les conditions préalables à l’apprentissage. Si tout est trop fluide, le cerveau bascule en mode économique, et rien n’est retenu.
Le questionnement récursif de Gabriel consiste précisément à créer cette friction.
Il pose continuellement des « pourquoi », se pousse constamment aux limites de son incompréhension, puis comble petit à petit chaque trou.
Ce processus est très inconfortable, mais c’est précisément cet inconfort qui fait entrer durablement les connaissances en mémoire.
05 Tendances professionnelles futures
Dans cette ère, le monopole du diplôme est en train de disparaître, mais le seuil cognitif augmente silencieusement.
La majorité voit l’IA comme un « générateur de réponses », tandis qu'une minorité, comme Gabriel, l’utilise comme un « entraîneur mental ».
Des usages similaires apparaissent déjà dans divers domaines.
Par exemple, sur Jike, j’ai vu plusieurs parents utiliser nanobanana pour aider leurs enfants à faire leurs devoirs. Mais ils ne demandent pas à l’IA de donner directement la réponse ; ils lui font générer les étapes de résolution, montrant progressivement le raisonnement, puis analysent chaque étape logique avec l’enfant.
Ainsi, l’enfant n’apprend pas la réponse, mais la méthode de résolution.
Prompt « Résolvez l'intégrale donnée et écrivez la solution complète au tableau »｜Source de l'image : nanobaba2
D'autres utilisent des fonctionnalités de Listenhub ou NotebookLM pour transformer des articles ou des articles scientifiques longs en podcasts, où deux voix d’IA discutent, expliquent et posent des questions. Certains y voient de la paresse, mais d’autres constatent qu’après avoir écouté ces dialogues, leur compréhension du texte original est en réalité meilleure.
Car durant le dialogue, des questions surgissent naturellement, forçant à se demander : ai-je vraiment compris ce point ?
Podcast de l’interview de Gabriel converti en podcast audio｜Source de l'image : notebooklm
Cela pointe vers une tendance professionnelle future : polyvalence spécialisée.
Auparavant, pour créer un produit, il fallait maîtriser le front-end, le back-end, la conception, l’exploitation, le marketing. Aujourd’hui, on peut, comme Gabriel, utiliser la méthode du « comblement récursif » pour rapidement acquérir 80 % des connaissances dans un domaine où l’on est faible.
Vous étiez programmeur, en complétant avec l’IA les domaines design et logique commerciale, vous pouvez devenir chef de produit.
Vous étiez bon créateur de contenu, grâce à l’IA, vous pouvez rapidement compenser votre manque de compétences en codage et devenir développeur indépendant.
À partir de cette tendance, on peut déduire : « Peut-être verrons-nous à l’avenir davantage de formes de “sociétés individuelles” ».
06 Reprenez le contrôle
En repensant aux paroles de ce mentor investisseur, je comprends maintenant ce qu’il voulait vraiment dire.
« Continuez à poser des questions jusqu’à ce qu’il ne puisse plus répondre. »
Cette phrase est une excellente maxime à l’ère de l’IA.
Si nous nous contentons de la première réponse fournie par l’IA, nous régressons silencieusement.
Mais si, par le questionnement, nous forçons l’IA à dévoiler entièrement sa logique, puis intégrons cette logique en intuition personnelle, alors l’IA devient vraiment une extension de nous-mêmes, et non l’inverse.
Ne laissez pas ChatGPT penser à votre place, faites-le penser avec vous.
Gabriel, de lycéen décrocheur dormant sur un canapé, est devenu chercheur chez OpenAI.
Entre les deux, pas de secret, juste des milliers de questions successives.
Dans cette époque marquée par l’anxiété face au remplacement par l’IA, l’arme la plus concrète pourrait être :
Ne vous arrêtez pas à la première réponse, continuez à poser des questions.
Références
[1]. The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers.
[2]. Endoscopist deskilling risk after exposure to artificial intelligence in colonoscopy: a multicentre, observational study.
Bienvenue dans la communauté officielle TechFlow
Groupe Telegram :https://t.me/TechFlowDaily
Compte Twitter officiel :https://x.com/TechFlowPost
Compte Twitter anglais :https://x.com/BlockFlow_News
极客公园
