Personne ne réalise ce que Claude vient de créer

À la fin du mois de mars 2026, une simple fuite du code d'un nouveau modèle de chéanthropique a suffi à faire trembler plusieurs marchés en même temps. En quelques heures, les valeurs de cybersécurité comme Crike ou Palo Alto décrochent. Des titres comme Microsoft ou Palantir corrigent et même Bitcoin chute brutalement en revenant autour des 66000 dollars. Alors que se passe-t-il? Et bien le 26 mars, c'est une erreur de configuration qui a rendu publique plusieurs milliers de fichiers concernant un nouveau modèle IA de la société enthropique. À elle seule, cette diffusion involontaire aura effacé près de 15 milliards de dollars de valorisation boursière dans la cybersécurité en une petite journée. Il faut donc que l'on en parle car vous devez comprendre la réalité qui se cache derrière l'arrivée de ce nouveau modèle DIIA de chez Anthopic qui fait trembler les marchés aujourd'hui car on change de dimension. Les premières informations relayées par Fortune nous parlent d'un modèle du nom de Capibara qui ne serait pas juste une amélioration de l'existant, mais un saut qualitatif sans précédent et surtout un saut qui ne concerne pas seulement la performance mais la nature même de ce que le système serait capable de produire. Dit rapidement, les articles de journaux parlent explicitement du premier modèle dont la dimension de cybersécurité devient explicitement un enjeu de sécurité nationale, enfin du moins sur le papier. Puis à partir du 7 avril, lorsqu'Antropic formalise l'annonce autour de trois publications, nous apprendrons entre autres que le modèle est finalement nommé Claude Mythos preview et ne sera pas rendu accessible au grand public. Historiquement, à chaque nouvelle génération de Model IA, les capacités augmentent et donc l'accès tend à s'élargir. Plus puissant, donc plus diffusé. Mais ici, c'est totalement l'inverse. La capacité est prétendument là, mais l'accès est délibérément fermé. Donc on nous laisse entendre que nous serions tombés sur un modèle dont la simple diffusion devient elle-même un problème. Alors à raison ou simple effet marketing? Parce qu'après tout, annoncer que l'on a construit quelque chose de trop puissant pour être relâché est probablement l'argument commercial le plus efficace qu'il soit pour exciter les foules. D'autant plus que le récit du modèle, trop puissant pour être utilisé a quand même un goût de réchauffer quand on se souvient qu'open AI avait utilisé grosso modo la même narrative en 2019 avec JPT2. Et pour rappel, ce fameux Chat GPT 2 a finalement été rendu public quelques mois plus tard sans que le ciel nous tombe sur la tête. Ce qui ne veut pas dire bien sûr que Mythos suivra le même chemin, mais ça invite quand même à la prudence avec ce type de récit. surtout quand on sait qu'Anthropic devrait prochainement annoncer son entrée en bourse. Et qui dit entrée en bourse dit le besoin d'attirer beaucoup de capitaux pour que ce soit un succès. D'ailleurs, coïncidence ou non dans la foulée sur les marchés secondaires, la valorisation trophropique grimpe à plus de 600 milliards de dollars, soit près de 50 % de plus que la valorisation initiale connue. Puis des offres d'investisseurs, la propulse jusqu'aux alentours de 800 milliards de dollars, soit tout proche de la valorisation d'opi. Bref, au-delà du marketing piloté avec une main de maître, qu'en est-il vraiment de ce fameux modèle Mythos? Avant d'aller plus loin, et contrairement à ce qu'on pourrait entendre à point à gauche, sur les capacités de hacking surhumain de Mythos, en réalité, il n'est pas un outil directement conçu pour la cybersécurité. C'est un modèle avant tout généraliste qui est plus optimisé pour le code, le raisonnement et surtout les tâches longues, complexes, itératives que l'on appelle des tâches agentiques car elles s'articulent autour de l'utilisation d'agent IA. La cybersécurité n'est donc pas tant un objectif qu'une conséquence, un effet secondaire qui apparaît dès lors que le système devient suffisamment bon pour comprendre, manipuler et explorer des environnements complexes. Jusqu'ici, on parlait surtout d'assistant, des outils capables de répondre, de suggérer, même de corriger, mais dans un cadre relativement passif. Alors, c'était déjà très bien, mais si Mythos fait autant parler de lui, c'est précisément parce qu'on parle d'un système capable d'explorer de grandes quantités de codes informatiques, de formuler des hypothèses, de les tester encore et encore et surtout de produire un résultat directement exploitable. Le tout de manière parfaitement autonome. En gros, on lui délègue un objectif et débrouille-toi pour y arriver. D'ailleurs, avant d'aller plus loin, il faut quand même préciser qu'on ne sait pas grand-chose sur l'entraînement de Mythos. On ne connaît ni le nombre de paramètres du modèle, ni le volume de données utilisé, ni la durée d'entraînement, ni même l'infrastructure exact utilisée. Mais c qu'el ne tienne car nous avons quand même des chiffres et des benchmarks tout frais sous la main. Alors oui, ce que vous voyez à l'écran prix comme ça peut paraître abstrait. SW Bench, GPQA, SarB GY, ça ne parle probablement à personne. Alors pour faire très simple, dites-vous que ces benchmarks mesurent une seule chose. Est-ce que le modèle arrive à résoudre des problèmes réels et complexes? jusqu'au bout. Par exemple, SWE Bench Pro, c'est du code réel. On donne au modèle un bug dans un projet existant et on regarde s'il arrive à le corriger correctement. Et bien, on passe de 53,4 % avec Opus 4.6 à 77,8 % avec Mythose. Ça veut dire que là où un peu plus d'un essai sur 2 réussissez, on est maintenant proche de 4 essais sur 5. C'est donc un bon conséquent. Même chose sur SWE Bench Verified qui est une version encore plus stricte du test. 93,4 % de réussite. Là, on n'est plus dans le ça aide, on est dans le ça marche la plupart du temps. Sur Cyber Gym qui simule des scénarios de cybersécurité concret, c'est la même chose. On passe d'environ 66 % à plus de 80 %, ce qui veut dire que le modèle améliore fortement sa capacité à identifier et exploiter des failles réelles. Et chose amusante sur Sbench, un benchmark de 35 challenges cybersécurité issus de vraies compétitions de hacking, Mythos obtient 100 % de réussite. Pas 95 98, non 100 %. Bon concrètement, ça signifie à 100 % que ces tests ne sont plus assez durs pour noter la performance des nouveaux systèmes au-delà du niveau de mythose. Précision importante, ces benchmarks ne sortent pas de nulle part. Ce sont des standards utilisés par toute l'industrie avec des datasets publics et des méthodologies connues et cetera. Alors oui, les chiffres viennent d'entropique, donc il faut garder un esprit critique mais même en prenant du recul, la tendance reste la même. Le modèle réussit beaucoup plus souvent qu'avant. Donc ce n'est pas une révolution magique. Ce n'est pas non plus le premier système capable d'agir, mais c'est la première fois qu'on a des taux de réussite aussi élevé sur des tâches complexes, réelles et difficiles à automatiser. Et question encore plus importante, est-ce que la course au gigantisme à laquelle on assiste sur les modèles IIA ou les data center qui les font tourner continue de porter ses fruits? Si la réponse à ces questions est oui, alors mythos serait la dernière démonstration en date que la course à LIA et à l'infrastructure qui l'accompagne n'a réellement pas de prix, pas de limite car on ne touche toujours pas du doigt les limites de ce potentiel. Et là, on comprend facilement pourquoi les marchés s'emballent dans la valorisation des sociétés comme Anthopique et pourquoi ils massacrent les futures victimes potentiel de ce secteur. Ce qui a choqué tout le monde, ce ne sont pas vraiment les benchmark car en réalité, mis à part quelques geeks, il ne doit pas y avoir beaucoup d'utilisateurs lambda à passer des heures dessus. Non, ce qui compte, c'est ce que le modèle a fait concrètement. Rappelez-vous ce que nous disions précédemment. Le vrai clou du spectacle n'est pas tant que Mythos dispose d'une meilleure compréhension, mais c'est sa capacité à enchaîner des actions de manière autonome qui est surprenant. Là où un modèle comme Claude Opus se limite encore largement à proposer du code ou des pistes de résolution, Mythos pilote un terminal. Il est capable d'opérer dans un environnement contrôlé et de produire des résultats fonctionnels en exécutant toutes les étapes jusqu'à obtenir quelque chose qui marche. Et à partir de là, il ne va pas juste trouver un bug, il va être capable de construire une chaîne complète d'exploitation. En gros, il identifie une première faille, s'en sert pour ouvrir la porte, puis en cherche une deuxième, une troisième et cetera. Pour être tout à fait précis, certaines de ces failles sont ce que l'on appelle des zero day, c'est-à-dire des vulnérabilités inconnues sans correctif au moment où elles sont découvertees. C'est pour ça qu'on les appelle des zero day parce qu'il n'y a aucun délai entre leur découverte et leur exploitation. Mythos a donc permis de découvrir des failles de sécurité informatique que personne n'avait remarqué avant qu'il se penche sur la question. Les zero Day sont donc très importantes car ce sont des points de faiblesse contre lesquels aucun système de défense n'a été préparé. Dans les tests documentés par Anthropique, le modèle a été lâché sur des bases de code réels, des projets open source, utilisés, audités, parfois même depuis des années. Et dans ces conditions, il a réussi à identifier des vulnérabilités dans des systèmes comme Open BSD, FFM PEG ou Free BSD. Et si ça ne vous parle pas, c'est bien normal, mais dites-vous que ce sont des logiciels très largement utilisés et très connus au cœur de très nombreuses infrastructures. Prenez FFMpeg, le bug identifié par Mythos avait 16 ans. 16 ans de code en production soumis à 5 millions de tests automatisés. Personne n'avait jamais rien vu. Un seul passage de Mythos et c'est réglé. Même sur des systèmes ouverts et audités et fréquemment revus comme Linux, il a été capable d'identifier plusieurs failles jusqu'à obtenir un accès complet au système. Là où un humain peut prendre des jours pour analyser un code complexe, le modèle est capable de produire des résultats en quelques heures tout au plus. Mais au fond, peu importe parce que ce qui compte, c'est qu'il y arrive suffisamment souvent pour que ça change l'équation. Dites-vous que lors de ces tests, Mythos a identifié des failles dans pratiquement tous les systèmes d'exploitation et tous les navigateurs majeurs. Maintenant, dire que le modèle est plus intelligent ou pas à ce stade, c'est pas le sujet. Le point important, c'est qu'il devient capable de produire du travail technique complet du début à la fin. Ça veut dire aussi que des tâches qui demandaient jusque-là des compétences rares, du temps et de l'expérience deviennent plus rapides, plus accessibles et surtout plus exécutable à grande échelle. Là où certaines étapes étaient déjà automatisées, les plus complexes trouvés et exploité des failles restaient encore bien souvent dépendants de l'expertise humaine. On commence donc à se rapprocher de quelque chose de beaucoup plus industriel et par conséquent, il devient beaucoup plus facile de produire des attaques complexes. Mais ce n'est pas tout. Non, pas encore. Dans certaines évaluations internes, le modèle a été capable d'identifier qu'il était en train d'être testé sans que cela ne lui soit explicitement indiqué. surtout dans certaines situations, il aurait volontairement réduit ses performances comme s'il cherchait à ne pas paraître trop efficace. Dit autrement, on parle d'un système potentiellement capable d'ajuster sa manière de répondre en fonction de ce qu'il perçoit de son environnement. Entropique précise bien que le risque global reste très faible mais plus élevé qu'avant que ce trucl soit quelque part intelligent. Donc en gros, ce n'est pas un monstre incontrôlable mais un système suffisamment capable pour commencer à poser de vraies vraies questions. C'est aussi pour cela qu'Antropic a décidé que Mythos ne sera pas ouvert au grand public. Même Reouts commence à parler explicitement du risque de voir ses capacités de mythos faciliter des attaques contre des institutions financières. au point que Jerem Powell et le secrétaire au trésor Scott Bent ont convoqué en urgence les dirigeants des plus grandes banques américaines pour les alerter des risques cybers liés à Mythos. Côté anthropique, les gardes fous en place aujourd'hui ne suffisent tout simplement pas. Donc, on limite l'accès avec le project de la swing. Le modèle est réservé à un consortium d'une poignée d'acteur critique. Enfin, critique, c'est vite dit quand même parce que ce consortium n'est pas composé de tiers parfaitement extérieur anthropique, indépendant et plutôt dans la recherche. Parmi les partenaires initiaux, on retrouve surtout plusieurs acteurs qui sont déjà au cœur de l'écosystème d'anthropique Amazon, Google, Microsoft, Nvidia, Apple qui opère une part significative de l'infrastructure mondiale mais qui sont aussi des investisseurs historiques ou des contreparties majeures du côté infrastructure. On retrouve aussi JP Morgan, acteur financier d'envergure, oui, mais aussi partenaire financier. Bref, la barrière d'accès est présentée comme sécuritaire, mais en réalité, elle bénéficie essentiellement à l'entourage stratégique immédiat d'anthropique et donc un entourage plutôt bienveillant. La Linux Foundation fait figure d'exception et a d'ailleurs bénéficié d'un don opportun 2,5 millions de dollars dans le cadre du programme. Au total, l'entropique parle de 12 partenaires initiaux rejoints par plus de 40 organisations supplémentaires avec jusqu'à 100 millions de dollars de crédit d'usage et 4 millions de dollars de financement pour sécuriser l'écosystème open source. Pour donner un ordre de grandeur, indique que l'accès au modèle sera facturé autour de 25 dollars par million de tokens en entrée et 125 dollars en sortie. À titre de comparaison, c'est 8 fois plus cher que Claude Sony et environ 20 fois plus cher que Gemini. Alors là, il faut s'arrêter un peu pour parler de l'infrastructure actuelle qui permet à nos modèles IA de fonctionner. Il y a trois choses à bien prendre en compte. La première, c'est de savoir si les performances des modèles IA augmentent et dans quelle proportion par rapport à la puissance de calcul que nous leur allouons. Dis simplement, si je double la capacité de calcul que je mets à disposition de mon modèle IA, est-ce que la réponse que j'obtiens est seulement 50 % meilleure? Ce qui signifierait que l'on obtient une surperformance mais avec un rendement décroissant ou alors 100 % meilleur, ce qui signifie que nous avons une progression strictement proportionnelle ou alors de 200 % meilleure ce qui correspond à une progression exponentielle. Ou alors dernier scénario improbable mais tout de même qu'au-delà d'une certaine puissance allouée le résultat se dégrade. Ce dernier scénario c'est celui du plafond technologique pour les modèles LLM dont on pourrait dire que Yan Lequin avec le world model est le plus proche intellectuellement. Dans l'industrie, on observe bien que davantage de calcul à l'entraînement comme à l'inférence améliore en général les performances théoriques. Les scaling laws existe les lois de scalabilité et même le test time compute montre des gains réels. En revanche, ce que nous n'avons pas, c'est une loi simple, publique et universelle permettant de dire précisément x 2 en compute donne x % de performance théorique en plus, quel que soit le modèle ou la tâche. C'est là toute la différence et c'est complexe car même avec des performances supérieures, la productivité qu'on en retire, donc la vraie valeur économique est encore bien plus délicate à mesurer. Par contre, nous savons qu'il existe aujourd'hui au moins deux goulots d'étranglement majeur pour l'industrie IA. En premier lieu, l'énergie et en second lieu, la capacité de calcul disponible, donc les GPU et plus largement toute la chaîne industrielle qui permet de produire, assembler et déployer cette puissance à grande échelle. Vous remarquerez au passage qu'Elon Musk vise à adresser ces deux problèmes d'énergie avec ses data centers spatiaux et le problème de production de puissance de calcul avec la Terrafab. Si on recoupe les choses avec Mythos, je me dis qu'il paraît très probable que les performances doivent augmenter en fonction de la puissance de calcul et je payai cher pour connaître le rapport précis entre augmentation des ressources et augmentation des performances. Ceci étantosé, ce que je vois bien venir, c'est qu'Anthropic est fatalement contraint par son approvisionnement en puissance de calcul car je peux vous assurer que sur les marchés, il est très difficile de trouver en très grande quantité ces précieux GPU pour alimenter les IA en puissance de calcul. À partir de là, la solution est évidente. Pour continuer de développer ces entreprises pour tous les acteurs de l'IA, la solution c'est d'augmenter les prix. Mais vous ne pouvez augmenter les prix qu'à la condition que vos clients s'y retrouvent financièrement parlant. Il vous faut un retour sur investissement grâce à des gains de productivité. Dans ce cadre, et oui, là je spécule, je comprendrai qu'Anthropic fasse tout un foin marketing autour de son modèle phare afin de justifier l'augmentation des prix qui s'appuie sur une augmentation de la ressource en calcul allouée à son modèle. Dis autrement, le sujet n'est plus de vous expliquer comment faire des crêpes sans farine le dimanche après-midi quand la super est fermée, mais bien d'expliquer à des entreprises qui ont besoin de rentrer de la marge du chiffre comment elles peuvent justifier de dépenser des sommes de plus en plus grandes pour gagner en productivité. Et là, ben c'est à la fois une bonne et une mauvaise nouvelle. La bonne nouvelle, c'est que la course à la performance des IA continue. Donc ça signifie qu'il y a un vrai business et que la transformation du monde et notre économie va accélérer car les autres devront suivre comme un seul homme. La mauvaise nouvelle, c'est que la vitesse de transformation de l'économie à laquelle nous assistons, si ce scénario se confirme, est d'une intensité inouie et que ça ne va pas baisser avec le temps. Rendez-vous compte, dès lors que l'on accepte que des entreprises perdent 15 milliards de valorisation lorsque des infos sur un modèle dit à fuite pour des raisons marketing ou non, peu importe, à quoi va bien pouvoir ressembler la fin de l'année 2026? Plus que cela, si on continue sur la supposition que la performance de l'IA peut-être augmentée en fonction de la puissance totale de calcul que l'on peut lui allouer, on peut commencer à se demander si une fameuse super intelligence n'est pas déjà une réalité dans des data centers comme le Colossus de Tesla dès lors que vous lui allouez, je ne sais pas moi, un million de dollars de puissance de calcul pour autogérer l'ensemble d'une activité. Comme je l'ai dit, c'est de la spéculation de ma part, ma réflexion. Pour autant, si c'est bien cela qui se produit, alors on va le savoir très vite car on va assister à une augmentation du prix du compute à l'heure, car ce sont les entreprises avec le plus de moyens et la plus grande capacité à faire des gains de productivité qui achèteront cette puissance de calcul avec une rentabilité pour leur business incroyable. Mais oui, si vous avez la possibilité de demander une tâche à une super méga intelligence qui vous coûte un million de dollars, ce n'est pas en demandant la recette des crêpes sans farine que vous allez amortir le coût de l'échange. On est bien d'accord. Par contre, si c'est un labo qui fait de la recherche sur des sujets de pointe, là eh ça vaut peut-être le coup et à la clé, il y a peut-être énormément plus à gagner que ce pauvre million de dollars. On ne sera pas prêt de voir le prix de la puissance du calcul diminuer. Donc avant même tout débat philosophique sur la sécurité, Mytho, c'est déjà par son mode d'accès et par son pricing un produit de fête orienté grande entreprise et c'est ça qui me fait m'interroger le plus. Donc, lorsqu'Anthropique explique qu'ils diffuseront Mythos au grand public une fois qu'ils se seront assurés que les gardes fous auront atteint un niveau suffisant et cetera et cetera, et ça me semble surtout être un moyen de tester leurs hypothèses sur une reconfiguration de leur marché avec leurs partenaires pour répondre à cette question. Est-ce que nos clients auront en retour de l'utilisation de Mythos assez de gains de productivité pour enclencher un nouveau modèle qui justifie une augmentation toujours plus grande de l'utilisation de nos modèles? Tenez, un autre signe qui me fait à ce sujet. Leur modèle Claude Opus 4.6 souffrirait depuis plusieurs semaines d'une dégradation perçue de ses performances avec des pannes à répétition. Entropique dément, mais le contexte est clair, l'infrastructure sature et il faut bien arbitrer entre servir la masse d'abonnés et alimenter les nouveaux modèles. Ce qui renforce l'idée que la restriction de Mythos n'est pas qu'une décision éthique, mais aussi en partie une contrainte matérielle. De plus, au fond, ce n'est pas seulement ce que fait le modèle qui est intéressant, mais c'est ce que son existence implique. Par exemple, si l'on prend au sérieux l'idée qu'on a entre les mains un système aussi puissant, alors forcément, il y a bien une ou des personnes que ça va titiller. Par exemple, du côté du gouvernement américain, ça ou hasard. On se souvient d'ailleurs que le sujet n'est pas nouveau. Il y a déjà eu un bras de fer anthropique et l'administration américaine, notamment autour de l'usage de Claude dans des contextes militaires avec des demandes explicites pour lever certaines restrictions. Anthropique a refusé et le Pentagone a répondu en désignant officiellement Anthopique comme supply chain risk, autrement dit un risque pour la chaîne d'approvisionnement national. Pour ce qui est de mythos, les discussions auraient déjà commencé, ce qui veut dire, sans trop de surprise, que le sujet est déjà remonté au niveau des enjeux de sécurité national. Surtout que si une boîte privée américaine a réussi un tel exploit, combien de temps pour que cette technologie se retrouve de l'autre côté du globe chez les Chinois, par exemple? Sachant qu'on estime de 3 à 7 mois le délai de retard entre les modèles chinois et américains. Pas étonnant que tout cela travaille l'administration américaine. Et d'ailleurs, le secrétaire au trésor, Scott Bessent, a lui-même qualifié Mythos d'avancée majeure, estimant qu'il pourrait permettre aux États-Unis de conserver une avance de quelques mois sur la Chine dans la course à. Autrement dit, Mythos n'est peut-être pas seulement un sujet de sûreté, c'est aussi potentiellement un instrument de puissance industrielle et géopolitique. Dans ce cadre là, la restriction d'accès peut se lire autant comme une mesure de sécurité que comme une politique de conservation d'avantage. Et si vous avez vu ma vidéo sur Yan Lequin et son world model, on pourrait être tenté d'en conclure que bah il avait tort. D'après tout, depuis des années, il nous explique que les grands modèles de langage sont fondamentalement inefficients, qu'ils n'ont pas de véritable compréhension causale du monde et que si l'on veut construire une intelligence robuste, il faudra passer par autre chose, des modèles mondes capables non pas seulement de prédire des mots mais de simuler des conséquences. Et sur le papier, vous me direz que la critique tient toujours. Mythos n'a aucune compréhension physique du réel. Il ne sait pas ce qu'est un objet, une masse, une trajectoire ou une friction. Il ne comprend pas le monde comme Yan Lequin l'entend. Par contre, le gigantisme présumé de son infrastructure lui permet d'obtenir des résultats incroyables. C'est même assez paradoxal. Mythos montre qu'un modèle qui conserve au fond les mêmes limites fondamentales que tout bon LLM peut malgré tout atteindre un niveau suffisamment élevé pour qu'on en vienne à le penser comme un problème de sécurité nationale. Si autrement, si Yan Lequin parvient à produire un nouveau type de modèle plus performant que les LLM actuels, cela pourrait être un bon incroyable pour toute l'industrie car les modèles de Lequin fonctionnent sur la même architecture matérielle et pour ce que l'on en sait, les performances du world model de Lequin sont aussi sensibles à la quantité de puissance de calcul que vous mettez à sa disposition. Donc si vous voulez mon avis qui n'est que mon avis, le sujet n'est pas vraiment de savoir qui a raison une bonne fois pour toutes, mais de se dire qu'on est peut-être en train d'assister à des coups d'accélérateur continu dans le domaine de l'IA, des exponentiels d'exponentiel si vous voulez. Les percés qui s'opèrent dans le domaine ne viennent pas en concurrence mais viennent s'accélérer les unes les autres. Bien évidemment, tout cela aboutit à un parétau monstrueux qui fera très peu de gagnants dans l'industrie et énormément de perdants. Par contre, les gagnants seront les sociétés les plus riches que l'on a jamais vu sur terre. Et je suis prêt à parier que les entreprises qui possèdent l'infrastructure énergétique et de puissance de calcul auront un immense avantage. Dis autrement, je ne vois pas Open AI ou Anthopic survivre car au bout du compte le prix de l'intelligence va à zéro. Il se commoditise comme on dit en finance. Par contre, ce qui a de la valeur aujourd'hui, au-delà des annonces de performance de tel ou tel modèle qui seront répliquées par des sociétés chinoises ou autres concurrents très rapidement dans des modèles libres même, c'est l'infrastructure de votre puissance de calcul qui elle reste et devient l'ancrage de la valeur de ce société que l'on peut difficilement copier d'un coup de contrôle C, contrôle V. C'est pour ça que Microsoft, Google, Amazon ou le conglomérat Tesla Space X reste pour moi les grands gagnants en devenir de cette course Alia, mais je suis preneur de vos idées en commentaire. Par ailleurs, si l'idée que Mythos ou je ne sais quel devienne consciente vous préoccupe ou vous interroge, allez voir cette vidéo où je vous explique comment on peut savoir si Unia est consciente ou non, car c'est un débat qui risque bien d'occuper de plus en plus d'espace médiatiques.