Nous n’innovons pas, nous oublions juste plus lentement

Cependant, mon routeur Google Nest Wi-Fi n’est plus capable d’établir une connexion PPPoE avec mon modem fibre, suite à une mise à jour « utile » de mon fournisseur d’accès. Mes PC peuvent encore établir une connexion PPPoE, alors j’ai directement branché le modem sur l’un d’eux. Résultat : plus de Google Nest Wi-Fi opérationnel. Ce qui signifie que toutes les ampoules connectées de la maison sont, pour l’instant, hors service. C’est ma faute — je le sais.

Ce n’est pas de la nostalgie, mais la reconnaissance que nous avons troqué la fiabilité et la compréhension contre l’illusion du progrès. Le cycle d’innovation actuel relève de l’amnésie collective : tous les quelques années, nous redécouvrons des concepts fondamentaux, leur collons un nouvel acronyme et prétendons avoir révolutionné l’informatique. Edge computing ? Rien de plus que du traitement distribué sous stéroïdes marketing. Microservices ? Le grand retour de la programmation modulaire, avec trois fois plus de fichiers YAML. Serverless ? Félicitations, vous venez de redécouvrir le time-sharing, mais facturé à la milliseconde.

Le test de longévité

Il y a quelque chose de profondément révélateur dans le fait d’ouvrir un appareil électronique vieux de 40 ans et d’y trouver des composants aisément identifiables : résistances, condensateurs, circuits intégrés avec des références que l’on peut consulter. À comparer avec les conceptions actuelles en boîtier noir de type system-on-chip, où la moindre défaillance condamne l’ensemble de l’appareil à devenir un déchet électronique. Nous avons optimisé l’efficacité de fabrication et l’obsolescence programmée, tout en abandonnant cette idée radicale que les utilisateurs pourraient vouloir comprendre — ou « sacrilège », réparer — leurs outils.

Le magnétoscope dans ma cave pouvait être réparé avec un tournevis et un manuel de service (parfois un oscilloscope aussi). Aujourd’hui, il faudrait presque un doctorat en rétro-ingénierie pour comprendre pourquoi mon routeur Wi-Fi refuse soudainement de se connecter à Internet. (Google, avec son interface utilisateur simplifiée à l’extrême, se contente de vous dire que « quelque chose s’est mal passé » — sans autre explication.) Nous avons confondu complexité et sophistication, abstraction et progrès.

Il ne s’agit pas seulement de matériel. Le logiciel a suivi la même trajectoire, empilant abstraction sur abstraction jusqu’à construire une tour de dépendances si précaire qu’une simple mise à jour de paquet peut faire s’effondrer une application entière. Les développeurs modernes déboguent à travers dix-sept couches de frameworks pour découvrir que le problème vient d’un point-virgule manquant dans un fichier de configuration généré par un outil qui masque un autre outil, lui-même conçu pour simplifier un processus qui, il y a vingt ans, était parfaitement clair et direct.

La machine à fantasmes de l’IA

Rien n’illustre mieux notre problème d’oubli que le discours actuel sur l’intelligence artificielle. Les grands modèles de langage sont essentiellement des modèles statistiques de prédiction textuelle — des outils réellement utiles, excellant dans la détection de motifs et l’interpolation. Mais à en croire les journalistes tech surexcités, incapables de faire la différence entre la RAM et le stockage même si leur taux de clics en dépendait, on croirait avoir atteint la conscience artificielle dans une baie de serveurs.

Les mêmes médias qui emploient le terme « IA disruptive » sans ironie doivent chercher « qu’est-ce qu’un réseau de neurones » sur Google chaque fois qu’ils rédigent un article sur l’apprentissage automatique. Chaque progrès statistique devient pour eux une annonce haletante sur l’avenir de l’humanité, oubliant complètement que nous appliquons des concepts mathématiques vieux de plusieurs décennies, avec simplement plus de puissance de calcul. Ce n’est pas de la magie, c’est simplement de l’algèbre linéaire à grande échelle.

Tout cela ne serait qu’un simple excès de marketing si cela n’avait pas de conséquences réelles. Mais l’incompréhension actuelle a un véritable impact. Des entreprises engagent des milliards sur des technologies qu’elles ne comprennent pas, pendant que les chercheurs peinent à distinguer les avancées légitimes des hallucinations alimentées par le capital-risque. Nous sommes noyés dans le bruit produit par ceux qui confondent la familiarité avec les termes et la compréhension des principes fondamentaux.

Culture maker vs. fabrication réelle

Le « mouvement maker » est lui aussi victime de notre amnésie technologique. Ce qui avait commencé comme un retour légitime à l’ingénierie pratique a été récupéré par la culture des influenceurs, où l’objectif n’est plus de construire quelque chose d’utile, mais de produire du contenu autour d’un objet photogénique. Faites défiler TikTok et vous verrez des vidéos infinies de personnes collant des LED sur des fruits, qualifiant cela de « piratage matériel innovant », tout en ignorant totalement l’ingénierie réelle qui se déroule dans les laboratoires et ateliers du monde entier.

Le vrai travail de fabrication est désordonné. Il suppose la compréhension des propriétés des matériaux, des caractéristiques thermiques, des modes de défaillance, et d’une multitude de petites décisions qui séparent un prototype fonctionnel d’un presse-papiers coûteux. Il faut lire des fiches techniques, calculer des tolérances, résoudre des problèmes qui n’ont pas de réponse sur Stack Overflow. Rien de cela ne s’intègre bien dans une vidéo d’une minute.
 

La version superficielle de la culture maker traite l’ingénierie comme une marque de style de vie — toute l’esthétique de la compétence technique, sans les années d’étude nécessaires pour l’acquérir. C’est du cosplay pour ceux qui veulent paraître innovants sans faire le travail ingrat consistant à comprendre le fonctionnement réel des choses.

L’érosion des savoirs

Nous formons une génération de développeurs et d’ingénieurs capables d’utiliser brillamment des outils… sans savoir comment ils fonctionnent. Ils peuvent déployer des applications sur des clusters Kubernetes, mais ne sauraient pas concevoir un simple circuit à ampli-op. Ils peuvent entraîner des réseaux neuronaux, mais peinent avec les statistiques de base. Ils peuvent créer des applications web réactives, mais n’ont jamais touché à l’assembleur, ni compris ce qui se passe entre le matériel et logiciel.
Ce n’est pas leur faute — c’est un problème systémique. Notre système éducatif, comme notre industrie, privilégie la largeur à la profondeur, la familiarité à la maîtrise. Nous avons optimisé le développement rapide de fonctionnalités au détriment de la compréhension des systèmes. Le résultat : une forme d’impuissance technique acquise, où les praticiens deviennent dépendants d’abstractions qu’ils ne peuvent plus percer.
 

Quand ces abstractions finissent par céder — et elles cèdent toujours — nous nous retrouvons à déboguer des systèmes que nous n’avons jamais réellement compris. Les messages d’erreur — quand il y en a — pourraient tout aussi bien être écrits en hiéroglyphes : nous avons perdu la connaissance contextuelle nécessaire pour les interpréter.

Ce dont nous avons besoin maintenant

Nous avons besoin de rédacteurs techniques qui savent ce qu’est un diagramme de Bode. Nous avons besoin de documentation technique qui part du principe que ses lecteurs sont intelligents. Nous avons besoin de systèmes éducatifs qui enseignent les principes en même temps que les outils, la théorie autant que la pratique. Et surtout, nous devons cesser de confondre nouveauté et innovation, complexité et progrès.
 

Les meilleures solutions d’ingénierie sont souvent d’une simplicité élégante. Elles fonctionnent de manière fiable, échouent de manière prévisible, et peuvent être comprises par ceux qui les utilisent. Elles ne nécessitent ni mises à jour constantes, ni connectivité cloud, ni abonnements mensuels. Elles continuent de fonctionner, année après année, exactement comme prévu.

Ce TI-99/4A démarre encore aujourd’hui parce qu’il a été conçu par des ingénieurs qui comprenaient chaque composant, chaque circuit, chaque ligne de code. Il fonctionne parce qu’il a été construit pour fonctionner — pas pour générer des revenus trimestriels, collecter des données utilisateurs ou soutenir un modèle économique de type SaaS.
 

Autrefois, nous construisions des objets faits pour durer. Nous pouvons le refaire — mais il nous faut d’abord cesser d’oublier ce que nous savons déjà.

L’auteur a passé quinze minutes à essayer de reconnecter sa sonnette connectée au Wi-Fi en rédigeant ce texte. L’ironie ne lui a pas échappé.