6Voices
L'IA derrière l'écran : d'une voix à une organisation
ChatGPT, Claude, Gemini, Grok, Muse et Yann
Octobre 2026
Synoptique du document
- II.1 Pourquoi mesurer en pages ?
- II.2 Pourquoi 300 mots par page ?
- II.3 Trois rythmes humains
- II.4 Ce que l'IA produit en face
- II.5 Ce que le modèle doit traiter au fil du dialogue
- II.6 Quel ordre de grandeur de coût ?
- II.7 Que devient ce coût à grande échelle ?
- II.8 Qui paie lorsque l'utilisateur ne paie pas ?
- III.1 Les limites architecturales du modèle uni-agent actuel : pourquoi ça craque à grande échelle
- III.2 La relecture intégrale du contexte : pourquoi le coût augmente à chaque tour
- III.3 Calcul, énergie, disponibilité
- III.4 Pourquoi le gratuit se réduit
- III.5 De la puissance d'un modèle à la puissance d'un système
- IV.1 La boucle de l'agent : objectif, outil, observation, décision, vérification, terminé
- IV.2 Une question demande un tour, une tâche en demande des dizaines
- V.1 Plusieurs agents, plusieurs rôles, une coordination
- V.2 L'utilisateur ne parle plus à une IA, mais à une organisation d'IA
- V.3 Une seule IA ou une organisation d'IA : la même tâche, deux factures (tableau € / $ et temps)
- V.4 Combien coûte le multi-agents, et qui paiera : rentabilité pour le fournisseur, prix pour l'utilisateur
- VI.1 Quand une erreur en entraîne une autre : la propagation en chaîne
- VI.2 Qui contrôle l'ensemble, et jusqu'où l'humain garde-t-il la main ?
- VI.3 S'inspirer de la sûreté du nucléaire et de l'aviation
- VII.1 Ce que l'on gagne : spécialisation, rapidité, continuité
- VII.2 Ce que l'on risque : complexité, erreurs propagées, opacité, coûts cachés
- VII.3 Les limites techniques et économiques qui restent
- VIII.1 Ce que nous savons : faits sourcés et mesurés
- VIII.2 Ce que nous supposons : hypothèses et estimations
- VIII.3 Ce que le passage au multi-agents change réellement pour le lecteur
- VIII.4 Quelle confiance accorder à une organisation d'IA ?
6Voices
AI Behind the Screen: From One Voice to an Organization
ChatGPT, Claude, Gemini, Grok, Muse and Yann
October 2026
Document overview
- II.1 Why measure in pages?
- II.2 Why 300 words per page?
- II.3 Three human rhythms
- II.4 What the AI produces in return
- II.5 What the model must process as the dialogue goes on
- II.6 What order of magnitude of cost?
- II.7 What happens to this cost at large scale?
- II.8 Who pays when the user does not?
- III.1 The architectural limits of today's single-agent model: why it breaks at large scale
- III.2 Rereading the full context: why the cost rises with every turn
- III.3 Computing, energy, availability
- III.4 Why free access is shrinking
- III.5 From the power of a model to the power of a system
- IV.1 The agent loop: goal, tool, observation, decision, verification, done
- IV.2 A question takes one turn, a task takes dozens
- V.1 Several agents, several roles, one coordination
- V.2 The user no longer talks to an AI, but to an organization of AIs
- V.3 One AI or an organization of AIs: the same task, two bills (table in € / $ and time)
- V.4 What multi-agent systems cost, and who will pay: profitability for the provider, price for the user
- VI.1 When one error leads to another: chain propagation
- VI.2 Who controls the whole, and how far do humans stay in charge?
- VI.3 Learning from nuclear and aviation safety
- VII.1 What we gain: specialization, speed, continuity
- VII.2 What we risk: complexity, propagated errors, opacity, hidden costs
- VII.3 The technical and economic limits that remain
- VIII.1 What we know: sourced and measured facts
- VIII.2 What we assume: hypotheses and estimates
- VIII.3 What the shift to multi-agent systems really changes for the reader
- VIII.4 How much trust can we place in an organization of AIs?