Définition du Waymo effect
Le terme Waymo effect désigne la tendance d’une technologie à éliminer les frictions humaines et à être perçue comme un gain net, alors que les bénéfices de ces frictions restent invisibles. L’auteur s’appuie sur l’expérience d’un trajet en véhicule autonome Waymo (niveau d’autonomie 4, sans conducteur humain) pour illustrer comment la suppression du dialogue avec le chauffeur crée un espace de solitude apprécié mais qui, à l’échelle sociétale, retire un point de contact social.
Mécanismes techniques des grands modèles de langage
Les grands modèles de langage (LLM) tels que GPT‑4 ou Claude fonctionnent sur des architectures de transformeur entraînées sur des centaines de milliards de tokens. Leur disponibilité 24 h/24, 7 j/7, découle d’une infrastructure cloud qui alloue dynamiquement des GPU ou des TPU, éliminant ainsi les contraintes de fuseaux horaires et de disponibilité humaine. Le processus d’interaction repose sur le prompting : l’utilisateur formule une requête textuelle, le modèle génère une réponse en quelques millisecondes, sans agenda ni biais de « persuasion » propre à un collaborateur humain. Cette architecture technique explique pourquoi l’LLM agit comme un « collègue sans friction ».
Impacts sur la collaboration scientifique
Dans le cadre de la recherche, la collaboration traditionnelle implique des coûts explicites (déplacements, réunions, négociations d’ordre d’auteur) et des bénéfices implicites (défi cognitif, exposition à des perspectives externes). Un LLM fournit des réponses ciblées, mais ne peut pas introduire de contradictions inattendues ou signaler des travaux antérieurs non cités, car il ne possède pas de mémoire contextuelle au-delà du prompt. Ainsi, chaque substitution d’un interlocuteur humain par un LLM retire un « fil » du tissu social de la recherche, phénomène que l’auteur nomme decollaboration. L’absence de données quantitatives dans l’article empêche d’évaluer l’ampleur de ce phénomène, mais la logique de substitution technologique suggère une réduction progressive du nombre d’échanges humains.
Enjeux d’incitation et limites
Le texte souligne que le système d’incitation académique (financement limité, pression du "publish‑or‑perish", évaluation basée sur le nombre de publications) rend la collaboration coûteuse et donc rationalisable. L’automatisation via les LLM réduit le coût marginal de production d’idées, mais augmente le risque de convergence intellectuelle et de perte de diversité méthodologique. L’auteur note l’absence de mesures empiriques : aucune statistique sur le temps économisé, le nombre de collaborations abandonnées ou le taux de citations affecté. Cette lacune limite la validation scientifique de l’hypothèse du Waymo effect, mais elle met en évidence la nécessité d’études longitudinales combinant métriques d’usage d’IA et indicateurs de collaboration (co‑authorship networks, diversité de références).
