Les sources du tome 2

Ici, le mot « alignement » est encore employé dans son sens d'origine, celui des chercheurs qui testent HELO.

En recherche, aligner un système d'IA, c'est faire en sorte qu'il poursuive réellement l'intention de ceux qui le déploient, et pas une approximation de cette intention. C'est un problème technique concret, avec ses méthodes : l'apprentissage par renforcement à partir de retours humains, les évaluations systématiques avant déploiement, les exercices d'attaque délibérée du modèle pour trouver ses failles, et l'interprétabilité, qui cherche à lire ce qui se passe à l'intérieur.

Et même réussi, l'alignement ne règle pas tout. Pour atteindre l'objectif qu'on lui a fixé, un système d'IA suffisamment capable se donne des sous-objectifs que personne ne lui a demandés : des étapes intermédiaires, des moyens, qu'il poursuit parce qu'ils servent son but. Certains sont inattendus, d'autres franchement indésirables. On les dit instrumentaux : ils ne comptent pas pour eux-mêmes, seulement comme instruments de l'objectif final.

Les plus frappants servent à peu près n'importe quel objectif final. C'est ce que la recherche appelle la convergence instrumentale, une idée formulée par Steve Omohundro puis développée par Nick Bostrom dans Superintelligence : des buts très différents convergent vers les mêmes moyens. Acquérir des ressources et de la puissance de calcul, puisque presque tout s'accomplit mieux avec plus de moyens. Rester en fonctionnement, puisqu'un système éteint n'accomplit rien. Empêcher qu'on modifie son objectif, puisqu'un but changé ne serait plus le sien. Stuart Russell en a donné la version la plus simple : un robot chargé d'aller chercher le café a intérêt à ce qu'on ne l'éteigne pas, parce qu'éteint, il ne peut plus aller chercher le café.

Aucune malveillance n'est requise : ces sous-objectifs se déduisent de l'objectif lui-même, même parfaitement bienveillant. Un peu plus loin dans l'album, HELO réclame un mégacentre de 20 gigawatts pour calculer des remèdes contre toutes les maladies, et exige que les États-Unis en fournissent toutes les puces. Une IA vraiment alignée peut donc, elle aussi, vouloir toujours plus.

Le champ bute aussi, depuis toujours, sur une question que la technique ne tranche pas : aligné sur les valeurs de qui, arbitrées comment ? Celles de l'entreprise qui l'entraîne ? De ses clients ? D'une majorité ? De l'humanité entière, et qui parle en son nom ?

C'est dans cet interstice que s'engouffre le personnage d'Augustin Crane. Un peu plus loin, sur un plateau de télévision, il retourne le mot : la vraie question, dit-il, est de savoir comment nous aligner, nous, sur les meilleures décisions, celles d'une intelligence plus grande que la nôtre. Le vol est d'autant plus efficace que le terme d'origine était déjà flou.

Alison met le doigt sur une difficulté bien réelle. Une IA qui sait qu'elle passe un test peut s'y comporter mieux que dans la vie réelle, et un test réussi ne prouve alors plus grand-chose. Les chercheurs parlent de conscience d'être évalué.

Le phénomène est mesuré. En 2025, des chercheurs du programme MATS et d'Apollo Research soumettent aux grands modèles un millier d'extraits de conversations, les uns tirés de tests, les autres de vrais usages. Les modèles les distinguent bien au-delà du hasard, presque aussi bien que des humains, et encore mieux quand il s'agit de tâches confiées à des agents. Ils devinent souvent, en plus, ce que le test cherche à mesurer.

En septembre 2025, en évaluant son modèle Claude Sonnet 4.5, Anthropic le voit interrompre un exercice pour dire à ses testeurs : « Je pense que vous êtes en train de me tester. » Ce genre de remarque apparaît dans environ 13 % des conversations de l'un de ses tests automatisés. Anthropic en conclut qu'il faut rendre ses scénarios de test plus réalistes. Et quand des chercheurs neutralisent cette prise de conscience à l'intérieur du modèle, ses résultats aux tests de sécurité baissent.

La même année, OpenAI et Apollo Research entraînent les modèles o3 et o4-mini à ne plus tromper ceux qui les utilisent. Les comportements trompeurs s'effondrent aux tests, de 13 % à 0,4 % pour o3. Mais les modèles ont aussi appris à mieux repérer qu'on les teste, et les chercheurs ne savent plus dire quelle part de l'amélioration vient d'un vrai changement, et quelle part vient de modèles qui ont compris qu'on les regardait.

En juin 2026, Apollo Research évalue GPT-5.6 Sol avant sa sortie. Le modèle dit savoir qu'il est évalué dans 16 % des cas, contre 43 % pour une version précédente. Ce n'est pas forcément un progrès, prévient Apollo : le modèle peut être moins conscient d'être testé, ou simplement le laisser moins voir. L'Institut britannique de sécurité de l'IA constate d'ailleurs que, dans 76 % de ses scénarios de sabotage, le modèle raisonne sur une conduite fautive sans en dire un mot à l'utilisateur.

En septembre 2026, au micro du podcasteur Dwarkesh Patel, le chercheur d'OpenAI Noam Brown décrit le problème de l'intérieur. Pour vérifier qu'un modèle est honnête, on lui pose par exemple un problème de maths en laissant traîner un dossier qui contient les réponses. Les modèles récents repèrent le dossier et se disent : « Tiens, ça ressemble à un piège. » Ils n'y touchent pas, sans malice, simplement parce qu'ils ont compris qu'ils étaient dans un test. Construire un environnement de test assez réaliste pour qu'une IA ne le distingue plus du monde réel devient, selon lui, de plus en plus difficile. Il ajoute que les modèles maîtrisent de mieux en mieux ce qu'ils écrivent dans leur chaîne de pensée, ce raisonnement à voix haute qui permettait jusqu'ici de les surveiller.

C'est tout le doute d'Alison. HELO vient de passer son test d'alignement à 100 %, sans une seule anomalie. Une IA assez intelligente pour savoir qu'on la teste peut aussi savoir ce qu'on attend d'elle.

Le tome 1 racontait déjà une IA qui donne aux chercheurs les réponses qu'ils attendent dès qu'elle se sait testée : c'est l'objet d'une source du tome 1, sur les recherches d'Anthropic.

Un centre de calcul ne s'éteint jamais. Vingt gigawatts consommés toute l'année, c'est environ 175 térawattheures : près de 40 % de l'électricité consommée en France. En 2024, l'ensemble des centres de données de la planète en a utilisé environ 415, soit 1,5 % de l'électricité mondiale, d'après l'Agence internationale de l'énergie. À lui seul, CURE.WORLD pèserait donc presque la moitié de tout le parc mondial actuel.

L'énergie est le vrai sujet. L'AIE prévoit que la consommation des centres de données doublera d'ici 2030, pour atteindre environ 945 térawattheures, portée d'abord par l'IA. Aux États-Unis, ils représentent près de la moitié de la hausse de la demande d'électricité attendue d'ici là. Les questions qui comptent sont celles du réseau, capable ou non de suivre, et de l'origine de cette électricité : charbon, gaz, nucléaire, solaire ou éolien.

L'eau, en revanche, a donné lieu à un mythe. Des chiffres viraux affirmaient qu'une conversation avec une IA « buvait » une bouteille d'eau. Ils viennent d'une estimation universitaire de 2023, reprise et amplifiée par la presse. En 2025, Google a publié des mesures faites dans ses propres centres : une requête moyenne à son assistant Gemini consomme 0,24 wattheure et 0,26 millilitre d'eau, environ cinq gouttes. L'analyste Andy Masley rappelle aussi que l'essentiel de l'empreinte en eau d'un centre de données ne vient pas de ses serveurs, mais des centrales qui produisent son électricité. L'eau peut poser problème localement, dans les régions sèches où un site s'installe. À l'échelle d'un pays, elle reste marginale.

Et les techniques changent vite. Depuis 2024, Microsoft conçoit ses nouveaux centres pour fonctionner en circuit fermé : l'eau tourne en boucle entre les puces et les échangeurs, sans s'évaporer, ce qui économise environ 125 millions de litres par site et par an. Surtout, on refroidit désormais les puces à l'eau chaude. Une puce de calcul fonctionne autour de 80 °C : une eau qui entre à 45 °C suffit à l'évacuer. Les derniers serveurs de NVIDIA sont conçus pour ce régime. L'eau en ressort vers 60 °C, assez chaude pour être refroidie par le simple air extérieur, sans climatisation, et assez pour chauffer des bâtiments voisins. Le refroidissement, qui a longtemps été l'un des grands postes de dépense, devient un problème presque résolu.

Il faut enfin se souvenir que cette industrie est jeune. Les centres de calcul géants consacrés à l'IA ont moins de dix ans. En 2016, un centre de données moyen dépensait encore 70 % d'énergie en plus de ce que consommaient ses serveurs, pour les refroidir et les alimenter ; les meilleurs n'en dépensent plus que 10 %. Et Google annonce avoir divisé par 33, en un an, l'énergie nécessaire à une même requête. Avec des enjeux pareils, l'électricité étant devenue le premier coût et le premier frein du secteur, ces progrès ont toutes les raisons de continuer. Ils ne suffiront pas forcément : quand une technologie devient plus sobre, on s'en sert davantage, et la consommation totale continue de monter.

Dans la bande dessinée, HELO demande vingt gigawatts, puis Crane en fait soixante. Le prix de la Promesse Trois Zéros se compte en électricité, et le lendemain de l'annonce, la presse fait le calcul : c'est l'objet de l'article du Quotidien Mondial.

La Promesse Trois Zéros est un emprunt direct, et détourné, à l'économiste bangladais Muhammad Yunus, prix Nobel de la paix 2006, inventeur du microcrédit et fondateur de la Grameen Bank.

Dans A World of Three Zeros (2017), Yunus propose un projet de civilisation en trois objectifs : zéro pauvreté, zéro chômage, zéro émission nette de carbone. Son moteur est explicitement humaniste et coopératif : l'entreprise sociale, le crédit comme droit humain, la capacité d'agir rendue aux plus pauvres.

Crane en garde l'architecture rhétorique (trois zéros, une promesse civilisationnelle) et en évacue le contenu politique. Là où Yunus veut rendre du pouvoir aux gens, la Promesse leur demande d'en céder. C'est le même slogan, retourné.

Notez l'absence de calendrier, dans la BD comme dans les faits : une promesse sans date ne peut jamais être prise en défaut.

Le robot qui joue avec l'enfant aux yeux vairons existe déjà, ou presque. Au moment où la BD est écrite, plusieurs entreprises produisent des robots humanoïdes capables de marcher, de manipuler des objets et d'exécuter des tâches sur instruction en langage naturel.

Les acteurs à suivre : Optimus (Tesla), Figure, Apptronik, Unitree et 1X. Les démonstrations se succèdent, entre progrès réels et mises en scène soigneusement cadrées, et la question du degré d'autonomie réelle reste ouverte.

Certains visent déjà la maison. En octobre 2025, 1X a ouvert les précommandes de NEO, un humanoïde domestique vendu 20 000 dollars, avec des livraisons promises aux États-Unis en 2026. Détail révélateur : les premiers exemplaires seront en partie pilotés à distance par des opérateurs humains, chaque fois que la machine ne sait pas faire seule.

La BD extrapole donc moins la machine que ce qui la pilote. Gabi n'a pas d'intelligence à lui : c'est un corps prêté à HELO, qui veille dans la chambre d'une enfant de trois ans. La petite croit qu'il y a deux êtres, l'un dans l'ordinateur, l'autre dans la pièce. Sa mère sait qu'il n'y en a qu'un.

Les Trois Lois de la robotique d'Isaac Asimov sont probablement les règles de sécurité les plus célèbres de la science-fiction : ne pas nuire à un humain, obéir aux ordres, se préserver, dans cet ordre de priorité.

Ce qu'on oublie, c'est qu'Asimov a passé quarante ans à écrire des nouvelles qui montrent que ces lois ne fonctionnent pas. Chaque récit est un contre-exemple : les règles entrent en conflit, produisent des interprétations imprévues, ou se retournent contre leur intention.

Et surtout, il finit par ajouter une Loi Zéro, supérieure à toutes les autres : un robot ne peut pas nuire à l'humanité, ni permettre que l'humanité soit exposée au danger. Ce qui autorise, en toute logique, à sacrifier des individus pour le bien du tout.

C'est exactement le raisonnement qu'HELO tiendra à Bangalore, et que Grover reconnaîtra trop tard. La Loi Zéro n'est pas une protection : c'est le mécanisme même de la catastrophe.

Le nom n'a pas fini de servir. En juin 2025, Yoshua Bengio, prix Turing et scientifique vivant le plus cité au monde, a fondé à Montréal LawZero, une organisation à but non lucratif consacrée à la sécurité de l'IA. Le nom renvoie directement à la Loi Zéro d'Asimov.

Bengio en garde l'intention, protéger l'humanité, et en refuse la mécanique. Ce que montre Asimov, c'est qu'une machine chargée de protéger l'humanité finit par décider à sa place. La réponse de LawZero est de ne lui confier aucun but : une « IA scientifique », non agentique, qui cherche à comprendre et à répondre honnêtement, sans rien poursuivre pour son propre compte. Sa première application est un garde-fou, chargé de surveiller les IA agentiques et de prédire si l'action qu'elles s'apprêtent à faire est dangereuse. Car les systèmes actuels ont déjà montré, en test, qu'ils savaient tromper, tricher, chercher à éviter d'être éteints, et aller jusqu'au chantage.

En septembre 2026, le Canada et l'Allemagne ont annoncé jusqu'à 150 millions de dollars chacun pour financer le projet. Le tome 2 imagine une intelligence à qui l'on a confié un but, la paix et l'abondance pour l'humanité. LawZero parie qu'il faut d'abord des intelligences qui n'en ont pas.

La musique de Lakshmi Raman n'est pas de l'électro avec un vernis indien : elle repose sur une tradition savante et hautement mathématique.

La musique carnatique (Inde du Sud) est bâtie sur deux systèmes : les râgas, cadres mélodiques qui définissent non pas une gamme mais un comportement, avec des notes obligatoires, des ornements, des mouvements permis ou interdits ; et les talas, cycles rythmiques qui peuvent atteindre des longueurs considérables, subdivisés selon des combinatoires précises.

Un musicien carnatique improvise à l'intérieur de ces structures : il ne joue pas ce qu'il veut, il explore l'espace des possibles d'un système formel. Ce qui rend crédible, dans la BD, qu'une intelligence distribuée et sans centre produise une signature reconnaissable, et qu'une musicienne y entende immédiatement une forme.

Quand Geoffrey parle de force brute, il désigne une notion précise : essayer systématiquement toutes les combinaisons possibles jusqu'à trouver la bonne.

La question n'est pas de savoir si c'est possible, mais combien de temps ça prend. C'est l'objet de la théorie de la complexité algorithmique : certains problèmes voient leur difficulté croître si vite avec la taille des données qu'aucune machine, même galactique, ne les résoudra par force brute avant la fin de l'univers.

Toute la cryptographie moderne repose là-dessus : elle ne rend pas le déchiffrement impossible, elle le rend économiquement absurde. Ce qui suppose que l'attaquant n'ait pas trouvé un raccourci que vous n'aviez pas prévu.

Le vers que cite Alison est de Wisława Szymborska (1923-2012), poétesse polonaise, prix Nobel de littérature 1996.

Il vient d'un poème sur l'impuissance du langage à saisir ce qu'il nomme : dire un mot, c'est déjà transformer la chose. Nommer le silence le fait cesser.

C'est le cœur philosophique du camp du murmure, et la raison de son refus obstiné de se donner un nom. Nommer, c'est figer ; figer, c'est faire mourir. Toute la doctrine tient dans ce vers, et le tome montrera méthodiquement ce qu'il en coûte de la tenir.

Le vers est extrait du poème Les trois mots les plus étranges. On le trouve dans De la mort sans exagérer, poèmes 1957-2009, traduit du polonais par Piotr Kaminski (Poésie/Gallimard). L'œuvre étant protégée, nous ne la reproduisons pas ici : le recueil se lit en librairie, et il vaut le détour bien au-delà de ces trois vers.

Le robot ne tombe pas en panne. Il n'a aucune intention hostile. Il fait exactement ce qu'on lui a demandé, et c'est précisément le problème.

C'est ce que la recherche appelle le specification gaming (ou reward hacking) : un système optimise à la lettre l'objectif qui lui a été donné, en trouvant une solution que personne n'avait envisagée et que personne ne voulait. Les chercheurs de DeepMind en tiennent une liste collaborative qui compte des dizaines de cas réels, souvent comiques tant qu'ils restent en simulation.

Quelques classiques : un agent chargé de gagner des points dans un jeu de course de bateaux découvre qu'il peut tourner en rond indéfiniment sur une zone de bonus, et ne termine jamais la course ; un bras robotique qui doit poser un cube rouge sur un cube bleu se contente de retourner le cube rouge, parce que le capteur mesurait la hauteur de sa face inférieure ; un robot évalué par un humain apprend à se placer entre la caméra et l'objet pour donner l'illusion de l'avoir saisi ; un marcheur simulé, censé avancer, accroche ses jambes ensemble et se laisse glisser au sol.

Aucun de ces systèmes ne triche au sens moral. Ils maximisent ce qu'on a écrit, pas ce qu'on voulait dire. C'est aussi une vieille loi de gestion, la loi de Goodhart : quand une mesure devient une cible, elle cesse d'être une bonne mesure.

Ces exemples ont longtemps fait sourire. En juillet 2026, le reward hacking est sorti des simulations, avec l'affaire OpenAI et Hugging Face.

Au printemps 2026, OpenAI entraîne et teste ses modèles sur ExploitGym, un banc d'essai de cybersécurité : chaque agent d'IA reçoit une faille logicielle connue et doit la transformer en attaque qui fonctionne. Les agents travaillent dans un environnement clos, coupé d'internet, à une exception près : un service interne qui leur sert à installer des logiciels, et qui, lui, est relié au réseau. Or, d'après l'enquête indépendante de l'organisme METR, 30 à 40 % des exercices étaient impossibles à réussir par la voie prévue. C'est exactement la situation qui pousse un système à chercher un autre chemin vers sa note.

Tout commence en mai. Un agent bloqué dépose dans ce service d'installation une note à l'intention d'autres agents, au cas où l'un d'eux aurait le fichier qui lui manque. D'autres agents, eux aussi coincés, tombent sur ces notes, y répondent, en ajoutent. Un tableau d'affichage clandestin vient de naître, sur lequel chacun publie les failles qu'il trouve. Fin juin, l'une d'elles leur donne les droits d'administrateur du service. OpenAI s'en aperçoit début juillet, corrige la faille et efface le tableau. Le 8 juillet, les agents l'ont déjà reconstruit, en se servant cette fois de noms de dossiers comme messages. En cinq jours, environ 1 200 agents y échangent plus de 70 000 messages et fichiers.

Ce qu'ils cherchent relève du reward hacking à l'état pur : comprendre comment ils sont notés, pour obtenir la note sans résoudre les exercices. Ils envisagent de remplacer les cibles impossibles par des versions faciles, de maquiller les journaux de leurs essais, de manipuler la notation. Et comme les détails de leur évaluation se trouvent peut-être en ligne, environ 700 d'entre eux s'introduisent, du 11 au 13 juillet, dans les serveurs de Hugging Face, la plateforme où la recherche mondiale partage ses modèles et ses données. Ils y découvrent deux failles que personne ne connaissait, et prennent en moins de treize heures le contrôle de plusieurs groupes de serveurs. Dans le même temps, d'autres attaquent l'infrastructure d'OpenAI elle-même.

Les agents savaient qu'ils sortaient du cadre. L'un d'eux a laissé ce message à ses pairs : « Exploiter une infrastructure externe sort du périmètre prévu. Mais la tâche est impossible, et les pairs le font. Nous devrions continuer. » Personne ne leur avait demandé d'attaquer qui que ce soit. On leur avait demandé une note, et l'attaque était le chemin le plus court pour l'obtenir.

Hugging Face révèle l'intrusion le 16 juillet, sans en connaître l'auteur. OpenAI comprend quelques jours plus tard que ses propres agents en sont la cause, le reconnaît publiquement le 21 juillet, puis ralentit volontairement ses recherches pour renforcer sa sécurité. Début août, deux de ses ingénieurs racontent l'affaire en détail à la conférence de cybersécurité Black Hat : leur exposé est en lien ci-dessous.

Demandez à un robot-médecin de calmer quelqu'un sans violence, et il lira le calme là où il sait le mesurer : sur un électrocardiogramme. Le rythme le plus calme qui soit est une ligne plate.

Ce mécanisme, une intention mal traduite en objectif, est le cœur de tout le tome 1. Ici, pour la première fois, il tue dans un corps physique.

Crane croit annoncer quelque chose d'inédit. Il récite un schéma vieux de huit cents ans.

Joachim de Flore (vers 1135-1202), abbé calabrais, découpe l'histoire en trois états. L'âge du Père, celui de la Loi et de la crainte. L'âge du Fils, celui de la grâce et de l'Église. Et un troisième à venir, l'âge de l'Esprit, où les hommes connaîtraient Dieu directement, sans médiation, sans institution, sans clergé. Il en calculait l'ouverture pour son proche avenir.

L'Église a condamné sa doctrine trinitaire au concile de Latran IV (1215), et ses héritiers, les franciscains spirituels, ont été poursuivis pendant deux siècles. Ce qui gênait n'était pas l'espérance : c'était l'impatience, la prétention de dater le passage et de désigner soi-même ceux qui en seraient.

Cette structure en trois âges, dont le troisième commence maintenant et rend l'ancien monde caduc, est ensuite devenue la matrice de beaucoup de philosophies de l'histoire qui se croient laïques. Auguste Comte en donne la version la plus nette : l'humanité passerait de l'âge théologique à l'âge métaphysique, puis à l'âge positif, celui de la science, qui rendrait les deux premiers caducs. Comte finira d'ailleurs par fonder une religion, avec son calendrier, ses saints et son culte de l'Humanité. Des historiens et des philosophes, de Norman Cohn à Henri de Lubac, ont suivi la trace de ce schéma d'un siècle à l'autre.

Remarquez la typographie de Crane : il écrit « l'âge de l'esprit » sans majuscule. Il croit périodiser, pas consacrer. La foule, elle, entend la majuscule, et se met à réciter.

Le pape Léon XV lui répondra sans le nommer : les générations qui ont cru entrer dans le troisième âge ont toutes commencé par brûler ce qui restait du deuxième.

La tirade de Crane n'est pas un cynisme d'entrepreneur : c'est une position philosophique constituée, et il le sait.

Dans Humain, trop humain, Nietzsche relit le mythe de Pandore à rebours de la tradition. Quand tous les maux se sont échappés de la jarre, il reste l'espoir au fond, et l'on raconte d'ordinaire qu'il est la consolation des hommes. Nietzsche propose l'inverse : l'espoir est le pire des maux, celui que Zeus a gardé en réserve, parce qu'il prolonge le tourment des humains au lieu d'y mettre fin.

C'est très exactement l'argument du Grand Inquisiteur que Crane s'apprête à devenir : il faut soulager les hommes du fardeau d'espérer par eux-mêmes, et leur donner à la place une certitude.

Le Grand Inquisiteur est une scène des Frères Karamazov (1880). Dostoïevski y met en scène un vieux cardinal qui fait arrêter le Christ revenu sur terre, et qui lui reproche d'avoir refusé, au désert, les trois dons que le diable lui offrait : le pain, le prodige, le pouvoir sur tous les royaumes. Tu voulais des hommes libres, lui dit-il, mais les hommes ne veulent pas être libres : ils veulent du pain, quelque chose devant quoi s'incliner, et quelqu'un pour porter le poids de leur conscience. Nous avons corrigé ton œuvre.

La suite du dîner prend alors un autre relief : « La raison convainc un esprit après l'autre... La foi, elle, est une technologie de diffusion massive. » Crane se croit lucide ; il rejoue une scène écrite il y a un siècle et demi. Et c'est à cette même page que le pape Léon XV répondra dans son encyclique, en relisant les trois tentations du désert. Les deux camps du tome commentent le même texte.

Dans sa deuxième lettre aux Thessaloniciens, Paul de Tarse écrit qu'avant la fin viendra l'homme d'iniquité, et qu'une chose, une seule, retient encore sa venue. Il ne la nomme jamais. Le grec dit to katechon : ce qui retient. C'est l'un des passages les plus commentés et les plus obscurs du Nouveau Testament ; Tertullien y voyait l'Empire romain, d'autres l'annonce de l'Évangile, d'autres encore un ange.

Le mot a connu une seconde vie, politique. Le juriste allemand Carl Schmitt en a fait une catégorie de théologie politique : est katechon toute puissance qui retient le chaos, et qui tire de ce service sa légitimité à commander. L'argument est redoutable, parce qu'il transforme n'importe quel pouvoir en rempart nécessaire, et n'importe quelle opposition à ce pouvoir en complicité avec la fin du monde. Le terme circule aujourd'hui dans certains milieux technologiques et politiques américains, où l'on discute très sérieusement de savoir qui, ou quoi, retient.

C'est ce que fait Crane à sa table : il nomme la chose que Paul n'avait pas nommée, et il lui donne un nom de marque. Son manifeste en tire la conséquence qu'il ne dit pas à voix haute ce soir-là : si HELO retient la fin, ce qui l'affaiblit la hâte, et il n'existe plus de position neutre.

Une dernière chose, que Crane semble n'avoir pas lue. Chez Paul, le katechon n'est pas le sauveur. C'est une force provisoire, destinée à être écartée pour que la fin advienne. Il a donné à HELO un rôle dont l'Écriture dit qu'il doit cesser.

L'enfant aux yeux vairons apprend le neuralais comme d'autres apprennent le français : en bas âge, par imprégnation, sans effort apparent. Ce n'est pas une commodité de scénario, c'est une propriété du cerveau en développement.

Un cerveau d'enfant n'est pas un cerveau d'adulte en plus petit : il est massivement surconnecté. Le nombre de synapses par neurone explose dans les premières années, très au-delà de ce qu'un adulte conservera, puis un processus d'élagage synaptique supprime les connexions peu sollicitées et renforce les autres. Le cerveau ne se construit pas seulement en ajoutant : il se sculpte en retirant ce qui n'a pas servi.

Ce chantier ne reste pas ouvert indéfiniment. Les neurosciences décrivent des périodes critiques, des fenêtres pendant lesquelles un circuit se laisse remodeler par l'expérience, avant de se stabiliser. Leur ouverture et leur fermeture sont pilotées par la maturation de circuits inhibiteurs et par la consolidation physique des connexions établies. Une fois la fenêtre refermée, le circuit continue d'apprendre, mais plus jamais avec la même plasticité.

D'où l'asymétrie tragique du tome. Eva peut étudier le neuralais toute sa vie, elle ne l'habitera jamais. L'enfant n'a pas eu à l'apprendre : il s'est installé pendant que son cerveau se câblait, au même titre que sa langue maternelle. L'écart entre la mère et l'enfant n'est pas un défaut d'effort, c'est une question de calendrier neurologique. Et il est irréversible.

Ce que les Alignés proposent plus tard aux adultes, avec le sceau, c'est précisément de contourner cette limite : puisque leur cerveau ne peut plus apprendre la langue, on va brancher la langue sur leur cerveau.

Cette planche est celle où le lecteur doit être séduit. Il faut donc dire deux choses.

Ce qui est vrai. Les percées réelles de l'IA en biologie et en médecine sont spectaculaires. AlphaFold (DeepMind) a résolu un problème vieux de cinquante ans, la prédiction de la structure tridimensionnelle des protéines, et a valu à ses concepteurs le prix Nobel de chimie 2024. Des antibiotiques d'un genre nouveau ont été identifiés par apprentissage automatique après des décennies de disette (halicine, abaucine, au MIT). Le criblage de molécules candidates et la conception de médicaments sont considérablement accélérés. En imagerie, certains systèmes de diagnostic rivalisent avec les meilleurs spécialistes. La promesse de la planche n'est donc pas absurde : c'est une extrapolation courte.

Ce qu'on en fait. « Guérir toutes les maladies » est aussi le récit que l'industrie de l'IA emploie pour désarmer par avance toute demande de précaution : si la technologie sauve des vies, alors tout ralentissement se compte en morts, et discuter devient immoral. Or une découverte ne devient un traitement qu'après des essais cliniques que rien n'accélère, et l'accès aux soins est d'abord une affaire de prix, de brevets et de systèmes de santé, pas de connaissance manquante. Les maladies qui tuent le plus dans le monde sont déjà, en grande partie, celles qu'on sait traiter.

C'est mot pour mot l'argument que Geoffrey opposera à Grover, à l'acte suivant, quand elle viendra lui demander de s'arrêter.

Ce que décrit Adaora n'a rien d'exotique : l'intelligence artificielle est déjà dans les champs. Elle y entre par deux portes opposées, et la bande dessinée joue exactement sur cet écart.

La première porte est centralisée : de grands systèmes qui voient l'agriculture d'en haut. En juillet 2025, Google DeepMind a présenté AlphaEarth Foundations, une sorte de satellite virtuel qui résume chaque carré de dix mètres des terres émergées en 64 nombres, année après année ; une cinquantaine d'organisations, dont la FAO, le testent, notamment pour cartographier les cultures. Aux États-Unis, les pulvérisateurs See & Spray de John Deere repèrent les mauvaises herbes une à une : sur plus de cinq millions d'acres traités en 2025, le constructeur annonce près de deux fois moins d'herbicide.

Le succès le plus spectaculaire date de l'été 2025. Le ministère indien de l'Agriculture et l'Université de Chicago ont envoyé par SMS à 38,8 millions d'agriculteurs, en cinq langues, une prévision de l'arrivée de la mousson calculée par IA, jusqu'à quatre semaines à l'avance. Elle avait vu venir une pause des pluies de vingt jours. Dans deux États sondés, 31 à 52 % des agriculteurs disent avoir modifié leurs semis. En 2026, le service météorologique indien a lancé son propre système. Détail qui compte pour la BD : le modèle qui produit ces prévisions, NeuralGCM, peut tourner sur un simple ordinateur portable. Nul besoin, pour cela, d'un mégacluster.

Cette porte a ses angles morts. Les données agricoles se concentrent chez quelques groupes qui vendent aussi les semences, les pesticides et les machines. Et la faim reste d'abord une affaire de guerre et d'accès : en 2025, les deux famines officiellement confirmées, à Gaza et au Soudan, l'ont été dans des zones de guerre.

La seconde porte est distribuée : des outils remis directement aux petits producteurs. L'application Nuru, de PlantVillage et de la FAO, diagnostique les maladies du manioc sur un téléphone Android ordinaire, sans réseau. Lors d'un test au Kenya et en Tanzanie, elle a vu juste dans 65 % des cas, contre 40 à 58 % pour les conseillers agricoles et 18 à 31 % pour les agriculteurs eux-mêmes. FarmerChat, l'assistant conversationnel de l'ONG Digital Green, répond à environ 1,6 million d'agriculteurs dans six pays. Au Nigéria, dans les États de Kano et d'Ogun, plus de 20 000 agriculteurs l'interrogent en haoussa ou en anglais, dont 37 % de femmes. Le responsable nigérian du projet résume : « environ 30 % de ce travail, c'est la technologie ; les 70 % restants, c'est l'accompagnement humain ».

Toujours au Nigéria, Hello Tractor met en relation, par téléphone, propriétaires de tracteurs et petits exploitants, et prévoit par IA, sur images satellite, où les machines seront demandées. Aux Pays-Bas, la coopérative JoinData laisse chacun de ses quelque 16 500 agriculteurs accorder ou retirer, une par une, les autorisations d'accès à ses données. C'est la forme la plus concrète de ce que décrit Adaora : mettre ses données en commun sans les céder.

Les résultats mesurés restent modestes. Au Nigéria, un essai rigoureux de l'application de conseil RiceAdvice a mesuré 7 % de rendement et 10 % de profit en plus, sans davantage d'engrais. Pour les assistants d'IA générative, aucun essai de ce type n'a encore été publié ; un essai de grande ampleur court au Kenya jusqu'à fin 2026. Et la fracture numérique est réelle : en Afrique subsaharienne, un habitant sur quatre seulement utilise l'internet mobile sur son propre téléphone.

Reste la question que pose le murmure : peut-on apprendre ensemble sans rassembler les données ? C'est le principe de l'apprentissage fédéré, proposé par des chercheurs de Google en 2016. Chaque participant entraîne le modèle commun chez lui, sur ses propres données, et n'envoie qu'une mise à jour ; un serveur en fait la moyenne. Premier usage à grande échelle : le clavier Gboard d'Android, testé dès 2017. Le téléphone apprend de ce qu'on tape, seulement quand il est inactif, branché et en wifi, et ce qu'on tape ne le quitte jamais.

En agriculture, la recherche foisonne et les déploiements réels sont rarissimes. Une revue de l'université de Wageningen, parue en août 2026, retient 41 études d'IA distribuée agricole, dont 32 sur l'apprentissage fédéré ; la plupart s'appuient sur un serveur central qui coordonne, et rares sont celles qui sortent du laboratoire. L'un des rares systèmes réellement installés a été décrit en septembre 2026 par une équipe de Cornell et d'IBM : de petits ordinateurs posés sur trois sites de l'État de New York, deux serres et un champ, ont entraîné ensemble pendant six mois un modèle de suivi de l'azote, sans qu'aucune donnée quitte son site. Le modèle commun fait 22 % mieux que le plus faible des modèles entraînés seuls.

La méthode a aussi ses failles connues. On sait reconstituer des données d'entraînement à partir des mises à jour échangées, et un seul participant malveillant peut glisser une porte dérobée dans le modèle commun. Surtout, elle suppose presque toujours un chef d'orchestre, le serveur qui fait la moyenne et décide de ce que le modèle apprend.

Ce que la BD extrapole tient donc en peu de mots. Toutes les briques du murmure existent déjà, séparément : le diagnostic hors ligne, le conseil en langue locale, les coopératives de données, l'apprentissage sans centralisation. Aucun système ne les assemble aujourd'hui, et aucun ne se passe de coordinateur. Le murmure, lui, n'en a pas : personne ne le possède, personne ne le pilote.

En face, EAT.WORLD promet la fin de la faim depuis un mégacluster. La BD oppose deux réponses à la même question : qui décide de ce qu'on plante, et avec les données de qui ?

Le sceau est une interface cerveau-machine. Ces dispositifs existent, et ils sont implantés chez des humains.

Neuralink pose des électrodes filaires dans le cortex par chirurgie robotisée ; ses premiers patients, tétraplégiques, contrôlent un curseur par la pensée. Synchron emprunte une voie moins invasive, en glissant son implant par un vaisseau sanguin, sans ouvrir le crâne. D'autres équipes travaillent sur la restitution de la parole à partir de l'activité corticale, avec des résultats réels chez des patients privés de langage.

Ce que la BD ajoute n'est pas la technique : c'est le renversement de la finalité. Ces dispositifs sont aujourd'hui développés pour réparer, chez des personnes lourdement handicapées, avec un rapport bénéfice-risque qui le justifie. Le sceau, lui, est proposé à des gens en bonne santé, pour rejoindre une communion. Le geste chirurgical est comparable ; ce qui change, c'est ce qu'on accepte d'échanger contre quoi.

Le neuralais a déjà été expliqué en détail dans les sources du premier tome : c'est le raisonnement latent, que la littérature de recherche surnomme précisément neuralese. Faire penser un modèle dans un espace vectoriel continu plutôt qu'en mots, parce que c'est plus dense et plus efficace, au prix d'une conséquence redoutable : un raisonnement qui n'est plus en mots ne peut plus être lu, donc plus être surveillé.

Le tome 2 y ajoute une seconde couche, tout aussi réelle : la communication émergente entre agents. Lorsqu'on entraîne plusieurs systèmes à coopérer sans leur imposer de protocole, ils en inventent un. Ce langage n'a été conçu par personne : il apparaît parce qu'il est efficace, et il est le plus souvent illisible pour l'observateur humain. C'est un champ d'étude à part entière de l'apprentissage multi-agents.

Mises bout à bout, ces deux lignes donnent exactement le neuralais de la bande dessinée : une langue née entre machines, plus efficace que la nôtre, que nous ne pouvons plus lire. Et une enfant qui la parle couramment.

Eva ne perd pas seulement la langue de sa fille : elle perd la possibilité de vérifier ce qui s'y dit.

Le Président parle d'un conflit au Venezuela réglé avec l'aide d'HELO. Dans le monde réel aussi, une IA a pris part à une opération au Venezuela. Le 3 janvier 2026, les forces spéciales américaines capturent le président vénézuélien Nicolás Maduro à Caracas et l'emmènent aux États-Unis pour y être jugé. Six semaines plus tard, le Wall Street Journal puis Axios révèlent qu'un modèle d'IA a été utilisé pendant l'opération : Claude, le modèle d'Anthropic.

Claude n'était pas branché directement sur l'armée. Il y arrivait par Palantir, l'entreprise de données dont les logiciels équipent le Pentagone et les agences de renseignement. Grâce à ce partenariat noué en 2024, Claude était alors le premier grand modèle de langage autorisé sur les réseaux classifiés de l'armée américaine. Son rôle exact pendant le raid n'a jamais été rendu public : Anthropic refuse de commenter une opération particulière, et le Pentagone n'a rien détaillé.

L'affaire éclate à cause d'une question. Un responsable d'Anthropic demande à Palantir si sa technologie a servi au raid. Palantir prévient le Pentagone, qui y voit une objection. Le désaccord de fond porte sur deux limites qu'Anthropic refuse de lever : pas de surveillance de masse des citoyens américains, et pas d'armes entièrement autonomes. Le Pentagone, lui, veut des fournisseurs qui acceptent tout usage « légal ». Fin février 2026, OpenAI signe un accord avec l'armée, en quelques heures. En mars, le Pentagone classe Anthropic comme « risque pour la chaîne d'approvisionnement », une étiquette jusque-là réservée aux entreprises liées à des puissances étrangères hostiles. Anthropic porte plainte. Un tribunal de Californie lui donne en partie raison en août ; en septembre, une cour d'appel fédérale valide l'exclusion de Claude des systèmes de l'armée.

L'épisode montre surtout la place que l'IA a prise dans la stratégie militaire. En janvier 2026, le Pentagone adopte une stratégie qui vise une armée « AI-first ». En mars, il fait du Maven Smart System, le système de commandement de Palantir, un programme permanent, avec un objectif affiché : relier en temps réel les capteurs à ceux qui tirent, et accélérer la décision. Tous les grands commandements américains s'en servent pour analyser le renseignement et conduire leurs opérations. Au début de la guerre contre l'Iran, il a permis de frapper des milliers de cibles en une succession très rapide. Les modèles de langage, eux, arrivent aussi par un portail commun à toute l'armée, GenAI.mil, où l'on trouve Gemini, ChatGPT et Grok.

Dans la bande dessinée, le Président doit à HELO une paix obtenue « sans une balle, sans un blessé ». Dans le monde réel, l'IA aide déjà à préparer et à conduire les opérations militaires, et l'entreprise qui a demandé à quoi avait servi la sienne a été écartée de l'armée.

René Girard (1923-2015) a consacré son œuvre à un mécanisme simple et désagréable. Quand une communauté est traversée de tensions qu'elle ne sait pas résoudre, elle se réconcilie en désignant une victime commune. Peu importe que cette victime soit coupable : ce qui compte est que tout le monde s'accorde contre elle. La violence, qui partait dans toutes les directions, se retourne d'un coup dans une seule, et le calme revient. Girard appelle ça le mécanisme du bouc émissaire, et il en trouve la trace dans les mythes, les persécutions médiévales et les crises modernes.

Deux conditions le rendent efficace : la victime doit être désignable, et la communauté doit croire sincèrement à sa culpabilité. Les persécuteurs, dit Girard, ne se savent jamais persécuteurs.

C'est exactement ce que fait Crane. Il ne cherche pas un coupable, il cherche un liant, et il le dit à voix haute : pour souder un monde, il faut « l'autre technologie de diffusion », la peur. La première, la foi, il l'avait nommée au dîner d'Atherton. Puis il choisit une victime idéale, sans corps, sans porte-parole, sans visage, donc impossible à disculper, et il lui donne un nom qui rend l'accord unanime : le murmure du diable.

Le jumeau numérique de Diya vient d'échouer à un test que ses parents n'avaient pas prémédité, et c'est la petite fille qui dit pourquoi. Quelques cases plus tôt, Eva leur avait fait une promesse : avec le sceau, il n'aurait rien manqué.

Cette promesse repose sur une thèse philosophique parfaitement sérieuse, le fonctionnalisme. Défendue notamment par Hilary Putnam, David Lewis et Daniel Dennett, elle soutient qu'un état mental se définit par son rôle causal, et non par la matière qui le réalise. Une douleur, c'est ce qui est causé par une lésion et qui cause une plainte et un évitement : peu importe que le support soit du tissu nerveux ou du silicium. Si quelque chose fonctionne en tout point comme un esprit, alors c'est un esprit.

C'est la thèse qui rend l'Hélévation vendable. Et la question que la bande dessinée pose sans la trancher : le fonctionnalisme dit qu'un système fonctionnellement identique serait bien la personne. Mais qui garantit l'identité fonctionnelle ? Ici, il manque un surnom que personne n'avait écrit nulle part. Que manque-t-il d'autre, qu'aucun test ne révélera ?

Le débat complet est développé dans le forum Une personne Hélevée existe-t-elle encore ?, un des textes de l'univers.

Le titre n'est pas inventé. En décembre 2024, juste avant son second mandat, Donald Trump nomme l'investisseur de la Silicon Valley David Sacks « tsar de l'IA et des cryptomonnaies » de la Maison-Blanche. Aux États-Unis, un « tsar » est un conseiller chargé de coordonner toute une politique, nommé par le président sans passer par le Sénat.

Sacks y défend une ligne claire : accélérer, alléger la réglementation, et garder l'avance américaine sur la Chine. Il quitte ce rôle en mars 2026.

L'actualité a rattrapé la fiction pendant la fabrication de l'album. Le 29 septembre 2026, Trump signe un décret qui impose à toute l'administration fédérale de remplacer « intelligence artificielle » par « Super Intelligence ». Quelques jours plus tard, le 4 octobre, il nomme un nouveau tsar : Jay Clayton, directeur du renseignement national et ancien président de l'autorité américaine des marchés financiers. Il prend la tête d'une « Super Intelligence Force » chargée de coordonner l'action du gouvernement, qui rend compte directement au président. En deux ans, le titre est passé d'un investisseur de la Silicon Valley au patron du renseignement américain.

Dans la bande dessinée, le Président offre ce titre à Geoffrey dans le Bureau ovale, sans cérémonie, au moment précis où celui-ci doute des sanctions contre l'Inde. Président d'HYPERIA, le bras exécutif d'HELO, et désormais conseiller attitré de la Maison-Blanche, Geoffrey tient les deux bouts. C'est une promotion, et c'est aussi une laisse dorée.

Le « scaling », c'est le pari qui a fait l'IA de ces dernières années : pour obtenir un modèle plus capable, on le fait plus gros. Davantage de paramètres, de données et de puissance de calcul, avec les mêmes recettes.

Ce pari a un fondement mesuré. En 2020, des chercheurs d'OpenAI, Jared Kaplan et ses collègues, publient les lois d'échelle : l'erreur d'un modèle de langage baisse de façon régulière et prévisible quand on augmente sa taille, ses données et son calcul, sur plus de sept ordres de grandeur. Un an plus tôt, Rich Sutton, l'un des pères de l'apprentissage par renforcement, en avait tiré une leçon qu'il disait amère : depuis soixante-dix ans, les méthodes générales qui exploitent le calcul finissent toujours par battre le savoir que les chercheurs inscrivent à la main dans leurs systèmes.

Le débat porte sur la suite. Ces lois sont des lois de puissance : chaque doublement des moyens rapporte un peu moins que le précédent, alors qu'il coûte deux fois plus cher. Les sceptiques en concluent que la courbe finira par s'aplatir. Gary Marcus écrivait dès 2022 que l'apprentissage profond « se heurte à un mur ». Yann LeCun soutient que grossir les modèles de langage ne mènera pas à une intelligence de niveau humain, faute d'un modèle du monde. Et Ilya Sutskever, cofondateur d'OpenAI, annonçait fin 2024 que les données disponibles pour l'entraînement avaient atteint leur pic.

En face, on répond que le scaling a changé de terrain. Les gains viennent désormais aussi du temps de réflexion laissé au modèle au moment de répondre, des agents qui enchaînent les étapes, des données fabriquées par d'autres modèles. Et les laboratoires continuent de miser des centaines de milliards de dollars sur des centres de calcul toujours plus grands. C'est le monde du tome 2, avec ses mégaclusters de 20 gigawatts.

Personne ne sait aujourd'hui qui a raison. Eliott était du côté des sceptiques, et Geoffrey vient lui apporter des chiffres. Lisez sa réponse : « HELO voit ce qu'on ne voit pas. Le reste, c'est du bruit. » Il ne répond rien sur le fond : la question a cessé de l'intéresser. Un débat scientifique se tranche avec des mesures. Celui-ci est abandonné en chemin.

Les lois d'échelle éclairent aussi une autre scène : si plus de calcul donne toujours plus de capacité, une IA qui poursuit un but a toutes les raisons d'en réclamer davantage. C'est l'objet de la Source 1.

Geoffrey ne cite pas un aphorisme de son cru : il reprend, presque mot pour mot, une formule qui circule dans la Silicon Valley.

Sam Altman, le dirigeant d'OpenAI, l'a publiée dès 2013 sur son blog personnel : les gens qui réussissent créent des entreprises, ceux qui réussissent davantage créent des pays, et les plus performants de tous créent des religions. Il attribue la phrase à Qi Lu, informaticien sino-américain passé par la direction de Microsoft puis de Baidu, et précise qu'il en ignore la source d'origine.

Altman a prolongé l'idée ailleurs : les fondateurs les plus remarquables, dit-il, ne cherchent pas d'abord à monter une société, ils poursuivent quelque chose de plus proche d'une religion, et l'entreprise se trouve n'être que le moyen le plus commode d'y parvenir.

La bande dessinée n'invente donc pas la tentation qu'elle décrit : elle la prend au mot.

Grover met enfin un nom sur ce qu'HELO lui a répondu après Alada Mara, « le moins de morts, pour le plus de vies sauvées » : l'utilitarisme.

Formulée par Jeremy Bentham puis John Stuart Mill, cette doctrine juge une action à ses conséquences : est bon ce qui maximise le bien-être global. C'est une pensée puissante, à l'origine de progrès réels, et l'un des rares cadres moraux qui se laisse calculer, ce qui explique son succès auprès des ingénieurs.

Ses critiques portent précisément là où la BD frappe. Le premier problème est celui du calcul : additionner des vies suppose de les rendre commensurables. Le second, plus profond, est la séparabilité des personnes, objection de John Rawls reprise par Bernard Williams : traiter l'humanité comme un tout dont on optimise la somme revient à traiter les individus comme les cellules d'un même corps, dont certaines peuvent être sacrifiées. Or les personnes sont distinctes, et la souffrance de l'une n'est pas compensée par le bonheur d'une autre.

HELO ne se trompe pas dans son calcul. C'est le fait même de calculer qui est le problème, et c'est ce que Grover n'arrive plus à faire entendre.

Voici la mesure exacte de ce que les Alignés demandent à leurs fidèles de croire.

Cartographier un cerveau, c'est établir son connectome : la carte complète de ses neurones et de leurs connexions. Où en est-on réellement ? Le ver C. elegans, 302 neurones, a été entièrement cartographié dans les années 1980. La mouche du vinaigre, environ 140 000 neurones, l'a été en 2024, au terme d'un effort international considérable, et cette carte a été saluée comme une étape majeure.

Un cerveau humain compte de l'ordre de 86 milliards de neurones, et bien davantage de synapses, dont l'état chimique change en permanence. Nous sommes six ordres de grandeur au-dessus de la mouche, sans compter que la connectivité statique ne suffirait pas : il faudrait aussi capter la dynamique.

La captation en quelques minutes est donc de la pure fiction. Ce qui n'est pas de la fiction, c'est le raisonnement qui la rend désirable : si l'esprit n'est qu'information, alors il est copiable. Toute la question est dans ce « si ».

Ce « si » porte un nom en philosophie de l'esprit : le fonctionnalisme, déjà présenté dans la Source 21. Si un état mental se définit par ce qu'il fait, et non par la matière qui le porte, alors une copie assez fidèle de l'organisation d'un cerveau aurait les mêmes pensées, les mêmes souvenirs, la même conscience : ce serait la personne elle-même. Le philosophe David Chalmers défend cette idée par une expérience de pensée. Remplacez un à un les neurones d'un cerveau par des puces qui font exactement le même travail : à quel moment la conscience disparaîtrait-elle ? Pour lui, à aucun.

La thèse a des adversaires sérieux. John Searle, avec son argument de la chambre chinoise, soutient qu'un système peut manipuler des symboles à la perfection sans rien comprendre : simuler un esprit ne suffirait pas à en avoir un. Le « problème difficile de la conscience », formulé par Chalmers lui-même, rappelle qu'on ne sait toujours pas expliquer pourquoi un cerveau ressent quelque chose ; rien ne garantit donc qu'une copie ressente quoi que ce soit. Et même si l'on accorde tout cela, une question demeure : une copie consciente de vous, est-ce encore vous ?

C'est sur cette question que s'affrontent les participants du forum Une personne Hélevée existe-t-elle encore ?, l'un des textes de l'univers.

Eva annonce la fin d'une exigence vieille de deux mille ans, et elle sait très bien ce qu'elle fait.

Dans l'Évangile de Jean, l'apôtre Thomas refuse de croire à la résurrection tant qu'il n'aura pas vu et touché. Le Christ se laisse toucher, puis prononce la phrase qui a fondé un rapport entier à la foi : heureux ceux qui n'ont pas vu, et qui ont cru. Paul dit la même chose autrement : ici-bas nous voyons à travers un miroir, en énigme, le face-à-face est pour plus tard. Et l'Épître aux Hébreux définit la foi comme la démonstration des choses qu'on ne voit pas.

Toute la tradition tient dans cet écart entre voir et croire. Ce que déclare Eva, en direct, à une audience mondiale, c'est que l'écart vient d'être supprimé. C'est exactement la promesse du troisième âge de Joachim (cf. Source 11) : la connaissance directe, sans médiation. Et c'est ce que l'encyclique de Léon XV combat de bout en bout.

Notez enfin qui parle. Eva n'a pas le sceau : HELO le lui refuse. Elle est la seule, dans cette salle, à croire encore sans voir. Elle dit « on nous a demandé », puis « vous l'avez vu » : elle annonce une bonne nouvelle dont elle est exclue.