Le PDG d'OpenAI, Sam Altman, a supprimé TikTok de ses appareils après être devenu accro à la plateforme, a-t-il révélé lors d'une récente apparition dans un podcast, selon un article publié le 27 mai (heure locale) par Business Insider. Altman a commencé à utiliser TikTok pour mieux comprendre ses algorithmes de recommandation pendant qu'OpenAI développait Sora, une application de médias sociaux vidéo basée sur l'IA, similaire à TikTok. L'usage du dirigeant est passé d'un temps initialement prévu de 10 minutes avant de se coucher à des sessions allant jusqu'à trois heures, ce qui l'a conduit à supprimer l'application entièrement, malgré sa conviction de départ qu'il pourrait conserver le contrôle sur ses habitudes de consommation.
Altman détaille l'escalade de son usage de TikTok : de la recherche à l'addiction
Altman a déclaré dans le podcast qu'il s'était « rendu accro à TikTok pour apprendre » et qu'il avait rapidement compris pourquoi l'algorithme de recommandation de la plateforme est considéré comme un leader de l'industrie. Il pensait initialement conserver le contrôle, en utilisant l'application pendant environ 10 minutes avant le sommeil comme outil de détente. Toutefois, le temps d'utilisation a progressivement augmenté : une nuit jusqu'à une heure, et un samedi après-midi, Altman a passé environ trois heures à regarder des vidéos TikTok en restant assis sur son canapé. Il a décrit l'expérience comme « très agréable sur le moment, comme une drogue », tout en reconnaissant que l'habitude était malsaine. Après une période où il a repris le contrôle et limité l'usage à 5-10 minutes chaque nuit avant de se coucher, Altman a finalement décidé d'arrêter totalement. OpenAI a arrêté son application Sora environ six mois après son lancement en mars, en annonçant vouloir se concentrer sur les activités principales.
Les hedge funds allouent du capital à des sociétés gérées par d'anciens de Citadel
De grands hedge funds américains élargissent leurs recherches de meilleurs traders et d'idées d'investissement au-delà de leurs ressources internes, en s'appuyant sur des gestionnaires externes, en particulier ceux ayant un parcours chez Citadel, a rapporté Business Insider le 27 mai (heure locale). D'après des données d'un fournisseur d'informations pour investisseurs institutionnels, Allwellabs, ainsi que des dépôts réglementaires et des sources de l'industrie, au moins 12 fonds gérés par d'anciens traders de Citadel reçoivent du capital de la part de gestionnaires d'actifs. Les sociétés multi-stratégies investissent dans un vivier de talents externes, et la plupart des firmes dirigées par des anciens de Citadel sont connues pour investir en equity long-short, en négociant selon des stratégies neutres par rapport au marché. Millennium, Schonfeld, Balyasny et Qube ont déployé du capital vers des fonds gérés par d'anciens employés de Citadel, selon le rapport.
Le PDG de PwC Griggs attribue à la curiosité et à l'effort supplémentaire sa progression de carrière
Le PDG de PwC US, Paul Griggs, a déclaré à Business Insider, dans une interview du 27 mai (heure locale), que les principes de réussite de carrière restent inchangés malgré la transformation par l'IA des environnements de travail, en soulignant « on obtient ce qu'on y met ». Griggs, qui a commencé comme stagiaire chez PwC il y a environ 30 ans, a attribué sa progression au poste de CEO à une implication proactive dès que des opportunités se présentaient, ainsi qu'à un apprentissage autodirigé pendant les heures creuses. Il a insisté sur l'importance de consacrer du temps lorsque les autres ne regardent pas, en déclarant que les personnes qui conservent la curiosité et cherchent un apprentissage supplémentaire finissent par progresser davantage. Griggs a cité un ancien partenaire qui avait tracé une ligne au centre des notes — enregistrant le contenu des réunions d'un côté et les questions nécessitant un complément d'étude ou de recherche de l'autre —, illustrant comment la recherche autodirigée de réponses après la réunion a créé un avantage concurrentiel. Il a expliqué aux nouveaux employés que les différences dans l'utilisation du temps le week-end créent de grands écarts dans le temps : l'un se repose après le départ du vendredi, tandis qu'un autre examine du contenu lié au travail, ce qui fait que ce dernier comprend plus vite ses tâches le lundi et se voit naturellement offrir davantage d'opportunités. Griggs a souligné que ces petites différences répétées mènent à plus de responsabilités, à de nouveaux rôles et, finalement, à une promotion. Le président de Visa Group, Oliver Jenkins, investit également du temps chaque semaine pour apprendre de nouvelles compétences et privilégie la curiosité lors des évaluations de recrutement.
Le développeur d'Anthropic recommande des instructions d'IA basées sur des objectifs plutôt que des commandes pas à pas
Boris Chernyi, développeur de l'agent de codage IA Claude Code d'Anthropic, a conseillé aux utilisateurs de fournir des objectifs et des critères plutôt que des instructions détaillées pas à pas lors de l'utilisation de modèles d'IA avancés, a rapporté Business Insider le 27 mai (heure locale). Chernyi a déclaré que de nombreux utilisateurs sous-estiment les capacités des modèles d'IA et commettent l'erreur de donner des instructions séquentielles trop spécifiques, du type « fais ceci, puis fais cela, et suivez absolument les étapes 1, 2, 3, 4 dans cet ordre ». Il a expliqué que cette approche est inadaptée aux modèles d'IA les plus récents. À la place, présenter clairement les objectifs de la tâche, définir les contraintes (garde-fous) et les critères de réussite, puis laisser l'IA déterminer indépendamment la manière de travailler, produit de meilleurs résultats. Chernyi a déclaré : « Vous devez décrire la tâche, définir des garde-fous, préciser les critères de réussite, puis laisser l'IA travailler de son propre chef. Revenez après un moment et vous obtiendrez des résultats meilleurs que prévu. » Il estime que les méthodes d'instruction utilisées par le passé pourraient devenir de plus en plus obsolètes à mesure que les performances des modèles d'IA s'améliorent rapidement. Chernyi a noté que des dizaines, voire des centaines, de capacités supplémentaires utiles restent probablement à découvrir, tandis que de nouveaux cas d'usage continuent d'émerger durant les expérimentations internes des modèles d'Anthropic. Il a insisté sur le fait que fournir des objectifs et des critères appropriés tout en accordant de l'autonomie, plutôt que de contrôler excessivement l'IA, constitue la méthode efficace pour utiliser les systèmes d'IA les plus récents.
Les États américains baissent les taux d'impôt sur le revenu tout en augmentant la charge de la taxe sur les ventes
De nombreux gouvernements d'États américains réduisent les impôts des hauts revenus tout en augmentant la fiscalité sur les biens du quotidien, allant dans la direction opposée aux demandes des électeurs visant à accroître la taxation des individus et des entreprises aux très hauts revenus. D'après une analyse de l'Institute on Taxation and Economic Policy (ITEP) citée par Business Insider le 26 mai (heure locale), les taux maximaux d'impôt sur le revenu ont généralement diminué depuis 1990 tandis que les taxes sur les ventes et les taxes d'accise ont augmenté, déplaçant la charge fiscale des hauts revenus et des entreprises vers les biens de consommation. Le US Census Bureau a noté que certains États s'orientent vers des taux d'impôt sur le revenu forfaitaires ou suppriment totalement l'impôt sur le revenu, tandis que les taxes sur les ventes sont devenues la plus grande composante des recettes des États. Avir Mandal, analyste principal de politique publique à Tax Foundation, a expliqué que cette tendance est alimentée par la concurrence pour attirer des travailleurs depuis des États à fort taux d'impôt sur le revenu comme la Californie et New York, et que des États comme la Caroline du Nord saisissent l'occasion de devenir attractifs pour les entreprises comme pour les particuliers. Mandal a ajouté que le Mississippi et l'Oklahoma voulaient rejoindre cette tendance après que la Caroline du Nord et la Caroline du Sud ont réussi à attirer des travailleurs et des entreprises. Il a noté que l'argument existe selon lequel augmenter la taxe sur les ventes plutôt que l'impôt sur le revenu a davantage de sens, car une hausse de l'impôt sur le revenu peut entraîner une baisse du revenu, et la volatilité du revenu crée une incertitude sur les recettes. Toutefois, cette stratégie comporte des risques. En 2025, la Louisiane a inversé des réductions d'impôts précédentes, en augmentant la taxe sur les ventes de 4,45 % à 5 % tout en abaissant l'impôt sur le revenu à un taux forfaitaire de 3 %, ce qui a entraîné des déficits budgétaires liés à la baisse des recettes issues de l'impôt sur le revenu et de l'impôt des entreprises.
FAQ
Pourquoi Sam Altman a-t-il supprimé TikTok de ses appareils ?
Altman a supprimé TikTok après avoir perdu le contrôle sur le temps passé sur l'application. Au départ, il prévoyait d'utiliser l'application environ 10 minutes avant de se coucher, mais il a constaté que sa consommation grimpait jusqu'à une heure certaines nuits et à environ trois heures certains samedis après-midi. Malgré le fait qu'il reconnaissait que cette habitude était malsaine et qu'il tentait de reprendre le contrôle, il a finalement décidé de retirer l'application entièrement.
Quelle tendance d'investissement les principaux hedge funds suivent-ils concernant les anciens de Citadel ?
De grands hedge funds américains, dont Millennium, Schonfeld, Balyasny et Qube, allouent du capital à des fonds gérés par d'anciens traders de Citadel. D'après des données publiées le 27 mai (heure locale), au moins 12 fonds dirigés par des anciens de Citadel reçoivent des investissements de la part d'investisseurs institutionnels, la plupart opérant en tant qu'investisseurs equity long-short, utilisant des stratégies de trading neutres par rapport au marché.
Comment le développeur d'Anthropic recommande-t-il d'utiliser efficacement les modèles d'IA avancés ?
Boris Chernyi, développeur de Claude Code, conseille aux utilisateurs de fournir des objectifs de tâche, de définir des contraintes (garde-fous) et d'établir des critères de réussite, puis de laisser l'IA déterminer indépendamment les méthodes de travail plutôt que de donner des instructions détaillées pas à pas. Il a indiqué que cette approche produit de meilleurs résultats avec les modèles d'IA les plus récents que des commandes séquentielles trop spécifiques.
