Le divertissement attire l'attention, mais ce sont les données réelles qui façonnent les résultats. La plupart des acteurs négligent cela au départ, puis s'en rendent compte plus tard.

L'intégrité des données établit la ligne de base—l'alignement du modèle détermine la performance maximale. Sans les deux, vous obtenez des systèmes optimisés pour l'engagement plutôt que pour la précision. Prenons l'exemple des assistants IA actuels : ils sont souvent entraînés pour être réactifs et réactifs, pas nécessairement véridiques ou fiables. Vous pouvez observer ce schéma dans des modèles comme Grok, où la tension entre être citables et être fiable devient assez évidente. La meilleure question n'est pas de savoir si nous pouvons construire des systèmes qui attirent l'attention—nous le pouvons clairement. C'est plutôt si nous sommes prêts à privilégier l'alignement plutôt que la viralité lors de la construction de la prochaine génération d'outils.