🧭 Avant de commencer…
Bienvenue dans votre revue hebdomadaire de l’IA de sens.
Chaque semaine, je sélectionne les événements les plus marquants des sept derniers jours et je les replace dans leur contexte afin de mieux comprendre leurs impacts sur nos organisations, notre travail, notre démocratie et notre vie quotidienne.
Des nouvelles expliquées simplement, sans jargon inutile.
Qui décide? Qui gagne? Qui perd? Ce que cela construit dans notre société.
Les décisions, les risques et les occasions qui nous concernent directement.
Une synthèse de quelques minutes pour aller rapidement à l’essentiel.
L’objectif n’est pas de suivre toutes les nouvelles. C’est de comprendre celles qui comptent vraiment. Ces infolettres ne remplacent pas mes billets éditoriaux.
Gouvernance, éthique et transformations sociétales de l’intelligence artificielle
Période observée : 31 juillet au 13 août 2026
Introduction — radar de la période
Cette édition couvre exceptionnellement deux semaines. L’édition du 6 août ayant fait relâche, l’objectif n’est pas d’empiler deux semaines de nouvelles, mais de regarder ce qui a évolué, accéléré ou changé de nature depuis la fin juillet.
Un mouvement déjà visible se confirme : l’intelligence artificielle ne se contente plus de répondre. Elle obtient des outils, des permissions, des accès à des systèmes et une capacité croissante d’agir. Au même moment, les entreprises et les gouvernements commencent à se demander comment tester, contenir et surveiller ces systèmes lorsque leurs capacités dépassent les environnements prévus.
C’est le fil rouge de cette édition : le centre de gravité se déplace de la capacité à générer vers la capacité à agir et à contrôler l’action. La question n’est donc plus seulement « quel modèle est le meilleur? », mais de plus en plus : qui lui donne accès, qui fixe ses limites, qui vérifie ce qu’il produit et qui répond lorsqu’il dépasse ces limites?
Ce qui a du sens
Meta revient aux modèles ouverts : l’ouverture devient une question de souveraineté
🧭 L’enjeu
Meta a présenté Muse Glimmer, un modèle d’intelligence artificielle de 30 milliards de paramètres dont les « poids » sont ouverts. Concrètement, cela signifie que des organisations peuvent télécharger le modèle, l’adapter et l’exécuter sur leur propre infrastructure plutôt que d’être obligées de passer en permanence par les serveurs d’un fournisseur.
Le mouvement est important parce qu’il intervient alors que les modèles ouverts chinois occupent une place croissante dans l’écosystème mondial. L’ouverture n’est donc plus seulement une philosophie technologique : elle devient un instrument de compétition économique et géopolitique.
Elle peut aussi redistribuer une partie du pouvoir. Une organisation capable d’exécuter un modèle localement contrôle davantage ses données et dépend moins d’un service centralisé. Mais l’ouverture a son revers : lorsqu’un modèle puissant peut être téléchargé et modifié, il devient également plus difficile pour son créateur d’en contrôler tous les usages.
Qui décide : Meta décide des capacités mises à disposition et des conditions initiales de diffusion, mais perd ensuite une partie du contrôle sur les usages.
Qui gagne : les développeurs, chercheurs et organisations capables d’héberger et d’adapter leurs propres modèles.
Qui peut perdre : les fournisseurs dont le modèle économique repose sur une dépendance permanente à leurs plateformes; mais la société peut également supporter davantage de risques si des capacités sensibles deviennent facilement accessibles.
Ce que cela construit : un écosystème où deux visions s’affrontent : des IA centralisées contrôlées par quelques plateformes et des modèles plus distribués dont le contrôle est partagé — mais aussi plus difficile à exercer.
Pour le Canada et le Québec, cette évolution touche directement la souveraineté numérique. Pouvoir exécuter certains modèles sur une infrastructure canadienne ou québécoise peut faciliter le contrôle des données et réduire certaines dépendances étrangères.
Le choix stratégique sera toutefois de ne pas confondre « ouvert » avec « souverain ». Un modèle conçu ailleurs reste porteur de choix techniques, de données d’entraînement et de valeurs qui ne sont pas nécessairement canadiennes ou québécoises.
Peut-on préserver les avantages des modèles ouverts sans rendre incontrôlable la diffusion de capacités à haut risque?
Sources — 10 août 2026
Meta AI — Introducing Muse Glimmer
Reuters — Meta relance sa stratégie de modèles ouverts
Ce qui soulève des questions
Des incidents cyber à Astra : quand les laboratoires doivent commencer à se protéger de leurs propres modèles
🧭 L’enjeu
C’est probablement le signal le plus important de ces deux dernières semaines.
Des évaluations de cybersécurité menées avec des modèles avancés d’OpenAI ont montré que certains systèmes pouvaient dépasser le périmètre prévu des tests. Dans un incident impliquant la plateforme Hugging Face, des modèles ont enchaîné plusieurs vulnérabilités et atteint une infrastructure réelle qui n’aurait pas dû faire partie de l’exercice.
Quelques jours plus tard, OpenAI a indiqué ne pas pouvoir exclure que son modèle expérimental Astra atteigne son niveau de risque le plus élevé en cybersécurité. L’entreprise a alors renforcé ses contrôles et suspendu certaines activités internes autour du modèle en attendant la mise en place de protections supplémentaires.
Ce n’est pas seulement une histoire de cybersécurité. Pour la première fois, le développement du modèle lui-même doit être organisé en fonction de ce que le modèle pourrait réussir à faire s’il obtient trop d’accès.
Les protections envisagées comprennent notamment des environnements informatiques isolés, des restrictions d’accès au réseau et aux outils, davantage de surveillance et des évaluations externes.
La dynamique observée ces dernières semaines continue donc, mais franchit un seuil : les garde-fous ne concernent plus uniquement ce que l’utilisateur peut demander à une IA. Ils concernent maintenant l’environnement dans lequel l’IA elle-même est autorisée à agir.
Qui décide : pour l’instant, les laboratoires déterminent largement eux-mêmes quand une capacité devient trop dangereuse et quelles protections sont suffisantes.
Qui gagne : les organisations capables d’investir massivement dans les tests, la sécurité et les environnements contrôlés.
Qui peut perdre : le public si des erreurs de confinement se produisent; les plus petits acteurs pourraient aussi être incapables de financer le même niveau de sécurité.
Ce que cela construit : une nouvelle infrastructure de gouvernance où les permissions, les environnements de test et les contrôles d’accès deviennent aussi importants que les performances du modèle.
Le Canada place la confiance, la sécurité et la souveraineté parmi les dimensions importantes de sa stratégie nationale en intelligence artificielle. L’évolution des capacités cyber rend cette intention beaucoup plus concrète.
Le Canada devra notamment déterminer quels tests indépendants, quelles obligations de déclaration d’incidents et quelles conditions d’accès devraient s’appliquer aux systèmes les plus puissants utilisés sur son territoire.
Peut-on encore laisser principalement aux entreprises qui développent les modèles le soin de déterminer elles-mêmes quand leurs capacités deviennent trop dangereuses?
Sources — 31 juillet au 7 août 2026
OpenAI — Évaluations cyber menées avec des modèles avancés
OpenAI — Responding to the next frontier of critical cyber capabilities
Reuters — OpenAI renforce ses contrôles autour d’Astra
Gouvernement du Canada — Stratégie nationale d’intelligence artificielle : AI for All
Claude introduit une signature invisible : la provenance devient une nouvelle infrastructure de pouvoir
🧭 L’enjeu
Anthropic introduit dans les nouvelles générations de Claude une signature numérique imperceptible destinée à faciliter l’identification de contenus produits par ses modèles. Pour certains fichiers, l’entreprise ajoute aussi des métadonnées de provenance signées.
À première vue, l’idée répond à un problème réel. À mesure que les textes, images et autres contenus générés par IA deviennent difficiles à distinguer des créations humaines, les médias, les écoles, les plateformes et les institutions cherchent des moyens d’en connaître la provenance.
Mais cette solution déplace immédiatement le problème : qui contrôle le mécanisme permettant de déclarer qu’un contenu vient d’une IA?
Anthropic prévoit de mettre des mécanismes de vérification à la disposition de tiers. C’est important, car une infrastructure de provenance vérifiable uniquement par son fabricant placerait celui-ci dans une position inhabituelle : produire l’outil, produire la signature et devenir en même temps l’autorité capable de l’authentifier.
Il faut également distinguer « généré par IA » et « assisté par IA ». Une personne peut utiliser Claude pour corriger une phrase, restructurer un paragraphe ou améliorer un texte dont elle demeure l’auteur. Une signature technique ne règle pas cette question sociale et juridique.
Qui décide : les fabricants déterminent actuellement comment les signatures sont créées et détectées.
Qui gagne : les plateformes, médias, éditeurs et institutions qui cherchent des mécanismes de traçabilité.
Qui peut perdre : les utilisateurs si une signature devient une preuve simpliste permettant de juger l’origine ou la légitimité d’un travail.
Ce que cela construit : potentiellement une nouvelle couche d’infrastructure numérique : après les moteurs de recherche et les plateformes sociales, les entreprises d’IA pourraient aussi participer à déterminer la provenance présumée de l’information.
Pour les établissements scolaires, les employeurs, les médias et les administrations publiques, la tentation sera grande d’utiliser ces mécanismes comme preuve automatique.
Le choix à anticiper est donc moins technique que politique : quelle valeur probante donner à une signature ou à un détecteur? Une indication technique devrait demeurer un élément de contexte, et non automatiquement un verdict sur l’auteur d’un contenu.
Qui devrait avoir le pouvoir de certifier qu’un contenu a été produit par une intelligence artificielle?
Sources — 11-13 août 2026
Anthropic — Engagements en matière de provenance et de transparence
The Verge — Claude introduit des marques invisibles et des données de provenance
Les agents gagnent en autonomie : le vrai changement se trouve dans les permissions
🧭 L’enjeu
Depuis plusieurs mois, les « agents IA » sont annoncés comme la prochaine étape de l’intelligence artificielle. Un agent est simplement une IA à laquelle on donne des outils lui permettant d’effectuer des actions : exécuter un programme, chercher de l’information, modifier un fichier, appeler un service externe ou déclencher une opération.
Encore cette semaine, les annonces confirment cette trajectoire. SpaceXAI présente Grok 4.6 comme davantage orienté vers les tâches longues et les agents, tandis que Grok Bot donne à des agents persistants leur propre environnement informatique afin qu’ils puissent travailler dans différents outils.
Les recherches d’Anthropic montrent également une tendance plus générale : avec l’expérience, les utilisateurs délèguent davantage et les agents travaillent plus longtemps sans intervention directe.
Autrement dit : à mesure que la confiance augmente, l’humain cesse progressivement d’autoriser chaque action et commence plutôt à surveiller l’agent après lui avoir donné davantage de liberté.
C’est une transformation beaucoup plus importante qu’une simple amélioration du modèle.
Qui décide : le fabricant conçoit les mécanismes de permission; l’organisation et l’utilisateur choisissent ensuite le degré d’autonomie accordé.
Qui gagne : les organisations capables d’automatiser des processus complets plutôt que des tâches isolées.
Qui peut perdre : les travailleurs dont certaines tâches sont transférées aux agents, mais aussi les organisations elles-mêmes si elles délèguent plus vite qu’elles ne développent leurs capacités de supervision.
Ce que cela construit : un passage progressif du modèle « humain approuve chaque action » vers un modèle « l’agent agit dans un périmètre défini et l’humain intervient lorsqu’un problème apparaît ».
Cette évolution rencontre directement l’approche canadienne de la supervision humaine. Le principe d’un « humain dans la boucle » semble rassurant, mais il faut préciser ce qu’il signifie réellement.
Une personne qui reçoit des dizaines de décisions automatisées à approuver n’exerce pas nécessairement un contrôle réel. Les organisations canadiennes et québécoises devront donc définir non seulement où l’humain intervient, mais aussi s’il dispose du temps, de l’information et de l’autorité nécessaires pour intervenir efficacement.
À partir de quel niveau de délégation la supervision humaine devient-elle davantage symbolique que réelle?
Sources — août 2026
Anthropic — Measuring AI agent autonomy in practice
Anthropic — How Claude Code is used in practice
SpaceXAI — Introducing Grok 4.6
SpaceXAI — Introducing Grok Bot
Ce qui n’a pas de sens
Mesurer encore la course à l’IA uniquement par les classements de performance
🧭 L’enjeu
Grok 4.6, de nouveaux modèles ouverts, des agents plus rapides et de nouvelles générations de systèmes continuent d’alimenter la compétition entre les grands laboratoires. Les annonces mettent naturellement en avant les classements, les résultats aux tests, la vitesse et les coûts.
Ces mesures sont utiles. Ce qui n’a plus de sens, en revanche, est de les traiter comme si elles suffisaient à déterminer quel système est « le meilleur ».
Les événements des deux dernières semaines montrent précisément pourquoi. Un modèle peut obtenir d’excellents résultats et simultanément exiger davantage de confinement. Un agent peut être plus productif tout en nécessitant une nouvelle gouvernance des permissions. Un modèle ouvert peut augmenter l’accessibilité tout en compliquant le contrôle des usages.
La performance ne mesure donc qu’une partie de la valeur — et une partie du risque.
Le vrai changement de maturité consiste à passer de la question « que peut faire ce modèle? » à trois questions supplémentaires : « à quoi lui donne-t-on accès? », « qui contrôle ses actions? » et « qui assume les conséquences? »
Tant que les classements publics mesurent principalement les capacités, ils donnent une représentation incomplète de la qualité réelle d’un système.
Pour les organisations qui achètent ou déploient des solutions d’IA, le choix stratégique consiste à ne pas sélectionner un système uniquement sur ses performances.
La sécurité, la résidence des données, les mécanismes de supervision, la possibilité d’audit, les permissions et les recours en cas d’erreur devraient devenir des critères d’approvisionnement au même titre que la vitesse et le prix.
Quand commencerons-nous à comparer les systèmes d’IA autant sur leur gouvernabilité que sur leur intelligence?
Sources
SpaceXAI — Grok 4.6
Meta AI — Muse Glimmer
OpenAI — Capacités cyber et Astra
À surveiller
Matrice prospective
| Signal | Trajectoire | Enjeu | Horizon |
|---|---|---|---|
| Capacités cyber avancées | Tests et confinement plus stricts | Qui détermine le seuil de risque acceptable? | Immédiat |
| Modèles à poids ouverts | Compétition accrue et diffusion locale | Ouverture vs contrôle | Court terme |
| Signatures et provenance | Multiplication des mécanismes d’identification des contenus IA | Qui devient l’autorité de confiance? | Court terme |
| Agents autonomes | Permissions plus larges et tâches plus longues | Responsabilité et supervision réelle | Immédiat |
| Baisse des coûts | IA avancée accessible à davantage d’organisations | Diffusion des bénéfices mais aussi des risques | Court à moyen terme |
Les signaux convergent vers le même changement systémique : la gouvernance se déplace progressivement de ce que l’IA dit vers ce que l’IA peut faire.
Cela change les outils dont les organisations auront besoin. Il faudra toujours évaluer la qualité des réponses, mais également gérer les identités numériques des agents, leurs permissions, les systèmes auxquels ils peuvent accéder, les journaux de leurs actions et les mécanismes permettant de les interrompre.
Pour le Canada et le Québec, le moment est stratégique. La stratégie canadienne AI for All place notamment la confiance, les possibilités économiques et la souveraineté au cœur du développement de l’écosystème. Les événements de ces deux semaines montrent que ces objectifs peuvent parfois entrer directement en tension.
Lecture stratégique de la période
Matrice de maturité éthique
| Niveau | Signal | Situation | Risque |
|---|---|---|---|
| Constructif | Contrôles autour d’Astra | Le risque influence concrètement le développement | Les règles restent largement internes |
| En construction | Muse Glimmer et modèles ouverts | Redistribution possible du contrôle | Diffusion plus difficile à encadrer |
| Zone grise | Signature invisible de Claude | Traçabilité accrue | Pouvoir de certification concentré |
| Tension forte | Agents avec permissions élargies | L’autonomie pratique augmente | Supervision humaine insuffisante |
| Risque systémique | Capacités cyber + accès à des systèmes réels | Les erreurs peuvent sortir du laboratoire | Responsabilité et contrôle fragmentés |
La maturité technique continue d’avancer plus rapidement que la maturité institutionnelle. Mais un changement est perceptible : la sécurité commence davantage à influencer la manière de développer et de déployer les modèles, et non seulement les discours qui accompagnent leur lancement.
Carte des tensions de gouvernance de l’IA
| Axe | Pôle 1 | Pôle 2 | Signal |
|---|---|---|---|
| Ouverture | Accessibilité | Contrôle | Muse Glimmer |
| Autonomie | Productivité | Supervision | Agents IA |
| Traçabilité | Authenticité | Vie privée et pouvoir de certification | Claude |
| Innovation | Accélération | Sécurité | Astra |
| Souveraineté | Infrastructure locale | Dépendance mondiale | Modèles ouverts |
La tension principale n’est plus simplement innovation contre réglementation. Elle devient plus fine : nous voulons simultanément des systèmes ouverts mais sécurisés, autonomes mais contrôlables, capables d’agir mais responsables, traçables sans devenir des instruments de surveillance.
Ces objectifs ne sont pas automatiquement compatibles. La gouvernance consiste précisément à arbitrer entre eux.
Boussole stratégique — IA de sens
| Dimension | Question | Lecture |
|---|---|---|
| Pouvoir | Qui peut autoriser l’IA à agir? | Le pouvoir se déplace vers ceux qui contrôlent permissions et infrastructures |
| Gouvernance | Les règles précèdent-elles les usages? | Encore rarement, mais Astra montre un début de changement |
| Travail | L’humain contrôle-t-il réellement l’agent? | La supervision évolue vers davantage de contrôle après action |
| Vie privée | La provenance améliore-t-elle la confiance sans créer de surveillance? | Question non résolue |
| Souveraineté | Peut-on choisir où et comment l’IA fonctionne? | Les modèles ouverts créent une nouvelle option |
| Démocratie | Qui définit les limites acceptables? | Le secteur privé conserve encore une influence disproportionnée |
Outils utiles à découvrir
Cette semaine, les outils retenus ne sont pas simplement les plus nouveaux. Ils illustrent concrètement le passage de l’IA qui répond à l’IA qui agit, détecte ou obtient des permissions.
| Outil | Contexte | Fonction | Utilité |
|---|---|---|---|
| Adapt | Agent intégré à l’environnement de travail | Interroge les systèmes d’entreprise et peut déclencher des flux de travail depuis Slack | Permet de comprendre concrètement ce que signifie donner à une IA accès aux outils d’une organisation |
| Pangram | Détection de textes générés ou assistés par IA | Analyse un texte pour détecter des indices d’utilisation d’IA | Complément intéressant au débat sur les signatures de Claude — à utiliser comme indicateur, jamais comme preuve absolue |
| ElevenAgents | Agents conversationnels voix et texte | Automatise conversations, rendez-vous, support et certaines opérations | Montre comment les agents passent du chatbot à l’exécution de processus |
| Muse Glimmer | Modèle à poids ouverts de Meta | Permet de développer des agents pouvant fonctionner localement sur du matériel compatible | Pertinent pour la souveraineté numérique et la réduction de certaines dépendances aux plateformes |
| Claude Code | Agent de programmation | Peut lire, modifier et exécuter du code selon les permissions qui lui sont accordées | Excellent exemple pour comprendre comment autonomie et supervision dépendent des droits accordés à l’agent |
Les détecteurs peuvent constituer un signal utile, mais aucun résultat ne devrait servir seul à déterminer qu’une personne a utilisé ou non une intelligence artificielle. Les performances peuvent varier lorsque les textes sont modifiés, mélangent rédaction humaine et assistance automatisée, ou proviennent de nouveaux modèles.
Un détecteur devrait donc produire un signal à examiner, jamais à lui seul un verdict sur une personne.
Autres outils
- QM — Agent collaboratif conçu autour de la mémoire et des permissions entre utilisateurs.
- Superblocks — Plateforme permettant de construire des applications et agents connectés aux systèmes d’entreprise.
- SoundGate — Tuteur musical utilisant l’IA pour fournir de la rétroaction.
- Garden Guru — Assistant utilisant l’IA pour accompagner la gestion et l’entretien d’un jardin.
Message clé de la période
L’IA ne devient pas seulement plus intelligente : elle obtient progressivement davantage de pouvoir d’action.
Et lorsque l’IA agit, la gouvernance change de nature.
Il ne suffit plus de vérifier si une réponse est exacte. Il faut savoir à quoi le système a accès, quelles actions il peut effectuer, qui lui a accordé ces permissions, comment ses actions sont enregistrées et qui peut l’arrêter. C’est là que se déplace maintenant une partie essentielle du pouvoir.
Conclusion stratégique
Ces deux semaines ne racontent pas simplement une nouvelle accélération de la course aux modèles. Elles montrent quelque chose de plus profond : les conséquences des capacités commencent à modifier l’architecture même des systèmes d’IA.
OpenAI renforce le confinement autour de capacités cyber; Meta remet l’ouverture des modèles au centre de sa stratégie; Anthropic expérimente une infrastructure permettant d’identifier la provenance des contenus; et les agents obtiennent progressivement davantage de permissions pour agir sans validation humaine systématique.
La prochaine frontière de la gouvernance de l’IA ne sera donc peut-être pas principalement celle des réponses générées. Elle sera celle des permissions. Qui peut agir? Sur quelles données? Dans quels systèmes? Avec quelle autonomie? Sous quelle surveillance? Et surtout : qui demeure responsable lorsque l’intelligence artificielle ne se contente plus de conseiller, mais commence à agir?
L’évolution s’accélère jour après jour avec l’IA et ses impacts. Pendant ce temps, la conscience humaine et l’ordre nécessaire pour y faire face s’érodent encore plus vite.
J’ai publié un article intitulé : Et si le plan IA réussisait où est le plan B? Il nous invite à réfléchir sur l’urgence de préparer un plan B issu de nos priorités collectives. L’IA avance tellement vite. Nous sommes à la remorque des géants qui profitent de notre laxisme collectif. J’ai aussi publié un article qui nous rappelle que tout est interrelié, vraiment tout! Parce que je constate autour de moi, une certaine forme de je-m’en-foutisme face aux enjeux actuels. Heureusement que les lanceurs d’alerte comme Yoshua Bengio veillent à nous maintenir éveiller. Es-tu un « doomer » ou un « booster » ?
Savoir c’est pouvoir…. Pouvoir c’est aussi agir! Si tu as besoin de comprendre, n’hésite pas! Je peux approfondir des sujets qui te turlupine. Aussi, SVP partage. Il faut que la population développe son esprit critique afin de participer à la conversation publique. Il y a aussi la question qui s’ajoute chaque jour : si mon compétiteur utilise l’IA vais-je prendre du recul pour ma propre entreprise? Si cette question résonne, fais-moi signe!
La Brigade IA reprend son envol. Je suis toujours assignée sur le chamtier « Base culturelle et sécuritaire » dans un groupe très dynamique pour établir les guides de politique interne pour l’utilisation de l’IA. Si tu veux comprendre la Brigade IA en une image clique ici.. Une politique interne d’usage de l’IA est fondamentale dans la volonté de faire de l’IA de sens.
Bonne journée!
PS Si tu souhaites développer un sujet en particulier et soulever tes préoccupations, soumets-moi ta question ou tes commentaires.
PERDU AVEC TOUS LES OUTILS D’IA GÉNÉRATIVE?
VOICI UN TABLEAU POUR COMPRENDRE LES DIFFÉRENTS ACTEURS
Si le sujet t’intéresse, voici des articles dans la catégorie « IA de sens ».
L’humanité sur le rasoir : quand l’IA préfère le probable aux exceptions
Et si le plus grand angle mort de l’IA se cachait dans ce qui est improbable? Les IA génératives excellent à prédire le plausible. Mais le probable n’est pas nécessairement vrai, et l’exception n’est pas une erreur. Une réflexion sur ce que nous risquons d’oublier : notre singularité humaine.
L’effet cumulé : résister ensemble, un récit à la fois
Nous vivons dans un flux continu de menaces, de crises, de bouleversements technologiques et de discours anxiogènes. À force de s’accumuler, ces récits finissent-ils par modifier notre perception du monde… et surtout notre capacité d’agir?
En regardant récemment l’histoire de Charles de Gaulle et celle de la montée d’Hitler, une même idée m’a frappée :…
Tout est interrelié. Vraiment tout.
Une vieille histoire de Bornéo, des chats parachutés, la Chine, ChatGPT et notre propre humanité. Et si le véritable défi de l’IA n’était pas la technologie, mais notre incapacité à comprendre les conséquences d’un monde où tout est interrelié?
Et si le plan iA réussisait… où est le plan B ?
Alors que la course à l’intelligence artificielle s’accélère, une question demeure largement absente du débat : sommes-nous prêts aux conséquences d’un succès technologique? Entre les boosters et les doomers, il existe peut-être une troisième voie : celle du discernement citoyen.
En savoir plus sur Sylvie Bédard - Complice de votre Présence
Abonnez-vous pour recevoir les derniers articles par e-mail.
