Egoless Mathematics, Egoless Vision Training : quand l'IA change la pratique sans remplacer l'expertise

Le déclencheur : Terry Tao et l'ère post-ego des maths

Le 2 novembre 2026, Terence Tao — médaille Fields, l'un des esprits les plus respectés des mathématiques contemporaines — publie sur son blog un billet intitulé « Egoless Mathematics in the AI Era ». Le texte grimpe en tête de Hacker News (156 points, 110 commentaires). Sa thèse : l'IA ne va pas remplacer les mathématiciens ; elle va changer ce que veut dire faire des mathématiques. La vérification formelle, la génération de conjectures, l'exploration d'espaces de preuves immenses — tout cela déplace le curseur de l'ego individuel vers une pratique collective, augmentée, itérative.

Pourquoi ça nous concerne (Seven Sports / Amblyotube)

Nous développons Amblyotube, une application Meta Quest qui transforme n'importe quelle vidéo YouTube en séance de rééducation de la vision binoculaire (amblyopie / « lazy eye », coordination visuelle, stéréopsie). Notre stack : Unity + URP, MediaPipe pour la détection de pose/corps en temps réel, compute shaders pour l'occlusion différentielle par œil, le tout sur Snapdragon XR2 (Quest 2/3/Pro/3S). Pas de cloud. Pas de télémétrie invasive. 100 % local.

L'architecture dichoptique : deux rendus, une seule scène

Le cœur du système, c'est le dichoptic rendering. Le Quest a deux écrans (ou un écran divisé) — un par œil. On en profite pour envoyer deux flux vidéo différents mais synchronisés :

• Œil dominant : vidéo source + Dominant Eye Shader (blur gaussien configurable, contraste, gamma, opacité). À 100 % opacité = patch numérique total. Mais le sweet spot clinique, c'est 30–60 % : l'œil fort voit encore la scène, mais dégradé. Le cortex doit recruter l'œil faible.
• Œil amblyope : vidéo source + Lazy Eye Sharpener (MFBF). Le modèle MediaPipe (BlazePose + BlazeFace, quantifié INT8, ~3 ms/frame) détecte visages et silhouettes. Un compute shader applique un unsharp mask uniquement sur ces ROIs, côté amblyope. Le reste de l'image passe inchangé. Résultat : l'attention du cortex est guidée vers les cibles socialement pertinentes (visages, mains, corps) sans distorsion globale.

Magenta Fusion Cue : le hack chromatique qui marche

La fusion binoculaire, c't le Saint Graal. Patching classique = pas de fusion. Anaglyphe rouge-bleu = couleurs cassées. Notre réponse : un curseur circulaire affiché magenta (#FF00FF) pour l'œil amblyope, gris 18 % pour l'œil dominant. Pourquoi magenta ? Absence quasi-totale dans les vidéos naturelles (peau, végétation, ciel). Le cortex voit le magenta uniquement via l'œil faible → il doit fusionner pour localiser le curseur. On ajoute un Wedge Occlusion (coin noir) pour supprimer la rivalité binoculaire résiduelle. C'est du design perceptuel, pas de la déco.

Visual Accents : jaune-fluo + rouge pulsé

En mode MFBF, deux accents optionnels :
• Highlight : lueur jaune-vert fluo (#ADFF2F) sur les silhouettes détectées.
• Outline : contour rouge (#FF0000) 2 px.
Les deux supportent Pulse Hz (0.5–3 Hz) et Pulse depth (0–100 %). Une respiration visuelle qui maintient l'alerte corticale sans fatigue. Paramètres exposés dans le Control Panel (hand-tracking + controllers).

LogMAR intégré : métriques, pas gamification

On a implémenté un test d'acuité Landolt C à 3 m virtuel, staircase adaptatif (30 essais/œil + binoculaire), sortie en logMAR. Le score peut auto-mettre à jour le preset (Mild / Moderate / Severe) qui pré-règle shader + sharpener. Le clinicien récupère un PDF ; le patient voit sa courbe. Pas de badges, pas de streaks. De la donnée clinique exploitable.

Room View (AR passthrough) : entraînement dans le réel

Basculer en mode passthrough (caméras Quest) garde l'overlay dichoptique. Utile pour patients qui ont besoin d'ancrage proprioceptif (sol, murs) ou pour enfants qui bougent. Même pipeline shaders ; juste le skybox change.

Mon carnet de bord : développeur + patient

Je n'ai pas construit ça de loin. Mon œil gauche : amblyopie modérée (ne lit pas les 3–5 dernières lignes Snellen). Diagnostiqué à 7 ans. Patché deux ans. Haïssais ça. Arrêté à 12. Résultat : stéréopsie fragile, fatigue visuelle en fin de journée, conduite de nuit stressante.

Quand on a livré la v1.3 (MFBF + Magenta Cue), je l'ai testé sur moi. 35 min/jour, vidéos de cuisine (j'adore), preset Moderate. Semaine 1 : mal de tête à 25 min. Semaine 3 : 40 min sans fatigue. Semaine 6 : LogMAR gauche passé de 0.32 à 0.24. Première fois que je vois la 3D dans Spider-Man: Across the Spider-Verse au cinéma. Pas de miracle. De la plasticité, exploitée quotidiennement, mesurée honnêtement.

Ce qu'on n'est pas

Amblyotube n'est pas un dispositif médical. Pas de diagnostic. Pas de prescription. C'est un outil d'entraînement visuel et d'assistance — catégorie wellness/éducation sur le Meta Store. Âge minimum : 13 ans (politique Meta + développement visuel). Session max : 1 h (sécurité VR). Toujours sous supervision d'un orthoptiste / ophtalmo pour le plan de soin global.

Le parallélisme avec Tao

Tao écrit : « The mathematician of 2035 will be less a prover and more a verifier, a curator, a guide. »

L'orthoptiste de 2035 sera moins un prescripteur d'exercices papier et plus un architecte de protocole : il choisit le preset, valide la courbe LogMAR, ajuste le shader. L'IA (MFBF, détection, pulse) exécute la séance quotidienne — celle que le pro ne peut pas superviser 7/7. Le patient garde son contenu (YouTube, catalog offline dessins animés). L'adhérence monte. La donnée revient au pro. Tout le monde gagne.

Essayer, mesurer, itérer

Le code est côté client. Le modèle est quantifié. La latence est bornée. Le reste, c'est de la plasticité — la vôtre.

https://www.meta.com/en-gb/experiences/amblyotube/25906906972338493/