Quand l'IA avale 2 500 milliards, qui soigne nos yeux ? 👁️🗨️💻🩺 Mon journal de bord dev + amblyopie 🚀🧠👓✨🔬💡🎮📊🛠️🌐💪🧩🖥️👁️🔧⚡📈🎯🧬💭🚀🌟🔍💻🩺👓🧠💡🎮📊🛠️🌐💪🧩🖥️👁️🔧⚡📈🎯🧬💭🚀🌟🔍💻🩺👓🧠💡🎮📊🛠️🌐💪🧩🖥️👁️🔧⚡📈🎯🧬💭🚀🌟🔍💻🩺👓🧠💡🎮📊🛠️🌐💪🧩🖥️👁️🔧⚡📈🎯🧬💭🚀🌟🔍💻🩺👓🧠💡🎮📊🛠️🌐💪🧩🖥️👁️🔧⚡📈🎯🧬💭🚀🌟🔍💻🩺👓🧠💡🎮📊🛠️🌐💪🧩🖥️👁️🔧⚡📈🎯🧬💭🚀🌟🔍💻🩺👓🧠💡🎮📊🛠️🌐💪🧩🖥️👁️🔧⚡📈🎯🧬💭🚀🌟🔍
L'été dernier, entre deux PR reviews sur notre pipeline CI/CD, l'ophtalmo m'a posé le diagnostic : amblyopie résiduelle, œil gauche à 4/10. J'ai ri nerveusement — moi qui optimise des latences de 12 ms sur du Kubernetes, je négligeais ma propre latence visuelle.
Le chiffre m'a frappé : 2 500 milliards investis dans l'IA générique pendant que la rééducation visuelle stagne sur des protocoles des années 80. Patchs, exercices papier, compliance aléatoire. J'ai donc fait ce que tout dev ferait : j'ai instrumenté ma rééducation.
Premier commit : un script Python qui scrape mes sessions de thérapie dichoptique (contraste réduit œil fort, stimulus fort œil faible) et loggue l'acuité via un test de Landolt C automatisé. Deuxième commit : une petite interface React Native pour gamifier les 30 min quotidiennes — streaks, heatmaps, alertes si dérive > 2 jours. Troisième : corrélation avec mes métriques de prod (erreurs 5xx, temps de review, fatigue cognitive auto-déclarée).
Résultat après 14 semaines : œil gauche à 7/10. Pas miracle. Juste des données. La courbe d'apprentissage ressemble à celle d'un modèle qui converge : lente au début, puis exponentielle vers l'épisode 40. J'ai ouvert le repo — MIT license — pour que d'autres puissent fork leur propre rééducation.
L'IA avale des milliards. Nos yeux, eux, ont juste besoin de code qui écoute. 👁️🗨️
Top comments (0)