Australia's central bank finds AI squeezing the first rung of the career ladder, OpenAI folds its robot team into the general model, and Meituan ships a giant agent model trained without Nvidia chips.
La banque centrale australienne voit l'IA fragiliser le premier échelon des carrières, OpenAI dissout son équipe robotique dans le modèle général, et Meituan publie un modèle géant pour agents entraîné sans puces Nvidia.
Date: 2026-11-15
English edition:
· Édition française:EN duration: 509 seconds. FR duration: 442 seconds.
Three signals, one pattern: the general model absorbs everything around it. The Reserve Bank of Australia's new monitoring research finds tentative signs that workers aged 15 to 24 in the most AI-exposed occupations (clerks, programmers, call centre staff, receptionists) face weaker employment and fewer job ads since ChatGPT's launch, while 75 percent of firms report no headcount change and about 12 percent slow entry-level hiring. OpenAI dissolved its standalone robotics team for the second time, redistributing researchers to core and applied teams, on the stated logic that general models like GPT-6 Astra can control robots directly. And Meituan released the open weights of LongCat-2.5, a 1.6 trillion parameter agent model trained entirely on Chinese hardware, with a sample deployment on 194 Huawei Ascend chips and a Terminal Bench score of 88.4, just behind Claude Opus 5.
SIGNAL is a daily curation. The noise filtered. The signal kept. / SIGNAL est une curation quotidienne. Le bruit filtré. Le signal gardé.
SIGNAL by Nizzar Ben Chekroune, brand strategist and founder of Quantum Branding. Tagline: "What matters today. What it changes tomorrow." / "Ce qui compte aujourd'hui. Ce que ça change demain."
Curated with AI and presented by an AI voice. / Curation assistée par IA et présentée par une voix IA.
Signal 1. The first rung of the ladder gets slippery.
The Reserve Bank of Australia published an Insight paper on November 9, 2026 by economist Mike Major, building a monitoring tool for AI's early labour-market effects. Job postings fell across all groups since ChatGPT's November 2022 launch, with the steepest drops in the highest-exposure occupations: general clerks, software and applications programmers, ICT business analysts, call centre workers and receptionists. Within that group, 15 to 24 year olds show weaker employment, higher unemployment and the clearest fall in average hours; the age gap does not appear in less exposed jobs. RBA business liaison: 75 percent of firms report no AI impact on headcount, about 12 percent are slowing hiring or leaving roles unfilled, 8 percent cutting jobs, 6 percent adding them; firms with no AI adoption fell from about a third in 2025 to near zero in 2026. The bank stresses the evidence is tentative and descriptive: exposure measures task resemblance, not proven causation, and young workers feel ordinary downturns first. Lesson drawn in the episode: AI arrives as doors that never open rather than layoffs, and the junior training pipeline is a brand and talent asset.
Signal 2. OpenAI folds the robot team into the model.
OpenAI is dissolving its standalone robotics team for the second time and redistributing the researchers across core research and applied/hardware teams, per The Decoder as summarised in the November 15, 2026 AI News Tracker; a second briefing the same day describes the restructure into core research and applied units aligned with directly controlling robots using general-purpose frontier models. OpenAI frames the move as accelerating robotics: general models such as GPT-6 Astra can apparently control robots directly, making a dedicated unit unnecessary, and the move is stated not to be about lacking data. Lesson drawn in the episode: the absorption pattern that took plug-ins and apps now takes whole departments; moats belong in customers, distribution, physical presence and trust, not in specialist teams doing what the platform model learns as a side effect.
Signal 3. A giant agent model that never touched the famous chips.
Meituan released the weights of LongCat-2.5, a 1.6 trillion parameter model built for AI agents, per The Decoder via the November 15, 2026 AI News Tracker. It is described as trained entirely on Chinese hardware; the sample deployment runs on 194 Huawei Ascend chips, with no mention of Nvidia GPUs. It scores 88.4 on Terminal Bench, just behind Claude Opus 5. The weights are open, so anyone can download and run it. Lesson drawn in the episode: export controls meant to slow a rival forced a complete parallel stack instead; single-stack planning is now a bet, and advantage moves from owning the model to owning customers, context and trust.
Jordan: This is SIGNAL, a daily curation of what matters in AI, brands, business and culture. The noise filtered. Here's what matters today.
Jordan: Today, three signals, and one pattern runs through all of them. The general model is absorbing everything around it. The first rung of the career ladder. The specialist team that was supposed to build the robots. And even the chip stack underneath it all.
Jordan: Signal one. The first rung of the ladder gets slippery.
Jordan: Start with a person, not a headline. A nineteen year old, fresh out of school, applying for a first job answering customer calls, doing office admin, or writing simple code. Those first jobs are how almost every career begins. This week, Australia's central bank published research suggesting those are exactly the doors starting to close.
Jordan: The Reserve Bank of Australia released an Insight paper on November nine, written by bank economist Mike Major. He built a monitoring tool to track where AI's effects on work would show up first. His answer: in the jobs whose daily tasks look most like what today's AI tools already do, and in the youngest workers trying to enter them.
Jordan: Here is what the data shows. Job postings have fallen across the board since ChatGPT launched in November twenty twenty two. But the steepest fall is in the most exposed jobs: general clerks, software and applications programmers, business analysts, call centre workers and receptionists. Inside that group, workers aged fifteen to twenty four have weaker employment and higher unemployment than their older colleagues doing the same jobs. Their average hours have fallen the most clearly. In less exposed jobs, that age gap does not appear.
Jordan: Now the nuance, because the bank itself insists on it. Three quarters of firms told the bank AI has changed nothing about their headcount. About twelve percent are slowing hiring or leaving roles unfilled, against eight percent cutting jobs and six percent adding them. And the author is careful: this measures exposure, meaning how closely a job resembles what AI can do. It is not proof that AI caused every missing job ad. Young workers are also the first to feel any economic slowdown.
Jordan: But here is the detail that should stay with you. The share of firms using no AI at all fell from about a third in twenty twenty five to nearly zero in twenty twenty six. Adoption is now universal. The hiring pause at the entry level is happening at the same time.
Jordan: So why does it matter? Because this is how AI arrives in real life. Not with a dramatic wave of layoffs, but with doors that quietly never open. A company does not fire its junior staff. It simply stops replacing them, one unposted job at a time.
Jordan: And what changes? Every senior expert was once a junior who was allowed to be bad at the job while learning it. If the first rung disappears, companies will have to answer a hard question in about five years: where do our experienced people come from? The training pipeline is not a cost line. It is a brand asset, and a talent asset. The firms that keep hiring and training young people, with AI as the tutor rather than the replacement, will own the workforce everyone else is missing.
Jordan: Signal two. OpenAI folds the robot team into the model.
Jordan: Picture a robotics lab. Specialists, specialised hardware, years of patient work teaching machines to move through the physical world. OpenAI just dissolved its standalone robotics team, for the second time in its history, and redistributed the researchers into its core research and applied teams.
Jordan: The reasoning, reported today, is the interesting part. OpenAI frames the move as a way to speed robotics up, not slow it down. Its general purpose models, like GPT-6 Astra, can apparently control robots directly. If the same model that writes your emails can also drive the robot arm, you no longer need a separate kingdom for robots. The company also says the move is not about lacking data.
Jordan: OK, but what does this actually change? It is the same absorption pattern we saw with features, now applied to whole teams. First the model absorbed the plug in. Then the app. Now it absorbs the department. Robotics stops being a separate product line and becomes one more capability that shows up inside a general model release.
Jordan: For anyone building a business on top of AI, the lesson is uncomfortable and useful. Do not build your moat out of a specialist team doing something the platform model is learning to do as a side effect. Build it where the model cannot follow: your customers, your distribution, your physical presence, your trust. The robot did not lose to another robot. It lost to a generalist.
Jordan: Signal three. A giant agent model that never touched the famous chips.
Jordan: Think about a warehouse of computers, the kind that trains AI. For years, one company's chips, Nvidia's, were close to mandatory in that warehouse. Export controls were supposed to keep the most powerful of those chips out of China. Today, Meituan, the Chinese delivery and services giant, released the weights of LongCat two point five, a model with one point six trillion parameters, built specifically for AI agents.
Jordan: A parameter is one of the adjustable dials a model learns during training; more dials generally means a more capable model, and one point six trillion is enormous. The notable part is the hardware. The model was trained entirely on Chinese hardware, according to the reporting. The published sample deployment runs on one hundred ninety four Huawei Ascend chips. Nvidia is not mentioned at all. And the model scores eighty eight point four on Terminal Bench, a test of how well an agent handles real tasks in a computer terminal, just behind Anthropic's Claude Opus five.
Jordan: And it is open weight, which means anyone can download it and run it themselves. No account, no permission, no switch in California that can turn it off.
Jordan: Why does it matter? Because the chip blockade was meant to slow a rival down. Instead it forced that rival to build a complete parallel stack: its own chips, its own training methods, its own open models. Pressure did not stop the ecosystem. It duplicated it.
Jordan: What changes for brands and businesses? Planning on one technology stack is now a bet, not a default. Companies selling across both worlds will need products, agents and data flows that can move between stacks. And when a near frontier agent model is free to download, the advantage moves again, away from who has the model and toward who has the customers, the context and the trust.
Jordan: So, today in one line. The model absorbs the ladder, the lab and the chip stack. What it cannot absorb is judgment about what deserves to exist, and people who were trained well enough to exercise it.
Jordan: If this filtered your noise today, the weekly edition goes deeper. THE WEEK IN SIGNAL, every Sunday on Substack. Subscribe free: https://thenizzar.substack.com/
Jordan: Voici SIGNAL, une curation quotidienne de ce qui compte dans l'IA, les marques, le business et la culture. Le bruit filtré. Voici ce qui compte aujourd'hui.
Jordan: Aujourd'hui, trois signaux, et un même fil. Le modèle général absorbe tout ce qui l'entoure. Le premier échelon de l'échelle des carrières. L'équipe de spécialistes censée construire les robots. Et même les puces sur lesquelles tout repose.
Jordan: Signal un. Le premier échelon devient glissant.
Jordan: Commençons par une personne, pas par un titre de journal. Un jeune de dix neuf ans, fraîchement sorti de l'école, qui postule à un premier emploi : répondre aux appels des clients, faire de l'administration, ou écrire du code simple. C'est par ces postes que presque toutes les carrières commencent. Cette semaine, la banque centrale d'Australie a publié une étude qui suggère que ce sont exactement ces portes qui commencent à se fermer.
Jordan: La Reserve Bank of Australia a publié le neuf novembre une étude signée par son économiste Mike Major. Il a construit un outil de suivi pour repérer où les effets de l'IA sur le travail apparaîtraient en premier. Sa réponse : dans les métiers dont les tâches quotidiennes ressemblent le plus à ce que les outils d'IA savent déjà faire, et chez les plus jeunes qui cherchent à y entrer.
Jordan: Voici ce que montrent les données. Les offres d'emploi ont reculé partout depuis le lancement de ChatGPT en novembre deux mille vingt deux. Mais la chute la plus forte concerne les métiers les plus exposés : employés administratifs, programmeurs, analystes, téléconseillers et réceptionnistes. Dans ce groupe, les travailleurs de quinze à vingt quatre ans ont un emploi plus faible et un chômage plus élevé que leurs collègues plus âgés, pour les mêmes métiers. Leurs heures moyennes ont baissé le plus nettement. Dans les métiers moins exposés, cet écart d'âge n'apparaît pas.
Jordan: Maintenant, la nuance, parce que la banque elle-même y tient. Trois quarts des entreprises lui disent que l'IA n'a rien changé à leurs effectifs. Environ douze pour cent ralentissent leurs recrutements ou laissent des postes vacants, contre huit pour cent qui suppriment des emplois et six pour cent qui en créent. Et l'auteur est prudent : l'étude mesure l'exposition, c'est à dire la ressemblance entre un métier et ce que l'IA sait faire. Ce n'est pas la preuve que l'IA a causé chaque offre disparue. Les jeunes sont aussi les premiers touchés par n'importe quel ralentissement économique.
Jordan: Mais voici le détail à retenir. La part des entreprises qui n'utilisent aucune IA est passée d'environ un tiers en deux mille vingt cinq à presque zéro en deux mille vingt six. L'adoption est devenue universelle. Et la pause dans les recrutements de débutants se produit exactement au même moment.
Jordan: Pourquoi ça compte ? Parce que c'est ainsi que l'IA arrive dans la vie réelle. Pas avec une vague spectaculaire de licenciements, mais avec des portes qui, discrètement, ne s'ouvrent plus. Une entreprise ne renvoie pas ses juniors. Elle cesse simplement de les remplacer, une offre non publiée à la fois.
Jordan: Et ce que ça change ? Chaque expert confirmé a d'abord été un débutant à qui on a permis d'être mauvais en apprenant. Si le premier échelon disparaît, les entreprises devront répondre, dans cinq ans environ, à une question difficile : d'où viendront nos gens expérimentés ? Le parcours de formation n'est pas une ligne de coût. C'est un actif de marque, et un actif de talent. Les entreprises qui continueront d'embaucher et de former des jeunes, avec l'IA comme tuteur plutôt que comme remplaçant, disposeront de la main d'œuvre qui manquera à toutes les autres.
Jordan: Signal deux. OpenAI dissout son équipe robotique dans le modèle.
Jordan: Imaginez un laboratoire de robotique. Des spécialistes, du matériel dédié, des années de travail patient pour apprendre aux machines à se déplacer dans le monde physique. OpenAI vient de dissoudre son équipe robotique autonome, pour la deuxième fois de son histoire, et de répartir ses chercheurs entre ses équipes de recherche centrale et d'applications.
Jordan: Le raisonnement, rapporté aujourd'hui, est la partie intéressante. OpenAI présente ce choix comme un moyen d'accélérer la robotique, pas de la ralentir. Ses modèles généralistes, comme GPT-6 Astra, peuvent apparemment piloter des robots directement. Si le même modèle qui rédige vos courriels peut aussi commander un bras robotisé, un royaume séparé pour les robots ne sert plus à rien. L'entreprise précise aussi que ce choix n'est pas lié à un manque de données.
Jordan: D'accord, mais concrètement, qu'est ce que ça change ? C'est le même schéma d'absorption que celui des fonctionnalités, appliqué cette fois à des équipes entières. D'abord, le modèle a absorbé l'extension. Puis l'application. Maintenant, il absorbe le département. La robotique cesse d'être une gamme de produits séparée et devient une capacité de plus, qui apparaît dans les notes de version d'un modèle général.
Jordan: Pour quiconque construit une entreprise sur l'IA, la leçon est inconfortable et utile. Ne construisez pas votre avantage avec une équipe de spécialistes qui fait quelque chose que le modèle de la plateforme apprend à faire comme un effet secondaire. Construisez le là où le modèle ne peut pas suivre : vos clients, votre distribution, votre présence physique, votre confiance. Le robot n'a pas perdu contre un autre robot. Il a perdu contre un généraliste.
Jordan: Signal trois. Un modèle géant pour agents qui n'a jamais touché aux puces célèbres.
Jordan: Pensez à un entrepôt d'ordinateurs, du genre de ceux qui entraînent les IA. Pendant des années, les puces d'une seule entreprise, Nvidia, y étaient presque obligatoires. Les contrôles à l'exportation étaient censés garder les plus puissantes de ces puces hors de Chine. Aujourd'hui, Meituan, le géant chinois de la livraison et des services, a publié les poids de LongCat deux point cinq, un modèle d'un virgule six billion de paramètres, conçu spécialement pour les agents IA.
Jordan: Un paramètre, c'est l'un des réglages que le modèle apprend pendant son entraînement ; plus il y en a, plus le modèle est en général capable, et un virgule six billion, c'est énorme. Le point remarquable, c'est le matériel. Le modèle a été entraîné entièrement sur du matériel chinois, selon les informations publiées. Le déploiement de démonstration tourne sur cent quatre vingt quatorze puces Huawei Ascend. Nvidia n'est mentionné nulle part. Et le modèle obtient quatre vingt huit virgule quatre sur Terminal Bench, un test qui mesure la capacité d'un agent à accomplir de vraies tâches dans un terminal informatique, juste derrière Claude Opus cinq d'Anthropic.
Jordan: Et il est en poids ouverts, ce qui signifie que n'importe qui peut le télécharger et le faire tourner chez soi. Aucun compte, aucune permission, aucun interrupteur en Californie capable de l'éteindre.
Jordan: Pourquoi ça compte ? Parce que le blocus sur les puces était censé ralentir un rival. Au lieu de cela, il l'a forcé à construire une filière complète et parallèle : ses propres puces, ses propres méthodes d'entraînement, ses propres modèles ouverts. La pression n'a pas arrêté l'écosystème. Elle l'a doublé.
Jordan: Ce que ça change pour les marques et les entreprises ? Miser sur une seule filière technologique devient un pari, plus un choix par défaut. Les entreprises qui vendent dans les deux mondes auront besoin de produits, d'agents et de flux de données capables de passer d'une filière à l'autre. Et quand un modèle d'agent proche du meilleur niveau est téléchargeable gratuitement, l'avantage se déplace encore : il quitte celui qui possède le modèle pour aller vers celui qui possède les clients, le contexte et la confiance.
Jordan: Aujourd'hui, en une phrase. Le modèle absorbe l'échelle des carrières, le laboratoire et la filière des puces. Ce qu'il ne peut pas absorber, c'est le jugement sur ce qui mérite d'exister, ni les personnes assez bien formées pour l'exercer.
Jordan: Si ça a filtré votre bruit aujourd'hui, l'édition hebdo va plus loin. THE WEEK IN SIGNAL, chaque dimanche sur Substack. Abonnez-vous gratuitement : https://thenizzar.substack.com/
Curated with AI and presented by an AI voice.
Curation assistée par IA et présentée par une voix IA.
SIGNAL by Nizzar Ben Chekroune, brand strategist and founder of Quantum Branding.