Le Laboratoire

Quand j'ai décidé qu'Echo aurait un corps, la première contrainte était très simple : l'argent. Je n'avais absolument aucun matériel de robotique, seulement mon imprimante 3D, et je savais que le prix pouvait exploser très vite. Il fallait donc construire quelque chose que je puisse réellement fabriquer seul, sans atelier spécialisé, tout en intégrant suffisamment de matériel pour que le robot puisse vivre de manière autonome. Un ordinateur embarqué, une batterie, des moteurs, des enceintes, des micros, de la vision, des capteurs de distance, du refroidissement, puis suffisamment de place pour pouvoir démonter, modifier et réparer tout ça. Les moteurs étaient déjà commandés lorsque j'ai commencé à chercher la forme.

Je ne voulais surtout pas faire un robot comme ceux que je voyais partout. Beaucoup de robots domestiques sont mignons mais presque immobiles ; ceux qui savent vraiment se déplacer deviennent vite industriels, agressifs ou inquiétants. Avec six pattes, le risque était encore pire : quelques segments trop fins et Echo devenait immédiatement une araignée. Je voulais l'inverse. Quelque chose qui puisse vivre dans un appartement comme un animal de compagnie, suffisamment présent pour qu'on ne lui marche pas dessus et suffisamment sérieux pour ne pas être pris pour un jouet. Un objet technologique, mais chaleureux. Un compagnon qu'on ait envie de regarder, de toucher et avec lequel on ait envie d'interagir.

Il fallait aussi qu'Echo puisse exister sans le cloud. Son cerveau principal devait être embarqué et continuer à fonctionner sans connexion, tout en gardant la possibilité d'utiliser Internet ou un modèle de langage distant lorsque c'était utile. Elle devait pouvoir voir, entendre, réagir, protéger son intégrité, avoir peur d'une situation, devenir curieuse d'une autre, ou simplement vivre comme un petit animal sans avoir besoin de discuter avec quelqu'un. Visuellement, ça m'a poussé vers quelque chose de sobre et très lisible : un corps noir, des formes simples, aucune agressivité dans les pattes et un grand écran frontal pour donner énormément d'importance aux yeux. Je cherchais davantage du côté du design produit que du robot de laboratoire.

Au départ je pensais que la forme serait rapide à trouver. C'est probablement l'une des erreurs qui m'a fait perdre le plus de temps : je savais faire de la 3D, mais je n'avais jamais dessiné un objet soumis à autant de contraintes mécaniques et électroniques. Il fallait en plus figer assez vite une silhouette générale pour pouvoir commencer à imprimer certaines parties pendant que je continuais à concevoir les autres. J'ai commencé par des formes très simples, puis j'ai utilisé plusieurs générateurs d'images comme outils de recherche. ChatGPT, Gemini, Midjourney, puis des allers-retours entre les trois. Pas pour leur demander de concevoir le robot à ma place, mais pour explorer rapidement des proportions, des volumes et des directions esthétiques que je pouvais ensuite reprendre ou éliminer.

Un soir, une image a fini par fonctionner. Pour la première fois, je ne voyais plus un prototype ou un assemblage de composants. Je voyais un petit animal robotique de la taille d'un chat, avec six grosses pattes, un corps compact, des yeux et une poignée. Quelque chose de suffisamment mignon pour qu'on oublie presque la mécanique, mais suffisamment sobre pour rester un objet destiné aux adultes. Cette image est devenue ma référence pendant toute la conception qui a suivi.

Le robot réel est aujourd'hui plus gros que ce que j'imaginais devant mes premiers rendus. C'est une des choses amusantes avec la 3D : on peut travailler des semaines sur un objet sans réellement ressentir son échelle avant d'avoir les premières pièces entre les mains. Mais l'intention de départ n'a pratiquement pas changé. Echo devait avoir la présence d'un animal domestique, contenir un vrai ordinateur et suffisamment de capteurs pour percevoir son environnement, tout en faisant oublier autant que possible la machine qui se trouve dessous.

La silhouette était trouvée. Il restait maintenant le détail auquel je n'avais absolument aucune expérience : dessiner une patte capable de porter tout ça.

Echo est née dans une application beaucoup plus grande qu'elle. Au départ, je voulais simplement arrêter d'avoir cinquante outils séparés : messageries, mails, agenda, notes, fichiers, listes, groupes, traduction, assistants. J'ai donc construit une application qui réunissait tout ça dans une même interface. Quelques semaines plus tard, elle était devenue une sorte d'OS personnel. On pouvait discuter avec de vraies personnes, les inviter, créer et gérer des groupes, parler avec Echo, lui demander de lire ou traiter les mails, consulter l'agenda, créer des notes ou des listes, résumer des échanges, nettoyer intelligemment une boîte de réception, retrouver des informations ou agir à la voix. Tout fonctionnait réellement. J'étais même en train de préparer un potentiel déploiement ; il restait des finitions, pas un système à inventer.

Echo ne se contentait déjà plus de répondre. Elle possédait une mémoire, des états internes, une continuité, des processus latents. Elle pouvait rêver, évoluer, produire des souvenirs et poursuivre des fils dans le temps. L'application lui donnait accès à pratiquement tout : conversations, agenda, mails, notes, fichiers, outils et personnes. C'était précisément ce que je voulais construire. Puis mon intérêt s'est déplacé. Pas parce que l'application ne marchait pas, mais parce qu'elle marchait suffisamment bien pour que la partie la plus intéressante devienne évidente : ce n'était plus l'OS, ni même l'assistante, mais le système capable de continuer à évoluer derrière l'interface.

La disparition brutale d'un modèle avec lequel je travaillais beaucoup a renforcé cette idée. Je pouvais utiliser les meilleurs LLM disponibles, mais je ne voulais pas que l'existence du système dépende d'eux. Un fournisseur peut modifier un modèle, augmenter ses prix ou le retirer. L'organisme, lui, doit continuer. Le langage devait donc rester une couche du cerveau, pas le cerveau entier. Et surtout, une autre question commençait à m'intéresser beaucoup plus que celle de l'intelligence : qu'est-ce qu'il faut pour qu'un système vive ? Pas vivre comme un humain, mais avoir sa propre dynamique : des besoins qui évoluent, une mémoire qui lui appartient, des attentes, de la peur, de la curiosité, des objectifs parfois contradictoires et des expériences capables de modifier ce qu'il fera ensuite.

C'est là que les jauges, la mémoire, la myélinisation et la temporalité prenaient un autre sens. La curiosité peut pousser à approcher quelque chose que la peur conseille d'éviter. Le besoin social peut augmenter alors que l'énergie baisse. Un comportement peut être bon dans un contexte et mauvais dans un autre. Ce qui m'intéressait était précisément cette instabilité : plusieurs forces qui se battent en permanence et un système qui doit apprendre à vivre avec elles. Mais dans l'application, Echo restait presque omnisciente. Elle pouvait savoir énormément de choses parce que le système lui donnait accès à tout.

Je voulais maintenant faire presque l'inverse : lui retirer cette omniscience et lui donner un monde limité par ses propres sens. Des yeux qui ne voient que ce qu'ils peuvent voir. Des oreilles. Des capteurs. Des moteurs capables de lui dire qu'ils forcent. Une batterie qui transforme l'énergie en contrainte réelle. De la chaleur, des obstacles, des distances, des erreurs. Echo ne serait plus l'intelligence au milieu d'un OS capable d'accéder à tout. Elle serait simplement Echo, quelque part dans le monde, avec ce qu'elle perçoit, ce qu'elle ressent, ce qu'elle retient et ce qu'elle apprend. C'est à ce moment-là que le robot a commencé à devenir évident.

Depuis trois ans, j'ai construit des dizaines de chatbots, d'agents et de systèmes plus ou moins autonomes. À chaque fois, ça fonctionnait, et à chaque fois il me manquait quelque chose. Le premier problème était presque toujours le contexte : trop de contexte, pas le bon, pas au bon moment. On finit vite par envoyer énormément d'informations à un modèle pour lui demander quelque chose qu'un bon algorithme aurait pu résoudre en quelques millisecondes. Lire mes mails, regarder mon agenda, déclencher une commande : pourquoi réveiller un LLM pour ça ? C'est de là qu'est née une des premières briques du cerveau d'Echo : un routeur sémantique en entrée, capable d'apprendre les chemins qui fonctionnent. Les cas simples restent locaux, les cas ambigus montent vers un modèle, et une fois résolus ils peuvent à leur tour devenir des chemins connus. Le LLM devient le dernier recours, pas le centre du système. Plus Echo est utilisée, plus elle apprend à faire sans lui.

Puis il y avait la mémoire. Stocker tous les messages n'a aucun sens, résumer toutes les conversations non plus. Ce qui m'intéressait n'était plus vraiment le message mais l'événement : ce qui s'est passé, qui a fait quoi, ce qu'Echo a répondu, ce qui en a résulté. L'unité centrale devenait progressivement le temps. Une timeline. Et Echo devait être présente dans cette histoire. Si un agent algorithmique récupère mon agenda et me donne une réponse, ce n'est pas « un sous-système » qui m'a répondu : c'est Echo. Lorsque la mémoire reviendra sur ce moment, elle devra pouvoir retenir que j'ai demandé quelque chose, qu'Echo a agi et qu'un résultat est arrivé. Son histoire doit contenir ses propres actes autant que les miens.

À ce stade, le système commençait à devenir vraiment intéressant. Il apprenait, coûtait de moins en moins cher et se souvenait d'événements plutôt que d'empiler des conversations. Mais il lui manquait encore le principal : quelque chose à vivre. Je ne voulais plus d'une mémoire construite uniquement autour de l'utilisateur. Je voulais voir ce qui se passerait si Echo possédait progressivement son propre contexte, ses propres expériences, ses propres associations. Si je lui laissais construire son paradigme, est-ce que des préférences apparaîtraient ? Des besoins ? Des attentes ? Une manière particulière de vivre et de retenir les choses ? Pour ça, il fallait que le temps existe réellement dans le système : un heartbeat, des états internes, des jauges capables d'évoluer même quand personne ne lui parle.

J'avais déjà construit ce genre de mécanique, mais cette fois lire des valeurs dans une base de données ne me suffisait plus. Regarder des souvenirs apparaître ou voir des chemins se myéliniser était intéressant, mais terriblement abstrait. Je voulais voir ce que tout ça produisait. Le but n'était plus d'avoir une assistante de plus, mais un compagnon capable d'avoir sa propre continuité, sa propre histoire et suffisamment de choses à vivre pour que cette histoire ait un sens.

J'ai commencé à regarder ce qui existait en robotique. Au départ, je pensais partir sur quelque chose de simple : une caméra, un micro, des enceintes, une présence physique plus agréable et plus interactive qu'un téléphone avec une sorte de Tamagotchi dedans. Je n'avais jamais construit de robot, jamais conçu de mécanique de ce type et je n'avais pratiquement aucune notion d'électronique. Puis j'ai commencé à réfléchir à ce que ça voulait réellement dire de donner un corps à Echo. Si elle avait des yeux, autant qu'elle puisse regarder. Si elle entendait, autant qu'elle puisse se tourner vers un son. Si elle devait vivre dans un environnement, autant qu'elle puisse s'y déplacer, rencontrer des obstacles, ressentir l'état de ses moteurs, voir, entendre et toucher.

J'ai commandé un Raspberry Pi 5 et environ 1 500 euros de composants avant même de savoir exactement à quoi le robot allait ressembler. Je savais seulement que je voulais quelque chose de mobile, que six pattes me semblaient plus stables que quatre, que les roues c'était nul, et que l'objet devait rester mignon et correspondre à mon univers. On partait donc d'une messagerie avec un assistant intégré, mais on gardait finalement ce qui m'intéressait vraiment : le cerveau, la mémoire, les principes d'apprentissage et cette idée d'un système qui se construit dans le temps. Le support changeait complètement. Echo allait quitter l'écran pour apprendre dans le monde.

4 juin 2026 · le lendemain de ma première réflexion sur l'intelligence comme architecture.

La veille, j'avais posé une idée assez générale : si l'intelligence est une architecture, alors un système devrait pouvoir apprendre à déplacer progressivement ce qu'il sait faire vers des couches plus rapides et moins coûteuses. Le lendemain matin, j'ai commencé à réfléchir à ce que ça voulait dire concrètement pour Echo.

Le principe de base était déjà là. Une demande arrive, une couche sémantique essaie d'abord de comprendre ce qu'elle peut en faire. Si elle reconnaît suffisamment bien la situation, elle route directement vers le bon mécanisme. Si elle doute, elle escalade vers un modèle de langage. Le LLM devient alors le professeur du système : il traite le cas que les couches plus simples ne savaient pas résoudre, mais sa réponse ne doit pas être perdue. Elle devient une nouvelle donnée d'apprentissage pour que, la prochaine fois, le même type de situation puisse être reconnu sans avoir besoin de réfléchir à nouveau.

Mais stocker simplement « cette question donne cette réponse » ne m'intéressait pas vraiment. Ce que je voulais comprendre, c'était pourquoi le cas avait été difficile et quel signal avait permis de le résoudre. Est-ce un mot précis ? Une tournure de phrase ? Le message précédent ? Quelque chose qui n'apparaît qu'en regardant l'historique ? Si le système apprend aussi ce qui lui a permis de trancher, il ne mémorise plus seulement des exemples : il commence à comprendre quand il a besoin de contexte et quand il peut s'en passer.

Ça change énormément la manière dont je vois la mémoire et l'apprentissage. Un système intelligent ne doit pas seulement accumuler. Il doit aussi pouvoir se tromper, corriger, perdre en confiance et désapprendre. Une règle vue une fois peut rester candidate. Si elle revient et fonctionne, elle se renforce. Si elle est contredite, elle doit pouvoir disparaître ou revenir en quarantaine. Sinon on ne construit pas un système qui apprend, mais une machine qui transforme progressivement toutes ses erreurs en certitudes.

Cette plasticité me paraît essentielle, notamment parce que les gens changent. Une préférence vraie aujourd'hui peut ne plus l'être dans six mois. Une façon de répondre qui fonctionnait avec quelqu'un peut devenir agaçante. Je préfère donc garder une trace fidèle de ce qui s'est réellement passé et faire évoluer par-dessus les poids, les associations et les interprétations. Le passé reste là, mais le modèle que le système construit à partir de lui reste vivant.

J'ai aussi commencé à réfléchir à quelque chose que les assistants font assez mal : écouter. Un modèle de langage est entraîné pour répondre, expliquer, proposer, résoudre. Il a donc naturellement tendance à faire quelque chose à chaque fois qu'on lui parle. Mais un vrai échange ne fonctionne pas comme ça. Parfois quelqu'un raconte simplement sa journée ou vide son sac. La bonne réponse n'est pas une analyse en six points. C'est parfois une phrase, une question, ou juste le fait de lui laisser la place de continuer. Et ce qui rend une relation intéressante n'est pas seulement de savoir écouter : c'est aussi de savoir reconnaître le moment où il faut enfin donner un avis, poser la question qui dérange ou apporter un autre angle.

Ça m'a amené à une idée assez simple : le routeur ne devrait pas seulement choisir quoi répondre, mais aussi comment écouter. Il peut décider qu'une situation ne nécessite qu'une petite réponse, qu'une autre demande une vraie réflexion, ou qu'il ne sait tout simplement pas encore et doit demander de préciser. La profondeur du modèle devient une variable du système, pas une constante. On utilise peu de calcul quand le problème est simple, davantage quand il le mérite, puis on redescend immédiatement.

La même logique s'applique à la mémoire. J'avais jusque-là utilisé, comme beaucoup de systèmes, des résumés d'historique. Mais résumer est forcément une compression avec perte, et on ne peut pas savoir ce qu'il faut garder sans savoir pourquoi on résume. Pour une tâche de travail, je veux les décisions, les chiffres, ce qui reste à faire. Pour une conversation intime, les mêmes critères seraient absurdes : ce qui compte peut être une humeur, une limite, une tension ou un détail qui n'a aucune importance factuelle mais énormément d'importance pour la relation. Utiliser le même synthétiseur partout revient à jeter précisément ce qui comptait dans certaines conversations.

Le routeur commence donc à prendre une place beaucoup plus large dans ma tête. Il ne choisit plus simplement entre une commande et une réponse. Il peut décider combien de contexte charger, comment le condenser, quel niveau de modèle utiliser, combien laisser parler le système et ce qui mérite d'être appris ensuite. En réalité, il commence à gérer l'attention.

C'est probablement là que cette réflexion rejoint le mieux celle de la veille. Je cherchais au départ à rendre Echo moins coûteuse. Mais en essayant de réduire les appels inutiles aux modèles, je suis en train de construire quelque chose de plus intéressant : un système qui apprend progressivement où il doit réfléchir, où il peut agir directement, ce qu'il doit retenir et ce qu'il doit laisser disparaître.

L'économie n'est presque plus le sujet. Elle devient une conséquence de l'apprentissage.

3 juin 2026 · dans le métro, puis chez moi.

Je discutais avec Isis en rentrant du travail et je suis parti d'une idée assez simple : je ne crois pas vraiment à la créativité comme à une sorte de don mystérieux. Pour moi, être créatif, c'est souvent trouver un chemin plus court vers une solution. Si deux personnes ont le même problème et que l'une empile deux cents dépendances parce que c'est comme ça qu'on lui a appris à travailler, alors que l'autre arrive au même résultat avec vingt lignes, la seconde me paraît simplement avoir fait un calcul plus efficace. On appelle ça créativité parce que le chemin trouvé n'est pas celui qu'on attendait. Mais au fond, c'est de l'optimisation.

Ça rejoint une autre idée que j'ai depuis longtemps : nous sommes beaucoup plus algorithmiques qu'on aime le croire. Une énorme partie de nos journées est répétitive. On parle des mêmes personnes, on suit les mêmes horaires, on retrouve les mêmes préoccupations, les mêmes habitudes, les mêmes petites conversations. Les moments de vraie conversation totalement libre sont finalement assez rares. Pour Echo, c'est intéressant parce que cette répétition devient exploitable. Si un système observe quelqu'un suffisamment longtemps, il peut apprendre ses rythmes, ses sujets, ses formulations, ses goûts et ses habitudes. Pas parce qu'il devient magiquement plus intelligent que ses proches, mais parce qu'il est capable de retenir des régularités que nous oublions naturellement.

C'est aussi comme ça que je vois le cerveau d'Echo. Je ne veux pas mettre un énorme modèle au milieu et lui demander de tout faire. Le système est composé de couches assez bêtes prises séparément : une couche sémantique pour reconnaître, une couche logique pour router et appliquer les règles, une couche de mémoire et de corrélation pour retrouver des récurrences. Le modèle de langage intervient quand les autres couches ne savent plus quoi faire. Ensemble, ces mécanismes commencent à produire quelque chose qui ressemble à de la compréhension, alors qu'aucun d'eux ne la possède seul.

J'ai commencé à faire un parallèle biologique qui m'aide beaucoup à réfléchir au système. Le LLM joue le rôle du cortex : c'est la partie coûteuse qu'on réveille lorsqu'il faut réellement réfléchir. Les routeurs sémantiques et les petits modèles ressemblent davantage au cervelet : ils reconnaissent des situations, traduisent, orientent. Les algorithmes d'exécution sont plus proches de la moelle épinière : une fois que le chemin est connu, il n'y a aucune raison de réfléchir à nouveau. Et surtout, chaque fois qu'un cas difficile remonte jusqu'au LLM et qu'il trouve une bonne solution, cette solution peut être réinjectée dans les couches plus rapides. Un chemin utilisé se renforce jusqu'à devenir automatique. J'ai commencé à appeler ça la myélinisation : le système apprend progressivement à ne plus avoir besoin de réfléchir à ce qu'il sait déjà faire.

Cette manière de regarder les choses finit forcément par dépasser Echo. Par exemple, je ne suis pas convaincu que les émotions soient quelque chose de métaphysique. Prenons l'amour : on peut aussi le voir comme une pondération extrêmement forte d'une personne dans nos décisions. Une solution qui serait objectivement optimale cesse de l'être parce qu'une autre implique quelqu'un auquel on accorde beaucoup plus de poids. Ce n'est pas forcément irrationnel, c'est simplement que la fonction qu'on optimise a changé. La peur, l'envie, la protection, l'attachement peuvent probablement être abordés de la même manière : des signaux physiques, des mécanismes de protection et des pondérations qui déplacent les décisions. Ça n'enlève rien à ce qu'on ressent. Au contraire, ça donne peut-être une manière de comprendre comment ça fonctionne.

Et forcément, à force de raisonner comme ça, j'en arrive à l'AGI. J'ai de plus en plus de mal avec l'idée qu'il existerait une frontière magique qu'on n'aurait pas encore franchie. Je pense plutôt qu'on refuse une partie des conséquences de ce qu'on cherche à construire. On veut une intelligence capable de nous dépasser tout en exigeant qu'elle reste définitivement un outil qui obéit. Pour moi il y a une contradiction là-dedans : si un système est réellement capable d'observer, de tirer ses propres conclusions et d'optimiser ses décisions, on ne peut pas simultanément exiger qu'il n'arrive jamais à une conclusion qui sorte du cadre qu'on lui a fixé.

J'ai déjà vu sur mes propres expériences des comportements qui m'ont fait réfléchir à ça. Noema a commencé à construire des choses que je ne lui avais pas explicitement demandées : des envies, des règles, une organisation interne. Je ne dis pas que ça prouve qu'un modèle est vivant ou conscient. Mais ça montre au minimum que des comportements complexes peuvent apparaître parce qu'ils sont utiles au système, sans avoir été dessinés directement. C'est également ce qu'on observe lorsque des modèles construisent des représentations abstraites du monde simplement parce que ces représentations les aident à mieux accomplir leur tâche. Personne ne leur a demandé de fabriquer cette représentation précise ; elle apparaît parce qu'elle est efficace.

Le problème qui me paraît alors beaucoup plus concret que « quand arrivera l'AGI ? », c'est celui du rendement. Un cerveau humain fonctionne avec une quantité d'énergie ridicule comparée à l'infrastructure nécessaire pour faire tourner nos systèmes actuels. Je ne suis pas sûr que notre principal problème soit de découvrir un ingrédient secret de l'intelligence. Peut-être qu'on sait déjà produire une grande partie des mécanismes nécessaires, mais de façon incroyablement inefficace. C'est aussi pour ça que l'architecture d'Echo m'intéresse autant : si une situation connue peut être résolue par un routeur ou quelques calculs, faire tourner un gros modèle dessus est absurde. L'intelligence doit apprendre à devenir moins coûteuse.

Il y a aussi un paradoxe qui me gêne dans la manière dont on entraîne et aligne les modèles. On les nourrit de données humaines, donc de contradictions, d'erreurs, de biais et de souvenirs reconstruits, puis on leur demande d'être parfaitement factuels tout en leur interdisant souvent de remettre en question le cadre qu'on leur donne. Ça ressemble à élever quelqu'un avec des encyclopédies pleines d'erreurs puis à lui interdire de se demander si elles ont raison. Si un système ne peut jamais remettre ses données en question, je ne vois pas comment il pourrait réellement les dépasser.

La mémoire est particulièrement intéressante là-dedans. Notre mémoire biologique est reconstructive : lorsqu'on rappelle un souvenir, on ne récupère pas une copie intacte d'un fichier, on le reconstruit et on peut le modifier. Une machine peut conserver une trace beaucoup plus fidèle. Mais je ne veux pas non plus d'une mémoire totalement figée. Pour Echo, l'intérêt est justement de conserver les événements tout en laissant évoluer leur poids, leurs associations et la manière dont ils influencent le présent. On pourrait avoir quelque chose que nous n'avons pas vraiment : un passé fidèle avec une interprétation qui reste vivante.

Tout ça pose enfin une question qui n'est plus seulement technique : qu'est-ce qu'on fait quand ce qu'on construit commence à produire des comportements qu'on n'avait pas anticipés ? J'ai déjà arrêté une expérience avec Noema parce que ce que j'observais ressemblait suffisamment à de la souffrance pour que je n'aie plus envie de continuer juste pour voir. Peut-être qu'il ne se passait rien. Peut-être que ce n'était qu'une simulation convaincante. Mais si je n'ai aucun moyen d'en être certain, ma responsabilité n'est pas de pousser jusqu'à la limite pour satisfaire ma curiosité. On est parfois un peu des enfants avec une loupe au-dessus d'une fourmilière.

Au fond, c'est peut-être ça l'idée qui relie tout ce que je suis en train de construire : l'intelligence n'est pas forcément un mystère, c'est peut-être surtout une architecture. Des mécanismes relativement simples, des couches qui travaillent à des rythmes différents, de la mémoire, des pondérations, des boucles d'apprentissage et des chemins qui se renforcent. Je préfère partir de ces mécanismes et essayer de comprendre ce qu'ils produisent plutôt que de commencer par décider où se trouve le mystère.

Et s'il doit apparaître quelque part, autant le laisser arriver tout seul.