🤖IActualités du 1er Avril

Bonjour à toutes et à tous,

Comme chaque semaine, retrouvez toute l’actualité de l’Intelligence Artificielle !

40%

Une étude Procter & Gamble a révélé que l'IA améliore fortement la performance en développement produit. Les équipes utilisant GPT-4o ont surpassé de 40 % les équipes sans IA. Les individus seuls avec IA ont amélioré leurs résultats de 37 %, atteignant le niveau des équipes sans IA.

Source : Etude Procter & Gamble

OpenAI: entre levée de fonds et construction de data centers

OpenAI est sur le point de boucler une levée de fonds historique de 40 milliards de dollars, menée par SoftBank. Si l’opération aboutit, la valorisation de l’entreprise atteindrait 300 milliards $, faisant d’elle l’une des entreprises technologiques les plus valorisées au monde.

Cet afflux massif de capitaux servira en priorité à renforcer l'infrastructure informatique d'OpenAI, notamment par l'acquisition de puces et de serveurs. Son PDG, Sam Altman, a lui-même reconnu que l’entreprise souffre d’une pénurie de GPU, des processeurs essentiels au fonctionnement de ses modèles d’IA.

Par ailleurs, OpenAI envisage de construire son propre data center, un projet ambitieux qui pourrait coûter des centaines de milliards de dollars. Cette stratégie réduirait sa dépendance aux fournisseurs de cloud comme Microsoft et augmenterait sa capacité à développer des IA toujours plus performantes.

Le succès fulgurant de son nouvel outil de génération d’images a entraîné une saturation des serveurs d'OpenAI. Disponible pour les abonnés payants, cet outil permet de créer des images ultra-réalistes et stylisées, inspirées notamment de l’univers du studio Ghibli. Devant l’afflux massif d’utilisateurs, OpenAI a dû suspendre temporairement l’accès à cette fonctionnalité pour les utilisateurs gratuits.

La mise à jour du modèle GPT-4o apporte des améliorations notables en matière de compréhension et de génération de contenu, avec une meilleure prise en compte du contexte des prompts. Cette évolution ouvre la voie à de nouvelles applications, comme la création automatisée de campagnes publicitaires, la rénovation virtuelle d’intérieurs ou encore la conception de schémas complexes en quelques clics.

Pour finir, OpenAI adopte le Model Context Protocol (MCP), un standard développé par Anthropic, permettant aux IA de mieux interagir avec des sources de données externes. Cette approche pourrait accélérer la collaboration entre les différents acteurs de l’IA et favoriser une innovation plus rapide.

Un Nouveau Test pour Mesurer l’Intelligence des IA

Les benchmarks d’IA ont toujours eu une importance discutable lorsqu’il s’agit d’évaluer les véritables capacités des modèles. Certains chercheurs tentent de créer des tests plus pertinents. C’est le cas de François Chollet, scientifique en informatique et créateur du benchmark ARC-AGI-1, conçu pour mesurer la capacité de raisonnement des modèles d’IA.

Son objectif est clair : établir un test qui serve de “North Star” vers l’intelligence artificielle générale (AGI), cette hypothétique évolution de l’IA qui permettrait aux machines d’acquérir une intelligence comparable à celle des humains. Pour Chollet, l’AGI se définit comme la disparition de l’écart entre les tâches faciles pour les humains mais difficiles pour les IA.

Cette semaine, il a annoncé ARC-AGI-2, une nouvelle version de son test qui, en plus de l’intelligence généralisée, prend en compte l’efficacité des modèles. Contrairement à la première version, ce nouveau benchmark ne peut pas être résolu par simple force brute.

Les résultats sont révélateurs : alors que le modèle d’OpenAI qui avait atteint 75 % de réussite sur ARC-AGI-1 ne dépasse pas 4 % sur ARC-AGI-2, les modèles de langage classiques n’obtiennent même pas 1 %. Chaque tâche du test a été résolue en moins de deux tentatives par au moins deux humains, avec un coût de 17 dollars par tâche, tandis que les modèles d’IA actuels demandent jusqu’à 200 dollars par tâche.

L’efficacité devient donc une mesure clé dans ce benchmark. Les participants à ce défi ne disposent que de 50 dollars de calcul par soumission et doivent rendre leur solution open source pour prétendre au prix.

Ce critère d’efficacité met en lumière une limite fondamentale des grands modèles de langage (LLM). Leur intelligence reste inefficace et fragile, et leur propension aux erreurs confiantes et aux hallucinations est toujours aussi présente. Le constat est sans appel : l’IA, dans sa forme actuelle, reste loin de la véritable intelligence humaine.

KBLaM : une nouvelle approche pour rendre les LLMs plus efficaces et fiables

Les modèles de langage (LLMs) comme ChatGPT sont impressionnants, mais ils rencontrent des défis majeurs lorsqu'il s'agit d'intégrer des connaissances externes de manière efficace. Jusqu'à présent, plusieurs approches existaient :

• le fine-tuning, coûteux et rigide,

• le Retrieval-Augmented Generation (RAG), qui ajoute une complexité avec des composants externe

• l’apprentissage en contexte (in-context learning), dont l’efficacité décroît avec l’augmentation du volume de connaissances.

Microsoft propose aujourd’hui une alternative prometteuse : KBLaM (Knowledge Base-Augmented Language Model).

KBLaM repose sur une méthode innovante appelée rectangular attention, qui permet d’encoder des connaissances sous forme de triplets structurés (entité, propriété, valeur). Ces informations sont intégrées directement dans les couches d’attention du modèle, ce qui offre plusieurs avantages significatifs :

• Accès efficace et scalable : contrairement au RAG, qui nécessite un module externe de récupération d’information, KBLaM intègre directement les connaissances dans le modèle, réduisant ainsi la latence et les besoins en mémoire.

• Mises à jour sans réentraînement : alors que le fine-tuning impose un nouveau cycle d’entraînement pour chaque mise à jour des données, KBLaM permet d’ajouter ou de modifier des connaissances dynamiquement.

• Réduction des hallucinations : le modèle apprend à refuser de répondre lorsqu’il ne dispose pas de l’information nécessaire, ce qui renforce la fiabilité des réponses.

👀 C’est tout, pour le moment !

Si cette newsletter vous a plu, partagez la !

A la semaine prochaine !👋