« Si l’intelligence artificielle pouvait penser, elle rêverait peut-être d’être humaine, ou au moins de ne pas hurler au robot chaque fois qu’elle plante. » Venant d’une conférence explosive de la GTC de Nvidia à San Jose, Noam Brown, ténor de la recherche en AI chez OpenAI, nous chamboule avec une révélation décoiffante : les modèles d’IA qui raisonnent auraient pu voir le jour bien plus tôt, il y a vingt ans, si seulement les chercheurs avaient eu la bonne approche. C’est comme découvrir que votre arrière-grand-tante aurait pu écrire « Harry Potter » si elle avait juste su où était rangé le parchemin magique.
Durant sa prise de parole, Brown souligne que ce domaine de recherche a été largement snobé par le passé. Une négligence qui, selon lui, trouve sa raison dans l’oubli collectif du besoin de réflexion avant l’action. Car chez l’humain, c’est bien connu, face à un micro-onde capricieux, on réfléchit avant de sortir la lourde artillerie. Et si les IA s’essayaient à la réflexion plutôt qu’à l’action bucheronnesque?
En somme, faire réfléchir les robots pourrait éviter qu’ils finissent en conférenciers.
Le modèle sensationnel baptisé o1, orchestré par Brown, fait ses gammes avec une technique dénommée « inférence au moment du test ». Derrière ce galimatias, l’idée toute simple que plus de calculs pourraient mener l’IA à mieux raisonner. Certes novateur, le modèle est surtout révélé comme étant un cousin pas si lointain des techniques traditionnelles où la préformation à grande échelle a longtemps régné. Pas de révolution en vue, mais plutôt un mix synergique des deux approches où chacun picore dans l’assiette de l’autre.
Quand le débat porte sur l’accès des académies aux ressources titanesques requises pour ces modèles gargantuesques comme ceux de notre vénéré OpenAI, Brown semble rester pragmatique. Oui, c’est plus difficile pour l’académique. Non, ce n’est pas peine perdue. Eldorado académique, vous le trouverez dans les secrets de l’architecture des modèles et non dans la chasse à la puissance de calcul. La collaboration et l’observation des publications universitaires restent les clés que les géants, tout entichés qu’ils soient de grandeur, ne sauraient ignorer.
En parallèle, les clima perturbations de notre cher Trumpou ont des effets calcinants sur le financement scientifique américain. Mais que ce soit à travers les risques venus de la Maison-Blanche ou via le besoin de benchmarks en IA qui soient pertinents, le message de Brown est clair : académiciens, à vos claviers, il y a bien un terrain où frapper! En effet, les outils actuels sont si peu représentatifs qu’ils pourraient presque provoquer des extinctions de savoir-faire. C’est un peu comme vouloir mesurer un marathon avec un yo-yo.
En conclusion, même si l’IA n’est pas encore une merveille 100% humaine, il est indéniable qu’avec un peu de raisonnement, elle devient de plus en plus « humano-compatible ». Un peu comme si Wall-E avait fait un stage chez Descartes avant de devenir poêle à frire. Une chose est sûre, donner à l’IA la chance de cogiter, c’est l’assurance de ne pas lui faire dire des inepties. Et à ce rythme, peut-être qu’un jour, elle sera payée en calembours !
Source : Techcrunch
