Google repense sa stratégie en matière d’intelligence artificielle alors que de récents rapports indiquent que son outil d’intelligence artificielle conversationnelle, Gemini, ne parvient pas à améliorer ses performances. Le ralentissement des progrès de ce grand modèle de langage alimente les débats sur la trajectoire future de l’IA générative et le ralentissement de son rythme d’amélioration.
The Information rapporte que le développement de l’IA de Google connaît des taux d’amélioration en baisse par rapport aux versions précédentes des modèles. Les anciens modèles affichaient des taux de progression plus rapides grâce à davantage de données d’entraînement et de puissance de calcul. Toutefois, le modèle d’IA actuel s’améliore plus lentement, même lorsqu’il utilise davantage de données de traitement et des puces spécialisées pour l’IA.
Pour tenir compte du ralentissement des progrès des modèles d’IA, les chercheurs de Google ont réorienté leurs efforts stratégiques vers de nouvelles méthodes visant à améliorer les performances des technologies d’IA, tout en continuant de se concentrer sur les innovations en matière d’IA multimodale, les modèles d’IA capables de raisonner et les capacités d’entraînement à partir de données synthétiques.
Performances de l’IA : les difficultés sont partagées
Google n’est pas la seule entreprise à connaître un ralentissement des progrès dans le développement de ses modèles. Ses difficultés en matière de performances de l’IA suivent des tendances similaires récemment observées chez plusieurs grands acteurs du développement de l’IA.
Les évaluations menées par OpenAI sur son modèle le plus récent, Orion, n’ont révélé que des améliorations modérées en programmation et très peu de nouvelles avancées par rapport aux modèles précédents. Anthropic connaît également des retards de développement avec son modèle d’IA Claude 3.5 Opus. Alors que les entreprises concurrentes éprouvent des difficultés à développer leurs derniers modèles, chacune s’est employée à revoir ses stratégies en matière d’IA. Anthropic a repoussé la sortie d’Opus, tandis que les chercheurs d’OpenAI ont mis au point de nouvelles techniques pour compenser le ralentissement des progrès.
Un porte-parole de Google a expliqué que l’entreprise repensait ses méthodes d’entraînement des modèles et investissait dans les données, en intégrant des données synthétiques, des vidéos et des fichiers audio générés par l’IA à l’entraînement de ses modèles. Toutefois, malgré l’affectation de davantage de ressources de calcul et de données d’entraînement, le nouveau modèle n’a pas encore progressé à un rythme conforme aux attentes.
Repenser les lois de mise à l’échelle de l’IA
Alors que les entreprises se heurtent à des obstacles dans leurs tentatives de développer des modèles d’IA plus avancés, les analystes du secteur craignent ce que ces goulots d’étranglement pourraient indiquer pour l’avenir des technologies d’IA générative.
Ces expériences récentes dans le développement de l’IA remettent en question la compréhension générale de l’amélioration des modèles d’IA, également appelée lois de mise à l’échelle. Selon cette théorie, les nouveaux modèles devaient afficher des taux d’amélioration similaires si les développeurs utilisaient davantage de puces spécialisées pour l’IA et traitaient plus de données.
À mesure que le concept des lois de mise à l’échelle est mis à l’épreuve, la vitesse et les performances des nouveaux déploiements de modèles d’IA pourraient diminuer jusqu’à la découverte de nouvelles méthodes permettant de les améliorer. Dans l’intervalle, le ralentissement des progrès de l’IA générative chez les géants de la technologie pourrait profiter aux entreprises d’IA de plus petite taille. Alors que Google, OpenAI et d’autres acteurs de premier plan s’efforcent de surmonter les difficultés liées à leurs modèles, les développeurs plus modestes pourraient avoir le temps de rattraper leur retard en matière de qualité de leurs propres systèmes d’IA.
Découvrez comment Gemini de Google et ChatGPT d’OpenAI se comparent dans notre comparatif en face-à-face.