L’intelligence artificielle (IA) atteint un tournant alors que des entreprises comme OpenAI s’attaquent à des défis majeurs, tels que l’explosion de la consommation d’énergie et l’envolée des coûts, en privilégiant des systèmes plus intelligents et plus efficaces, qui raisonnent un peu plus comme les humains. Parmi les problèmes auxquels elles sont confrontées figure la limitation des données d’entraînement, la majeure partie de celles disponibles en ligne ayant déjà été utilisée.
Prenons par exemple le modèle « o1 » d’OpenAI : au lieu d’allouer davantage de puissance de calcul au problème, il aborde les tâches comme pourraient le faire les humains, en les décomposant en étapes plus petites et en apprenant des retours d’experts. Une méthode appelée « calcul au moment du test » lui permet de concentrer les ressources là où elles sont le plus nécessaires, ce qui renforce ses performances sans faire exploser les coûts.
Lors d’un récent événement TED AI, le chercheur d’OpenAI Noam Brown a montré comment un robot de poker avait utilisé cette approche, en raisonnant pendant seulement 20 secondes pour obtenir les mêmes résultats qu’un modèle entraîné 100 000 fois plus longtemps.
Relever le défi de la durabilité
C’est un véritable bouleversement pour le développement de l’IA. L’entraînement des grands modèles de langage (LLM) actuels consomme d’énormes quantités d’énergie, met les réseaux électriques à rude épreuve et soulève de sérieuses inquiétudes environnementales. À cela s’ajoute l’épuisement des réserves de données de haute qualité. Le modèle o1 est conçu pour relever ces défis en s’appuyant sur des données soigneusement sélectionnées et en utilisant les ressources de manière plus réfléchie.
OpenAI n’est pas la seule entreprise concernée. D’autres géants comme Google DeepMind, Anthropic et xAI travaillent sur des techniques similaires. Cette concurrence donne évidemment un sérieux coup d’accélérateur à la course. L’avantage ? Ces avancées pourraient réduire les coûts et rendre les outils d’IA de pointe plus accessibles aux secteurs qui n’avaient pas les moyens de se les offrir.
Cette évolution bouleverse également le marché du matériel. Des entreprises comme Nvidia, qui domine la production de puces pour l’IA, pourraient devoir revoir leur stratégie à mesure que ces nouvelles méthodes, plus efficaces, gagneront du terrain. La voie étant ouverte à l’innovation, de nouveaux concurrents pourraient commencer à se faire une place sur le marché.
La suite
La principale conclusion ? L’IA a changé de priorité. Il s’agit moins de concevoir des modèles toujours plus grands que de créer de meilleurs modèles — des systèmes capables de raisonner, de s’adapter et d’apprendre plus intelligemment, plutôt que de simplement travailler davantage. Comme l’a déclaré le cofondateur d’OpenAI, Ilya Sutskever : « C’est la mise à l’échelle dans la bonne direction qui compte le plus. »
Nous entrons officiellement dans une nouvelle ère pour l’IA — une ère qui promet des systèmes plus intelligents et plus durables, ainsi qu’un paysage plus concurrentiel. Les possibilités sont immenses, et ce n’est que le début.