Cinq astuces pour utiliser l’IA sans délaisser ses neurones

Google utilise d'anciens reportages et l'IA pour prédire les crues soudaines

Google utilise d'anciens rapports journalistiques et un LLM pour convertir des données qualitatives en données quantitatives, afin de pallier le manque de données hydrologiques historiques. Cette approche permet d'améliorer les modèles de prédiction des crues soudaines, un phénomène météorologique particulièrement difficile à anticiper. Le projet illustre comment l'IA peut transformer des archives textuelles en données structurées exploitables pour la prévention des catastrophes naturelles.

« Que deviendront les intelligences artificielles si elles doivent sans cesse utiliser les mêmes données ? »

L'essor fulgurant des modèles d'intelligence artificielle générative soulève une question critique pour l'avenir du secteur : que se passe-t-il lorsque ces systèmes commencent à s'entraîner sur des données qu'ils ont eux-mêmes produites ? Le phénomène, désigné par les chercheurs sous le terme d'« effondrement de modèle » (model collapse), menace de dégrader progressivement la qualité et la diversité des sorties générées par les IA. Le problème est structurel. Internet, principale source d'entraînement des grands modèles de langage, se remplit à vitesse accélérée de contenus synthétiques, textes, images, vidéos, générés par des outils comme ChatGPT, Midjourney ou Sora. À mesure que la proportion de données artificielles augmente dans les corpus d'entraînement, les modèles de nouvelle génération risquent d'amplifier les biais et les erreurs de leurs prédécesseurs, dans une boucle de rétroaction négative. Pour l'ensemble du secteur, cela soulève des interrogations sur la soutenabilité à long terme des stratégies actuelles de collecte de données. Des recherches publiées par des équipes d'Oxford, d'Edinburgh et de Toronto ont documenté ce phénomène : lorsqu'un modèle est entraîné sur des données générées par un autre modèle, les distributions statistiques s'appauvrissent à chaque itération. Les queues de distribution, ces cas rares mais essentiels à la richesse et à la nuance, disparaissent progressivement. La vidéo générée par IA mettant en scène une bagarre spectaculaire entre Brad Pitt et Tom Cruise illustre précisément ce type de contenu synthétique qui prolifère désormais en ligne, difficile à distinguer d'une source humaine authentique. Face à ce défi, plusieurs pistes émergent : la mise en place de registres de provenance des données, le développement de techniques de détection de contenu synthétique, ou encore la constitution de corpus certifiés d'origine humaine. Des acteurs comme Google DeepMind et Meta AI investissent dans ces directions, mais la course entre la production de contenu artificiel et les mécanismes de filtrage reste, pour l'heure, largement ouverte.

Un chercheur Microsoft crée un réseau neuronal à base de chèvres dans Age of Empires II pour critiquer la recherche en IA

Un chercheur de Microsoft a construit un réseau de neurones fonctionnel dans l'éditeur de cartes d'Age of Empires II, en utilisant des chèvres, des ponts et des rampes de glace. Le système reproduit fidèlement les opérations mathématiques d'un réseau de neurones artificiel classique, avec des unités logiques remplacées par des animaux qui se déplacent selon des règles précises. Ce qui ressemble à une expérience absurde est en réalité une démonstration délibérément provocatrice. L'objectif est de mettre en lumière un biais méthodologique profond dans la recherche sur l'IA. En analysant 315 articles scientifiques, le chercheur a constaté que plus de la moitié d'entre eux présupposaient des traits humains chez les modèles de langage avant même que l'expérience ne commence. Or, si l'on remplace une interface de chat par des chèvres errantes, les mathématiques sous-jacentes ne changent pas, mais l'impression de dialoguer avec une entité consciente disparaît immédiatement. C'est précisément ce sentiment, et non les données, qui influence les conclusions de nombreuses études. Cette démonstration s'inscrit dans un débat scientifique plus large sur l'anthropomorphisation des systèmes d'IA. Depuis l'émergence des grands modèles de langage comme GPT-4 ou Gemini, une partie de la communauté académique tend à projeter des capacités cognitives humaines sur des systèmes qui ne font qu'optimiser des probabilités statistiques. En montrant qu'un troupeau de chèvres peut réaliser les mêmes calculs qu'un réseau neuronal, le chercheur pousse ses pairs à interroger leurs cadres d'interprétation avant de publier des conclusions sur la "compréhension" ou la "conscience" des modèles.

NVIDIA présente SpatialClaw : un agent sans entraînement qui utilise le code comme interface pour le raisonnement spatial

Les chercheurs de NVIDIA ont publié SpatialClaw, un framework d'agent pour le raisonnement spatial qui ne nécessite aucun réentraînement des modèles. Testé sur 20 benchmarks couvrant cinq catégories de tâches visuelles (image unique, multi-vues, vidéo, 4D et compréhension vidéo générale), le système atteint 59,9 % de précision moyenne, soit 11,2 points de plus que SpaceTools, le précédent agent spatial de référence. SpatialClaw fonctionne comme une boucle agentique enveloppant un noyau Python persistant, pré-chargé avec les images d'entrée et un ensemble de primitives de perception. Deux outils sont au cœur du système : Reconstruct, qui s'appuie sur Depth Anything 3 pour produire cartes de profondeur, géométrie caméra et nuages de points, et SAM3, qui exploite SAM 3 pour générer des masques vidéo ou image à partir de texte ou de coordonnées. Le système a été évalué sur six architectures de modèles allant de 26 à 397 milliards de paramètres, issues des familles Qwen3 et Gemma4. Le vrai apport de SpatialClaw est moins dans ses outils que dans la manière dont l'agent les utilise. NVIDIA a comparé trois interfaces d'action sur les mêmes outils et le même prompt : code en passe unique (+1,8 point sur la baseline sans outil), appels structurés via schéma JSON (+3,3 points), et l'interface de SpatialClaw où le code lui-même est l'interface d'action (+6,5 points). La différence tient à la capacité d'inspection intermédiaire : plutôt que de soumettre un programme complet sans retour, l'agent observe les résultats partiels et révise sa stratégie en cours de route. Sur un exemple concret, mesurer la distance minimale entre un radiateur et une porte, l'agent corrige son premier calcul de centroïde en basculant vers scipy.spatial.KDTree, obtenant 0,9439 m contre une vérité terrain à 0,9 m. Les gains les plus importants apparaissent sur les tâches dynamiques : +17,6 points sur DSI-Bench et +15,3 sur MindCube avec le backbone Gemma4-31B. Le raisonnement spatial reste l'un des talons d'Achille des grands modèles vision-langage : localiser précisément des objets, estimer leurs relations géométriques et suivre leurs trajectoires dans un espace 3D dépasse les capacités actuelles de la plupart des VLM, quelle que soit leur taille. Les approches existantes comme VADAR ou pySpatial utilisaient toutes du code en passe unique ou des appels d'outils structurés, avec des résultats limités à respectivement 40,5 % et 47,8 % de moyenne. En traitant le code comme interface d'action native plutôt que comme sortie figée, NVIDIA propose une solution qui s'applique à n'importe quel modèle sans modifier ses poids, ce qui facilite l'adoption. Le framework est documenté sur le site du projet et représente un signal fort pour les applications robotiques, les véhicules autonomes et les systèmes d'assistance visuelle, où la précision géométrique est non négociable.

💬 Honnêtement, c'est plus intéressant que ça en a l'air. NVIDIA avec SpatialClaw, c'est une évolution concrète dans le raisonnement spatial. Le truc, c'est qu'ils ont su tirer parti du code comme interface d'action directe, pas juste comme sortie figée. Cela signifie que les agents peuvent s'ajuster en temps réel, corriger et améliorer leurs calculs grâce à une inspection intermédiaire. Sur des tâches dynamiques, les gains sont substantiels, ce qui montre qu'on touche quelque chose de pertinent pour les robots, les voitures autonomes et les systèmes d'aide visuelle où la précision est primordiale. C'est pas juste un ajout de performance, c'est une nouvelle manière de travailler avec l'IA.