Aller au contenu principal
IA : débats sur les goulots d'étranglement, et essais BCI en plein essor
RechercheMIT Technology Review1h· 2 min de lecture

IA : débats sur les goulots d'étranglement, et essais BCI en plein essor

Source originale ↗·
IA : débats sur les goulots d'étranglement, et essais BCI en plein essor
▶ Voir sur YouTube

La startup américaine Subquadratic est sortie de sa phase de discrétion le mois dernier avec une affirmation ambitieuse : avoir résolu un goulot d'étranglement mathématique qui freine les grands modèles de langage depuis près d'une décennie. Leur approche consiste à réduire drastiquement le nombre de calculs que les transformeurs doivent effectuer pour générer des réponses, ce qui produirait des modèles plus rapides, moins coûteux et bien moins énergivores que tout ce qui existe actuellement sur le marché. Parallèlement, le domaine des interfaces cerveau-ordinateur (BCI) connaît une accélération notable : Casey Harrell, atteint de la maladie de Charcot (SLA), est décrit comme le premier "utilisateur avancé" d'un implant cérébral qui lui permet de maintenir une activité professionnelle, de renouer avec ses proches et de lire des histoires à sa fille. En 2026, la Chine est devenue le premier pays à approuver officiellement une BCI à usage médical. Sur le plan politique, le sénateur Bernie Sanders a dévoilé une proposition de loi visant à créer un fonds souverain américain en intelligence artificielle, financé par une taxe unique sur les actions des grandes entreprises du secteur, avec des versements annuels directs aux citoyens américains.

Ces développements signalent des mutations profondes dans l'industrie technologique. Si la technique de Subquadratic est confirmée, elle pourrait redistribuer les cartes dans la course aux LLM en rendant obsolètes les avantages concurrentiels liés à la puissance brute de calcul, un domaine où des entreprises comme Nvidia et les grands hyperscalers ont investi des dizaines de milliards de dollars. Du côté des BCI, l'accélération des essais cliniques ouvre des perspectives concrètes pour des millions de personnes atteintes de paralysie ou de maladies neurodégénératives. Deux études publiées dans Nature viennent toutefois tempérer l'enthousiasme ambiant autour de l'IA : elles suggèrent que l'utilisation intensive de ces outils affaiblirait les capacités cognitives des médecins et des ingénieurs, un phénomène que certains observateurs qualifient de "désqualification professionnelle par surinvestissement technologique."

Le contexte global reflète une industrie à un tournant. Chez Amazon, des ingénieurs ayant témoigné lors de réunions internes en faveur d'un ralentissement de la construction de centres de données font l'objet d'enquêtes disciplinaires pouvant aller jusqu'au licenciement, révélant les tensions croissantes entre salariés et direction sur les enjeux environnementaux et éthiques du déploiement massif de l'IA. Sur le plan géopolitique, des investisseurs chinois auraient discrètement acquis des parts dans SpaceX avant son introduction en bourse, tandis que Washington craint que Pékin ait obtenu l'accès à l'une des machines les plus avancées du fabricant de semi-conducteurs ASML. La proposition Sanders s'inscrit dans un débat plus large sur qui doit bénéficier des gains économiques de l'IA, à l'heure où la pratique du "tokenminning", réduire sa consommation de tokens face à des coûts en spirale, commence à remplacer le "tokenmaxxing" chez les professionnels tech les plus intensifs.

Impact France/UE

La révélation que Pékin aurait obtenu l'accès à une machine ASML (fabricant néerlandais stratégique de semi-conducteurs) soulève des enjeux de sécurité économique directement pertinents pour l'UE, et les études Nature sur la déqualification cognitive par l'IA concernent l'ensemble des travailleurs européens.

Dans nos dossiers

Cet article vous a été utile ?

Vu une erreur factuelle dans cet article ? Signalez-la. Toutes les corrections valides sont publiées sur /corrections.

À lire aussi

1AI News 

L'écart entre les États-Unis et la Chine en IA s'est réduit, mais pas sur l'IA responsable

Le rapport annuel sur l'intelligence artificielle publié cette semaine par l'Institut pour l'IA centrée sur l'humain de l'Université Stanford dresse un état des lieux qui contredit plusieurs certitudes dominantes. Ce document de 423 pages couvre les performances des modèles, les flux d'investissement, la recherche académique et la sécurité de l'IA. Parmi les conclusions les plus saillantes : l'écart de performance entre les modèles américains et chinois s'est pratiquement refermé. En février 2025, DeepSeek-R1 a brièvement égalé le meilleur modèle américain, et en mars 2026, le modèle de pointe d'Anthropic ne devance son équivalent chinois que de 2,7 %. Les États-Unis produisent encore davantage de modèles de premier rang (50 en 2025 contre 30 pour la Chine) et conservent un avantage en brevets à fort impact, mais la Chine domine désormais en volume de publications, en citations et en dépôts de brevets. Sa part dans les 100 articles d'IA les plus cités est passée de 33 en 2021 à 41 en 2024. La Corée du Sud, fait notable, détient le premier rang mondial pour les brevets IA par habitant. Ce rééquilibrage des forces a des implications directes pour les entreprises et les gouvernements qui fondent leur stratégie sur une supposée suprématie technologique américaine durable : cette hypothèse n'est plus solide. Le rapport pointe également une vulnérabilité structurelle majeure : les États-Unis abritent 5 427 centres de données, soit plus de dix fois tout autre pays, mais la quasi-totalité des puces IA qui les font fonctionner est fabriquée par une seule entreprise, TSMC, dont le site principal se trouve à Taïwan. Une expansion de TSMC sur le sol américain a certes démarré en 2025, mais la dépendance reste critique. Par ailleurs, les incidents documentés liés à l'IA ont bondi à 362 en 2025 contre 233 en 2024, et moins de 100 par an avant 2022, selon l'AI Incident Database. Le moniteur de l'OCDE a enregistré un pic de 435 incidents mensuels en janvier 2026. Ce qui rend ces chiffres d'autant plus préoccupants, c'est l'absence quasi totale d'évaluation publique en matière de sécurité responsable. Le rapport constate que presque tous les développeurs de modèles publient leurs résultats sur des benchmarks de capacité, mais que les benchmarks de sécurité, d'équité et de factualité restent en grande partie vides. Seul Claude Opus 4.5 renseigne plus de deux indicateurs de sécurité responsable parmi ceux suivis par le rapport ; seul GPT-5.2 rapporte le benchmark StrongREJECT. Les laboratoires font bien du red-teaming et des tests d'alignement en interne, mais ces efforts sont rarement divulgués via un référentiel commun et comparable. Résultat : toute comparaison externe sur les dimensions de sécurité est impossible pour la majorité des modèles. Selon une enquête conjointe du rapport et de McKinsey, la part des organisations évaluant leur gestion des incidents IA comme "excellente" est en recul, signalant que la gouvernance interne ne suit pas le rythme de déploiement.

UEL'UE doit reajuster sa strategie d'autonomie technologique face a la quasi-parite sino-americaine en IA, et l'absence de benchmarks publics de securite responsable complique directement l'evaluation de conformite prevue par l'AI Act.

💬 L'écart à 2,7% entre le meilleur modèle US et son équivalent chinois, oui, c'est notable. Mais le chiffre qui m'a arrêté, c'est que pendant que les incidents IA grimpent à 362 en 2025, presque aucun labo ne publie ses données sur les benchmarks de sécurité (seul Claude Opus 4.5 renseigne plus de deux indicateurs dans le rapport). On compare les capacités dans tous les sens, et on construit sur des fondations qu'on refuse de montrer.

RecherchePaper
1 source
Andrej Karpathy : les humains sont désormais le goulot d'étranglement de la recherche en IA face à des résultats faciles à mesurer
2The Decoder 

Andrej Karpathy : les humains sont désormais le goulot d'étranglement de la recherche en IA face à des résultats faciles à mesurer

Andrej Karpathy a confié à un agent autonome l'optimisation de son environnement d'entraînement overnight, et celui-ci a découvert des améliorations qu'il n'avait pas détectées malgré vingt ans d'expérience. Selon Karpathy, les humains sont désormais le goulot d'étranglement de la recherche en IA, notamment pour les tâches aux résultats facilement mesurables.

RecherchePaper
1 source
Modèles du monde : 10 points clés sur l'IA en ce moment
3MIT Technology Review 

Modèles du monde : 10 points clés sur l'IA en ce moment

Les "world models" figurent parmi les dix tendances les plus importantes de l'intelligence artificielle selon le MIT Technology Review, qui leur consacre une place dans sa sélection éditoriale annuelle "10 Things That Matter in AI Right Now". La publication organise en parallèle une table ronde réservée aux abonnés intitulée "Can AI Learn to Understand the World?", animée par le rédacteur en chef Mat Honan, le senior editor Will Douglas Heaven et la journaliste spécialisée Grace Huckins. Les world models représentent une approche fondamentalement différente de l'IA actuelle : plutôt que de prédire des tokens de texte, ces systèmes cherchent à construire une représentation interne du monde physique, capable d'anticiper les conséquences d'actions dans des environnements réels. L'enjeu est considérable pour la robotique, les véhicules autonomes et tout système d'IA devant agir dans le monde réel plutôt que simplement répondre à des requêtes textuelles. Le sujet est étroitement lié aux travaux de Yann LeCun, directeur scientifique de Meta AI, qui défend depuis plusieurs années une vision où les world models constitueraient la prochaine étape majeure au-delà des grands modèles de langage. Des applications concrètes commencent à émerger, comme l'utilisation des données de Pokémon Go pour doter des robots livreurs d'une cartographie centimètre par centimètre de l'environnement urbain. L'intérêt croissant de la presse spécialisée pour ce concept signale que le débat sur les limites des LLMs actuels s'intensifie dans les cercles de recherche.

RecherchePaper
1 source
4Ars Technica AI 

Les modèles d'IA sont mauvais pour parier sur le football, Grok en tête

Une étude publiée cette semaine par la startup londonnienne General Reasoning révèle que les grands modèles d'IA de Google, OpenAI, Anthropic et xAI ont tous perdu de l'argent en pariant virtuellement sur les matchs de Premier League de la saison 2023-2024. Le rapport, baptisé "KellyBench", a soumis huit systèmes d'IA à une reconstitution virtuelle complète de la saison, en leur fournissant des données historiques détaillées sur chaque équipe et chaque rencontre. Les modèles avaient pour mission de construire des stratégies maximisant les rendements tout en gérant le risque, une tâche à laquelle tous ont échoué, le modèle Grok d'xAI s'illustrant particulièrement mal. Ce résultat met en lumière une limite structurelle des IA actuelles : leur incapacité à raisonner de manière fiable sur des problèmes complexes du monde réel sur de longues périodes. Là où ces mêmes systèmes excellent dans des tâches bien délimitées comme l'écriture de code ou la génération de texte, la prévision sportive exige une intégration de facteurs dynamiques, d'incertitudes cumulées et d'un jugement probabiliste soutenu que les modèles peinent à maintenir sur une saison entière. L'étude KellyBench s'inscrit dans un débat plus large sur les véritables capacités de raisonnement des LLM. Alors que les benchmarks traditionnels sont régulièrement saturés par les nouveaux modèles, General Reasoning cherche à concevoir des épreuves qui résistent dans le temps et mesurent des compétences cognitives authentiques. Les paris sportifs, imprévisibles par nature et impossibles à mémoriser par entraînement, constituent un terrain de test particulièrement révélateur des lacunes réelles de ces systèmes.

💬 Ça paraît anecdotique, mais c'est en fait un des benchmarks les plus honnêtes qu'on ait vus depuis longtemps : tu enlèves la possibilité de mémoriser les réponses pendant l'entraînement, et là les modèles se plantent dans les grandes largeurs. Ce que ça révèle, c'est pas qu'ils sont "mauvais au foot", c'est qu'ils tiennent pas sur la durée dès que le problème est dynamique et bruité. Grok en lanterne rouge, c'est la cerise.

RecherchePaper
1 source

Recevez l'essentiel de l'IA chaque jour

Une sélection éditoriale quotidienne, sans bruit. Directement dans votre boîte mail.

Recevez l'essentiel de l'IA chaque jour

Gratuit · 1 email le matin, rédigé par un humain · désinscription en un clic