Aller au contenu principal
Apporter l'IA puissante aux millions d'Européens via Deutsche Telekom
RechercheOpenAI Blog · 1 min de lecture

Apporter l'IA puissante aux millions d'Européens via Deutsche Telekom

Source originale ↗·

OpenAI et Deutsche Telekom s'associent pour offrir des expériences d'IA multilingues avancées à des millions d'Européens. ChatGPT Enterprise sera déployé pour aider les employés de Deutsche Telekom à améliorer les processus et à accélérer l'innovation.

Impact France/UE

OpenAI et Deutsche Telekom collaborent pour introduire des expériences d'IA multilingues avancées via ChatGPT Enterprise, impactant positivement les opérations et l'innovation au sein de Deutsche Telekom, en France, et potentiellement dans toute l'Europe, tout en respectant le RGPD.

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

AMI LABS lève 890 millions d’euros pour construire une nouvelle génération d’IA autour des “world models”
1FrenchWeb 

AMI LABS lève 890 millions d’euros pour construire une nouvelle génération d’IA autour des “world models”

AMI Labs a levé 890 millions d'euros pour développer une nouvelle génération d'IA basée sur les "world models". Cette approche, défendue par Yann LeCun, repose sur l'idée que les modèles de langage actuels, fondés sur la prédiction statistique de texte, sont incapables de véritablement comprendre le monde. AMI Labs ambitionne ainsi de dépasser les limites de l'IA générative actuelle en construisant des modèles capables de raisonner sur la réalité physique et causale.

RechercheActu
1 source
Sujet manquant : Recherche du produit interne maximal amortie via des fonctions de support apprises
2Apple Machine Learning 

Sujet manquant : Recherche du produit interne maximal amortie via des fonctions de support apprises

Une équipe de chercheurs en apprentissage automatique propose une nouvelle méthode baptisée "amortized MIPS", qui s'attaque au problème de la recherche du produit scalaire maximal (Maximum Inner Product Search, ou MIPS), une opération fondamentale utilisée dans de nombreux systèmes de machine learning. Concrètement, il s'agit d'entraîner des réseaux de neurones à prédire directement la solution d'une requête MIPS, c'est-à-dire à identifier le vecteur d'une base de données qui correspond le mieux à une requête donnée, sans avoir à résoudre le problème d'optimisation à chaque fois. L'approche repose sur une observation mathématique clé : la fonction de valeur du problème MIPS correspond à la fonction de support de l'ensemble des vecteurs de la base, un objet convexe bien connu en optimisation, dont le gradient permet justement de retrouver le vecteur optimal. Cette avancée est importante car le MIPS est omniprésent dans les infrastructures d'intelligence artificielle modernes, notamment pour la recherche de similarité dans les moteurs de recommandation, les bases de données vectorielles ou les systèmes de récupération d'information (RAG) associés aux grands modèles de langage. En amortissant le coût de calcul sur des requêtes répétées issues d'une même distribution, la méthode promet des gains de vitesse significatifs par rapport aux approches classiques, qui doivent recalculer une recherche exacte ou approximative à chaque nouvelle requête. Pour les entreprises opérant des systèmes à très grande échelle, où des millions de recherches vectorielles sont effectuées quotidiennement, un tel gain d'efficacité peut se traduire par une réduction directe des coûts d'infrastructure et de la latence perçue par l'utilisateur. Cette recherche s'inscrit dans un mouvement plus large de la communauté du machine learning consistant à remplacer des algorithmes exacts, mais coûteux, par des approximations apprises, une tendance déjà observée dans l'indexation approximative des plus proches voisins ou l'optimisation de requêtes en bases de données. En s'appuyant sur les outils de l'analyse convexe pour justifier théoriquement leur approche, les auteurs ouvrent la voie à des travaux futurs combinant garanties mathématiques et performances pratiques, un enjeu central alors que les systèmes d'IA génératifs multiplient les besoins de recherche vectorielle rapide et fiable à grande échelle.

RecherchePaper
1 source
Progrès dans la recherche indépendante sur l'alignement de l'IA
3OpenAI Blog 

Progrès dans la recherche indépendante sur l'alignement de l'IA

OpenAI verse 7,5 millions de dollars au Projet d'alignement pour soutenir des recherches indépendantes sur l'alignement de l'intelligence artificielle, visant à renforcer les efforts mondiaux pour atténuer les risques liés à la sécurité et à la sûreté de l'intelligence artificielle générale (AGI). Ce financement vise à encourager des études non liées à des intérêts commerciaux, afin d'améliorer la compréhension et la gestion des défis de l'AGI.

RechercheActu
1 source
Une startup d'un milliard de dollars avec une vision différente de l'IA
4AI News 

Une startup d'un milliard de dollars avec une vision différente de l'IA

Yann LeCun, ancien directeur scientifique de l'intelligence artificielle chez Meta, a fondé AMI Labs (Advanced Machine Intelligence Labs) après avoir quitté son poste fin 2025. La startup vient de lever un milliard de dollars de financement, une somme remarquable pour une équipe de seulement 12 personnes. LeCun prévoit de ne pas commercialiser de produit avant au moins cinq ans, positionnant AMI Labs comme une organisation de recherche pure. Son approche repose sur des architectures d'IA modulaires composées de plusieurs blocs spécialisés : un modèle du monde propre au domaine d'application, un acteur chargé de proposer des actions via l'apprentissage par renforcement, un module critique qui évalue ces options selon des règles fixes, un système de perception adapté au type de données traité (vidéo, texte, audio), une mémoire à court terme, et un configurateur orchestrant l'ensemble. Chaque instance serait entraînée uniquement sur des données pertinentes à son environnement, contrairement aux grands modèles de langage nourris de l'intégralité du web. Cette approche remet fondamentalement en question le paradigme dominant des LLMs comme GPT ou Claude. Là où ces modèles généralistes mobilisent des centaines de milliards de paramètres et nécessitent une infrastructure colossale pour fonctionner, les modules spécialisés d'AMI Labs pourraient se contenter de quelques centaines de millions de paramètres, voire tourner directement sur un appareil local. Le coût d'entraînement et d'inférence serait alors une fraction de celui des modèles actuels, rendant l'IA viable pour des acteurs qui ne disposent pas des ressources d'Anthropic, OpenAI, Google ou Meta. Pour les entreprises, cela ouvrirait la voie à des systèmes IA déployables en interne, sans dépendance aux grandes plateformes cloud. Le contexte donne tout son poids à cette prise de position. Les LLMs ont absorbé des ressources exponentiellement croissantes à chaque génération, et les techniques d'amélioration récentes, comme le prompting récursif des modèles de raisonnement, alourdissent encore la facture. Seuls de très grands groupes peuvent aujourd'hui se permettre de les exploiter à perte. LeCun, l'un des pères fondateurs du deep learning et lauréat du prix Turing 2018, défend depuis plusieurs années l'idée que les LLMs constituent une impasse pour atteindre une intelligence artificielle véritablement générale. Des précédents existent : les systèmes d'apprentissage automatique capables de maîtriser des jeux vidéo ou de plateau illustrent déjà la puissance des approches ciblées. Si AMI Labs parvient à ses fins, l'industrie pourrait connaître un rééquilibrage majeur, fragmentant un marché aujourd'hui dominé par une poignée d'acteurs disposant de budgets quasi illimités.

UESi l'approche modulaire d'AMI Labs aboutit, les entreprises européennes moins capitalisées pourraient déployer des systèmes IA en interne sans dépendance aux grandes plateformes cloud américaines.

RechercheOpinion
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, l'essentiel de l'IA · désinscription en un clic