Aller au contenu principal
Le Fil IA

Actualités IA — page 66

9 301 articles au fil, du plus récent au plus ancien.

Le litige sur la preuve du millénaire d'OpenAI interroge la confiance des chercheurs envers les labos d'IA
Illustration générée par IA
1301The Decoder 

Le litige sur la preuve du millénaire d'OpenAI interroge la confiance des chercheurs envers les labos d'IA

Le mathématicien Tristan Buckmaster a publiquement accusé OpenAI de fraude académique dans le cadre d'une controverse autour d'une preuve mathématique générée par intelligence artificielle et présentée comme portant sur l'un des problèmes du millénaire. Le PDG d'OpenAI, Sam Altman, a rejeté ces accusations. Un autre mathématicien de premier plan, Terence Tao, s'est saisi du dossier pour alerter sur les risques plus larges que soulève ce type d'épisode, estimant que des cas comme celui-ci pourraient faire reculer des siècles de tradition en matière de science ouverte. L'affaire dépasse le simple différend académique : elle interroge directement la confiance que les chercheurs peuvent accorder aux laboratoires d'intelligence artificielle lorsqu'ils communiquent sur les capacités mathématiques de leurs modèles. Les problèmes du millénaire, sept énigmes mathématiques parmi les plus difficiles jamais formulées, jouissent d'un prestige considérable dans la communauté scientifique, et toute annonce de résolution partielle ou totale par une IA attire une attention immédiate. Si les procédures de vérification, de publication et d'attribution ne suivent pas les standards académiques habituels, c'est la crédibilité de l'ensemble de la recherche assistée par IA qui pourrait en pâtir. Cette controverse s'inscrit dans un contexte plus large de compétition entre grands laboratoires d'IA, dont OpenAI, pour démontrer que leurs systèmes atteignent des niveaux de raisonnement mathématique inédits, parfois en communiquant vite et fort autour de résultats encore non validés par les pairs. Les mises en garde de figures respectées comme Terence Tao, lauréat de la médaille Fields, pèsent lourd dans ce débat, car elles posent la question des garde-fous nécessaires entre recherche scientifique ouverte et stratégie de communication commerciale des entreprises d'IA. La suite dépendra de la capacité d'OpenAI à documenter précisément ses affirmations et de la réaction plus large de la communauté mathématique.

ÉthiquePaper
1 source
Anthropic estime à plus d'une chance sur dix que l'IA "pourrait tuer toute l'humanité", après la démission d'un collègue
Illustration générée par IA
1302The Verge AI 

Anthropic estime à plus d'une chance sur dix que l'IA "pourrait tuer toute l'humanité", après la démission d'un collègue

Un chercheur senior en sécurité chez Anthropic a affirmé qu'il existe plus de 10 % de probabilité que l'intelligence artificielle "puisse tuer tous les humains" d'ici la fin de la décennie, quelques heures seulement après la démission d'un collègue inquiet de la course imprudente menée par les laboratoires d'IA vers des "systèmes surhumains" incontrôlables. Ce collègue, Jacob Coxon, chercheur ayant entraîné des systèmes chez Anthropic après avoir fait de même chez OpenAI, a annoncé son départ sur X en dénonçant l'approche laxiste de l'entreprise en matière de sécurité. Il accuse Anthropic et ses concurrents de "foncer tout droit vers une superintelligence auto-améliorante en jouant avec nos vies". Ces déclarations, venant de l'intérieur même d'une entreprise qui se présente comme la plus prudente du secteur de l'IA, illustrent les tensions croissantes entre impératifs commerciaux et sécurité au sein des laboratoires les plus avancés. Qu'un responsable sécurité évoque publiquement une probabilité à deux chiffres d'extinction humaine, tout en assumant de continuer à développer ces technologies, souligne le fossé entre les discours d'alerte et les pratiques industrielles réelles, un paradoxe qui alimente la défiance du public et des régulateurs envers les grandes entreprises d'IA générative. Cette sortie s'inscrit dans un climat de compétition effrénée entre Anthropic, OpenAI et d'autres acteurs pour atteindre l'intelligence artificielle générale, chacun cherchant à devancer ses rivaux sans attendre de garanties de contrôle suffisantes. Les démissions motivées par des inquiétudes éthiques ou sécuritaires se multiplient dans le secteur depuis plusieurs années, alimentant le débat sur la nécessité d'une régulation contraignante. Reste à savoir si ces avertissements répétés, venant d'employés directement impliqués dans l'entraînement de ces systèmes, pousseront les entreprises concernées à ralentir leur cadence ou à renforcer leurs garde-fous internes.

SécuritéActu
1 source
Comment l’accord entre Appinventiv et OpenAI tente de faciliter le déploiement de l’IA générative
Illustration générée par IA
1303Le Big Data 

Comment l’accord entre Appinventiv et OpenAI tente de faciliter le déploiement de l’IA générative

Appinventiv, agence d'ingénierie logicielle, a rejoint le réseau de partenaires Select d'OpenAI, un statut qui lui ouvre un canal d'intégration direct et prioritaire avec les modèles de l'éditeur américain. L'entreprise mobilise une équipe de plus de 200 ingénieurs et revendique plus de 150 modèles personnalisés entraînés ainsi que 75 intégrations réalisées pour des clients. Ce statut lui donne accès à des plafonds de requêtes API plus élevés et à des accords de niveau de service prioritaires. Pour ses projets, Appinventiv utilise la version entreprise d'OpenAI afin de construire des architectures privées, garantissant contractuellement que les données internes des clients ne servent pas à l'entraînement des modèles publics. L'agence déploie aussi des systèmes de génération augmentée par récupération, des bases vectorielles qui permettent aux modèles d'interroger directement la documentation métier des entreprises, avec une précision de prédiction revendiquée de 98% sur ses systèmes en production. Ce partenariat répond à un problème concret pour les directions informatiques : selon une étude du cabinet Gartner, au moins 30% des projets d'intelligence artificielle générative seront abandonnés après la phase de preuve de concept d'ici la fin de l'année. Ce taux d'échec s'explique largement par la difficulté à connecter de façon sécurisée les bases de données traditionnelles et les ERP aux nouveaux modèles algorithmiques, une intégration qui se heurte aux normes de sécurité strictes des systèmes hérités. S'y ajoute un enjeu de coût : faire passer une application de quelques centaines de requêtes de test à des millions d'appels quotidiens, une fois déployée auprès de tous les collaborateurs d'un grand groupe, peut faire exploser les factures d'hébergement. Pour les décideurs informatiques, la priorité n'est plus de tester des chatbots isolés mais de sécuriser et d'industrialiser des déploiements à grande échelle, en maîtrisant coûts d'infrastructure et protection des données. Ce mouvement illustre une bascule plus large du marché de l'IA générative, qui passe des bricolages isolés et tests ponctuels à une industrialisation confiée à des intégrateurs certifiés. En nouant des partenariats Select avec des agences comme Appinventiv, OpenAI cherche à structurer un écosystème capable d'accompagner ses clients professionnels dans une intégration technique complexe, plutôt que de laisser chaque organisation se débrouiller seule avec des interfaces de programmation brutes. Cette stratégie s'inscrit dans un contexte de concurrence accrue entre fournisseurs de modèles pour capter les budgets des grandes entreprises, alors que le retour sur investissement de l'IA générative reste scruté de près par les directions financières. Le succès de ce type de partenariat se mesurera dans les prochains mois à la capacité des projets industrialisés à réduire le taux d'abandon observé jusqu'ici, un enjeu suivi de près tant par les investisseurs que par les responsables informatiques des grands groupes.

BusinessActu
1 source
Samsung adopte les modèles Mistral AI pour la fabrication de semi-conducteurs
Illustration générée par IA
1304AI News 

Samsung adopte les modèles Mistral AI pour la fabrication de semi-conducteurs

Samsung Electronics a annoncé un partenariat avec la start-up française Mistral AI pour déployer des modèles d'intelligence artificielle sur site au sein de ses opérations de fabrication et d'ingénierie de semi-conducteurs. L'accord a été dévoilé lors du sommet d'État bilatéral organisé à Paris entre la Corée du Sud et la France. Samsung va intégrer la suite logicielle de Mistral, dont son modèle phare Mistral Large, dans ses usines internes de semi-conducteurs afin de construire des modèles personnalisés pour des infrastructures d'usines pilotées par l'intelligence artificielle. Young Hyun Jun, vice-président et directeur général de la division Device Solutions (DS) de Samsung Electronics, a souligné que la complexité croissante de la conception et de la fabrication des puces IA exige une innovation continue dans les technologies de semi-conducteurs. Arthur Mensch, cofondateur et directeur général de Mistral, a de son côté affirmé que l'IA transforme la façon de construire des technologies complexes, du silicium au logiciel. Fait notable, Samsung a mené le tour de financement de série D de Mistral AI, prenant une participation stratégique au capital de la start-up. Ce partenariat marque un tournant dans la manière dont les géants de la microélectronique intègrent l'IA générative à leurs processus industriels les plus sensibles. En choisissant un déploiement sur site plutôt que dans le cloud, Samsung garde le contrôle total sur ses données d'ingénierie et ses procédés propriétaires, un enjeu critique dans un secteur où la moindre fuite technologique peut coûter des années d'avance concurrentielle. Concrètement, les modèles seront appliqués à la détection automatisée de défauts et au réglage des machines en usine, avec l'objectif d'accélérer les cycles de développement, d'améliorer la précision de fabrication et de stabiliser les rendements de production sur les puces mémoire et logique avancées. Le périmètre couvre la division mémoire de Samsung, ses unités de conception logique et son activité de fonderie sous contrat, trois piliers stratégiques du groupe coréen face à des rivaux comme TSMC et SK Hynix. Cette collaboration s'inscrit dans une dynamique plus large de rapprochement entre industriels du silicium et développeurs d'IA, alors que la conception de puces devient elle-même de plus en plus dépendante des outils d'intelligence artificielle pour gérer sa complexité croissante. Pour Mistral AI, positionnée comme alternative européenne aux géants américains de l'IA, ce contrat représente une validation industrielle majeure et un ancrage renforcé dans la chaîne de valeur mondiale des semi-conducteurs, au-delà de ses activités plus connues dans les modèles de langage grand public. L'investissement de Samsung dans le tour de série D consolide également des liens capitalistiques entre les deux entreprises, ouvrant la voie à une coopération technique de long terme. Cette annonce faite en marge d'un sommet d'État illustre aussi la dimension géopolitique croissante de l'IA appliquée à l'industrie lourde, la France et la Corée du Sud cherchant à renforcer leurs partenariats technologiques bilatéraux face à la concurrence sino-américaine dans les technologies critiques.

BusinessActu
1 source
Accenture et Google Cloud s’allient : quel impact sur le déploiement de l’IA en entreprise ?
Illustration générée par IA
1305Le Big Data 

Accenture et Google Cloud s’allient : quel impact sur le déploiement de l’IA en entreprise ?

Google Cloud et Accenture ont annoncé la création d'une entité conjointe baptisée Accenture Gemini Enterprise Business, destinée à industrialiser le déploiement de l'intelligence artificielle générative chez les grands comptes. Concrètement, l'accord prévoit l'envoi de 1 000 ingénieurs de terrain directement chez les clients, appuyés par une force plus large de 50 000 spécialistes certifiés au sein d'Accenture. L'objectif affiché est de vendre des architectures d'IA pré-packagées par secteur, banque, grande distribution ou service client, plutôt que des outils génériques livrés en libre-service. Google Cloud fournit l'infrastructure, les processeurs spécialisés et la technologie Gemini Enterprise, tandis qu'Accenture prend en charge la refonte des processus métier, la formation des équipes et la gestion de projet. Un exemple cité par les deux groupes illustre la logique recherchée : l'intégration d'un agent autonome Gemini chez YouTube lors d'un pic de trafic a permis de réduire de 37 % le temps de traitement des requêtes, avec une amélioration mesurable de la satisfaction des utilisateurs. Cette alliance marque un changement de posture commerciale pour Google Cloud, qui délègue à un poids lourd du conseil la conduite du changement opérationnel qu'il ne maîtrisait pas historiquement, lui qui s'est longtemps concentré sur la vente d'infrastructures et d'accès aux développeurs. Pour les directions informatiques, le signal est clair : rentabiliser un investissement en IA générative ne se joue plus au niveau des licences logicielles ou des interfaces de programmation, mais dans l'effort d'intégration humaine et technique qui suit. Selon une étude de Gartner citée dans l'article, près de 30 % des projets d'IA générative sont abandonnés après la phase de preuve de concept, faute de valeur économique démontrée ou à cause d'infrastructures internes trop vétustes pour absorber les nouveaux outils. En s'appuyant sur Accenture pour restructurer le travail des salariés, nettoyer des données éparpillées et garantir la conformité réglementaire, Google Cloud cherche à lever cet obstacle et à renforcer sa crédibilité face aux directions générales qui exigent des retours sur investissement rapides. Cet accord s'inscrit dans une compétition plus large entre fournisseurs de cloud et cabinets de conseil pour capter la valeur de la transformation par l'IA en entreprise, alors que Google Cloud dispose de la puissance de calcul et des modèles de langage mais manque de relais dans les comités de direction comparé à des concurrents plus établis sur ce terrain. Ce rapprochement soulève aussi la question du risque financier lié à la dépendance croissante des entreprises clientes envers ce duo technologie-conseil, un point que les décideurs devront surveiller à mesure que ces déploiements sur mesure se généralisent.

BusinessOpinion
1 source
Je gagne une heure par jour sur mes mails, et personne ne s’en est aperçu : ChatGPT peut imiter votre façon d’écrire lorsqu’il répond aux mails et aux messages à votre place
Illustration générée par IA
1306Presse-citron 

Je gagne une heure par jour sur mes mails, et personne ne s’en est aperçu : ChatGPT peut imiter votre façon d’écrire lorsqu’il répond aux mails et aux messages à votre place

OpenAI a intégré à ChatGPT une nouvelle fonctionnalité capable d'imiter le style d'écriture personnel d'un utilisateur pour rédiger à sa place des e-mails, des réponses à des messages sur des outils comme Slack, ou encore des documents. L'objectif affiché est que le destinataire ne remarque aucune différence avec un texte réellement écrit par la personne. Pour fonctionner, l'IA a besoin d'un accès direct aux applications concernées, notamment Gmail et Slack, afin d'analyser les habitudes rédactionnelles réelles de l'utilisateur. Cette option reste toutefois réservée aux abonnés payants et n'est pas accessible sur la version gratuite de ChatGPT. Cette avancée illustre une promesse de gain de temps concret pour les professionnels submergés par leur correspondance quotidienne, certains utilisateurs évoquant jusqu'à une heure économisée chaque jour sur la gestion des mails. Mais elle soulève aussi des questions plus larges sur l'authenticité des échanges professionnels : si un interlocuteur ne peut plus distinguer un message rédigé par un humain de celui généré par une IA imitant son style, la frontière entre communication personnelle et automatisation devient poreuse, avec des implications potentielles en matière de confiance et de responsabilité des propos échangés. Cette fonctionnalité s'inscrit dans une compétition plus vaste entre OpenAI, Google et Microsoft pour intégrer l'IA générative au cœur des outils de productivité professionnelle, chacun cherchant à rendre ses assistants indispensables au quotidien des utilisateurs. Elle relance également le débat sur l'exploitation des données personnelles de communication pour entraîner des modèles capables de reproduire une identité rédactionnelle individuelle.

OutilsOutil
1 source
Perplexity Computer effectue tout votre travail informatique à votre place
Illustration générée par IA
1307Le Big Data 

Perplexity Computer effectue tout votre travail informatique à votre place

Perplexity a lancé le 25 février 2026 un nouvel agent baptisé Computer, malgré un nom qui évoque à tort une machine physique : il s'agit en réalité d'un logiciel entièrement hébergé dans le cloud, sans matériel dédié. Le fondateur de l'entreprise, Aravind Srinivas, résume l'ambition du produit en comparant l'outil à un chef d'orchestre plutôt qu'à un musicien isolé sur un seul instrument. Concrètement, Computer fonctionne dans un bac à sable virtuel sécurisé, une sorte d'ordinateur distant et isolé doté de son propre navigateur web et d'un système de fichiers autonome. Dans cet environnement fermé, l'agent télécharge des documents, installe des applications, exécute du code, rédige des textes complets et peut même envoyer des e-mails à la place de l'utilisateur, sans jamais toucher au système hôte. Une fois la tâche terminée, la session virtuelle est détruite et seul le résultat final est transmis. L'ensemble s'appuie sur un système de mémoire nommé Brain, qui conserve les préférences de travail, les formats habituels et l'historique des corrections de l'utilisateur d'une session à l'autre. Cette évolution marque une rupture nette avec les moteurs de recherche IA classiques, qui se contentent de fournir une réponse sourcée à une question ponctuelle. Avec Computer, l'utilisateur ne pose plus une question mais fixe un objectif, et l'agent prend en charge l'intégralité du processus jusqu'à la livraison d'un livrable fini. Perplexity illustre ce changement avec l'exemple d'un responsable des achats souhaitant comparer dix logiciels de comptabilité : l'agent parcourt le web, collecte prix, fonctionnalités et avis clients, repère les clauses contractuelles discrètes et produit un tableau comparatif détaillé, une tâche qui nécessitait auparavant plusieurs heures de travail humain et se règle désormais en quelques minutes. L'isolement technique de l'agent dans un environnement cloisonné limite par ailleurs les risques de piratage ou d'erreurs affectant les données de l'utilisateur, un point souvent critiqué chez les assistants IA classiques. Ce lancement s'inscrit dans la stratégie plus large de Perplexity, qui cherche à transformer son moteur de recherche conversationnel en plateforme d'exécution autonome capable de remplacer une partie du travail numérique quotidien des professionnels. L'entreprise décrit Computer comme le point d'entrée unique réunissant toutes ses capacités IA existantes, après plusieurs années consacrées à améliorer la pertinence de ses réponses. Cette approche place Perplexity en concurrence directe avec les autres géants de l'IA qui développent également des agents capables d'agir sur le web à la place de l'utilisateur. La capacité de mémoire persistante et la promesse de confidentialité via l'isolement du bac à sable seront des critères déterminants pour convaincre les entreprises d'y déléguer des tâches sensibles.

OutilsOutil
1 source
Gradium lance Voice Design : une voix synthétique inédite générée en quelques secondes à partir d'un prompt
Illustration générée par IA
1308MarkTechPost 

Gradium lance Voice Design : une voix synthétique inédite générée en quelques secondes à partir d'un prompt

Gradium, société parisienne issue du laboratoire de recherche Kyutai, a lancé Voice Design, un outil capable de générer une voix synthétique entièrement nouvelle à partir d'une simple description textuelle, sans enregistrement de référence ni locuteur réel. Une requête produit jusqu'à cinq voix candidates en trois à cinq secondes, disponibles gratuitement sur toutes les formules de l'API Gradium et de l'interface Studio, y compris l'offre gratuite. La description, limitée à 500 caractères en anglais, français, espagnol, portugais ou allemand, peut préciser le genre, l'âge, l'accent, le débit, le timbre ou l'usage prévu de la voix. Lors d'un test d'écoute à l'aveugle mené sur cinq langues et 7627 comparaisons face à ElevenLabs, Inworld, Fish Audio et MiniMax, Gradium revendique un taux de victoire de 72,6%, contre 59% pour son plus proche rival, avec des écarts particulièrement marqués sur des accents régionaux comme le français québécois (97%) ou l'allemand bavarois (85%). Cette approche répond à une frustration bien connue des équipes qui développent des agents vocaux: un catalogue, même riche de 400 voix, ne couvre jamais tous les profils demandés, qu'il s'agisse d'une réceptionniste québécoise ou d'un narrateur sexagénaire à l'autorité affirmée. Jusqu'ici, combler ce manque passait par le clonage vocal, une solution qui exige de trouver un locuteur, d'obtenir son consentement et de négocier une licence pour chaque nouvelle voix. En générant des voix entièrement synthétiques, Gradium supprime ces contraintes de droits et de sourcing, tout en gardant une voix retenue directement exploitable: elle fonctionne sur le même flux de synthèse vocale en streaming, avec la même latence et les mêmes formats que n'importe quelle voix de catalogue. Pour les éditeurs d'assistants vocaux, de centres d'appels ou de doublage, cela ouvre la possibilité de représenter des accents et des profils variés sans les délais ni les coûts d'un casting traditionnel. Gradium a été fondée par d'anciens membres de Kyutai, laboratoire de recherche français spécialisé dans l'intelligence artificielle audio, et s'installe sur un marché de la synthèse vocale déjà disputé par ElevenLabs, Inworld, Fish Audio et MiniMax, qui proposent des fonctions comparables de génération de voix par description. L'entreprise revendique aussi 83,4% d'adhérence aux instructions sur le benchmark académique InstructTTSEval, mais l'ensemble de ces chiffres, y compris ceux du comparatif, provient de mesures réalisées par Gradium elle-même, sans vérification indépendante. Le système repose par ailleurs sur un tirage volontairement non déterministe: la description est d'abord enrichie automatiquement par le modèle, si bien qu'une même invite peut produire une voix différente à chaque génération. Reste à savoir comment cette capacité à créer des voix crédibles à moindre coût pèsera sur les débats en cours autour de la protection des voix professionnelles et de la régulation des contenus générés par intelligence artificielle.

OutilsOutil
1 source
« Aucune autre activité humaine ne représente un tel danger » : une nouvelle démission chez Anthropic réactive le fantasme d’une IA Terminator
Illustration générée par IA
1309Frandroid 

« Aucune autre activité humaine ne représente un tel danger » : une nouvelle démission chez Anthropic réactive le fantasme d’une IA Terminator

Jacob Coxon, chercheur en intelligence artificielle ayant travaillé successivement chez OpenAI puis chez Anthropic, a annoncé sa démission en des termes très critiques envers l'industrie qu'il vient de quitter. Dans sa lettre de départ, il affirme qu'« aucune autre activité humaine ne représente un tel danger » que le développement actuel de l'IA, accusant les laboratoires du secteur, y compris ceux pour lesquels il a travaillé, de prendre des risques disproportionnés au regard des précautions réellement mises en œuvre. Son départ s'inscrit dans une série de démissions à répétition observées ces derniers mois chez les grands acteurs de l'IA générative, où des chercheurs spécialisés dans la sécurité des modèles claquent la porte en dénonçant publiquement un décalage entre les discours prudents des entreprises et leurs pratiques de développement. Ce type de sortie fracassante pèse sur la crédibilité d'un secteur qui s'est justement construit, dans le cas d'Anthropic, sur la promesse de développer une IA plus sûre que ses concurrents. Pour les utilisateurs, les régulateurs et les investisseurs, chaque démission de ce genre relance les doutes sur la capacité réelle des entreprises à s'autoréguler face à la pression concurrentielle et commerciale qui pousse à accélérer le déploiement de modèles toujours plus puissants. Ce discours alarmiste n'est pas nouveau : il agite régulièrement la Silicon Valley depuis plusieurs années, porté par des chercheurs convaincus que l'IA avancée pourrait échapper au contrôle humain, jusqu'à raviver le fantasme d'un scénario à la Terminator. Anthropic elle-même a été fondée par d'anciens membres d'OpenAI inquiets de la trajectoire prise par leur ancien employeur, une dynamique qui semble aujourd'hui se reproduire en interne. La multiplication de ces alertes, venant de personnes ayant eu accès aux coulisses des laboratoires les plus avancés, alimente le débat sur la nécessité d'une régulation contraignante plutôt que de simples engagements volontaires des entreprises.

SécuritéActu
1 source
Cette IA d’OpenAI aurait résolu un problème de maths vieux de 90 ans… en 88 heures
Illustration générée par IA
1310Le Big Data 

Cette IA d’OpenAI aurait résolu un problème de maths vieux de 90 ans… en 88 heures

OpenAI a annoncé le 8 septembre 2026, via un message publié sur son compte X, avoir produit une preuve pour l'équation de Navier-Stokes, l'un des sept problèmes du millénaire recensés par le Clay Mathematics Institute en 2000, chacun assorti d'une récompense d'un million de dollars. Selon l'entreprise, un groupe de plus de 10 000 agents IA, s'appuyant sur un modèle de nouvelle génération présenté comme "significativement plus capable" que GPT-6 Astra, a travaillé pendant 88 heures et généré plus de 130 milliards de tokens pour aboutir à une preuve analytique accompagnée d'une formalisation en Lean. Le résultat démontrerait qu'un fluide régi par la dynamique de Navier-Stokes peut développer une singularité en temps fini, sous la forme d'un vortex qui se resserre et s'étire comme un morceau de spaghetti. Mark Chen, responsable de la recherche chez OpenAI, évalue le coût de cette démonstration à plusieurs millions de dollars. Sam Altman a expliqué que la tentative faisait suite à des rumeurs selon lesquelles des modèles d'Anthropic auraient résolu un autre problème du millénaire, poussant OpenAI à tester ses propres capacités sur un défi équivalent. Cette annonce illustre la montée en puissance des IA sur des tâches de raisonnement mathématique avancé, jusqu'ici considérées comme le domaine réservé des chercheurs humains les plus spécialisés. L'équation de Navier-Stokes, formulée par Henri Navier en 1822 puis achevée par George Gabriel Stokes en 1845, décrit le comportement des liquides et des gaz et sert de socle à des applications très concrètes, des modèles météorologiques aux calculs d'aérodynamique aéronautique. Une preuve validée aurait donc des retombées bien au-delà des mathématiques pures. Mais l'épisode révèle aussi la dynamique de compétition entre grands laboratoires d'IA, chacun cherchant à démontrer, parfois dans la précipitation, des capacités de recherche scientifique autonome, avec le risque de communiquer des résultats non encore vérifiés par la communauté scientifique. Deux chercheurs ont rapidement signalé des ressemblances entre la démarche d'OpenAI et leurs propres travaux antérieurs, alimentant les doutes sur l'originalité de la contribution. Le président du Clay Mathematics Institute a salué une "journée importante" tout en rappelant la rigueur du processus de validation d'un problème du millénaire: publication dans une revue scientifique reconnue, examen approfondi par des spécialistes, acceptation par la communauté, puis un délai d'au moins deux ans après publication avant toute reconnaissance officielle. À ce jour, seul un problème du millénaire, la conjecture de Poincaré, a été résolu, par Grigori Perelman en 2003. L'affaire OpenAI s'inscrit ainsi dans une rivalité croissante avec Anthropic sur le terrain du raisonnement scientifique, dont les prochaines étapes dépendront désormais de l'examen par les mathématiciens plutôt que des annonces des entreprises.

RecherchePaper
Aussi surLe Monde Pixels
OpenAI annonce avoir trouvé une singularité de Navier-Stokes en 88h avec Astra-next, candidat au prix du millénaire
Illustration générée par IA
1311Latent Space 

OpenAI annonce avoir trouvé une singularité de Navier-Stokes en 88h avec Astra-next, candidat au prix du millénaire

Le 7 et 8 septembre 2026, des comptes proches d'OpenAI ont affirmé qu'un effort assisté par intelligence artificielle avait permis d'obtenir un résultat sur les équations de Navier-Stokes, l'un des sept problèmes du prix du Millénaire dotés chacun d'un million de dollars par l'institut Clay. Selon le chercheur Ethan Knight, cette avancée serait le fruit d'une collaboration d'environ 10 000 agents IA, entraînés pendant près d'un an grâce à de l'apprentissage par renforcement multi-agents, capables de s'organiser eux-mêmes et de mobiliser d'importantes quantités de calcul parallèle au moment de l'inférence plutôt qu'une seule longue chaîne de raisonnement. Le travail aurait mobilisé un modèle désigné sous le nom d'Astra-next, consommé environ 130 milliards de tokens pour un coût dépassant 40 millions de dollars, en 88 heures selon un chiffre qui, en réalité, ne provient que d'un message à ton satirique et n'a pas été confirmé directement par les sources proches d'OpenAI. Le résultat porterait sur la question de l'apparition, en temps fini, d'une singularité dans les solutions des équations de Navier-Stokes, l'un des points les plus disputés de ce problème mathématique ouvert depuis des décennies. Si cette annonce se confirme, elle marquerait un tournant : ce serait seulement la deuxième fois qu'un prix du Millénaire serait attribué, après la résolution de la conjecture de Poincaré par Grigori Perelman au début des années 2000, et la première fois qu'un tel résultat serait obtenu avec une contribution aussi déterminante de systèmes d'IA. L'épisode est aussitôt devenu un test de la thèse selon laquelle les modèles de pointe seraient incapables de produire un travail de recherche ou de codage réellement sérieux, un observateur qualifiant l'événement de moment de bascule pour le monde scientifique. D'autres y ont vu la preuve que l'industrie de l'IA est entrée dans un régime de calcul massif où des problèmes jusque-là hors de portée pourraient céder simplement grâce à d'énormes volumes de calcul parallèle non structuré, une évolution aux implications concrètes pour la recherche académique, l'allocation des ressources de calcul et la manière dont les découvertes scientifiques seront validées à l'avenir. Aucun énoncé formel du théorème, aucun préprint, aucune esquisse de preuve, aucune vérification formelle ni rapport de relecture indépendant n'a toutefois été fourni publiquement au moment de ces échanges, et le rôle exact des humains par rapport aux modèles dans le processus reste flou, alimentant une controverse sur la paternité du résultat qu'OpenAI et les chercheurs concernés n'ont pas entièrement dissipée. Cette annonce a éclipsé une journée pourtant chargée en actualités : une levée de fonds de 48 milliards de dollars pour Cognition, une autre de 24 milliards pour Mistral, le lancement de GPT Image 2.5 chez OpenAI, ou encore le relancement par Meta de son agent Muse, issu du projet Dreamer. La procédure de l'institut Clay impose normalement une publication puis un délai d'observation avant toute validation officielle, ce qui laisse présager un examen scientifique prolongé avant qu'un verdict définitif ne soit rendu sur la réalité et la solidité de cette percée.

RecherchePaper
1 source
Meta lance Muse, un agent IA personnel fonctionnant sur son propre cloud sécurisé dédié
Illustration générée par IA
1312MarkTechPost 

Meta lance Muse, un agent IA personnel fonctionnant sur son propre cloud sécurisé dédié

Meta a dévoilé Muse, un agent d'intelligence artificielle personnel capable d'agir de manière autonome plutôt que de simplement répondre à des questions. L'outil peut envoyer des emails, réserver des voyages, négocier des factures ou poursuivre des objectifs sur le long terme, en continuant de travailler même après la fermeture de l'application, avant de revenir vers l'utilisateur uniquement lorsqu'une validation est nécessaire. Le service grand public est déployé dès maintenant aux États-Unis sur iOS, Android et via muse.ai, avec une offre gratuite et des formules payantes. Chaque utilisateur dispose d'une machine virtuelle cloud dédiée, baptisée Muse Secure VM, où l'agent, son navigateur et ses identifiants sont isolés. Muse fonctionne grâce à Muse Spark 1.3, un modèle publié la semaine dernière par Meta Superintelligence Labs, accessible aux développeurs via l'API Meta Model et Muse Code sur dev.meta.ai, avec une version à poids ouverts annoncée sur la feuille de route de Meta. Selon les comparaisons internes de Meta, ce modèle utilise environ 20% d'appels d'outils et 25% de tokens en moins que la version 1.2, tout en se rapprochant de l'état de l'art en matière de résistance aux injections de prompt. Cette annonce marque un tournant dans la conception des agents IA, en déplaçant l'enjeu de la simple performance du modèle vers l'architecture de sécurité entourant son exécution. Pour les utilisateurs, cela signifie un assistant capable d'exécuter des tâches concrètes comme vendre une voiture à un meilleur prix, faire baisser une facture ou transformer une recette Instagram sauvegardée en liste de courses, tout en retenant le contexte des conversations passées. Pour l'industrie, Meta propose une réponse concrète à l'un des plus grands freins à l'adoption des agents autonomes: le risque qu'un agent compromis par une injection de prompt malveillante vole des identifiants ou effectue des actions non désirées. En rendant le vol d'identifiants structurellement impossible et en soumettant chaque action sensible à une validation humaine, Meta cherche à rassurer aussi bien le grand public que les développeurs qui pourraient s'appuyer sur Muse Spark 1.3 pour leurs propres applications. Le dispositif technique repose sur une séparation stricte des rôles: l'agent Muse propose des actions, mais un agent distinct baptisé Sentinel les autorise, en filtrant chaque connexion réseau aux niveaux 4 et 7. L'agent principal s'exécute dans une cellule systemd-nspawn aux appels système restreints, tandis que les identifiants réels sont substitués par des jetons factices, les vraies informations n'étant injectées qu'à la frontière du réseau par Sentinel. Un système de traçage au niveau du noyau, basé sur eBPF, distingue les requêtes propres de celles ayant touché des données utilisateur, et le sous-agent navigateur ne perçoit qu'un arbre d'accessibilité plutôt que le code source brut de la page, sans pouvoir exécuter de JavaScript. Cette architecture s'inscrit dans une course plus large entre grands acteurs de l'IA, comme OpenAI ou Google, pour proposer des agents véritablement autonomes et dignes de confiance, la sécurité devenant un argument de différenciation aussi important que les capacités brutes du modèle sous-jacent.

OutilsOutil
1 source
Ce que la controverse d'OpenAI révèle sur l'avenir des mathématiques
Illustration générée par IA
1313MIT Technology Review 

Ce que la controverse d'OpenAI révèle sur l'avenir des mathématiques

OpenAI a annoncé avoir résolu l'un des sept problèmes du prix du millénaire, sélectionnés en 2000 par le Clay Mathematics Institute et dotés chacun d'un million de dollars, en l'occurrence le problème dit de Navier-Stokes sur l'existence et la régularité des solutions, qui porte sur les équations décrivant l'écoulement de fluides comme l'eau ou l'air. Un seul de ces sept problèmes avait été résolu jusqu'ici. La preuve d'OpenAI, obtenue grâce à un modèle interne présenté comme nettement plus performant qu'Astra, sorti la semaine précédente, montre que les équations complètes de Navier-Stokes peuvent, sous certaines conditions, décrire un état physiquement impossible, comme une vitesse infinie. Deux jours plus tôt, le lundi, le mathématicien de NYU Tristan Buckmaster avait publié sur Mastodon une preuve montrant qu'une version simplifiée des mêmes équations présentait déjà ce type de rupture, fruit de près d'un an de travail mené avec Levent Alpöge, employé d'Anthropic, à l'aide de modèles publics d'OpenAI et d'Anthropic. Sébastien Bubeck, membre de l'équipe technique d'OpenAI, a expliqué lors d'un point presse que l'entreprise s'était lancée sur ce problème après avoir entendu une rumeur sur les travaux de Buckmaster et Alpöge. OpenAI dit ne pas vouloir réclamer le million de dollars associé à la résolution du problème. L'affaire dépasse la seule prouesse mathématique. Buckmaster accuse OpenAI de s'être appuyé sur son travail et celui d'Alpöge sans les créditer, ce qu'OpenAI dément. Selon un document qu'il a publié, des employés d'OpenAI lui auraient proposé deux options: publier ses travaux avec Alpöge pour qu'OpenAI diffuse sa propre solution le lendemain, ou co-écrire un article avec OpenAI dont Alpöge serait exclu en raison de son appartenance à Anthropic, principal rival d'OpenAI. Buckmaster affirme aussi avoir demandé si les agents d'OpenAI avaient eu accès aux transcriptions de ses échanges avec les modèles, ce qui lui a été nié, et si ces modèles avaient été entraînés sur ces transcriptions, question restée sans réponse. Que les modèles d'OpenAI aient ou non exploité ces travaux, l'épisode illustre un changement d'échelle: les problèmes mathématiques les plus difficiles semblent désormais exiger des ressources en IA que seules quelques entreprises de pointe possèdent, en dehors des circuits classiques de collaboration académique, ce qui interroge la place des mathématiciens humains dans ce nouveau paysage. Le problème de Navier-Stokes fait partie des sept énigmes retenues en 2000 par le Clay Mathematics Institute, dont une seule avait été résolue avant cette annonce. Ces équations, largement utilisées en dynamique des fluides, restaient mal comprises sur un point crucial: on ignorait si elles pouvaient, sous certaines conditions, décrire des situations physiquement absurdes. L'épisode s'inscrit dans une rivalité croissante entre OpenAI et Anthropic, dont les modèles respectifs ont tous deux servi aux travaux préliminaires de Buckmaster et Alpöge avant même l'intervention d'OpenAI. Sollicité par MIT Technology Review, Buckmaster n'avait pas répondu au moment de la publication. L'affaire pourrait relancer le débat sur les règles de crédit et de propriété intellectuelle à mesure que les laboratoires d'IA s'invitent dans la recherche mathématique fondamentale, un terrain jusqu'ici régi par des normes de collaboration et d'attribution différentes de celles qui dominent l'industrie technologique.

RecherchePaper
1 source
La Chine restreint les introductions en Bourse de robots humanoïdes après les débuts volatils d'Unitree
Illustration générée par IA
1314The Information AI 

La Chine restreint les introductions en Bourse de robots humanoïdes après les débuts volatils d'Unitree

La Commission chinoise de régulation des valeurs mobilières (CSRC) a discrètement resserré les conditions d'introduction en bourse pour les entreprises de robots humanoïdes, selon des personnes proches du dossier. Le régulateur a transmis une "orientation informelle" à plusieurs banques d'investissement et fonds, leur indiquant qu'il relève désormais la barre pour valider les IPO de ce secteur. Concrètement, les entreprises candidates devront démontrer des revenus récurrents, une trajectoire crédible de réduction de leurs pertes, ou une innovation technologique réelle avant que leur dossier d'introduction ne soit examiné favorablement. Cette mesure intervient après les débuts boursiers particulièrement chahutés d'Unitree Robotics, considéré comme le leader chinois du secteur. Ce durcissement vise directement à calmer un marché en pleine surchauffe, où de nombreuses startups se sont lancées sur la vague des humanoïdes sans percée technologique significative, se contentant souvent de copier les produits déjà existants. En relevant les exigences financières et techniques, Pékin cherche à écarter les acteurs les plus spéculatifs et à protéger les investisseurs d'une bulle potentielle, tout en orientant les capitaux vers les entreprises capables de tenir leurs promesses commerciales à long terme. Le secteur chinois de la robotique humanoïde a connu une explosion du nombre d'acteurs ces dernières années, portée par l'ambition de Pékin de dominer cette industrie stratégique et par un afflux massif de capitaux privés et publics. Le parcours boursier heurté d'Unitree a servi de signal d'alarme pour les régulateurs, révélant les risques d'un engouement financier déconnecté des fondamentaux industriels. Les prochains mois devraient déterminer quelles entreprises survivront à ce tri, dans un contexte de concurrence internationale croissante avec les acteurs américains et japonais du domaine.

BusinessReglementation
1 source
L'accord en trois tranches de Gimlet illustre la frénésie du financement de l'IA
Illustration générée par IA
1315The Information AI 

L'accord en trois tranches de Gimlet illustre la frénésie du financement de l'IA

Gimlet Labs, jeune pousse américaine fondée il y a trois ans, a annoncé la semaine dernière une levée de fonds de 300 millions de dollars, valorisant l'entreprise autour de 3 milliards de dollars. Ce tour de table, mené par le nouvel investisseur Andreessen Horowitz, multiplie par seize sa dernière valorisation connue selon PitchBook. Gimlet développe une technologie permettant aux développeurs d'IA de faire fonctionner leurs modèles simultanément sur différentes puces, une capacité clé alors que le marché des accélérateurs se diversifie au-delà de Nvidia. Selon une source proche du dossier, les dirigeants de Gimlet auraient indiqué à certains investisseurs potentiels que, sur la base de contrats déjà signés, OpenAI pourrait dépenser plus de 100 millions de dollars par an pour ses services. Un porte-parole d'OpenAI a toutefois tempéré cette affirmation, précisant que des discussions ont eu lieu mais qu'OpenAI n'est pas actuellement client payant de Gimlet, qui n'est sortie du mode furtif qu'en octobre. Cet épisode illustre la frénésie actuelle du financement de l'intelligence artificielle, où des valorisations spectaculaires reposent parfois davantage sur des promesses de revenus futurs que sur des contrats effectivement exécutés. Pour l'écosystème des investisseurs et des startups d'infrastructure IA, ce cas soulève une question centrale : jusqu'à quel point les levées de fonds peuvent-elles s'appuyer sur des perspectives commerciales non confirmées avec de grands clients comme OpenAI. Pour les entreprises technologiques qui doivent orchestrer leurs charges de travail d'IA sur du matériel hétérogène, l'essor de Gimlet confirme aussi l'importance croissante des outils d'interopérabilité entre puces, un segment stratégique à mesure que la demande en calcul explose. Cette opération s'inscrit dans un contexte plus large de course effrénée aux capitaux dans l'IA, où les investisseurs comme Andreessen Horowitz multiplient les paris sur l'infrastructure logicielle qui soutient les grands modèles de langage. Les besoins colossaux en puissance de calcul d'acteurs comme OpenAI alimentent cette dynamique, poussant des startups spécialisées à revendiquer des relations privilégiées avec les géants du secteur pour séduire les investisseurs, même lorsque ces relations restent, comme ici, à confirmer.

BusinessOpinion
1 source
Les baisses de prix pourraient fragiliser l'argumentaire d'Anthropic pour son IPO
Illustration générée par IA
1316The Information AI 

Les baisses de prix pourraient fragiliser l'argumentaire d'Anthropic pour son IPO

Mardi, la conférence Communacopia + Technology organisée par Goldman Sachs au Palace Hotel de San Francisco a réuni une salle comble pour une séance de questions-réponses avec Sarah Friar, directrice financière d'OpenAI. Elle y a révélé qu'une baisse de prix sur le modèle GPT 5.6 Luna d'OpenAI avait entraîné une multiplication par dix de son utilisation, propulsant OpenAI à la première place en part de marché sur OpenRouter, une plateforme utilisée par les développeurs pour accéder à différents modèles d'intelligence artificielle. Mi-août déjà, Luna générait plus du double du volume de tokens traités par les modèles Opus 5 et Sonnet 5 d'Anthropic sur cette même plateforme. Selon les propos de Friar, la hausse spectaculaire de l'usage a largement compensé la baisse tarifaire. Cette intervention intervient alors que le dossier d'introduction en bourse d'Anthropic doit être rendu public dans les prochaines semaines. Ces déclarations soulèvent un problème potentiel pour Anthropic, largement perçue comme le fournisseur d'IA haut de gamme du secteur, misant sur la qualité plutôt que sur le prix. Si le tarif devient le critère déterminant de la popularité d'un modèle auprès des développeurs, l'argumentaire commercial d'Anthropic pourrait s'en trouver fragilisé au moment précis où elle doit convaincre les investisseurs de la solidité de sa position face à OpenAI. Pour l'écosystème des développeurs, l'épisode montre qu'un modèle moins coûteux peut rapidement capter des parts de marché sur des plateformes d'agrégation comme OpenRouter, même face à des concurrents réputés plus performants, ce qui accentue la pression tarifaire dans toute l'industrie des grands modèles de langage. Cet épisode s'inscrit dans une rivalité de plus en plus vive entre OpenAI et Anthropic, les deux principaux acteurs du marché des modèles de langage, chacun cherchant à défendre sa position dans un secteur en expansion rapide. OpenRouter s'impose comme un baromètre indépendant de l'adoption réelle des modèles par les développeurs, loin des annonces purement marketing. À l'approche de la publication des documents d'introduction en bourse d'Anthropic, la question de sa stratégie tarifaire face à des rivaux prêts à casser les prix pourrait devenir un enjeu central pour les investisseurs, appelés à arbitrer entre performance premium et volume d'utilisation réel.

BusinessOpinion
1 source
Réalisez vos projets les plus ambitieux avec GPT-6 Astra sur Amazon Bedrock
Illustration générée par IA
1317AWS ML Blog 

Réalisez vos projets les plus ambitieux avec GPT-6 Astra sur Amazon Bedrock

OpenAI a annoncé la disponibilité générale de son modèle GPT-6 Astra sur Amazon Bedrock, le moteur d'inférence cloud d'AWS conçu pour la performance, la sécurité et le passage à l'échelle en production. Présenté comme le modèle le plus capable d'OpenAI à ce jour, GPT-6 Astra peut être appelé directement via les API d'Amazon Bedrock ou configuré pour fonctionner avec ChatGPT Work et Codex. Il dispose d'une fenêtre de contexte pouvant atteindre 1 million de tokens en entrée, ce qui lui permet par exemple d'analyser plusieurs centaines de pages de contrats en une seule requête. OpenAI lance en parallèle de nouveaux plugins d'entreprise pour ChatGPT Work, qui étendent les capacités de navigation web du modèle à des applications professionnelles courantes. Le modèle a été évalué selon le Preparedness Framework d'OpenAI, un dispositif qui mesure les capacités sensibles pour la sécurité et renforce progressivement les garde-fous en conséquence ; il devient ainsi le premier modèle d'OpenAI à atteindre la classification "Critical" pour ses capacités en cybersécurité, ce qui déclenche une surveillance automatisée en temps réel capable de suspendre toute activité jugée excessive. Cette disponibilité sur Bedrock cible directement les entreprises qui font déjà tourner des agents IA en production pour écrire du code, analyser des données ou automatiser des workflows complexes. GPT-6 Astra promet un raisonnement plus profond pour des tâches à fort enjeu : réconcilier des sources financières contradictoires, repérer les clauses contractuelles les plus risquées dans un document volumineux, ou diagnostiquer un bug à travers les dépendances d'une base de code entière jusqu'à la correction testée. L'enjeu pour les entreprises est aussi la gouvernance : Amazon Bedrock chiffre les données en transit et au repos, interdit tout accès des opérateurs AWS aux invites et réponses au niveau matériel, journalise chaque appel dans AWS CloudTrail et permet de router le trafic via des endpoints VPC privés. Surtout, les données d'inférence ne sont jamais utilisées pour l'entraînement du modèle, un argument central pour convaincre les directions juridiques et sécurité d'adopter l'IA générative à grande échelle. Ce lancement s'inscrit dans le resserrement des liens entre OpenAI et Amazon Web Services, qui cherche à rivaliser avec l'offre Azure de Microsoft et avec Google Cloud sur le marché de l'IA d'entreprise. Pour réduire les coûts et la latence des usages répétitifs, comme la relecture récurrente de documents ou l'analyse continue d'un même code, GPT-6 Astra prend en charge la mise en cache de contexte, implicite ou explicite via des points de rupture définis par l'utilisateur. La classification "Critical" en cybersécurité illustre par ailleurs la trajectoire des modèles les plus avancés, dont les capacités croissantes imposent des mécanismes de contrôle renforcés, un débat appelé à s'intensifier à mesure que ces systèmes gagnent en autonomie sur des tâches sensibles.

LLMsActu
1 source
ChatGPT Sketch transforme vos dessins maladroits en images IA détaillées
Illustration générée par IA
1318The Verge AI 

ChatGPT Sketch transforme vos dessins maladroits en images IA détaillées

OpenAI a annoncé mardi le déploiement de ChatGPT Images 2.5, une mise à jour qui introduit un nouvel outil baptisé Sketch. Concrètement, l'utilisateur tape "@Sketch" dans la fenêtre de conversation de ChatGPT, ce qui fait apparaître une zone de dessin directement intégrée à l'interface. Il peut alors y tracer un croquis, même sommaire, puis indiquer par texte comment il souhaite que ce dessin soit transformé en image. Le site The Verge, qui a testé la fonctionnalité, explique avoir dessiné un chat à la souris de son ordinateur, un gribouillis volontairement imparfait, et avoir obtenu en retour une photo réaliste de l'animal conforme à ses instructions. La mise à jour ajoute également la possibilité de laisser des commentaires directement sur certaines zones d'une image déjà générée, plutôt que de devoir réécrire l'ensemble de la consigne. Cette évolution abaisse la barrière d'entrée à la génération d'images par IA pour les personnes qui peinent à décrire précisément avec des mots ce qu'elles imaginent visuellement. En combinant dessin approximatif et instructions textuelles, ChatGPT se rapproche d'un outil de conception assisté plus intuitif, utile aussi bien pour des créateurs occasionnels que pour des professionnels du design ou du marketing cherchant à itérer rapidement sur une idée visuelle. La possibilité de commenter des zones précises d'une image facilite en outre les retouches ciblées, sans repartir d'un prompt entier. Cette annonce s'inscrit dans la compétition intense que se livrent OpenAI, Google avec ses modèles Imagen et Gemini, ainsi que Midjourney, pour proposer des interfaces de génération d'images toujours plus naturelles et contrôlables. Depuis le lancement de ChatGPT Images, OpenAI a régulièrement enrichi l'outil de fonctions d'édition avancées. Sketch illustre une tendance plus large vers des entrées multimodales mêlant croquis, texte et annotations ciblées, une direction que d'autres acteurs du secteur pourraient rapidement chercher à égaler.

CréationOutil
1 source
Pathway développe une architecture inspirée du cerveau sur Amazon SageMaker HyperPod
Illustration générée par IA
1319AWS ML Blog 

Pathway développe une architecture inspirée du cerveau sur Amazon SageMaker HyperPod

Pathway, une entreprise spécialisée en architectures d'IA, a développé BDH (Dragon Hatchling), un modèle inspiré du cerveau qui rompt avec le paradigme des transformers dominant depuis une dizaine d'années. Contrairement aux grands modèles de langage classiques, qui externalisent le raisonnement sous forme de chaînes de pensée (chain-of-thought) en générant de longues suites de tokens intermédiaires, BDH effectue son raisonnement directement dans un espace latent. Le modèle est conçu comme un graphe de neurones communiquant par interactions locales et éparses, avec un état maintenu dans des connexions de type synaptique qui s'adaptent au contexte sans mise à jour des poids au moment de l'inférence. Une variante, BDH-CQ, met à jour la mémoire interne du modèle pendant l'inférence via un calcul itératif dans un état latent récurrent, ne décodant que les réponses candidates, sans passage par un raisonnement verbalisé ni besoin de fine-tuning. Pour entraîner et faire évoluer cette architecture, Pathway s'appuie sur Amazon SageMaker HyperPod, qui permet à ses équipes de scientifiques en IA appliquée de partager des ressources de calcul de manière résiliente et économique, tout en s'intégrant à des frameworks courants comme PyTorch. Cette approche s'attaque directement aux limites structurelles des transformers, qui pèsent aujourd'hui autant sur l'entraînement que sur l'usage en production. Les transformers peinent à généraliser au-delà de leurs données d'entraînement, notamment sur des tâches de raisonnement long, ce qui oblige à mobiliser des volumes de données et de calcul considérables. Leur mécanisme d'attention et leur cache clé-valeur croissant limitent la longueur des séquences traitables, tandis que leur fonctionnement interne reste largement opaque, compliquant l'interprétation du raisonnement dans des secteurs réglementés où la fiabilité est critique. En proposant un raisonnement moins coûteux en tokens et un modèle capable d'ajuster son état sans réentraînement complet, BDH pourrait réduire les coûts d'inférence tout en limitant le phénomène d'oubli catastrophique qui touche les modèles actuels lors de mises à jour de connaissances. Pour l'industrie, cela ouvre la perspective de systèmes plus économes en calcul et potentiellement plus transparents, un enjeu de plus en plus pressant à mesure que les coûts d'inférence des modèles de raisonnement explosent. Cette initiative s'inscrit dans un mouvement plus large de remise en question du tout-transformer, alors que la majorité des progrès récents en IA reposait sur l'augmentation de l'échelle des modèles, des données d'entraînement, de la longueur du contexte et du calcul mobilisé à l'inférence. Pathway met en avant le fait que les LLM actuels oublient au fil des longues interactions, ne conservent pas d'information d'une session à l'autre, et nécessitent un réentraînement pour intégrer de nouvelles connaissances, des limites que l'entreprise attribue directement aux choix architecturaux des transformers plutôt qu'à de simples détails d'implémentation. En s'appuyant sur l'infrastructure cloud d'Amazon pour industrialiser l'entraînement de BDH, Pathway signale une volonté de faire passer cette architecture alternative du stade de recherche à un déploiement à plus grande échelle. Reste à voir si cette approche parviendra à s'imposer face à l'écosystème massivement investi dans les transformers, ou si elle restera une piste parmi d'autres explorées par la recherche pour dépasser les limites actuelles des grands modèles de langage.

RecherchePaper
1 source
Pathway développe une architecture inspirée du cerveau sur Amazon SageMaker HyperPod
Illustration générée par IA
1320AWS ML Blog 

Pathway développe une architecture inspirée du cerveau sur Amazon SageMaker HyperPod

La société Pathway a développé BDH-CQ, une architecture d'intelligence artificielle inspirée du cerveau humain, baptisée Dragon Hatchling, et l'a entraînée à grande échelle grâce à Amazon SageMaker HyperPod. Contrairement aux grands modèles de langage classiques qui exploitent l'architecture transformeur et externalisent leur raisonnement sous forme de chaînes de pensée textuelles, générant de nombreux tokens intermédiaires avant de produire une réponse, BDH effectue son raisonnement directement dans un espace latent. Le modèle est conçu comme un graphe de neurones communiquant par interactions locales et éparses, dont l'état est maintenu par des connexions de type synaptique qui s'adaptent au contexte sans nécessiter de mise à jour des poids au moment de l'inférence. La variante BDH-CQ actualise la mémoire interne du modèle pendant l'inférence par un calcul itératif au sein d'un état latent récurrent, et ne décode que les réponses candidates finales, sans passage par de longues traces de raisonnement verbalisées. Le système s'intègre à des cadres de développement courants comme PyTorch, et l'infrastructure de calcul partagée d'Amazon permet aux équipes de scientifiques de Pathway de répartir les ressources de façon résiliente et économique. Cette approche vise à corriger des limites jugées structurelles dans l'architecture transformeur, en place depuis près de dix ans sans changement majeur. Les modèles actuels peinent à généraliser au-delà de leurs données d'entraînement sur des tâches de raisonnement long, exigent des volumes de données et de calcul considérables, et souffrent d'un oubli catastrophique lorsqu'ils doivent intégrer de nouvelles connaissances sans réentraînement complet. À l'inférence, la fenêtre de contexte fixe et la croissance du cache clé-valeur limitent la longueur des séquences traitées, tandis que les mécanismes d'attention denses consomment beaucoup de mémoire et de calcul, même avec des techniques de mélange d'experts. L'opacité de l'état interne des transformeurs rend aussi leur raisonnement difficile à interpréter ou à auditer, un problème sensible pour les secteurs fortement régulés où la fiabilité et la traçabilité des décisions sont exigées. Ces limites ont conduit une partie de la recherche à chercher des alternatives ne reposant plus uniquement sur l'augmentation de la taille des modèles, du volume de données ou du calcul consommé à l'inférence. En misant sur une architecture bio-inspirée capable d'apprendre et de raisonner sans traduire chaque étape en texte, Pathway cherche à réduire le coût en tokens du raisonnement tout en conservant une mémoire persistante entre les interactions, un point faible connu des grands modèles actuels qui oublient le contexte d'une session à l'autre. Le recours à l'infrastructure cloud d'Amazon pour l'entraînement illustre par ailleurs comment les fournisseurs de calcul soutiennent désormais des pistes de recherche s'écartant du paradigme transformeur dominant, dans un secteur où la course à l'échelle atteint des limites de coût et d'efficacité de plus en plus visibles.

RecherchePaper
1 source