Joëlle Barral est directrice de la recherche fondamentale en intelligence artificielle (IA) chez Google DeepMind qui, de Londres à Paris en passant par la Silicon Valley, regroupe les équipes de recherche du géant du numérique et de la start-up anglaise d’IA acquise en 2014. Polytechnique et l’université américaine de Stanford, cet ingénieur travaille chez Google depuis 2004, notamment dans ses projets liés à la santé, dont Verily. Elle répond sur les limites et l’avenir des grands modèles de langage sur lesquels s’appuient les assistants IA comme Gemini, que Google intégrera dans son moteur de recherche et son environnement Android. Et exprime sa foi dans le potentiel de cette technologie pour la recherche, alors que le directeur général de DeepMind, Demis Hassabis, et le chercheur John Jumper viennent de recevoir le prix Nobel de physique.
Où en est le développement de l’IA ? Certains parlent de bulle financière ou estiment que la recherche sur les grands modèles linguistiques atteint un plateau…
L’IA n’est pas nouvelle. Les réseaux neuronaux qui sous-tendent l’IA générative actuelle existent depuis plus de cinquante ans. La récente accélération est due à la quantité de données et à la puissance de calcul qui ont permis à ces algorithmes d’atteindre des capacités inattendues.
Lire aussi | Article réservé à nos abonnés « L’intelligence artificielle est une bulle : il y a un écart entre les coûts très importants et les revenus potentiels »
Ajouter à vos sélections
Il est assez rare dans le monde de la recherche de constater un tel engouement au sein de la société pour les résultats de la recherche. Nous avons vraiment la chance d’être au début d’une nouvelle ère industrielle, d’une révolution. Je ne dirais pas du tout que nous atteignons un plateau. Au contraire, nous sommes au début de la maîtrise de cette technologie qui aura des implications dans un très grand nombre d’activités humaines.
Malgré ces progrès, les assistants IA continuent de commettre des erreurs factuelles. N’est-ce pas un frein à leur utilisation dans les moteurs de recherche ? Ce problème est-il résoluble ?
En effet, au départ, nous avions des IA « étroites » que nous entraînions avec un certain nombre d’exemples, comme pour classer des images de chats et de chiens, etc. Avec l’IA générative actuelle, on ne montre plus d’exemples : les modèles apprennent sur de grands corps d’animaux. données puis vous indiquent, sur une séquence de mots, quel est le mot suivant, en fonction de sa fréquence d’apparition dans leurs données d’entraînement.
Pour éviter les erreurs, on peut d’abord « augmenter » ce logiciel en leur apprenant à utiliser des outils : si on donne une calculatrice aux modèles d’IA, ils ne feront plus d’erreurs lorsqu’ils feront une multiplication…
Il vous reste 78,64% de cet article à lire. Le reste est réservé aux abonnés.
