L'avenir de l'intelligence artificielle

Où en est l'intelligence artificielle aujourd'hui

Demandez à dix chercheurs où se dirige l'IA et vous obtiendrez dix réponses confiantes et contradictoires. Commencez plutôt par ce qui est déjà vrai. L'intelligence artificielle aujourd'hui peut lire, écrire, voir, entendre et parler à un niveau qui était de la science-fiction il y a une décennie. Les modèles de frontière (les plus grands systèmes issus de laboratoires comme OpenAI, Anthropic et Google DeepMind) raisonnent sur du texte, des images, de l'audio et de la vidéo dans un seul système, et ils agissent de plus en plus plutôt que de simplement répondre : réserver, coder, mener des recherches et exploiter des logiciels avec une personne supervisant au lieu de taper chaque étape.

Trois changements plus discrets comptent autant que les capacités phares. D'abord, le coût : le prix d'un niveau donné de performance en IA a chuté régulièrement année après année, ce qui explique pourquoi l'IA se trouve maintenant dans les moteurs de recherche, les logiciels de bureau, les voitures et les téléphones plutôt que seulement dans les démos de recherche. Ensuite, la distribution : des centaines de millions de personnes utilisent des assistants IA chaque semaine, la plupart sans penser que c'est de l'IA. Troisièmement, l'argent : les entreprises qui construisent les modèles et les puces sous-jacents dépensent à une échelle normalement réservée aux infrastructures nationales, une course que vous pouvez suivre sur notre suivi des stocks et ETF IA.

Les trois prochaines années : agents, efficacité et régulation

La tendance à court terme la plus claire est l'émergence des agents IA, des logiciels qui peuvent accomplir des tâches multi-étapes de façon autonome. Au lieu de demander conseil à un chatbot sur un remboursement, vous confierez tout le problème à un assistant qui lit la politique, rédige l'e-mail, suit la réponse et vous dit quand c'est fait. Tous les grands laboratoires travaillent dans cette direction, et les premières versions fonctionnent déjà dans le service à la clientèle, la programmation et l'administration de back-office.

L'efficacité est la deuxième tendance, et elle va dans une direction surprenante. Tandis que les plus grands modèles continuent de croître, la course la plus importante consiste à réduire les modèles capables jusqu'à ce qu'ils s'exécutent sur un ordinateur portable ou un téléphone. Des modèles petits, rapides et bon marché signifient une IA qui fonctionne hors ligne, respecte la vie privée en gardant les données sur l'appareil, et coûte des centimes. Attendez-vous à ce que l'écart entre « frontière » et « suffisant » se réduise encore pour les tâches quotidiennes.

Le troisième est la régulation. La loi sur l'IA de l'Union européenne est maintenant appliquée par étapes, avec des obligations pour les plus grands modèles et des amendes qui s'élèvent à des milliards. D'autres gouvernements suivent avec leurs propres mélanges de tests de sécurité, de règles de transparence et de règlements sur les droits d'auteur. Pour les lecteurs, l'effet pratique est des étiquettes, des pistes d'audit et des réponses plus claires sur ce avec lequel un système a été entraîné. Nous suivons ces débats quotidiennement dans notre section Politique.

La prochaine décennie : science, robots et médecine

Au-delà des guerres d'assistants, l'histoire plus profonde est l'IA comme instrument de la science. Les systèmes issus du travail de DeepMind sur la structure des protéines conçoivent maintenant des médicaments candidats, de nouveaux matériaux et des anticorps ; les modèles météorologiques construits sur l'apprentissage automatique surpassent les simulations physiques traditionnelles à partir desquelles ils ont appris. Chacun de ces éléments s'amplifie : de meilleurs outils créent une meilleure science, qui crée de meilleurs outils. Ce cycle de rétroaction, plus que n'importe quel chatbot, est l'argument le plus fort que les années 2030 seront différentes des années 2020. Notre équipe Science et Espace suit cela histoire par histoire.

Le monde physique suit le monde numérique. Les robots humanoïdes et spécialisés, longtemps une simple curiosité de démonstration, ont commencé à effectuer de véritables changements dans les usines et les entrepôts, car les mêmes modèles qui comprennent le langage s'avèrent aider les machines à comprendre les instructions, les objets et les erreurs. Les taxis autonomes fonctionnent déjà commercialement dans une liste croissante de villes. Les progrès ici sont plus lents et irréguliers qu'en logiciel (le matériel l'est toujours), mais la direction est établie ; voir notre couverture Robotique.

La médecine est peut-être où les gens ordinaires ressentiront le plus cette décennie. L'IA lit déjà les images aux côtés des radiologues, détecte la septicémie plusieurs heures plus tôt, et rédige les notes cliniques qui avaient l'habitude de consommer la soirée d'un médecin. Les interfaces cerveau-ordinateur (des implants qui traduisent les signaux neuronaux) ont redonné la parole à des personnes qui l'avaient perdue. Rien de cela ne remplace le clinicien ; cela change ce qu'un clinicien peut détecter et à quel point tôt. Les mises en garde sont réelles (biais, sur-confiance, vie privée), et nous les rapportons aux côtés des avancées dans Santé.

La question de l'AGI

AGI (intelligence générale artificielle) est un raccourci pour une IA qui peut égaler un humain capable dans la plupart des types de travail intellectuel. C'est l'objectif déclaré de plusieurs laboratoires de frontière, et c'est où les prédictions confiantes deviennent les moins fiables. Certains chercheurs respectés soutiennent que les techniques actuelles vont tout le chemin en quelques années. D'autres, tout aussi respectés, soutiennent que les modèles actuels manquent quelque chose de fondamental sur le raisonnement, la mémoire et le monde physique, et que l'écart se mesure en décennies. Il n'y a même pas de test convenu pour ce qui compterait.

Notre lecture honnête : les capacités ont surpassé les prévisions d'experts à plusieurs reprises depuis 2020, ce qui est une raison de prendre les délais courts au sérieux, et les écarts restants (fiabilité à long terme, véritable nouveauté, apprentissage en cours d'emploi) se sont avérés tenaces, ce qui est une raison d'en douter. Traitez quiconque avec une date précise, dans un sens ou dans l'autre, comme un commentateur plutôt que comme un prophète. Ce qui importe pour la planification n'est pas la date d'arrivée de l'AGI mais le fait que les systèmes deviennent de plus en plus capables chaque année en chemin, quel que soit le point d'arrivée.

Ce qui pourrait ralentir tout cela

L'extrapolation linéaire a déçu les prévisionnistes avant, il est donc judicieux de nommer les freins. Calcul et énergie : les passages à l'échelle de formation de frontière consomment déjà de l'énergie à l'échelle de petites villes, et les centres de données sont en collision avec les limites du réseau et la politique locale. Données : l'Internet ouvert a largement été lu ; les gains supplémentaires s'appuient sur les données synthétiques, les archives concédées sous licence et les nouvelles techniques, rien n'est garanti. Confiance : un sinistre grave activé par l'IA, un krach boursier attribué à des décisions automatisées, un deepfake qui influence une élection, pourrait durcir rapidement l'opinion publique et la loi (le battage des mauvais usages vit dans notre section Sécurité IA). Économie : l'industrie dépense bien plus que ses revenus, et les investisseurs ne financeront pas l'écart indéfiniment.

N'importe lequel de ces éléments pourrait transformer le boom en plateau pendant quelques années. Aucun d'eux ne semble susceptible d'inverser la courbe sous-jacente : la connaissance de comment construire ces systèmes existe maintenant, les puces continuent de s'améliorer, et les incitations, commerciales et géopolitiques, continuent de pointer vers l'avant.

Ce que l'avenir de l'IA signifie pour vous

Vous n'avez pas besoin de prédire l'AGI pour agir judicieusement. Apprenez les outils maintenant : la maîtrise des assistants IA devient ce que la maîtrise des tableurs était dans les années 1990, une compétence professionnelle ordinaire. Ancrez votre travail dans les choses que les machines font le moins bien : le jugement, le goût, la responsabilité, les relations et savoir ce qui vaut la peine d'être fait en premier lieu. Et restez informé à partir de sources primaires plutôt que du battage publicitaire dans l'une ou l'autre direction. Pour la question plus profonde des emplois, de la vie familiale et de ce qui reste humain, lisez notre guide compagnon, L'intelligence artificielle et l'avenir des humains.