Recevez des mises à jour gratuites sur l’intelligence artificielle
Nous vous enverrons un Résumé quotidien myFT e-mail récapitulant les dernières Intelligence artificielle nouvelles tous les matins.
Même selon les normes essoufflées des cycles de battage technologique précédents, les passionnés d’intelligence artificielle générative ont hyperventilé.
Des entreprises d’un billion de dollars, dont Alphabet et Microsoft, déclarent que l’IA est la nouvelle électricité ou le feu et réorganisent l’ensemble de leurs activités autour d’elle. Jamais sciemment dépassés, les investisseurs en capital-risque ont également injecté de l’argent dans le secteur. Cinquante des start-up les plus prometteuses en IA générative, identifié par CB Insights, ont levé plus de 19 milliards de dollars de financement depuis 2019. Parmi ceux-ci, 11 comptent désormais comme des licornes avec des valorisations supérieures à 1 milliard de dollars.
Même les costumes sobres à Estimation McKinsey que la technologie pourrait ajouter entre 2,6 et 4,4 milliards de dollars de valeur économique par an à travers 63 exemples d’utilisation analysés, allant de la banque aux sciences de la vie. En d’autres termes, en termes très approximatifs, l’IA générative pourrait créer une nouvelle économie britannique chaque année (le produit intérieur brut du pays était de 3,1 milliards de dollars en 2021).
Mais que se passe-t-il s’ils se trompent ? Dans une série de messages provocateurs, le technologue Gary Marcus explore la possibilité que nous puissions assister à une « correction massive et déchirante » des valorisations alors que les investisseurs se rendent compte que l’IA générative ne fonctionne pas très bien et manque d’applications commerciales meurtrières. « Les revenus ne sont pas encore là et pourraient ne jamais venir », écrit-il.
Marcus, co-fondateur de le Center for the Advancement of Trustworthy AI qui a témoigné au Congrès américain cette année, est depuis longtemps sceptique quant à l’intelligence des modèles de réseaux neuronaux qui ont précédé les derniers chatbots, tels que ChatGPT d’OpenAI. Mais il soulève également de nouvelles vérités sur l’IA générative. Prenez le manque de fiabilité des modèles eux-mêmes. Comme cela est maintenant clair pour des millions d’utilisateurs, l’un des plus grands inconvénients de la technologie est qu’elle hallucine – ou affabule – les faits.
Dans son livre précédent Redémarrage de l’IA, Marcus fournit un bel exemple de la façon dont cela peut se produire. Certains modèles d’IA fonctionnent comme des machines probabilistes, prédisant les réponses à partir de modèles de données plutôt que de présenter un raisonnement. Un francophone comprendrait instinctivement Je mange un avocat pour le déjeuner comme signifiant « je mange un avocat pour le déjeuner ». Mais, dans ses premières itérations, Google Translate l’a rendu comme « Je vais manger un avocat pour le déjeuner ». En français, le mot avocat signifie à la fois avocat et avocat. Google Translate a choisi la traduction la plus probable statistiquement, plutôt que celle qui avait du sens.
Les entreprises technologiques disent qu’elles réduisent les erreurs en améliorant la compréhension contextuelle de leurs systèmes (Google Translate rend maintenant cette phrase française avec précision). Mais Marcus soutient que les hallucinations resteront une caractéristique, plutôt qu’un bogue, des modèles d’IA générative, impossibles à corriger en utilisant leur méthodologie actuelle. « Il y a un fantasme que si vous ajoutez plus de données, cela fonctionnera. Mais vous ne pouvez pas réussir à écraser le problème avec les données », me dit-il.
Pour certains utilisateurs, ce manque de fiabilité intégré est un facteur décisif. Craig Martell, directeur de l’IA du département américain de la Défense, a déclaré la semaine dernière, il exigerait un « cinq 9 » [99.999 per cent] niveau de précision avant de déployer un système d’IA. « Je ne peux pas avoir une hallucination qui dit ‘Oh ouais, mets le widget A connecté au widget B’ – et ça explose », a-t-il déclaré. De nombreux systèmes d’IA génératifs placent une « charge cognitive » trop élevée sur l’utilisateur pour déterminer ce qui est bien ou mal, a-t-il ajouté.
Encore plus préoccupante est l’idée que le contenu produit par l’IA générative pollue les ensembles de données sur lesquels les futurs systèmes seront formés, menaçant ce qui certains ont appelé « l’effondrement du modèle ». En ajoutant plus d’informations imparfaites et une désinformation délibérée à notre base de connaissances, les systèmes d’IA générative produisent une nouvelle « enshittification » d’Internet, pour reprendre le terme évocateur de Cory Doctorow. Cela signifie que les ensembles d’entraînement produiront plus de bêtises, plutôt que moins.
Imperturbables, les investisseurs avancent généralement trois arguments sur la façon de gagner de l’argent avec l’IA générative. Même avec ses imperfections, disent-ils, il peut toujours être un outil de productivité précieux, accélérant l’industrialisation de l’efficacité. Il existe également de nombreuses utilisations, allant de la rédaction aux opérations de centre d’appels, où un niveau de précision « deux 9 » est acceptable.
Deuxièmement, les investisseurs parient sur le fait que certaines entreprises peuvent déployer des modèles d’IA génératifs pour résoudre des problèmes étroits et réels. Les dernières avancées de l’IA permettent d’analyser les données en temps réel, explique Zuzanna Stamirowska, directrice générale de la start-up française Pathway, contribuant ainsi à optimiser le commerce maritime ou les performances des moteurs d’avion, par exemple. « Nous nous concentrons vraiment sur les cas d’utilisation commerciale », dit-elle.
Troisièmement, les modèles d’IA générative permettront la création de nouveaux services et modèles commerciaux encore inimaginables. Lors de l’électrification massive de l’économie à la fin du XIXe siècle, les entreprises ont profité de la production et de la distribution d’électricité. Mais les fortunes sérieuses ont été faites plus tard en utilisant l’électricité pour transformer les modes de fabrication des choses, comme l’acier, ou en inventant des produits et services entièrement nouveaux, y compris les appareils électroménagers.
Pour le moment, seuls les fournisseurs de cloud computing et les fabricants de puces génèrent vraiment de l’argent dans le boom de l’IA générative. Sans aucun doute, Marcus aura également raison de dire qu’une grande partie de l’argent des entreprises investi dans la technologie sera gaspillée et que la plupart des start-up échoueront. Mais qui sait quelles nouveautés seront inventées et perdureront ? C’est pourquoi Dieu a inventé les bulles.