Andrej Karpathy, cofondateur d’OpenAI<\/strong> et ancien directeur de l’IA chez Tesla<\/strong>, a r\u00e9cemment partag\u00e9 ses pr\u00e9occupations concernant l\u2019avenir de l’intelligence artificielle (IA). Dans une interview approfondie avec Dwarkesh Patel<\/strong>, Karpathy se distingue par son avis, r\u00e9v\u00e9lant une vision plus nuanc\u00e9e que le optimisme<\/strong> ambiant. Selon lui, les syst\u00e8mes d’IA que nous utilisons actuellement ne sont rien de plus que des “fant\u00f4mes num\u00e9riques”, se contentant d’imiter des mod\u00e8les humains sans vraiment comprendre<\/strong> le comportement derri\u00e8re ces interactions.<\/p>\n Karpathy avance une pr\u00e9diction<\/strong> marqu\u00e9e : il estime que la AGI (intelligence artificielle g\u00e9n\u00e9rale) fonctionnelle<\/strong> n’arrivera pas en 2026, comme certains le sugg\u00e8rent, mais plut\u00f4t en 2035<\/strong>. Ce retard pr\u00e9vu souligne l’importance de prendre en compte les d\u00e9fis r\u00e9els auxquels nous faisons face dans le d\u00e9veloppement de l’IA.<\/p>\n Les comparaisons entre les IA et les cerveaux biologiques fa\u00e7onnent le discours technologique actuel, influen\u00e7ant ainsi de nombreuses d\u00e9cisions d’investissement<\/strong>. Karpathy met en garde contre cette analogie, la qualifiant de trompeuse<\/strong> et capable de susciter des attentes irr\u00e9alistes.<\/p>\n Avec cinq ann\u00e9es d’exp\u00e9rience en tant que responsable de la conduite autonome chez Tesla<\/strong>, Karpathy a acquis une perspective unique sur les \u00e9carts entre les d\u00e9mos impressionnantes<\/strong> et les produits fonctionnels. Pendant son mandat, il a vu comment les attentes peuvent \u00eatre d\u00e9mesur\u00e9es compar\u00e9es aux r\u00e9sultats tangibles.<\/p>\n Karpathy critique avec virulence le apprentissage par renforcement<\/strong> actuel, qu’il qualifie de “terrible”. Il explique que les syst\u00e8mes r\u00e9compensent des trajectoires compl\u00e8tes<\/strong>, y compris les erreurs, au lieu de se concentrer sur les \u00e9tapes individuelles, comme les humains le feraient. Par exemple, si un mod\u00e8le r\u00e9sout un probl\u00e8me apr\u00e8s cent tentatives infructueuses, il renforce toute la d\u00e9marche, erreurs comprises.<\/p>\n Il \u00e9voque \u00e9galement le ph\u00e9nom\u00e8ne de colapsus d’entropie<\/strong>, o\u00f9 les mod\u00e8les d’IA, lorsqu’ils g\u00e9n\u00e8rent des donn\u00e9es synth\u00e9tiques, produisent des r\u00e9ponses qui ne repr\u00e9sentent qu’un espace restreint de possibilit\u00e9s. En demandant une blague \u00e0 ChatGPT<\/strong>, par exemple, on re\u00e7oit souvent les m\u00eames variantes r\u00e9p\u00e9t\u00e9es. Cette incapacit\u00e9 \u00e0 penser en dehors de leurs donn\u00e9es m\u00e9moris\u00e9es<\/strong> emp\u00eache les mod\u00e8les de raisonner correctement.<\/p>\n Lors de son temps chez OpenAI<\/strong>, Karpathy a constat\u00e9 que des outils comme Claude Code \u00e9taient inefficaces pour g\u00e9n\u00e9rer du code complexe. Ces syst\u00e8mes peuvent fonctionner pour du code r\u00e9p\u00e9titif disponible sur internet, mais \u00e9chouent face \u00e0 des architectures nouvelles. Il a d\u00e9clar\u00e9 que les entreprises produisaient parfois des “slops<\/strong>” pour lever des fonds, ce qui soul\u00e8ve des questions quant \u00e0 la qualit\u00e9 des mod\u00e8les propos\u00e9s.<\/p>\n La proposition de Karpathy s’articule autour de la cr\u00e9ation de mod\u00e8les plus compacts, avec un milliard de param\u00e8tres<\/strong> contre les \u00e9normes mod\u00e8les d’aujourd’hui. Ces mod\u00e8les seraient entra\u00een\u00e9s avec des donn\u00e9es soigneusement s\u00e9lectionn\u00e9es, int\u00e9grant des algorithmes de pens\u00e9e, mais pas n\u00e9cessairement des connaissances factuelles. Ils seraient capables d’interroger l’information au besoin, \u00e0 l’image du fonctionnement humain.<\/p>\n Contrairement \u00e0 la plupart des experts anticipant une explosion soudaine de l’intelligence, Karpathy pr\u00e9dit une croissance continue<\/strong> et progressive. Selon lui, les ordinateurs, les t\u00e9l\u00e9phones portables et l’Internet n’ont pas brusquement alt\u00e9r\u00e9 la courbe du PIB, qui reste stable \u00e0 environ 2% par an<\/strong>. Bien que nous puissions \u00eatre t\u00e9moins de progr\u00e8s significatifs, ces avanc\u00e9es se d\u00e9roulent \u00e0 un rythme lent, faussant notre perception d’une r\u00e9volution<\/strong> imminente.<\/p>\n La vision de Karpathy rappelle \u00e0 tous que, malgr\u00e9 les avanc\u00e9es technologiques spectaculaires, l’IA doit encore parcourir un long chemin avant d\u2019atteindre ses aspirations pleinement fonctionnelles. Son \u00e9valuation exige une r\u00e9flexion critique sur ce que nous esp\u00e9rons r\u00e9aliser avec l’intelligence artificielle et nous rappelle que la route est encore pleine de d\u00e9fis \u00e0 surmonter.<\/p>\nUne pr\u00e9diction audacieuse pour l’AGI<\/h2>\n
Pourquoi cette perspective est-elle cruciale ?<\/h2>\n
L’exp\u00e9rience de Tesla : une fen\u00eatre sur la r\u00e9alit\u00e9<\/h2>\n
Les limites de l’apprentissage moderne<\/h2>\n
Le concept de “colapsus d’entropie”<\/h2>\n
Une critique de la g\u00e9n\u00e9ration de code<\/h2>\n
Propositions pour un meilleur avenir de l’IA<\/h2>\n
Un tournant inattendu dans la croissance de l’IA<\/h2>\n