Elle utilise votre ordinateur plus vite que vous

Cette semaine a été marquée par des avancées fulgurantes dans le domaine de l'intelligence artificielle. Open AI a lancé un modèle d'IA, GPT-6.1 Terra, capable d'utiliser un ordinateur à la place de l'utilisateur, naviguant entre les logiciels avec une rapidité telle que même le président d'Open AI a été impressionné. Parallèlement, Google a présenté une IA capable de "dormir", une innovation inattendue. En introduction, il est mentionné six autres annonces majeures. Une IA traduisant la voix en direct avec le timbre de l'orateur et un décalage minime, surpassant les interprètes professionnels. Un nouveau modèle d'IA anime des personnages de jeux vidéo et des robots humanoïdes à 15 000 images par seconde. Enfin, Google a dévoilé Génie 4, un "modèle monde" qui nous rapproche de la Matrice. La chaîne remercie ses abonnés à la newsletter gratuite et présente l'académie Vision IA pour ceux qui souhaitent apprendre à utiliser l'IA localement et monétiser leurs compétences. La première actualité visuellement spectaculaire est Génie 4 de Google DeepMind, présenté le 27 octobre. Ce modèle d'IA crée un monde en temps réel qui réagit aux actions de l'utilisateur. Le décor se construit dynamiquement, et le modèle invente ce qui se trouve derrière la caméra. Il est possible de modifier la scène en temps réel par des commandes textuelles. La nouveauté de cette version est l'intégration du son : musique, bruitages d'ambiance et même dialogues avec des personnages qui répondent. Google le présente comme le premier modèle monde à générer son propre son en temps réel. Sous le capot, Génie 4 fonctionne en boucle avec Géini, qui planifie les événements et assure la cohérence visuelle. Une démonstration montre le robot humanoïde Apollo jouant aux dames dans un monde entièrement simulé. L'objectif est d'entraîner des robots dans ce monde virtuel avant de transférer ces connaissances au monde réel. Ce marché est devenu stratégique, comme en témoignent les rachats de World Labs par AMD (8,2 milliards de dollars) et les négociations d'Amazon pour Descart (7 milliards de dollars). Il existe même déjà des modèles monde fonctionnant sur des cartes graphiques grand public. Bien que prometteurs, ces modèles ont des limites : une scène dure environ 2 minutes avant que les détails ne commencent à dériver et les textes restent souvent illisibles. Génie 4 est actuellement réservé à des testeurs de confiance, mais devrait être disponible pour les abonnés Google AI Ultra. Ensuite, une avancée très concrète concerne la traduction simultanée. Tencent, le géant chinois derrière WeChat, a publié HSimuMT, un nouveau modèle d'IA qui traduit en temps réel le chinois ou l'anglais dans l'autre langue. Connecté à un module de synthèse vocale, il peut restituer la traduction avec la voix de l'orateur. Tencent l'a comparé à six interprètes professionnels certifiés. Bien que le test ne porte que sur 18 enregistrements de 6 minutes, cette technologie promet de faire tomber les barrières linguistiques. Le modèle, avec 30 milliards de paramètres et pesant 61 Go, est sous licence Apache 2.0, permettant une utilisation commerciale gratuite. Il peut être utilisé pour des projets personnels ou via la location de cartes graphiques en ligne pour des réunions ponctuelles. Un autre développement concerne les assistants IA proactifs. Des chercheurs de Google et d'universités californiennes ont développé StreamVibe, un agent IA qui observe l'utilisateur via un flux vidéo et intervient au bon moment. Il devine l'intention de l'utilisateur sans qu'il ait besoin de formuler une demande. Par exemple, il peut conseiller sur un site web ou guider lors d'une tâche manuelle. Le modèle améliore de 10,7% la pertinence des réponses et la mémoire ajoute 12,3% sur les interactions longues. Bien que deviner l'intention reste un défi, cette technologie ouvre la voie à des assistants IA intégrés dans des lunettes connectées. La semaine a également été riche en découvertes scientifiques. Open AI a annoncé trois résultats de recherche produits par ses modèles internes. Le premier est la réfutation du temps exponentiel. Les deux autres sont particulièrement impressionnants. Le second concerne la physique des ondes et la conjecture du lissage local de Christopher S. Open AI affirme avoir prouvé cette conjecture dans toutes les dimensions, une avancée majeure par rapport aux démonstrations précédentes. Le troisième résultat est une découverte en physique des particules : le modèle d'Open AI aurait construit une preuve mathématique de la chromodynamique quantique et une preuve d'existence pour la théorie de Young-Mills, l'un des sept problèmes du millénaire. Une équipe de physiciens, dirigée par le prix Nobel David Gross, est en train de valider ces résultats. Si ces preuves sont confirmées, l'IA aura repoussé les limites de la connaissance humaine. Ensuite, Nvidia a présenté Motion Bricks, un nouveau modèle d'IA qui génère des mouvements en temps réel pour des personnages de jeux vidéo ou des robots. Au lieu d'animations préenregistrées, l'utilisateur donne quelques poses ou une direction, et l'IA crée le mouvement. Le modèle, entraîné sur 350 000 extraits de mouvements réels, tourne à 15 000 images par seconde sur une carte graphique haut de gamme, soit 250 fois plus vite qu'un jeu vidéo classique. Le plus remarquable est que le même modèle peut faire marcher un vrai robot humanoïde, le Yunitree G1, prouvant un lien direct entre le monde virtuel et le monde réel. Le code et les modèles (environ 200 millions de paramètres) sont disponibles sous licences commerciales. L'annonce la plus étrange de la semaine vient de Google, qui a appris à une IA à "dormir". Contrairement aux modèles traditionnels qui sont figés après l'entraînement et oublient les anciennes informations lors de nouvelles mises à jour (l'oubli catastrophique), le nouveau modèle de Google s'inspire du cerveau humain. Pendant l'éveil, il stocke les informations dans une mémoire à court terme. Pendant le "sommeil", il cesse de recevoir des informations et transfère ses découvertes vers une mémoire à long terme, en déverrouillant de nouveaux neurones. Il y a même une phase de "rêve" où l'IA s'invente des exercices. Cette approche permet à l'IA de retrouver des informations noyées dans 10 millions de tokens et d'apprendre de nouvelles langues rares comme le manchou et le kalamang. L'idée est un modèle d'IA capable d'apprendre de son usage nuit après nuit. Une autre innovation est Mat Anyone I, développé par l'université technologique de Nanyang à Singapour, pour le détourage de personnages en vidéo. Le modèle analyse d'abord l'image en basse résolution, identifie les zones difficiles (comme les cheveux) et n'applique la haute résolution que là où c'est nécessaire. Cela permet une qualité quasi identique à la version précédente, mais un traitement 7 fois plus rapide en 4K et une consommation de mémoire graphique réduite de 8%. Le code n'est pas encore en ligne, mais Mat12, une version précédente, est open source et peut être utilisée localement. Enfin, Open AI a lancé GPT-6.1 Terra, un modèle d'IA conçu pour utiliser un ordinateur. Il observe l'écran, comprend ce qu'il voit, clique et tape, passant d'une application à l'autre. Testé sur des tâches professionnelles comme la transformation de plans d'architectes en modèles 3D, Terra rivalise avec GPT-6 Astra en termes d'utilisation d'ordinateur, pour un coût 10 fois inférieur et une rapidité accrue. Le président d'Open AI, Greg Brockman, a l'impression que Terra utilise un ordinateur plus vite que lui. Le coût est d'environ 1 dollar par million de tokens envoyés et 5 dollars par million générés, soit deux fois moins cher que ses concurrents directs. Terra intègre également des défenses contre l'injection de prompt, repoussant 9