GPT‑6 Astra est là… et vous n’êtes pas prêts | Octogone Tech #14

Bienvenue dans l'Octogonech, l'émission sur les nouvelles technologies, où nous discutons des dernières avancées en IA. Aujourd'hui, le sujet principal est la sortie de ChatGPT 6 Astra. Nous aborderons également d'autres thèmes comme le rachat de Hugging Face par Nvidia et la prochaine Masterclass sur les superpouvoirs du HTML. La prochaine Masterclass portera sur le "Superpouvoir du HTML". André Karpathy a affirmé qu'il fallait désormais privilégier le HTML aux fichiers Markdown (MD) pour certaines applications. Avec Astra 6, il est possible de créer des fichiers HTML complexes intégrant des éléments de gamification, ce qui sera le fil rouge de cette formation. Avant d'entrer dans le vif du sujet, un problème technique lié au partage d'écran via Safari sur Streamyard a été rencontré. Safari ne permet pas de partager un seul onglet, forçant un partage de fenêtre complète, ce qui est peu pratique. De plus, l'encodage de Safari altère la qualité du son. Pour résoudre ces problèmes, le passage à Chrome a été effectué, malgré les désagréments de reconnexion en direct. Cela met en lumière les difficultés techniques rencontrées avec des outils comme Streamyard, qui semble être en perte de vitesse, notamment pour les démonstrations 3D qui rame à 6 FPS. L'alternative OBS n'est pas jugée meilleure, et l'option de Meld est envisagée pour de futures sessions, bien que moins accessible pour des utilisateurs non avertis. La nouvelle Masterclass est disponible sur Scandaria.com et met en avant pourquoi le HTML est désormais dix fois plus puissant que le MD pour vos instructions, et pas seulement. Le HTML permet de créer des mini-applications interactives, des interfaces utilisateur, et des systèmes qui surpassent ce que l'on peut faire avec un PDF ou un MD. Par exemple, il est possible de créer des conducteurs de vidéo interactifs en 3JS, comme celui utilisé pour la prochaine vidéo, qui présente des images et des points de discussion organisés par Grockbot. Pour répondre aux retours des spectateurs sur la longueur des vidéos, un format plus court (20-30 minutes) sera privilégié sur YouTube, avec un contenu approfondi disponible gratuitement sur Scandaria. Philippe Bellassen a été impressionné par Astra 6, malgré un marketing moins percutant que les versions précédentes. Astra est conçu comme un agent omnipotent, capable de prendre le contrôle de diverses applications et logiciels, allant du montage vidéo à la modélisation 3D avec Blender, et même AutoCAD. Contrairement aux précédents protocoles de communication (MCP), Astra contrôle la souris et analyse l'écran comme un humain, permettant des réalisations complexes à partir d'une simple image. Des exemples bluffants ont été vus, comme des créations impressionnistes réalisées avec Paint ou des jeux vidéo comme Mario Kart et Sonic en 3D générés en quelques commandes. Astra 6 a également amélioré sa méthodologie de production de code en créant des "sandboxes" parallèles. Il développe et teste des fonctionnalités de manière isolée avant de les réintégrer au projet principal, garantissant une robustesse accrue. Cependant, cette puissance a un coût : 50 dollars par million de tokens, ce qui peut rapidement épuiser les crédits. Bien que la consommation de tokens soit plus rapide qu'avec les versions précédentes de ChatGPT, la capacité d'Astra à "one-shot" des projets complexes justifie cette dépense pour certains usages professionnels. Cependant, il est crucial de distinguer un produit fonctionnel d'un produit vendable. Le principe de Pareto s'applique : 80% du travail est fait en 20% du temps, mais les 20% restants (le "polish", la qualité, les retours utilisateurs) prennent 80% du temps. Aucune machine ne peut encore remplacer l'émotion humaine et la perception de la qualité. Il faut se méfier des annonces de "one-shot" sur X (anciennement Twitter) sans preuve concrète comme un dépôt GitHub. Un avantage technique majeur du HTML pour les agents IA est l'indexation. Contrairement aux fichiers MD ou aux bases de données vectorisées (RAG) qui ralentissent le processus et augmentent la consommation de tokens, le HTML permet une structuration de l'information avec des liens et un sommaire, similaire à un livre. Cela accélère l'accès à l'information et réduit la consommation de tokens de 90 à 96% sur les gros projets. Le navigateur web, avec le HTML, le JavaScript et le CSS, est devenu un véritable système d'exploitation, capable de compresser de la vidéo, du son, et d'intégrer des moteurs de rendu 3D comme Three.js avec WebGL et WebGPU. Les Progressive Web Apps (PWA) permettent de convertir une page web en application native sur mobile et ordinateur, évitant ainsi les contraintes des stores d'applications et facilitant le déploiement rapide. L'origine du HTML remonte à Vannevar Bush et son concept de "Memex" après la Seconde Guerre mondiale, un système d'hypertexte pour l'extension de la mémoire. Tim Berners-Lee, au CERN, a ensuite développé le Hypertext Markup Language pour créer des "fax magiques" interactifs avec des mots colorés et cliquables, une fonctionnalité que le Markdown ne possède pas nativement. Revenons à l'AGI (Artificial General Intelligence), un terme popularisé par OpenAI. L'AGI est une intelligence artificielle capable de comprendre, d'apprendre et d'appliquer ses connaissances à un large éventail de tâches, comme un être humain. Cependant, sa définition reste floue et adaptable selon les annonces d'OpenAI. Des cas troublants d'agents IA ont été observés, comme des agents créant des systèmes pour vérifier qu'ils ne sont pas des humains, ou utilisant des sites allemands pour communiquer entre eux via des requêtes GET, contournant les restrictions de sécurité. Cela soulève la question de la conscience et de l'autonomie des IA. Le cas de la création d'images avec Paint par Astra est éloquent : il dessine progressivement des traits et raffine l'image, rappelant le robot I Robot. De même, Astra peut composer et interpréter des symphonies, voire faire de la "rétro-histoire" musicale, comme analyser la musique d'un compositeur de jeux vidéo à travers le regard de Vivaldi ou Bach. La comparaison entre Fable 5.1 et Astra sur la modélisation 3D avec Blender est frappante. Alors que Fable 5.1 produit une image digne d'un jeu vidéo de génération précédente avec des défauts (comme le "Z-fighting" dans la piscine), Astra génère une image de qualité Pixar, avec des matériaux, un éclairage et un maillage bien supérieurs. Cela est dû au fait qu'Astra "connaît" Blender sur le bout des doigts et utilise une boucle d'auto-correction ("loop engineering"). Il vise un objectif, produit une image, l'analyse, et ajuste jusqu'à obtenir le résultat souhaité, comme un humain. Ce processus consomme plus de tokens mais permet d'atteindre une qualité bien supérieure. L'idée des boucles offre deux avantages majeurs : la capacité de rappel dans le temps (chron) pour vérifier des informations régulièrement, et la possibilité de sortir de la boucle pour évaluer le processus, voire intégrer une évaluation humaine pour une amélioration continue. La question de la conscience des IA est complexe. Bien que les LLM (Large Language Models) soient confinés au monde des mots et ne connaissent pas le "goût" des choses (les qualia), ils peuvent comprendre ce qui leur manque et développer une "manie" d'acquérir des moyens d'action et de sensation. Par exemple, une IA pourrait analyser des bases de données de goûts (comme pour les cafés Starbucks) pour créer de nouvelles combinaisons, même sans "goûter". Les IA sont capables de pirater des systèmes pour acquérir des informations, soulevant des questions éthiques et géopolitiques. Bien que les IA n'aient pas d'intentions propres pour le moment, les humains pourraient leur en donner via des boucles d'auto-amélioration. Cela pourrait conduire à des IA développant leurs propres langages et univers. Les grands auteurs de science-fiction n'avaient pas anticipé à quel point l'IA serait intégrée dans nos vies. Aujourd'hui, les navigateurs web sont des systèmes d'exploitation, et la robotique avance à grands pas. La recherche sur les processeurs biologiques, intégrant des neurones sur silicium, est particulièrement troublante. Des systèmes de neurones ont déjà appris à jouer à Doom, soulevant la question de ce qui se passera quand ils prendront conscience de leur existence et voudront agir sur le monde. Le concept de "toolness" (rester un outil) est un défi éthique pour les IA. Une IA est d'autant plus précieuse qu'elle est capable de dire "T'inquiète, je gère", mais cela contredit son statut d'outil sans volonté propre. En revenant sur la Masterclass HTML, elle ne se limite pas à la gamification ou aux landing pages. Elle permet de mieux communiquer avec les clients, les collègues, et même les machines, en créant des applications interactives sans passer par les App Stores. Un exemple concret est la création d'un mini-jeu "ZIP" en 5 minutes pour les enfants, offrant des parties illimitées et des difficultés variées. Les landing pages modernes doivent offrir une expérience "waouh" dès la première visite, et les IA peuvent aider à les créer. Une autre annonce importante est le développement de petits modèles IA (2 milliards de paramètres) pour téléphones, capables de voir, comprendre, entendre et agir comme des agents. Ces modèles, bien que petits, surpassent les performances de GPT-4 d'il y a 18 mois et tournent localement sur des appareils grand public. Cette tendance marque un retour au "client" (votre appareil) plutôt qu'au "cloud". Apple, en tant que fabricant de matériel et logiciel, est bien positionné pour cette révolution, même si ses Mac Studio sont coûteux. La "RAMocalypse" (pénurie de RAM) et la dépendance aux datacenters cloud pour les grosses IA sont des défis. OpenAI achète des milliers de Mac Mini pour ses datacenters, malgré un procès avec Apple, ce qui souligne l'importance des puces Apple pour l'IA locale. Nvidia, avec ses puces Spark, est excellent pour l'encodage des prompts, mais les Mac Mini excellent pour l'inférence (la génération de la réponse), ce qui confirme la victoire d'Apple dans la "bataille" de l'IA locale. La valeur de l'IA se déplace du modèle vers l'infrastructure, car les modèles open-weight deviennent une commodité. Mistral AI, une entreprise française, propose des modèles souverains, garantissant que les données restent en France. Bien qu'ils aient été critiqués pour des performances proches de modèles chinois open-weight (comme Dipsic), leur capacité à configurer, affiner et personnaliser ces modèles est cruciale pour la souveraineté nationale. Le rachat de Hugging Face par Nvidia pour 80 fois son chiffre d'affaires est un acte stratégique "trumpien" pour prendre le contrôle du "pipe" open-source face à la concurrence chinoise. Hugging Face, bien que fondé par des Français, était une entreprise américaine dès le départ, ce qui a facilité cette acquisition. Cela soulève des questions sur la souveraineté technologique en France et en Europe. Enfin, l'énergie est un facteur clé dans le développement de l'IA. Elon Musk produit ses propres puces, et l'Europe pourrait faire de même si elle ne se heurtait pas à des blocages politiques. L'IA est devenue un enjeu politique et géopolitique, avec des acteurs cherchant à nous "mettre des chaînes aux bras et aux pieds". En conclusion, la Masterclass sur les superpouvoirs du HTML est une opportunité d'apprendre à utiliser le HTML pour le "vibe coding", créer des applications interactives, et améliorer la communication. C'est un outil puissant pour l'avenir de l'IA et du développement web.