Les géants de l’IA viennent de perdre leur avance (jamais vu ça)

Cette semaine a été marquée par des avancées significatives dans le domaine de l'intelligence artificielle, soulignant une tendance vers des modèles spécialisés, légers et accessibles. Un modèle d'IA de 14 milliards de paramètres, Carbon X, a presque égalé les performances de GPT 6.1 sur l'analyse d'ADN, avec un coût d'inférence mille fois inférieur et la capacité de fonctionner sur une seule carte graphique grand public. Développé par Hugging Face, ce modèle a été entraîné sur 302 milliards de tokens, un mélange de séquences d'ADN brut et de texte en langage naturel. Il est capable de répondre à des questions complexes sur l'ADN en langage courant, rendant l'analyse génétique plus accessible et moins coûteuse. De plus, il garantit la confidentialité des données en opérant localement. Dans le domaine de l'édition d'images, Fibo 2.0, un modèle open-source de seulement 8 milliards de paramètres, a surpris par sa capacité à générer et éditer des images à partir de texte ou d'instructions en langage naturel. Il excelle particulièrement dans la composition d'images multiples, permettant, par exemple, de créer une photo de produit complète à partir d'un logo, d'un flacon de parfum et d'un décor. Malgré une légère avance sur ses concurrents, il est considéré comme étant à égalité avec les meilleurs modèles locaux, soulignant une compétition intense et rapide dans ce secteur. Sa version quantifiée pèse 8,4 Go et peut fonctionner sur du matériel grand public. Une autre innovation notable est "Dessa", un modèle de conversation vocale développé par Block (la société de Jack Dorsey). Contrairement aux systèmes vocaux traditionnels qui convertissent la parole en texte avant de la traiter, Dessa fonctionne directement de la parole à la parole, sans aucune étape intermédiaire de texte. Entraîné uniquement sur des enregistrements de conversations réelles, il a appris le langage en écoutant, sans jamais lire une seule ligne de texte. Le résultat est une voix IA d'un réalisme troublant, capable de rire, de faire des pauses naturelles, de détecter le sarcasme et d'interrompre poliment, comme dans une conversation humaine. Ce modèle tourne également sur du matériel grand public, bien qu'il ne soit pas encore publiquement disponible. L'ingénierie physique a également vu l'émergence de "Sky 001" de Skyfall AI, le premier "world model" pour l'ingénierie. Ce modèle d'IA est capable de comprendre comment les objets fonctionnent dans l'espace physique et de prédire les changements visuels lors de modifications. Il peut décomposer un objet complexe en ses sous-ensembles et pièces, à partir d'une description, d'un croquis ou d'une image, générant les esquisses et les opérations nécessaires à la modélisation CAO. Cette innovation promet de réduire considérablement les milliers d'heures de travail actuellement nécessaires aux ingénieurs pour la conception d'objets. Dans un registre différent, OpenAI, en collaboration avec PerturbAI et Scripps Research, a mené une expérience vertigineuse en déployant 2000 agents IA, alimentés par GPT Rosalind, pour analyser un atlas CRISPR du cerveau de souris. Ces agents ont accompli en 32 minutes un travail qui aurait pris des mois, voire plus d'un an, à des chercheurs humains. Chaque agent était spécialisé dans l'analyse d'un gène spécifique, fouillant la littérature scientifique pour proposer des explications. Cette approche de spécialisation distribuée a non seulement accéléré le processus, mais a également produit des résultats de meilleure qualité, découvrant des pistes inattendues, comme un lien possible entre la régulation du cholestérol neuronal et des maladies neurodégénératives. Tencent a discrètement lancé "We One-VL", un modèle de vision-langage capable de réaliser six tâches différentes simultanément avec un seul jeu de données. Ce modèle excelle dans la perception au niveau des objets, comme repérer et compter des cartons, lire des étiquettes, ou même détourer des objets avec une précision au pixel près. Essentiel pour la robotique, les drones et les voitures autonomes, il surpasse les modèles concurrents sur plus de 30 benchmarks et est disponible sous licence Apache 2.0. Enfin, Matryx a open-sourcé la version 1.0 de sa plateforme de création 3D par IA, "Hi 3D". Entraîné sur environ 2 millions d'objets 3D, ce modèle peut sculpter une image de référence en une géométrie haute résolution, offrant une alternative détaillée aux autres générateurs 3D open-source, tout en étant compatible avec les cartes graphiques grand public. Ces avancées convergent vers une conclusion claire : l'avenir de l'IA ne réside pas dans un modèle géant unique, mais dans une constellation de modèles spécialisés, légers et précis. Ces outils, souvent open-source et exécutables localement, transforment rapidement de nombreux domaines, de la médecine à l'ingénierie en passant par la création visuelle et vocale. La capacité à maîtriser et à intégrer ces outils devient cruciale dans un monde où l'innovation en IA ne cesse de s'accélérer.