On décortique ASTRA : La nouvelle claque d'OpenAl !

La semaine dernière, OpenAI a lancé Chat GPT 6, nom de code Astra, un modèle qui surpasse tout ce qui existe. Les démonstrations à San Francisco ont été jugées hallucinantes, certains y voyant un point de bascule, d'autres une opération marketing du siècle. Après l'avoir testé, il est clair que ce modèle est révolutionnaire. Greg Brockman d'OpenAI a annoncé que nous sommes entrés dans l'ère de l'AGI (Intelligence Artificielle Générale). Jensen Huang de Nvidia a abondé dans ce sens, attribuant cette avancée à leurs puces, un argument marketing qui résonne avec les rumeurs selon lesquelles OpenAI envisage de développer ses propres puces. Cependant, il est souligné que même si c'est l'AGI, cela repose sur des puces H200. Astra n'est pas un simple chatbot ; il promet de révolutionner le travail. La vidéo de démonstration a impressionné par sa capacité à projeter dans le futur, évoquant des scènes de science-fiction devenues réalité. Fanny estime que nous avons franchi une étape majeure, mais que nous n'avons pas encore atteint l'AGI au sens de dépasser la pensée humaine. Cependant, le modèle excelle dans la délégation de tâches et le passage fluide d'un sujet à l'autre au travail. Elle compare l'expérience à celle de discuter avec une entité omnisciente, comme dans "2001, l'Odyssée de l'espace". Elle utilise déjà Whisper Flow et a commencé à tester GPT-6, notant une conservation de la mémoire et une adaptation à son style de parole. Carlos, qui était sceptique quant aux agents IA, est désormais impressionné. Il utilisait auparavant ChatGPT ou Claude comme des moteurs de recherche améliorés, mais avec Fable 5 et surtout Astra, il a ressenti un véritable choc. Il a l'impression de basculer vers un mode où l'IA l'utilise autant qu'il l'utilise. Il commence même à interdire certaines tâches sans IA pour valider les intuitions et les actions de ses équipes. Il souligne que l'IA crée des micro-usages et corrige les erreurs, rendant le "prompt engineering" obsolète. L'agentique, selon lui, est une béquille temporaire avant que des modèles comme Astra ne gèrent directement des tâches complexes, comme commander un taxi. Carlos évoque également la commodisation des modèles. Sa théorie était qu'aucun modèle ne prendrait un avantage décisif, car les avancées seraient rapidement rattrapées. Bien qu'Astra soit très impressionnant, il pense que cette tendance se maintiendra. Il trouve intéressant de pouvoir choisir un modèle (Claude, OpenAI, Kimi) et de s'y tenir, car tous sont devenus très performants. Cependant, un autre intervenant contredit, affirmant qu'Astra est sans commune mesure. Il a réduit son abonnement Claude Max de 200 à 100 dollars et a souscrit à ChatGPT pour 100 dollars, car il trouve ChatGPT dix fois meilleur et plus rapide pour ses tâches (rédaction de textes, points de discussion, analyses). Le "computer use" est devenu "taré" avec des agents qui prennent le contrôle de l'ordinateur pour effectuer des tâches et poster du contenu, ce qui est "assez impressionnant". Il rêve de rentrer à San Francisco pour reproduire l'expérience de la vidéo, en discutant avec ses agents. Le coût d'utilisation est une préoccupation. Un ingénieur d'OpenAI dépenserait 7 000 dollars de tokens par jour, même pour les moins performants. Cela soulève des questions sur la rentabilité et la valeur ajoutée réelle de ces modèles. Le goulot d'étranglement n'est plus l'IA, mais l'humain. La capacité des équipes à s'approprier ces outils et à les utiliser rapidement fera la différence. Un point important est le "RAG" (Retrieval-Augmented Generation), c'est-à-dire l'accès à des données spécifiques et non publiques. Les modèles actuels sont entraînés sur des données publiques. Le Crayon Group, par exemple, a une meilleure compréhension des réseaux sociaux que l'IA car il dispose de données internes. Si une entreprise peut intégrer ses propres données au modèle, elle peut créer une intelligence surpuissante, supérieure à celle des humains. Cela signifie que les grandes entreprises d'IA pourraient racheter des sociétés comme Chipiron, le Crayon Group, ou OVH pour leurs données exclusives. L'exemple de Spirit Airlines rachetée par Google pour 100 millions de dollars, uniquement pour l'accès à ses données internes d'interactions clients, illustre cette tendance. La vente de données est devenue une quatrième option d'exit pour les entreprises, en plus de l'IPO, du rachat d'entreprise et du rachat d'équipes. La question se pose de savoir si les "accélérationnistes" ont gagné. Pour certains, les "doomers" (ceux qui craignent les dangers de l'IA) ont de plus en plus de mal à justifier leurs positions, surtout avec les révélations selon lesquelles certains seraient payés pour diffuser des thèses anti-IA. Cependant, la prudence est de mise, car l'impact à long terme de ces avancées reste incertain. L'analogie du paysan chinois qui relativise chaque événement (cheval trouvé, fils blessé, guerre) est utilisée pour souligner que l'on ne sait jamais ce que l'avenir réserve. Le rythme d'innovation aux États-Unis est jugé "taré". Les avancées ne sont plus mensuelles ou hebdomadaires, mais quotidiennes. De nombreux théorèmes mathématiques sont résolus, et de nouvelles branches des mathématiques émergent grâce à l'IA et au quantique. Un intervenant admet s'être trompé sur les LLM (Large Language Models), pensant qu'ils n'étaient que des "perroquets statistiques". Il reconnaît que leur capacité à deviner le prochain token, combinée à l'apprentissage par renforcement, leur permet d'aller bien au-delà et de générer une intelligence originale. Il ne pense pas que les LLM soient l'architecture optimale à long terme, mais constate leur puissance actuelle. Concernant l'Europe, la situation est jugée préoccupante. Roland Lescure, ministre de l'Économie, a déclaré que si l'IA européenne se résume à Mistral, "on est fichu". Cela ne signifie pas que Mistral est mauvais, mais qu'il est dangereux de ne miser que sur un seul acteur. Le problème est que l'Europe manque de financement pour soutenir de multiples projets. La France et l'Europe sont des zones très étatistes, où les intérêts politiques et électoraux ne s'alignent pas toujours avec les besoins de l'innovation technologique. Evan estime que le retard de l'Europe est "colossal" et "plié". Il distingue trois couches : l'infrastructure (power, data centers, compute), les modèles, et les couches applicatives. Les modèles, selon lui, finiront par être commoditisés et distillés, permettant des versions moins chères mais légèrement en retard par rapport aux modèles "Frontier Intelligence" comme Astra. Cette stratégie est adoptée par la Chine, qui propose des tokens 90% moins chers pour des tâches ne nécessitant pas les modèles les plus avancés. L'infrastructure est le point faible de l'Europe. La construction de data centers et l'approvisionnement en puces prennent du temps et nécessitent des investissements massifs, comme les 1 000 milliards de dollars que la Corée du Sud s'apprête à investir. L'Europe n'a pas de tel projet. Les couches applicatives sont le seul domaine où l'Europe peut encore se distinguer, avec des entrepreneurs qui utilisent des modèles américains pour créer des applications innovantes. Un autre point de vue est que le marché va se diviser en deux : les modèles "Frontier Intelligence" (hyper-premium, chers et puissants, dominés par les États-Unis) et les modèles "Commodity Intelligence" (moins performants, moins chers, dominés par la Chine). L'Europe n'a gagné aucune bataille dans cette dualité. Elle aurait pu se positionner sur le "Commodity Intelligence" avec une approche humaniste de démocratisation de l'IA, mais n'a pas eu cette vision. Le problème n'est pas un manque de cerveaux en Europe, mais un manque d'investissement et de vision politique. Les talents sont là, mais ils risquent de partir si les opportunités ne suivent pas. Un exemple est la position du ministre des Transports français, qui invite Elon Musk à développer les robots-taxis en France, au lieu de protéger l'industrie nationale et d'investir massivement dans le transport autonome. L'incapacité de la France à penser à 15-20 ans et à investir des centaines de milliards pour développer ses propres solutions est critiquée. Le droit du travail français, très protecteur, est également cité comme un frein à l'entrepreneuriat et à l'innovation. Mais surtout, la culture de la "Silicon Valley" et d'Hollywood, axée sur le storytelling et l'attention médiatique, est un facteur clé du succès américain. Un simple tweet d'Elon Musk sur les Cybercab, même avec peu de véhicules en circulation, génère une attention médiatique colossale. L'Europe, en revanche, manque de cette puissance médiatique et de cette capacité à créer du "earn media". Un exemple récent est la sortie d'Hervé sur Maya Space, qui se compare à Elon Musk. Malgré un clip impressionnant, cette comparaison est jugée ridicule, car SpaceX, par exemple, a déjà plus de la moitié des satellites en orbite. Le manque d'humilité et de réalisme dans le storytelling européen est souligné. En conclusion, l'époque est complexe mais formidable. Les avancées de l'IA sont rapides et imprévisibles. Il est essentiel de rester ouvert aux changements, de ne pas tirer de conclusions hâtives et de continuer à explorer les possibilités offertes par ces technologies.