Au-delà de ChatGPT : la révolution de l’IA modulaire

930 millions d’euros. C’est la somme levée par une startup qui ne compte que douze employés. Ce chiffre vertigineux montre ceci : la confiance des investisseurs dans l’intelligence artificielle est loin de s’essouffler.

Pourtant, le fondateur de cette entreprise, le célèbre Yann LeCun, prend tout le monde à contre-pied. Pour lui, l’avenir de l’IA ne se trouve pas dans la voie suivie par les géants actuels.

Ancien directeur de l’intelligence artificielle chez Meta et pionnier du deep learning, Yann LeCun a lancé AMI Labs avec une conviction forte : les modèles de langage géants (LLM), comme ceux qui animent ChatGPT ou Claude, ont atteint leurs limites. Il propose une architecture radicalement différente, plus sobre, plus précise et peut-être bien plus prometteuse.

Alors, faut-il se préparer à une nouvelle transformation dans le domaine de l’IA ? C’est ce que nous allons l’examiner.

Le constat d’un géant de l’IA : les limites des LLM actuels

Pour bien comprendre la vision de Yann LeCun, il faut d’abord saisir les faiblesses qu’il perçoit dans les modèles actuels. Les LLM sont des généralistes. Ils ont été entraînés sur des quantités astronomiques de textes récupérés sur Internet, leur permettant de répondre à presque n’importe quelle question.

Mais leur force est aussi leur faiblesse.

Leur connaissance est vaste, mais elle est souvent superficielle. Ils fonctionnent sur la base de probabilités, en devinant la suite la plus logique d’une phrase sans véritablement comprendre le monde. Cette approche a un coût exorbitant.

Chaque nouvelle version de ces modèles consomme des ressources énergétiques et financières colossales, une course à la puissance que seules quelques méga-entreprises peuvent se permettre, souvent à perte. Pour Yann LeCun, cette fuite en avant n’est pas durable. Il pense que ces modèles ne pourront pas s’améliorer au point de tenir les promesses grandioses de leurs créateurs.

L’alternative : L’IA modulaire expliquée

Face à ce modèle du « cerveau unique » et gigantesque, AMI Labs propose une approche modulaire. L’idée est simple et élégante : au lieu de créer un seul système bon à tout faire, pourquoi ne pas assembler une équipe de composants spécialisés qui collaborent ? Imaginez un orchestre où chaque musicien maîtrise son instrument, le tout coordonné par un chef d’orchestre.

C’est le principe de l’IA modulaire.

Une équipe d’experts sur mesure

Le système imaginé par Yann LeCun se composerait de plusieurs modules, chacun avec un rôle bien défini. Le fonctionnement de cette « équipe » est passionnant.

• Le connaisseur du terrain (World Model) : C’est un module spécialisé dans un domaine précis (médecine, droit, logistique…). Il détient la connaissance contextuelle pour lequel l’IA doit opérer.
• Le stratège (Actor) : En se basant sur les informations du premier module, celui-ci propose les actions possibles à entreprendre pour atteindre un objectif, grâce à des techniques d’apprentissage par renforcement.
• Le contrôleur qualité (Critic) : Ce module analyse les options proposées par le stratège. Il les évalue en fonction de règles strictes et de la mémoire à court terme pour s’assurer que la décision est la plus pertinente et la plus sûre.
• Les sens de l’IA (Perception System) : Adapté à chaque usage, ce module traite les données entrantes, qu’il s’agisse de texte, d’images, de vidéos ou de son.
• La mémoire vive (Short-Term Memory) : Elle permet de conserver les informations récentes pour garantir une continuité dans le raisonnement.
• Le chef d’orchestre (Configurator) : C’est la pièce maîtresse qui organise la circulation des informations entre tous les autres modules pour assurer une collaboration fluide et efficace.

Une formation ciblée pour une précision redoutable

La différence majeure avec les LLM réside aussi dans l’entraînement. Fini de « boire » tout Internet sans distinction. Une IA modulaire est entraînée uniquement avec des données pertinentes pour sa mission.

Une IA conçue pour le diagnostic médical n’a pas besoin de connaître la poésie du 18ème siècle.

Cette approche ciblée permet d’obtenir une précision bien supérieure dans un domaine spécifique. L’importance de chaque module peut également être ajustée. Par exemple, le module « critique » sera bien plus rigoureux pour une IA manipulant des données financières sensibles, tandis que le module « perception » sera essentiel pour un système qui doit réagir en temps réel à des événements physiques, comme une voiture autonome.

Les promesses d’une approche sobre et accessible

Au-delà de la performance, la vision d’AMI Labs porte des implications économiques et pratiques considérables. Elle pourrait bien redessiner le paysage de l’intelligence artificielle tel que nous le connaissons.

La fin de la course à la puissance ?

L’un des arguments les plus puissants en faveur de l’IA modulaire est son efficacité. Alors que les LLM actuels comptent des centaines de milliards de paramètres, un modèle spécialisé n’en nécessiterait que quelques centaines de millions. C’est un changement d’échelle radical.

Conséquence directe : ces IA pourraient fonctionner pour une fraction de la puissance de calcul nécessaire aujourd’hui. On pourrait même imaginer les faire tourner directement sur nos appareils (ordinateurs, smartphones), sans dépendre de serveurs distants ultra-puissants. Ceci rendrait l’IA non seulement moins chère, mais aussi plus accessible et plus respectueuse de la vie privée.

Une IA plus fiable et spécialisée

En se concentrant sur des tâches précises avec des données pertinentes, ces systèmes seraient intrinsèquement plus fiables. Le risque « d’hallucinations », où l’IA invente des faits, serait considérablement réduit. Chaque module agissant comme un garde-fou, le processus de décision devient plus transparent et contrôlable.

Cette spécialisation ouvre la porte à des applications professionnelles où l’erreur n’est pas permise. On pense à la santé, à la finance ou à l’industrie, des secteurs où un généraliste approximatif n’a pas sa place, mais où un expert ultra-précis pourrait devenir un outil inestimable.

L’initiative de Yann LeCun et d’AMI Labs est bien plus qu’un simple projet de startup. C’est un pari audacieux qui remet en question les fondements mêmes de l’IA grand public actuelle. La route est encore longue, et l’entreprise ne prévoit pas de produit commercialisable avant plusieurs années.

Pourtant, cette vision offre une alternative séduisante à la course effrénée des LLM. Elle nous propose un avenir où l’IA ne serait pas un oracle omniscient et coûteux, mais une boîte à outils composée de spécialistes performants, sobres et fiables.

Alors, assisterons-nous à une coexistence de ces deux modèles, ou l’un finira-t-il par s’imposer ? L’avenir proche nous le dira, et il s’annonce fascinant.

Simone

Simone, rédactrice principale du blog, est une passionnée de l’intelligence artificielle. Originaire de la Silicon Valley, elle est dévouée à partager sa passion pour l’IA à travers ses articles. Sa conviction en l’innovation et son optimisme sur l’impact positif de l’IA l’animent dans sa mission de sensibilisation.