Nouvelle architecture de l'intelligence pour le futur technologique

L'intelligence artificielle (IA) est en pleine évolution, se dirigeant vers une autonomie accrue qui nécessite des données précises et fiables. Dans un contexte où la robustesse et la fiabilité de l'IA deviennent primordiales, le ciblage sur l'intégrité des données s'impose.

Lors du Shanghai International AI Finance Summit, une discussion essentielle s'est tenue dans un bâtiment historique, le même qui avait vu les commerçants de Shanghai débattre des technologies qui allaient modeler le commerce moderne il y a plus d'un siècle. Cette fois-ci, l'attention était portée sur un autre type d'infrastructure : l'architecture de l'intelligence artificielle.

Au cours des cinq dernières années, la course à l'IA a souvent été perçue comme une compétition pour créer des modèles de plus en plus puissants. Cependant, cette vision est désormais remise en question. Il apparaît que l'élargissement des données et la puissance de calcul, bien que cruciales, ne sont pas les seuls moteurs de cette avancée. Une nouvelle génération de systèmes d'agents IA a émergé, bousculant les idées reçues.

Ces systèmes d'agents, comme OpenClaw, dépassent les capacités des chatbots traditionnels. Ils peuvent exécuter des séquences d'actions complexes et travailler de manière autonome, ce qui les rend bien plus performants. Lin Yonghua, vice-président de l'Académie de Pékin en intelligence artificielle, a proposé un cadre d'analyse qui montre que la performance d'un agent dépend non seulement de son modèle, mais également de la synergie entre le modèle, le système d'agent et les compétences spécialisées.

Les tests internes ont révélé que changer le modèle d'un agent peut modifier le coût d'une tâche complexe de jusqu'à dix fois. En revanche, altérer le système d'agent peut entraîner des variations de coût jusqu'à cent fois, soulignant l'importance croissante de l'architecture dans l'efficacité des systèmes d'intelligence artificielle.

Pour les entreprises, cette évolution a des implications significatives. Les grands modèles d'IA vont se concentrer entre les mains de quelques acteurs globaux, mais c'est la couche de compétences et de capacités spécialisées que détiennent les industries qui conservera un levier de pouvoir. Par exemple, dans le secteur financier, des compétences certifiées sont cruciales pour le bon fonctionnement des systèmes d'agents.

Cette transformation architecturale s'accompagne d'une évolution matérielle. Les systèmes d'agents doivent interroger de grands modèles de manière répétitive pour accomplir des tâches. Deloitte suggère que l'inférence occupera deux tiers du marché lié à l'IA d'ici 2026, une tendance également observée par Lin.

La proliferation des architectures de puces a créé des défis additionnels, ce qui a conduit à l'élaboration de FlagOS, une pile logicielle universelle open-source, développée avec des institutions académiques et des fabricants de puces. Cette initiative vise à établir une compatibilité entre les divers types de puces.

Cependant, un problème persiste : la fiabilité des données sur lesquelles s'appuient ces systèmes. À mesure que les agents assument des rôles autonomes, la véracité des données devient capitale. Des cas récents où des données erronées ont entraîné des pertes de plusieurs millions de dollars dans le financement de la chaîne d'approvisionnement illustrent l'enjeu.

BAAI et ses partenaires s'efforcent de développer des modèles multimodaux pour interpréter des environnements complexes, reliant ainsi les interactions physiques aux enregistrements numériques. À mesure que cette architecture se stabilisera, elle pourrait ouvrir la porte à des activités que les institutions financières ont jusqu'à présent évitées.

Bien que la quête du modèle le plus puissant continue, elle n'est plus la seule mesure de succès. L'enjeu crucial est désormais de construire une architecture d'intelligence qui soit à la fois fiable et universelle, et cette course ne fait que commencer.