La course au d\u00e9veloppement d’une intelligence artificielle (IA) \u00e0 l’\u00e9chelle humaine s’intensifie et des g\u00e9ants technologiques tels que Meta, Google et OpenAI se disputent le leadership. Au centre de ce d\u00e9bat se trouve Yann LeCun, le scientifique en chef de Meta pour l’IA, qui soutient que les grands mod\u00e8les de langage (LLM) comme GPT-3 et le propre LLaMA de Meta n’atteindront jamais une v\u00e9ritable intelligence humaine. Le point de vue de LeCun constitue un contrepoint important \u00e0 l’optimisme dominant dans la communaut\u00e9 technologique, o\u00f9 les pr\u00e9dictions de perc\u00e9es imminentes dans le domaine de l’intelligence g\u00e9n\u00e9rale artificielle (AGI) sont fr\u00e9quentes. Dans cet article, nous mettons en lumi\u00e8re les arguments de LeCun et les raisons pour lesquelles il pense que les LLM ne sont pas la bonne voie.<\/p>\n\n
La principale critique de LeCun \u00e0 l’\u00e9gard des LLM est leur incapacit\u00e9 fondamentale \u00e0 reproduire des aspects essentiels de l’intelligence humaine. Les LLM sont entra\u00een\u00e9s avec d’\u00e9normes quantit\u00e9s de donn\u00e9es textuelles, ce qui leur permet de g\u00e9n\u00e9rer un langage coh\u00e9rent et contextuellement adapt\u00e9. LeCun argumente toutefois que cet apprentissage bas\u00e9 sur le texte conduit \u00e0 une compr\u00e9hension superficielle de la r\u00e9alit\u00e9. Selon lui, les LLM manquent de capacit\u00e9 de pens\u00e9e critique, de planification, de m\u00e9moire persistante et de compr\u00e9hension du monde physique, autant de composantes essentielles de l’intelligence humaine.<\/p>\n\n
Il souligne que les LLM peuvent g\u00e9n\u00e9rer des r\u00e9ponses semblables \u00e0 celles des humains, mais qu’ils le font sans vraiment comprendre les concepts sous-jacents. Par exemple, ils peuvent g\u00e9n\u00e9rer des textes qui semblent logiques, mais ils ne poss\u00e8dent pas les capacit\u00e9s de raisonnement r\u00e9elles que les humains utilisent pour parvenir \u00e0 des conclusions. Selon LeCun, cela rend les LLM fondamentalement insuffisants comme moyen de parvenir \u00e0 une IA de niveau cognitif humain.<\/p>\n\n
Plut\u00f4t que de s’appuyer sur les LLM, LeCun plaide pour une approche alternative appel\u00e9e \u00ab Objective-Driven AI \u00bb. Cette m\u00e9thode se concentre sur le d\u00e9veloppement de syst\u00e8mes d’IA qui apprennent en interagissant directement avec le monde physique, en utilisant des capteurs et des donn\u00e9es vid\u00e9o pour cr\u00e9er un \u00ab mod\u00e8le du monde \u00bb. Ce mod\u00e8le permettrait \u00e0 l’IA de pr\u00e9dire les cons\u00e9quences des actions et de planifier en cons\u00e9quence, comme le font les humains.<\/p>\n\n
LeCun imagine une IA qui ne se contente pas de traiter le langage, mais qui comprend son environnement et interagit avec lui. Cette approche, argumente-t-il, pourrait finalement conduire \u00e0 des machines qui d\u00e9passent l’intelligence humaine. Il pr\u00e9vient toutefois que cette \u00e9volution est encore lointaine et qu’elle pourrait \u00e9ventuellement prendre des d\u00e9cennies au lieu de quelques ann\u00e9es seulement, comme le pr\u00e9disent certains leaders du secteur.<\/p>\n\n
Le scepticisme de LeCun \u00e0 l’\u00e9gard des LLM a des cons\u00e9quences importantes pour Meta et pour la communaut\u00e9 de l’IA au sens large. Alors que des entreprises comme OpenAI et Google continuent d’investir massivement dans les LLM, Meta mise \u00e0 long terme sur le potentiel de l’IA orient\u00e9e objectif. Cette strat\u00e9gie comporte des risques, notamment au vu de la pression financi\u00e8re pour obtenir des r\u00e9sultats \u00e0 court terme. Les investissements consid\u00e9rables de Meta dans la recherche en IA ont suscit\u00e9 l’inqui\u00e9tude des investisseurs, car l’entreprise cherche \u00e0 concilier innovation et rentabilit\u00e9.<\/p>\n\n
En outre, la vision de LeCun remet en question l’orientation actuelle du d\u00e9veloppement de l’IA et invite le secteur \u00e0 reconsid\u00e9rer sa focalisation sur les LLM. Bien que les LLM aient \u00e9t\u00e9 utiles dans diverses applications, LeCun pense qu’ils constituent une impasse dans la recherche d’une v\u00e9ritable intelligence. Son approche, si elle est couronn\u00e9e de succ\u00e8s, pourrait red\u00e9finir ce que l’IA peut accomplir en allant au-del\u00e0 du traitement du langage et en d\u00e9veloppant des machines capables de penser et de comprendre de mani\u00e8re complexe.<\/p>\n\n
La perspective de Yann LeCun sur l’avenir de l’IA fournit un argument convaincant pour reconsid\u00e9rer notre d\u00e9pendance vis-\u00e0-vis des grands mod\u00e8les de langage. Alors que les LLM ont domin\u00e9 le paysage de l’IA ces derni\u00e8res ann\u00e9es, la focalisation de LeCun sur l’IA orient\u00e9e objet offre une alternative prometteuse, m\u00eame si elle est \u00e0 long terme. Comme le d\u00e9bat se poursuit, la communaut\u00e9 de l’IA devra se pencher sur ces diff\u00e9rentes visions et leur impact sur l’avenir de la technologie. Il reste \u00e0 voir si les LLM d\u00e9passeront leurs limites actuelles ou si l’approche de LeCun apportera la prochaine grande perc\u00e9e, mais une chose est s\u00fbre : le chemin vers l’IA humaine est loin d’\u00eatre simple.<\/p>\n\n