Points clés à retenir : L'IA actuelle se caractérise par deux réalités simultanées : des avancées fulgurantes en science, en raisonnement et en compréhension multimodale, et des failles persistantes et non résolues liées aux hallucinations et aux biais cognitifs. Des modèles comme GPT-4, AlphaFold et Gemini peuvent surpasser les humains aux examens professionnels et prédire les structures protéiques, mais ils continuent d'inventer des faits avec une assurance déconcertante et d'amplifier les préjugés sociétaux. L'IA n'est pas encore un produit fini, mais un outil brut et extraordinairement puissant qui exige autant d'ambition que de prudence.
Le problème persistant des hallucinations de l'IA
L’hallucination de l’IA se produit lorsque des modèles génèrent du contenu factuellement erroné, absurde ou entièrement fabriqué, tout en le diffusant avec une assurance totale. Une étude de 2023 Nature Des études ont montré que même les modèles de langage les plus sophistiqués peuvent produire des conseils médicaux d'apparence plausible, mais dangereusement erronés. Le rapport technique d'OpenAI sur GPT-4 reconnaît que le modèle « hallucine les faits » et peut inventer des livres, des articles ou des événements historiques. Lors d'un incident retentissant, le chatbot Bard de Google a commis une erreur factuelle dès sa première démonstration publique, faisant chuter temporairement la capitalisation boursière de l'entreprise de 100 milliards de dollars.
Des techniques comme la génération augmentée par récupération (RAG) et un alignement plus précis réduisent la fréquence des hallucinations, mais aucune équipe n'est parvenue à éliminer le problème. Dans des domaines à forts enjeux comme le droit, la santé et le journalisme, cela demeure un obstacle majeur au déploiement entièrement autonome.
Biais intégré : le fantôme dans les données d'entraînement
Les biais en intelligence artificielle proviennent de données d'entraînement qui reflètent des siècles de préjugés humains. Une étude marquante de 2018, menée par les chercheuses du MIT Joy Buolamwini et Timnit Gebru, a démontré que les systèmes commerciaux d'analyse faciale présentaient des taux d'erreur allant jusqu'à 34 % pour les femmes à la peau foncée, contre moins de 1 % pour les hommes à la peau claire. Des recherches plus récentes menées par Centre de Stanford Une étude sur les modèles de base a révélé que les modèles linguistiques populaires associent certaines données démographiques à des taux de criminalité et à des sentiments négatifs plus élevés, même lorsque le texte ne mentionne pas explicitement l'identité.
Ces biais ne sont pas intentionnels ; ils sont absorbés à partir des textes hétérogènes utilisés sur Internet pour l’entraînement. Des techniques comme l’apprentissage par renforcement à partir de retours humains (RLHF) et l’IA constitutionnelle ont permis d’atténuer certains biais manifestes, mais des stéréotypes plus subtils et profondément ancrés persistent. Alors que les systèmes d’IA influencent de plus en plus le recrutement, les prêts et les services de police, s’attaquer à ce « fantôme dans les données » est devenu une priorité éthique urgente.
Les percées à l'origine d'un véritable progrès
Malgré ces imperfections, la récente vague de percées en IA est véritablement historique.
• Découverte scientifique : AlphaFold2 de DeepMind a prédit la structure 3D de plus de 200 millions de protéines, un exploit que la revue Science a qualifié de « percée de l'année » et qui accélère déjà la découverte de médicaments et la recherche sur les maladies.
• Maîtrise multimodale : Des modèles comme GPT 4o, Gemini 1.5 Pro et Claude 3 peuvent raisonner de manière fluide sur du texte, des images, de la vidéo et de l'audio, réussissant les examens du barreau, les tests d'agrément médical et les concours de codage avancés, souvent dans les meilleurs percentiles de performance humaine.
• Raisonnement et planification : L'introduction du concept de « chaîne de pensée » et de modèles comme la série o1 d'OpenAI a donné à l'IA la capacité de décomposer les problèmes complexes en étapes logiques, améliorant considérablement ses performances sur les tests de référence en mathématiques et en sciences.
• Productivité générative : GitHub Copilot, utilisé par plus de 1.5 million de développeurs, a démontré, selon une étude commandée par GitHub, qu'il aide les développeurs à accomplir leurs tâches jusqu'à 55 % plus rapidement, ce qui laisse présager un impact économique réel à court terme.
Naviguer dans le monde réel de l'IA
L'IA d'aujourd'hui n'est ni l'oracle magique des promesses enflammées, ni le méchant existentiel des dystopies. C'est une merveille d'ingénierie dotée de défauts connus et répertoriés. Loi sur l'IA de l'Union européenne Suite au décret présidentiel américain sur l'IA, la gouvernance s'efforce de rattraper son retard sur les capacités de cette technologie. Chercheurs, entreprises et gouvernements doivent désormais préserver le rythme des avancées tout en mettant en place des garde-fous pour contenir les illusions et corriger les biais. L'IA se trouve donc dans une situation d'une tension extraordinaire : fragile et faillible, elle n'en est pas moins indéniablement porteuse de transformations mondiales.
