Top 10 des Avancées et Controverses en IA en 2024

L’année 2024 restera dans les mémoires comme celle où l’intelligence artificielle (IA) a dépassé l’effet de mode pour démontrer ses multiples applications pratiques.

De l’entrée révolutionnaire d’Apple dans l’IA générative aux percées en informatique quantique, des agents d’IA spécialisés aux réglementations historiques, l’année a marqué la transition des possibilités théoriques vers des réalités pratiques qui ont changé notre façon de travailler, de créer et de résoudre les problèmes.

Cependant, aucune réalisation ne se fait sans obstacles à surmonter. Dans cet article, nous explorons les principales avancées en IA de 2024 qui ont marqué l’histoire du développement de l’IA et les controverses qu’elles ont suscitées.

Sommaire Sommaire

1. Top 10 des Développements en IA en 2024
   1. 1. Lancement d'Apple Intelligence
   2. 2. La Puce Blackwell de Nvidia
   3. 3. Développement de Claude 3.5 Sonnet
   4. 4. Mise en oeuvre de la loi européenne sur l'IA
   5. 5. Le Modèle o1 d'OpenAI
   6. 6. Gemini 2.0 de Google
   7. 7. L'Ascension de Perplexity AI
   8. 8. Flux de Travail Agentiques et Agents d'IA
   9. 9. La Puce Quantique Willow de Google
   10. 10. Veo 2 de Google
2. Conclusion
3. Questions Fréquentes

Montrer Tout

Sommaire

1. Top 10 des Développements en IA en 2024
   1. 1. Lancement d'Apple Intelligence
   2. 2. La Puce Blackwell de Nvidia
   3. 3. Développement de Claude 3.5 Sonnet
   4. 4. Mise en oeuvre de la loi européenne sur l'IA
   5. 5. Le Modèle o1 d'OpenAI
   6. 6. Gemini 2.0 de Google
   7. 7. L'Ascension de Perplexity AI
   8. 8. Flux de Travail Agentiques et Agents d'IA
   9. 9. La Puce Quantique Willow de Google
   10. 10. Veo 2 de Google
2. Conclusion
3. Questions Fréquentes

Top 10 des Développements en IA en 2024

1. Lancement d’Apple Intelligence

Cependant, le lancement a rapidement révélé les défis d’équilibrer innovation et fiabilité.

En quelques semaines, Apple Intelligence a généré plusieurs incidents de désinformation très médiatisés. Ces erreurs, faussement attribuées à des sources d’information comme la BBC, ont poussé Reporters Sans Frontières à demander le retrait de la fonctionnalité. L’organisation a déclaré :

De grandes organisations médiatiques comme la BBC ont alors officiellement protesté contre les fausses attributions menaçant leur crédibilité, ce qui a amplifié la controverse.

Parallèlement, plusieurs défis techniques sont apparus. Par exemple, de nombreux utilisateurs d’iPhone n’ont pas pu accéder aux fonctionnalités promises. Apple a également eu du mal à mettre en œuvre le système en Chine en raison des réglementations locales, et le silence caractéristique de l’entreprise sur ces questions n’a fait qu’intensifier le débat sur la maturité de l’IA pour la synthèse d’actualités grand public.

2. La Puce Blackwell de Nvidia

Si 2024 avait un héros matériel, c’était la puce Blackwell de Nvidia. Elle représentait une réinvention complète de ce qui est possible en matière d’architecture de traitement de l’IA.

Mais ce qui compte vraiment, ce ne sont pas les spécifications – c’est ce qu’elles permettent. La capacité de la puce à gérer des flux de travail d’IA générative à l’échelle d’un centre de données tout en consommant 25 fois moins d’énergie que son prédécesseur représente un bond quantique en matière d’efficacité.

Toutefois, cette percée n’est pas venue sans difficultés.

Les premiers défis de production ont conduit à ce que le PDG de Nvidia, Jensen Huang, a franchement admis comme étant « 100 % de la faute de Nvidia », causant des retards initiaux.

Les problèmes de surchauffe dans les racks de serveurs et les contraintes d’approvisionnement ont également laissé la demande « bien au-dessus de l’offre », montrant ce qui se passe lorsqu’une nouvelle technologie se heurte aux défis de mise en œuvre dans le monde réel.

Pourtant, malgré ces obstacles, l’impact de Blackwell s’est répercuté dans toute l’industrie. Des géants de la technologie comme Microsoft (MSFT) et Meta (META) se sont précipités pour s’assurer leur part de ces puces.

Dans le même temps, les centres de données ont commencé à réoutiller leur infrastructure pour répondre aux exigences de refroidissement de la nouvelle technologie. Grâce au succès de la puce, la capitalisation boursière de Nvidia a grimpé à plus de 3 000 milliards de dollars, confirmant sa position parmi l’élite technologique.

3. Développement de Claude 3.5 Sonnet

Claude 3.5 Sonnet a résolu 64 % des défis de codage complexes lors des évaluations internes, laissant loin derrière le taux de réussite de 38 % de son prédécesseur.

Mais cela ne se résumait pas aux performances brutes.

Anthropic a également lancé sa fonctionnalité Artifacts, qui a transformé notre façon de collaborer avec l’IA. Elle a permis la génération et la mise à jour de documents en temps réel qui ressemblaient plus à un travail avec un collègue qualifié qu’avec un chatbot traditionnel.

Une autre grande nouveauté a été la capacité expérimentale d’utilisation d’ordinateur, qui permettait à Claude de contrôler réellement les environnements de bureau.

Tout cela nous a montré un avenir où l’IA pourrait gérer des tâches complexes et multi-étapes à travers différentes applications.

4. Mise en oeuvre de la loi européenne sur l’IA

Pensez-y comme au RGPD pour l’intelligence artificielle, mais avec des implications plus larges pour la construction et le déploiement des systèmes d’IA.

Le système de classification des risques de la loi a fondamentalement changé notre vision de l’utilisation de l’IA. Les systèmes d’IA étant désormais classés en catégories inacceptable, à haut risque, à risque limité ou à risque minimal, les entreprises ont été forcées de repenser entièrement leur approche du développement de l’IA. Soudainement, les fonctionnalités qui étaient autrefois précipitées sur le marché nécessitaient des évaluations rigoureuses de conformité et de la documentation.

James White, directeur technique de Calypso AI, a déclaré à Techopedia :

Cependant, ce cadre réglementaire a également suscité des controverses concernant les potentielles failles de l’article 6(3). Une faille spécifique pourrait permettre aux développeurs de s’exempter potentiellement des obligations liées à l’IA à haut risque.

La loi comportait également de larges exemptions pour la sécurité nationale, ce qui a soulevé des inquiétudes quant à d’éventuels abus gouvernementaux. Et son impact sur les migrants et les populations vulnérables a déclenché un débat animé sur les droits numériques et la surveillance.

Les défis d’adaptation de l’industrie étaient importants, avec des sanctions allant de 7,5 millions à 35 millions d’euros (ou jusqu’à 7 % du chiffre d’affaires mondial). Cela signifiait que les entreprises devaient commencer à aligner leurs développements en IA sur les nouvelles exigences.

L’influence de la réglementation s’est étendue bien au-delà des frontières européennes, établissant efficacement des normes mondiales pour le développement de l’IA et forçant les entreprises du monde entier à reconsidérer leurs stratégies en matière d’IA.

5. Le Modèle o1 d’OpenAI

Le modèle a montré une prouesse particulière en sciences, en programmation et en mathématiques, performant au niveau d’un doctorant sur des tâches complexes.

Grâce au modèle, OpenAI a également introduit un paramètre API “reasoning_effort“. Ce paramètre donne aux utilisateurs plus de contrôle sur le temps de réflexion du modèle tout en utilisant 60 % de tokens de raisonnement en moins que sa version précédente.

Cette approche s’est aussi accompagnée de compromis importants, comme les processus de raisonnement étendus causant des difficultés du modèle avec les tâches créatives.

6. Gemini 2.0 de Google

L’architecture technique a véritablement innové. Plutôt que de traiter différents types de données comme des flux séparés, Gemini 2.0 traite tout simultanément à travers un espace d’embedding unifié. Avec des capacités natives de génération d’images et d’audio, il établit de nouvelles normes pour la compréhension de l’IA.

Pourtant, le mouvement le plus intéressant de Google n’était pas seulement technique – il était stratégique. L’introduction d’agents spécialisés comme Jules pour le développement de code et Project Mariner pour la navigation web a signalé un changement par rapport à l’IA universelle.

Google a parié sur l’excellence spécialisée pendant que ses concurrents se précipitaient pour construire des modèles plus grands.

7. L’Ascension de Perplexity AI

Parfois, les avancées les plus significatives viennent de sources inattendues. Perplexity AI a connu une croissance incroyable, passant d’une startup de 520 millions de dollars à une puissance de 9 milliards de dollars. En réimaginant notre façon d’interagir avec l’information, ils ont fondamentalement changé les attentes des utilisateurs en matière de recherche.

Ce succès a également suscité un débat intense sur les droits et l’attribution du contenu, qui deviennent de plus en plus importants avec les systèmes d’IA actuels.

De grands éditeurs comme Forbes et News Corp ont intenté des poursuites, alléguant le « vol d’un volume massif de contenu protégé par le droit d’auteur. »

La controverse a atteint son paroxysme avec une bataille juridique entre Perplexity et News Corp. Perplexity a répondu à cette controverse en introduisant un modèle de partage des revenus avec les éditeurs, qui tentait d’équilibrer innovation et droits de contenu.

8. Flux de Travail Agentiques et Agents d’IA

Le monde de l’entreprise a accueilli ce changement avec enthousiasme. Agentforce 2.0 a démontré comment l’IA pouvait améliorer le raisonnement et l’intégration à travers les systèmes CRM, tandis que la décision de SAP d’alimenter Joule avec des LLM open source a montré une nouvelle approche de l’IA d’entreprise personnalisable. Ces systèmes sont devenus de véritables collaborateurs numériques capables de comprendre le contexte et d’exécuter des flux de travail en plusieurs étapes.

Ces systèmes pouvant fonctionner de manière autonome et disposant d’une grande puissance, de nombreuses personnes ont soulevé de sérieuses questions sur le contrôle et la sécurité.

À mesure que ces agents devenaient plus capables, la frontière entre assistance et automatisation est devenue de plus en plus floue, forçant les organisations à repenser leur approche de mise en œuvre et de gouvernance de l’IA.

9. La Puce Quantique Willow de Google

Vous vous souvenez quand l’informatique quantique ressemblait plus à de la science-fiction qu’à la réalité ? La puce Willow de Google a complètement changé cette perception. Avec 105 qubits supraconducteurs connectés fonctionnant à des températures à peine supérieures au zéro absolu, Willow a réalisé ce que les chercheurs en informatique quantique poursuivent depuis près de trois décennies.

Mais ce qui distinguait vraiment Willow, c’était sa percée dans la correction d’erreurs. En utilisant des codes de correction d’erreurs plus importants, le système pouvait maintenir un seul qubit logique stable pendant une heure – une amélioration considérable par rapport aux configurations précédentes qui échouaient toutes les quelques secondes.

Pourtant, le chemin vers l’informatique quantique pratique reste difficile. Bien que Willow montre un immense potentiel, il nécessite encore des millions de qubits pour résoudre des défis industriels importants.

Les exigences extrêmes de refroidissement et la difficulté de maintenir les états quantiques posent de sérieux obstacles à la mise à l’échelle.

10. Veo 2 de Google

Les réalisations techniques étaient impressionnantes. Par exemple, Veo 2 a montré une meilleure modélisation physique, des expressions humaines plus nuancées et une meilleure gestion du mouvement et de l’éclairage.

Dans les comparaisons directes avec d’autres modèles de pointe comme Google Veo 2 vs OpenAI Sora, les évaluateurs humains ont systématiquement classé les sorties de Veo 2 comme plus réalistes et plus proches de leurs prompts prévus.

Les limitations étaient tout aussi révélatrices. Malgré ses capacités impressionnantes, Veo 2 a eu du mal avec les scènes complexes et les séquences de mouvement rapide.

Lorsque ces défis sont combinés à l’approche mesurée de Google en matière d’expansion, nous pouvons commencer à reconnaître ce qu’il faut pour équilibrer l’innovation technologique et le déploiement responsable.

Questions Fréquentes