Les géants de la Silicon Valley investissent massivement dans une seule et même approche de l’intelligence artificielle : les modèles de langage. Cette année, Alphabet, Microsoft, Apple et d’autres acteurs vont consacrer 344 milliards de dollars à la construction de centres de données et au perfectionnement de ces systèmes capables de générer du texte, de l’audio ou des images. Une technologie qui a déjà trouvé son public, avec plus de 700 millions d’utilisateurs hebdomadaires de ChatGPT.

Mais cette dépendance rappelle des erreurs passées. BlackBerry avait misé sur le clavier physique, Yahoo sur les portails web, avant de se faire dépasser par des innovations inattendues. L’exemple chinois DeepSeek, qui a dévoilé un modèle plus petit et plus efficace en début d’année, illustre bien le risque : une approche différente peut bouleverser des investissements colossaux.

Dans l’ombre, d’autres pistes se développent. Des start-ups comme Covariant travaillent sur des IA capables d’interagir avec l’environnement physique, loin des modèles centrés sur la prédiction de mots. Atman Labs, de son côté, revisite des approches antérieures à l’ère de l’apprentissage profond. Même Google DeepMind avait longtemps exploré le renforcement par simulation avant de recentrer ses efforts sur les LLM.

Surtout, les limites techniques deviennent visibles. Les améliorations entre les générations de modèles sont minimes malgré des coûts exponentiels. Les problèmes de fiabilité persistent : hallucinations, réponses biaisées et même défaillances dans des contextes sensibles, comme l’a reconnu OpenAI après un incident impliquant un adolescent. Une étude dans Nature souligne également la fragilité des capacités de raisonnement social de ces systèmes, vulnérables à de simples modifications.

Des voix critiques se font entendre. Alex Karp, patron de Palantir, accuse la Silicon Valley d’avoir “surestimé” les LLM. Yann LeCun, scientifique en chef de Meta, les qualifie de « générateurs de tokens » incapables de comprendre ou de planifier. Ces avertissements rappellent que l’obsession pour une seule voie comporte des risques majeurs.

Les grands modèles de langage ne disparaîtront pas, mais l’histoire du numérique est claire : aucune technologie n’est éternelle. Les investisseurs et entreprises gagneraient à rester attentifs aux alternatives, car dans ce secteur, le terrain peut changer bien plus vite que prévu.

Source : Bloomberg, Nature

++++

Tous les jours de la semaine, du lundi au vendredi, Bruno Guglielminetti vous propose un regard sur l’essentiel de l’actualité numérique avec 120 secondes de Tech.