Rubrique
ChatGPT, Gemini, Claude, Llama, Mistral et les autres : nouveaux modèles, capacités, benchmarks et coulisses des grands modèles de langage. 182 articles
Google dévoile Gemini 2.0, une nouvelle famille de modèles conçue pour comprendre plusieurs formats et utiliser des outils. Avec les prototypes Astra, Mariner et Jules, le groupe veut faire évoluer l’IA du dialogue vers l’action, tout en mettant l’accent sur la supervision, la sécurité et la protection contre les abus.
Meta enrichit sa famille Llama avec Llama 3.3 70B, un grand modèle de langage orienté vers les usages textuels. L’entreprise affirme atteindre un niveau proche de Llama 3.1 405B avec un modèle bien plus compact, donc moins coûteux à exploiter. Une promesse importante pour les entreprises et développeurs qui veulent maîtriser leur infrastructure d’IA.
Avec 32,5 milliards de paramètres, QwQ-32B-Preview veut faire plus que produire du texte plausible : le modèle d’Alibaba est conçu pour décomposer et résoudre des problèmes complexes. Ses résultats annoncés en mathématiques et en logique le placent sous les projecteurs, malgré des limites reconnues sur le raisonnement courant et les langues.
Amazon a dévoilé Nova, une gamme de six modèles d’intelligence artificielle générative pensée pour des usages variés, du texte à la vidéo. Rohit Prasad explique que ces outils sont déjà employés dans plusieurs activités du groupe, malgré les défis de coût, de vitesse et d’intégration qui accompagnent leur déploiement.
Amazon a présenté Nova lors de sa conférence re:Invent 2024, une famille de modèles génératifs destinée aux entreprises. Du traitement rapide de texte à la création d’images et de vidéos, AWS veut couvrir plusieurs usages avec des modèles multimodaux, personnalisables et compatibles avec plus de 200 langues.
Alibaba a présenté Marco-o1, un grand modèle de langage conçu par l’équipe MarcoPolo pour mieux résoudre des problèmes de mathématiques, de physique et de programmation. Ouvert à la recherche, il combine plusieurs méthodes de raisonnement, dont la chaîne de pensée et l’exploration arborescente Monte Carlo.
Le modèle expérimental Gemini-Exp-1121 de Google s’installe en tête de la Chatbot Arena avec 1 365 points Elo, devant ChatGPT-4o-latest. Ce classement issu de duels anonymes entre assistants illustre le retour de Google dans la course, mais il ne résume pas à lui seul toutes les qualités d’un modèle d’IA.
Pour répondre à partir de données fiables, une IA peut récupérer des informations avant d’écrire, avec le RAG, ou les rechercher à plusieurs étapes, avec le RIG. Ces deux architectures n’offrent ni le même niveau de complexité ni les mêmes coûts. Voici comment les distinguer et choisir selon les usages.
À la SDC Korea 2024, Samsung a dévoilé Gauss2, la deuxième génération de son modèle d’intelligence artificielle. Décliné en trois versions, il doit répondre à des contraintes très différentes, du traitement économe à l’IA plus puissante, et soutenir à la fois les développeurs et les services connectés du groupe.
À l’automne 2024, le prix d’un LLM ne se résume plus à une simple étiquette par requête. Les API facturent les tokens envoyés et générés, avec des écarts importants entre GPT-4o, Claude, Gemini, Llama ou Mistral. Voici comment lire les grilles tarifaires et estimer un budget réaliste.
Le modèle interne Orion devait prolonger la dynamique ouverte par GPT-4. Mais ses résultats intermédiaires, selon des informations rapportées en novembre 2024, alimentent le débat sur des gains de performance moins spectaculaires. Pour OpenAI, l’enjeu dépasse un modèle : il concerne les données, les coûts et la prochaine méthode de progrès de l’IA.
La deuxième édition d’ai-PULSE a réuni à Station F les ambitions françaises et européennes en matière d’intelligence artificielle. Infrastructure de calcul, assistant vocal Moshi, modèles ouverts et régulation : Scaleway, Kyutai et la startup H dessinent une stratégie qui ne se réduit pas à copier OpenAI.
Meta a modifié sa politique d’utilisation de Llama pour permettre aux agences de sécurité nationale américaines, à leurs contractants et à plusieurs alliés d’utiliser ses modèles. Cette dérogation, annoncée le 4 novembre 2024, place l’IA ouverte au cœur de la compétition technologique, tout en ravivant les interrogations sur ses usages militaires.
Texte, code, mathématiques, analyse d’images ou recherche documentaire : Mistral AI décline son offre en 13 modèles aux capacités et licences distinctes. Ce guide publié en octobre 2024 aide à comprendre leurs différences, du petit modèle à déployer localement au grand modèle polyvalent destiné aux usages professionnels.
Google pourrait présenter Gemini 2.0 dès décembre 2024, selon des informations non confirmées officiellement. Cette nouvelle génération est attendue sur la rapidité, le raisonnement, le code et la compréhension de requêtes longues. Mais, au 27 octobre, Google n’a détaillé ni ses fonctions, ni sa date de disponibilité.
OpenAI préparerait un nouveau modèle d’intelligence artificielle, connu en interne sous le nom d’Orion, pour décembre 2024. Présenté comme un successeur potentiel de GPT-4, il pourrait d’abord être réservé à un cercle restreint. Mais sa date, son nom commercial et ses capacités restent à confirmer officiellement.
Un modèle baptisé sCM est présenté comme capable de créer des vidéos depuis un texte jusqu’à 50 fois plus vite que la diffusion classique. Avec plus de 1,5 milliard de paramètres annoncés, il illustre l’enjeu central de la vidéo générative : réduire le temps de calcul sans dégrader la cohérence des images.
Anthropic ouvre en bêta une fonction qui permet à Claude 3.5 Sonnet d’agir sur une interface informatique, en cliquant, saisissant du texte et faisant défiler des pages. Cette avancée vise l’automatisation de tâches numériques, mais elle reste destinée aux développeurs et soulève des questions majeures de fiabilité et de sécurité.
Une réponse d’IA plausible n’est pas forcément juste. Pour évaluer sérieusement un modèle, il faut définir les erreurs à éviter, tester sur des données distinctes de l’entraînement et organiser un suivi après le déploiement. Une méthode indispensable lorsque les réponses peuvent influer sur une décision importante.
IBM a présenté Granite 3.0, une nouvelle génération de modèles d’intelligence artificielle intégrée à sa plateforme watsonx. Orientée notamment vers l’assistance au développement logiciel, cette famille mise sur l’open source pour élargir l’accès aux outils d’IA générative, favoriser l’adaptation des modèles et encourager la collaboration technique.
En octobre 2024, les modèles d’IA progressent sur plusieurs fronts : raisonnement, conversation, contexte long, image et automatisation. OpenAI, Google, Anthropic, xAI et Mistral figurent parmi les acteurs cités. Mais comparer ces outils exige de distinguer leurs usages, car un chatbot, un modèle de raisonnement et un générateur d’images ne se mesurent pas avec les mêmes critères.
Les IA génératives produisent des textes de plus en plus naturels, mais leurs réponses ne constituent pas pour autant une langue au sens humain du terme. Elles modélisent des régularités, recombinent des formes et simulent la conversation. Comprendre cette différence aide à mieux évaluer leurs usages, de la traduction à la création, et leurs risques.
Nvidia a mis en avant Nemotron 70B, un modèle de langage de 70 milliards de paramètres dont les résultats le placent face à GPT-4o et Claude 3.5 Sonnet sur plusieurs tests de dialogue. Mais l’annonce se mêle souvent à celle de NVLM, un autre modèle, multimodal et orienté vers les images.
L’entraînement d’un grand modèle d’intelligence artificielle ne se résume pas à lancer des milliers de puces pendant quelques jours. Données, puissance de calcul, tests de sécurité et déploiement déterminent un calendrier souvent long et difficile à prévoir. Voici les étapes qui expliquent ces délais, et les leviers pour les maîtriser.
