Sujet
Tous les articles d’Actu.ai consacrés à Données synthétiques : actualités, analyses et explications sur ce sujet lié à l’intelligence artificielle. 11 articles
Les données synthétiques permettent d’entraîner et de tester des systèmes d’IA sans exposer directement des informations réelles. Elles peuvent accélérer les projets et combler les manques de données, mais ne suppriment ni les biais ni les exigences de contrôle. Voici les trois questions essentielles à se poser avant de les adopter.
Confrontés à la fraude, aux événements climatiques extrêmes et à des règles strictes sur les données, les assureurs cherchent de nouveaux outils. Les données synthétiques, créées pour reproduire les propriétés de jeux de données réels sans livrer directement les informations clients, pourraient accélérer l’innovation à condition d’être rigoureusement contrôlées.
Une équipe de l’UC San Diego a mis au point une méthode d’IA qui peut segmenter des images médicales à partir d’un petit nombre d’annotations expertes. En générant des paires image-masque synthétiques et en les ajustant par rétroaction, elle réduit jusqu’à 20 fois le besoin en données.
Une dominante jaune ou chaude revient souvent dans les images générées par l’IA. Ce signal visuel ne prouve pas à lui seul un défaut des modèles, mais il interroge l’uniformisation des données d’entraînement, à mesure que les contenus synthétiques se multiplient sur le Web.
Pour améliorer Apple Intelligence, Apple expérimente une méthode qui confronte des e-mails artificiels à des contenus conservés localement sur l’appareil. L’entreprise dit ainsi pouvoir affiner ses modèles sans recevoir les messages personnels des utilisateurs participants. Une nouvelle illustration de sa stratégie d’IA centrée sur la confidentialité.
L’informatique quantique pourrait un jour améliorer l’optimisation et la détection de motifs dans les IA génératives. Mais au 9 avril 2025, les machines disponibles restent très loin des capacités requises pour entraîner les grands modèles de langage. Entre expérimentations ciblées et obstacles matériels, la révolution annoncée demeure surtout une perspective de recherche.
Nvidia a finalisé l’acquisition de Gretel, une start-up américaine experte des données synthétiques, dans une opération estimée à plus de 320 millions de dollars. Le groupe veut répondre à un obstacle central de l’IA : disposer de jeux de données abondants, variés et exploitables, sans dépendre uniquement d’informations réelles souvent sensibles ou rares.
Créer des images, tableaux, textes ou sons plausibles pour entraîner une intelligence artificielle devient un levier majeur lorsque les données réelles manquent. L’IA synthétique promet d’accélérer les projets de machine learning et d’IA générative, mais elle impose surtout un contrôle rigoureux de la qualité, des biais et de la conformité.
Au CES 2025, Jensen Huang a placé la robotique au centre de la prochaine étape de Nvidia. Le groupe veut fournir les puces, les logiciels et les simulations nécessaires pour entraîner des robots, notamment humanoïdes, avant de les confronter au monde réel. Une stratégie qui dépasse largement la vente de GPU.
Les données scientifiques et professionnelles se présentent souvent sous forme de petits tableaux incomplets ou bruités. TabPFN, un modèle conçu à l’Université de Fribourg, promet d’en tirer des prédictions plus rapides et plus précises, sans devoir entraîner un nouvel algorithme pour chaque jeu de données.
Le prochain grand modèle d’OpenAI, désigné dans la presse comme GPT-5 ou Orion, accuserait un retard face à un obstacle central : trouver assez de données fiables pour l’entraîner. Alors que son coût pourrait atteindre 500 millions de dollars, ce dossier révèle les limites du modèle de croissance des grands systèmes d’IA.
