Sujet
Tous les articles d’Actu.ai consacrés à Modèles d’IA : actualités, analyses et explications sur ce sujet lié à l’intelligence artificielle. 19 articles
En septembre 2025, Claude Opus 4.1 prend la tête de LMArena devant Gemini 2.5 Pro et GPT-4o. Mais les leaders changent selon la tâche : GPT-5 domine le développement web, Seedream la création d’images et Grok-4 la recherche web.
Meta redessine l’organisation de ses équipes d’intelligence artificielle autour de la recherche, de l’entraînement des modèles, des produits et de l’infrastructure. Dans un mémo interne, Alexandr Wang précise les rôles de Shengjia Zhao, Nat Friedman et Aparna Ramani, tout en dissolvant l’équipe AGI Foundations.
Le classement LMArena de juillet 2025 place Gemini-2.5 Pro en première position, devant OpenAI o3 et ChatGPT 4o. Mais ce palmarès général ne raconte pas toute l’histoire : DeepSeek, Claude, Perplexity, Mistral et GPT-Image-1 se distinguent selon les tâches, du code à la génération d’images.
À compter du 2 août 2025, les fournisseurs de modèles d’IA à usage général devront respecter de nouvelles obligations européennes. Documentation technique, résumé des données d’entraînement, respect du droit d’auteur et contrôles renforcés pour les modèles les plus puissants composent le nouveau cadre de l’AI Act.
Meta étudie la possibilité de développer des modèles d’intelligence artificielle fermés, avec un accès davantage contrôlé. Cette orientation contraste avec la diffusion des modèles Llama et pose une question centrale : comment concilier sécurité, protection des données, transparence et innovation collaborative ?
Les entreprises clientes d’AWS voient arriver de nouveaux modèles d’intelligence artificielle à un rythme soutenu. Pour Werner Vogels, directeur technologique d’Amazon, l’enjeu n’est plus seulement d’accéder à l’IA, mais de choisir le bon outil, au bon coût, pour chaque usage.
En mai 2025, Google place Gemini 2.5 Pro et Gemini 2.5 Flash aux deux premières places de la Chatbot Arena. OpenAI reste très présent avec o3 et GPT-4o, tandis que Tencent fait une entrée remarquée. Voici comment lire ce classement et ce qu’il révèle de la course aux modèles d’IA.
Ant Group expérimente l’entraînement de modèles d’IA sur des puces chinoises, notamment associées à Alibaba et Huawei. Avec une architecture dite Mixture of Experts, le groupe affirme abaisser le coût du traitement d’un trillion de tokens de 6,35 à 5,1 millions de yuans, tout en visant des performances comparables à celles obtenues avec des puces Nvidia H800.
Hugging Face défend une place centrale pour l’open source dans les politiques sur l’intelligence artificielle. Forte d’une plateforme qui héberge plus d’un demi-million de modèles et d’une valorisation de 4,5 milliards de dollars, l’entreprise veut élargir l’accès à l’IA sans éluder les questions de sécurité, de licence et de responsabilité.
La course à l’intelligence artificielle oppose deux paris : bâtir une AGI généraliste ou résoudre dès maintenant des problèmes précis. Alors que les grands groupes technologiques annoncent plus de 320 milliards de dollars de dépenses, DeepSeek-R1 et les succès de DeepMind rappellent que l’utilité ne dépend pas seulement de la taille des infrastructures.
Rendre un modèle d’intelligence artificielle accessible peut stimuler la recherche, réduire certaines dépendances et faciliter la personnalisation. Mais l’étiquette « open source » ne garantit ni la transparence sur les données, ni la sécurité des usages, ni l’absence de biais. Tour d’horizon des promesses et des zones de vigilance.
Avant qu’un modèle n’apprenne, ses hyperparamètres définissent déjà une part décisive de sa trajectoire. Taux d’apprentissage, taille des lots, nombre de couches ou dropout : comprendre leur rôle et les tester avec méthode aide à gagner en précision, sans confondre bonne performance sur les données connues et réelle capacité de généralisation.
Le Fonds pour la sécurité de l’IA, ou AISF, ouvre un appel à projets consacré aux risques cyber des modèles avancés. Les équipes retenues pourront recevoir entre 350 000 et 600 000 dollars pour mieux évaluer les vulnérabilités, les capacités offensives et les moyens de déployer l’IA de façon plus sûre.
Liquid AI, issue du MIT, a obtenu 250 millions de dollars lors d’une série A menée par le fonds d’investissement d’AMD. La jeune entreprise veut accélérer ses modèles fondamentaux liquides, une famille de systèmes conçus pour être légers et polyvalents, tout en renforçant ses capacités de calcul et ses équipes.
Le génome ne peut pas décrire un cerveau synapse par synapse. Pour Anthony Zador et Alexei Koulakov, cette contrainte pourrait expliquer une part de nos capacités innées et inspirer des IA plus compactes. Leur algorithme est testé sur la reconnaissance d’images et le jeu Space Invaders.
L’Union européenne a publié un premier projet de code de pratique destiné aux modèles d’IA à usage général. Le texte précise les attentes de transparence, de respect du droit d’auteur et de gestion des risques, notamment pour les modèles susceptibles d’avoir un impact systémique. Les contributions sont attendues jusqu’au 28 novembre 2024.
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.
À mesure que les entreprises intègrent l’IA dans leurs logiciels, elles doivent à la fois mesurer la qualité des modèles et sécuriser le code qui les entoure. Endor Labs présente un outil d’analyse destiné à éclairer ces deux chantiers, notamment dans les projets reposant sur des bibliothèques open source.
Le président américain Joe Biden a signé, le 30 octobre 2023, un vaste ordre exécutif sur l’intelligence artificielle. Le texte exige notamment que les entreprises signalent l’entraînement de certains modèles très puissants et communiquent leurs résultats de tests de sécurité au gouvernement fédéral.
