Sujet
Tous les articles d’Actu.ai consacrés à Modèles de langage : actualités, analyses et explications sur ce sujet lié à l’intelligence artificielle. 127 articles
Référence pour comparer les modèles d’intelligence artificielle, LMArena amorce sa transformation en entreprise le 19 avril 2025. L’objectif est de rendre ses évaluations plus durables et de proposer des services aux organisations, sans perdre de vue une exigence décisive : mesurer les IA de manière rigoureuse et compréhensible.
Wikimedia Enterprise propose sur Kaggle un extrait structuré des contenus de Wikipédia en français et en anglais. Pensée pour les chercheurs et développeurs d’IA, cette ressource actualisée chaque mois doit aussi réduire la pression des robots de scraping sur l’encyclopédie collaborative.
OpenAI a présenté o3 et o4-mini le 16 avril 2025, deux modèles de raisonnement capables d’intégrer des images à leur analyse. Le premier vise les tâches complexes et l’usage d’outils, le second privilégie rapidité et coût. Leur particularité : pouvoir examiner, recadrer ou zoomer une image pour mieux en extraire les informations utiles.
OpenAI a présenté GPT-4.1 le 14 avril 2025, une nouvelle famille de modèles conçue pour les développeurs. Avec une fenêtre de contexte d’un million de jetons, de meilleurs résultats en programmation et un coût annoncé inférieur de 26 % sur les requêtes médianes, le groupe cherche aussi à rester compétitif dans une guerre des prix ravivée par DeepSeek.
OpenAI a présenté GPT-4.1, une famille de trois modèles réservée à son API. Avec une fenêtre de contexte d’un million de tokens, des progrès annoncés en programmation et des tarifs revus à la baisse, l’entreprise cible les développeurs qui construisent des applications d’IA exigeantes.
Derrière un simple smiley peut se cacher une difficulté bien réelle pour les systèmes d’intelligence artificielle : interpréter exactement ce qui a été saisi. Les émojis et certains caractères Unicode invisibles peuvent brouiller les filtres et faciliter des injections de prompts. Voici pourquoi ce risque exige des défenses plus robustes.
Faire fonctionner un modèle de langage sur des données chiffrées reste un défi coûteux et complexe. Des chercheurs du NYU Center for Cybersecurity proposent de s’appuyer sur l’entropie pour repenser l’attention des transformeurs, stabiliser les modèles et mieux concilier confidentialité, performances et contraintes de calcul.
Meta a présenté Llama 4, une nouvelle famille de modèles capables de traiter du texte et des images. Scout vise les très longs documents, Maverick l’assistance polyvalente et Behemoth les tâches les plus exigeantes. Mais, au 8 avril 2025, l’accès des développeurs européens reste bloqué par les conditions de licence.
Avec DeepSeek-V3 puis DeepSeek-R1, la jeune entreprise chinoise a imposé son nom dans la compétition mondiale des modèles de langage. Ses résultats revendiqués, la publication de ses modèles et un coût d’entraînement annoncé bien inférieur aux estimations habituelles interrogent les équilibres technologiques entre la Chine et les États-Unis.
Anthropic a publié une étude inédite sur les mécanismes internes de Claude 3.5 Haiku, comparés à une forme de « biologie » de l’IA. L’objectif n’est pas de rendre Claude biologique, mais de repérer les circuits qui participent à ses réponses, afin de mieux comprendre ses capacités et ses failles.
Aux États-Unis, une partie de la droite soupçonne les intelligences artificielles de refléter des préférences idéologiques progressistes. Derrière cette accusation se cachent des questions concrètes sur les données, la modération, les réponses des chatbots et l’usage de l’IA dans la sphère publique. Mais mesurer une neutralité politique parfaite reste un défi méthodologique majeur.
Les IA dites « raisonnantes » semblent désormais décomposer des problèmes, écrire du code ou expliquer leurs réponses. Mais elles ne pensent pas comme un humain : elles apprennent des régularités dans d’immenses volumes de données et produisent des résultats probabilistes. Voici ce qui se joue réellement derrière leurs décisions, entre progrès spectaculaires et limites fondamentales.
Un score élevé ne suffit pas à désigner le meilleur modèle d’intelligence artificielle. MMLU, MMMU et MATH ne mesurent pas les mêmes compétences : langage, compréhension d’images ou raisonnement mathématique. Voici comment lire leurs résultats, connaître leurs limites et les compléter par des tests proches de vos usages.
Google présente Gemini 2.5 Pro, un modèle expérimental qui prend le temps de raisonner avant de répondre. En tête de LMArena lors de son lancement, il promet des progrès en code, en mathématiques et dans le traitement de contenus variés. Ses résultats doivent toutefois être lus à l’aune des conditions de test.
En quelques semaines, DeepSeek a imposé l’idée qu’un modèle chinois pouvait viser de hautes performances sans les budgets apparents des géants américains. Ses publications et ses prix ont déplacé le débat. Mais le coût complet, la qualité durable du service, la confiance des utilisateurs et la concurrence détermineront si cette percée devient un modèle économique solide.
Le titre d’archive repose sur une confusion majeure : DeepSeek n’est ni fondée ni dirigée par Lee Kai-fu. Au 22 mars 2025, l’entrepreneur est associé à 01.AI, tandis que DeepSeek est liée à Liang Wenfeng. Cette distinction éclaire la compétition chinoise autour des grands modèles d’IA.
OpenAI présente GPT-4.5 comme son modèle le plus naturel pour la conversation. Lancé en aperçu de recherche, il améliore la compréhension des intentions et le ton des réponses, sans remplacer les modèles de raisonnement. Voici ce qu’il apporte réellement dans ChatGPT, pour les particuliers comme les entreprises.
Baidu a dévoilé Ernie 4.5, un modèle d’IA multimodal, ainsi qu’un second modèle conçu pour les tâches de raisonnement. Le groupe chinois prévoit de placer Ernie 4.5 en open source le 30 juin 2025, un virage stratégique destiné à renforcer sa place face aux jeunes pousses et aux grands acteurs de l’IA.
En mars 2025, les modèles d’IA dits open source gagnent du terrain face aux services fermés des grands groupes. DeepSeek, Mistral AI, Meta ou Alibaba misent sur l’ouverture pour accélérer l’innovation et élargir les usages. Mais cette dynamique soulève aussi des questions de calcul, de sécurité, de licences et de régulation.
Pour Laurent Daudet, cofondateur et CEO de LightOn, l’intelligence artificielle générative ne relève pas d’un emballement passager. Elle inaugure une transformation technologique appelée à modifier les outils des entreprises, la création et la relation des utilisateurs aux machines. Reste à convertir la promesse en usages fiables, utiles et déployés à grande échelle.
Le lancement de DeepSeek-R1 a donné un puissant coup d’accélérateur au récit chinois sur l’intelligence artificielle. Alors que l’Assemblée populaire nationale se réunit en mars 2025, la jeune pousse incarne à la fois une ambition industrielle, un signal adressé aux investisseurs et un cas d’école sur les limites politiques imposées aux modèles de langage.
Une enquête de presse publiée en mars 2025 affirme que l’unité israélienne 8200 a entraîné un modèle de langage sur un immense corpus de communications arabes. Ce projet, qui n’a pas fait l’objet d’une présentation publique détaillée, illustre autant les promesses de l’IA linguistique que les risques liés à la surveillance de masse.
Faire réfléchir un modèle d’IA étape par étape améliore souvent ses réponses, mais peut aussi alourdir fortement le calcul. L’approche Chain of Draft propose de conserver ce raisonnement sous une forme beaucoup plus concise. Une piste prometteuse pour réduire les tokens, la latence et les coûts, à condition d’en mesurer rigoureusement les limites.
Les modèles comme ChatGPT produisent des textes de plus en plus fluides, au point de compliquer l’identification de leur origine. Les recherches montrent toutefois que les indices de style ne constituent pas une preuve fiable. Au-delà du duel humain contre machine, l’enjeu est celui de la transparence, de l’évaluation et de la responsabilité.
