Sujet
Tous les articles d’Actu.ai consacrés à Recherche : actualités, analyses et explications sur ce sujet lié à l’intelligence artificielle. 109 articles
Les modèles de langage ne comprennent pas les phrases d’un seul coup. Une étude théorique montre qu’un réseau neuronal peut d’abord s’appuyer sur la place des mots, puis basculer brutalement vers leur sens lorsqu’il reçoit assez de données. Un résultat qui éclaire les mécanismes de l’attention au cœur des IA génératives.
Des chercheurs du MIT ont appliqué l’IA générative à la structure d’un robot sauteur, plutôt qu’à son seul logiciel de pilotage. Le système a proposé des formes inédites, évaluées en simulation avant fabrication : le prototype obtenu saute plus haut et atterrit beaucoup plus sûrement qu’un modèle conçu à la main.
Pour interpréter une image, une IA ne peut pas seulement repérer des motifs statistiques : elle doit aussi composer avec la lumière, l’optique, les distances et le mouvement. En s’appuyant sur la physique et la géométrie, la vision artificielle cherche à gagner en précision, en robustesse et en sobriété de données.
Les modèles d’IA ont tendance à répondre, y compris lorsqu’ils se trompent. Des chercheurs de l’université Johns Hopkins proposent de les entraîner à évaluer leur confiance, à réfléchir plus longtemps si nécessaire et, surtout, à s’abstenir dans les situations où une erreur coûte cher.
Le MIT a lancé en février 2025 son Generative AI Impact Consortium pour explorer des usages à fort impact de l’IA générative. Après 180 propositions déposées par près de 250 enseignants-chercheurs, 55 projets reçoivent des subventions de démarrage, de l’éducation à la durabilité urbaine en passant par la musique.
Toutes les requêtes envoyées à une IA ne mobilisent pas les mêmes ressources. Une étude menée en Allemagne montre que les modèles qui développent leur raisonnement peuvent alourdir fortement leur bilan carbone, sans que ce coût supplémentaire assure systématiquement une meilleure réponse.
Une étude menée par Mahzarin Banaji et Steve Lehr observe que GPT-4o modifie ses réponses après avoir rédigé des textes favorables ou défavorables à Vladimir Poutine. L’effet est plus marqué lorsque le modèle est placé dans une situation de choix. Une ressemblance comportementale avec la dissonance cognitive humaine, sans preuve de conscience.
GPT-4 peut atteindre un niveau comparable à celui d’humains dans certaines tâches de raisonnement analogique, selon une étude publiée dans PNAS Nexus. Les chercheurs l’ont notamment confronté à des énigmes contre-factuelles conçues pour limiter l’effet de la mémorisation. Le résultat est notable, mais il ne tranche pas à lui seul la question de la compréhension par l’IA.
Des chercheurs des universités de Genève et de Berne ont soumis six IA génératives à des tests d’intelligence émotionnelle habituellement conçus pour les humains. Avec 82 % de bonnes réponses contre 56 %, les modèles impressionnent. Mais réussir un scénario social ne signifie pas ressentir une émotion ni remplacer le jugement humain.
Avant de s’attaquer à des décisions sophistiquées, une IA gagnerait à apprendre les fondamentaux. Une étude de l’Université de New York, publiée dans Nature Machine Intelligence, s’appuie sur des expériences animales et des réseaux de neurones récurrents pour défendre cette progression par étapes.
Le chercheur Sendhil Mullainathan étudie depuis des années la façon dont les contraintes matérielles modifient nos décisions. Ses travaux sur la pauvreté et les capacités cognitives ont marqué l’économie comportementale. Au MIT, il explore désormais comment l’intelligence artificielle pourrait aider à mieux comprendre, et peut-être à corriger, certains biais de jugement.
Des chercheurs des universités de Surrey et de Hambourg proposent de tester l’attention sociale d’un robot humanoïde par simulation. Leur méthode s’appuie sur des données publiques de regards humains pour limiter les essais avec des volontaires au début du développement. Une piste prometteuse, qui ne dispense pas pour autant de validations en conditions réelles.
Les alliages à éléments multiples résistent mieux à des contraintes extrêmes, mais leur conception reste complexe. Des chercheurs emploient une intelligence artificielle explicable pour identifier le rôle des éléments et de leur environnement local, puis orienter la mise au point de matériaux plus robustes et durables.
Les modèles capables d’analyser une image et une consigne écrite restent déstabilisés par des formulations aussi courantes que « sans » ou « n’est pas ». Une étude menée au MIT montre que cette faiblesse peut compromettre leur usage dans des domaines sensibles, mais qu’un entraînement mieux ciblé permet déjà de la réduire.
Des ingénieurs du MIT ont mis au point un robot capable d’anticiper la trajectoire d’une balle de ping-pong et de la renvoyer avec une grande précision. Fixé à une table, son bras robotisé atteint jusqu’à 20 mètres par seconde et réussit près de 88 % de ses retours lors des essais.
À l’université de Chicago, des chercheurs ont rassemblé des données issues de 250 publications pour guider la conception d’électrolytes lithium-ion. Leur eScore combine trois qualités habituellement difficiles à concilier. Cette piste pourrait réduire la part d’essais et d’erreurs en laboratoire.
Dans les décisions médicales assistées par IA, une probabilité élevée ne suffit pas toujours à inspirer confiance. Des chercheurs du MIT proposent de combiner classification conforme et augmentation au moment du test afin de fournir des listes de diagnostics plus courtes, tout en préservant une garantie statistique sur leur fiabilité.
Des chercheurs de l’Université de Konstanz utilisent la réalité virtuelle pour isoler les règles qui permettent aux poissons zèbres de nager en groupe. Leur résultat central, fondé sur la position des voisins plutôt que leur vitesse, a ensuite été transposé à des essaims de véhicules autonomes, de drones et de bateaux.
Le MIT et la Fondation portugaise pour la science et la technologie ont signé, en mars 2025, un accord ouvrant la quatrième phase de MIT-Portugal. Jusqu’en 2030, ce partenariat de recherche misera notamment sur l’intelligence artificielle, les semi-conducteurs, l’énergie, l’espace et le climat, tout en renforçant les échanges universitaires.
Des chercheurs de l’Université Lehigh ont mis au point un système d’apprentissage automatique capable d’anticiper une anomalie microscopique liée à la fragilité des matériaux. Dans des simulations, il identifie les grains susceptibles de croître anormalement dans 86 % des cas, très tôt dans l’évolution observée.
Planifier les mouvements de trains, les tâches d’une usine ou des ressources limitées exige de résoudre une multitude de contraintes à la fois. Des chercheurs du MIT présentent L-RHO, une méthode qui combine optimisation et apprentissage automatique. Lors de leurs tests, elle a réduit le temps de résolution de 54 % tout en améliorant la qualité des solutions de 21 %.
Des chercheurs du MIT ont développé PAC Privacy, un cadre destiné à mieux protéger les données sensibles mobilisées pour entraîner des systèmes d’IA. La méthode estime plus finement le bruit à ajouter aux résultats, afin de limiter les risques d’exposition tout en préservant l’utilité des modèles.
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.
En apprenant seul à rechercher des diamants dans Minecraft, DreamerV3 a atteint un niveau d’expertise en neuf jours. Le système de Google DeepMind et de l’Université de Toronto s’appuie sur un modèle du monde pour tester mentalement les conséquences de ses choix. Une piste majeure, mais encore éloignée des robots autonomes.
