Semaine animée : le français Mistral met un modèle géant à la disposition de tous, tandis que Google confie d'abord son modèle le plus puissant aux spécialistes de la cybersécurité. OpenAI réécrit aussi les règles de conduite de ses modèles, et les résultats de Microsoft et d'Alphabet montrent que l'IA rapporte beaucoup, mais coûte encore plus cher.
1. Mistral ouvre un modèle de mille milliards de paramètres
Le 29 octobre, l'entreprise française Mistral a publié les poids de Mistral Large 4 sur Hugging Face. Ce modèle compte mille milliards de paramètres, dont environ 52 milliards sont activés pour chaque tâche, et il traite aussi bien le texte que les images. Particuliers et entreprises peuvent l'utiliser, le modifier et le commercialiser ; seules les sociétés qui le revendent sous forme de service doivent signer une licence commerciale à part.
Pourquoi c'est important : « publier les poids », c'est donner le fichier du modèle entraîné. On peut le faire tourner sur ses propres serveurs, sans envoyer ses données à personne, ce qui intéresse beaucoup les organisations européennes attentives à la confidentialité. Mais n'espérez pas le lancer sur votre ordinateur portable : d'après la presse, même la version compressée demande quatre cartes graphiques Nvidia haut de gamme. Et les scores annoncés en programmation viennent de Mistral : ils restent à confirmer de façon indépendante.
Sources : annonce de Mistral, The Next Web
2. Gemini 4 Carbon : le meilleur modèle de Google d'abord pour la cybersécurité
Le 28 octobre, Google a présenté Gemini 4 Carbon, mais le grand public devra attendre. Depuis cette semaine, seule une partie des spécialistes de la cyberdéfense y a accès, avant une ouverture progressive à d'autres partenaires de confiance. Google dit vouloir recueillir des retours et renforcer ses garde-fous avant de le proposer aux développeurs, aux entreprises et au grand public, sans donner de date. Selon ses chiffres, le modèle obtient 88,2 % à un test de détection de failles logicielles.
Pourquoi c'est important : une IA capable de trouver des failles peut aussi servir à attaquer. Google a donc choisi de donner l'avantage aux défenseurs et participe au programme volontaire de tests avant lancement du gouvernement américain. Les modèles les plus puissants ne seront peut-être plus accessibles à tous dès leur sortie : décider qui s'en sert en premier devient un vrai enjeu.
Source : blog de Google
3. OpenAI réécrit les règles de conduite de ses modèles
Le 29 octobre, OpenAI a mis à jour son Model Spec, le document public qui décrit comment ses modèles doivent se comporter. La nouvelle version s'articule autour de cinq valeurs : rester fidèle à l'intention humaine, réduire les risques de préjudice, être honnête et transparent, favoriser l'autonomie humaine et agir avec bienveillance. OpenAI précise que ses modèles actuels ne respectent pas encore entièrement ce texte.
Pourquoi c'est important : maintenant que les IA agissent par elles-mêmes, savoir à qui elles obéissent et quand elles doivent s'arrêter compte plus que jamais. Publier ces règles permet à chacun de les examiner. Mais c'est un objectif, pas une garantie : seuls les tests montrent ce que les modèles font vraiment.
Source : texte du Model Spec
4. L'IA dans les résultats financiers : des revenus en hausse, des dépenses encore plus fortes
Le 28 octobre, Microsoft et Alphabet, la maison mère de Google, ont publié leurs résultats le même jour. Microsoft affiche 92,3 milliards de dollars de chiffre d'affaires, en hausse de 19 %, avec une croissance de 48 % pour son cloud Azure ; ses achats de serveurs et d'équipements sont passés de 19,4 à 39,4 milliards de dollars en un an. Alphabet atteint 127,6 milliards, en hausse de 25 %, Google Cloud double à 30,7 milliards, et ses investissements du trimestre s'élèvent à environ 51,4 milliards. Pourtant, la Bourse a réagi à l'opposé : selon CNBC, Microsoft a gagné environ 4 %, tandis qu'Alphabet a perdu plus de 10 %, ses bénéfices étant inférieurs aux attentes.
Pourquoi c'est important : l'IA rapporte vraiment, mais les investissements sont colossaux, et les marchés commencent à faire les comptes. Pour celles et ceux qui apprennent à programmer, cet argent part surtout dans les centres de données : les compétences en cloud et en back-end resteront utiles.
Sources : résultats de Microsoft, résultats d'Alphabet, CNBC sur Microsoft, CNBC sur Alphabet
À essayer cette semaine
Les meilleurs modèles rivalisent pour trouver des failles : entraînez-vous aussi ! Ce petit programme cache un problème. Saurez-vous le trouver ?
def average(scores):
total = 0
for score in scores:
total += score
return total / len(scores)
print(average([]))Cherchez d'abord seul. Si vous bloquez, demandez à une IA en ajoutant : « Ne me donne pas la réponse, juste un indice. » Ainsi, l'IA vous apprend à trouver le problème au lieu de le trouver à votre place.