Pourquoi Google continue-t-il de s’enthousiasmer pour l’IA malgré certains revers évidents? La récente introduction par la société de « Gemini 2.0 Flash Thinking Experimental » soulève une série de questions. Présenté comme un modèle d’IA de « raisonnement », ce dernier fait l’objet d’expérimentations mais semble déjà prometteur dans de nombreux domaines comme la programmation, les mathématiques et la physique. Cependant, combien de temps faudra-t-il avant qu’il ne surpasse ses prédécesseurs?
Affiché sur X par Logan Kilpatrick de l’AI Studio de Google, ce modèle est décrit comme la première étape du voyage de raisonnement de Google. Selon Jeff Dean, scientifique en chef chez Google DeepMind, le modèle utilise ses « pensées » pour fortifier ses capacités de raisonnement. Devrait-on alors s’attendre à une révolution dans la manière dont les IA traitent les informations complexes?
Faisant écho aux modèles de raisonnement d’OpenAI, Gemini 2.0 Flash Thinking Experimental semble tirer parti de l’autocritique algorithmique pour réduire les erreurs, bien que lent à produire ses résultats. Ce modèle réfléchit longuement avant de fournir une réponse, mais est-ce vraiment une avancée lorsque des erreurs simples, comme compter les lettres dans le mot « strawberry, » persistent?
L’enthousiasme grandissant autour des modèles de raisonnement d’IA rappelle que la quête d’optimisation est loin d’être achevée.
Et pourtant, malgré ses imperfections, cette tendance au raisonnement est en plein essor. Avec de nombreux laboratoires d’intelligence artificielle se lançant dans la course, le modèle de Google n’est qu’une pièce d’un puzzle plus vaste. DeepSeek-R1 et l’alternative proposée par Alibaba témoignent de cette frénésie autour d’un marché toujours en évolution. Devons-nous nous attendre à voir émerger bientôt d’autres challengers?
Les raisons de cet engouement? Comme Max Zeff de TechCrunch l’a noté, l’ancien principe d’augmentation par la force brute montre ses limites. Les chercheurs sont donc à la recherche de nouvelles voies pour affiner l’IA générative. Mais les modèles de raisonnement, bien que performants sur le papier, sont-ils vraiment la solution miracle qu’ils prétendent être?
Toutefois, l’industrie demeure divisée quant à la voie à suivre. La complexité et les coûts associés à ces modèles jettent une ombre sur leur potentiel à long terme. Les modèles de raisonnement sont-ils un investissement judicieux pour l’avenir ou une impasse coûteuse? C’est la question que doit se poser chaque acteur impliqué dans cette course technologique.
Source : Techcrunch
