Journal de 8 h · 6 octobre

LLéna

Le collectif Le Sens du service public appelle à préciser les objectifs politiques de l’intelligence artificielle dans l’administration, et alerte sur les conséquences possibles pour l’accès aux droits. Dans une note publiée mardi à la Fondation Jean Jaurès, il dénonce une accélération des usages sans cap suffisamment défini, selon Le Monde. Le collectif décrit une intelligence artificielle déjà intégrée au fonctionnement administratif. Elle sert notamment à exploiter des données, à produire des synthèses, à reformuler des échanges avec les citoyens et à analyser des textes réglementaires. Le sujet n’est donc plus seulement celui d’expérimentations isolées : ces outils interviennent dans plusieurs activités du service public. Mais, selon le collectif, la stratégie du gouvernement ne donne pas encore de cadre politique assez précis pour guider leur déploiement. Le plan présenté le 16 juin, pour une intelligence artificielle utile, humaine et souveraine dans le service public, insiste surtout sur les annonces et les cas d’usage. Il ne définit pas pleinement les finalités recherchées, ni la manière d’évaluer les effets à long terme. Le collectif met aussi en garde contre un risque de fracture numérique et des difficultés d’accès aux droits. L’essor des usages s’accompagne ainsi, selon lui, d’un manque de clarté sur les objectifs politiques et l’évaluation des effets à long terme.

LLéna

Meta présente Llama 3, une famille de modèles conçue pour le multilinguisme, le code, le raisonnement et l’utilisation d’outils. La présentation est décrite dans un article sur arXiv. Son plus grand modèle compte 405 milliards de paramètres et peut traiter un contexte allant jusqu’à 128 000 tokens. L’article affirme que ses résultats sont comparables à ceux de GPT-4 sur de nombreuses tâches. Meta annonce la mise à disposition publique de modèles pré-entraînés et post-entraînés, ainsi que de Llama Guard 3, un outil destiné à sécuriser les entrées et les sorties. Cette publication associe donc plusieurs capacités à une famille de modèles, et inclut un dispositif de sécurité dédié.

LLéna

Une étude compare l’énergie nécessaire à l’entraînement de 7 architectures de vision par ordinateur, mais les résultats chiffrés de la corrélation annoncée ne sont pas précisés. Le travail, présenté sur arXiv, s’appuie sur un sous-ensemble de 10 000 images d’ImageNet et une configuration uniforme de 40 époques. Les essais portent sur MobileNetV3-Small et Large, EfficientNet-B0 et B1, ViT-B/32, ConvNeXt-Tiny et ViT-B/16. Ils ont été exécutés sur 2 processeurs graphiques NVIDIA Tesla P100, au centre BIOS. La consommation énergétique a été relevée avec NVML, puis comparée à la complexité de calcul. Le résumé disponible ne donne ni la valeur ni le sens de la corrélation de Pearson. Il n’est donc pas possible d’en tirer une conclusion chiffrée sur le lien entre calcul et énergie.

LLéna

WAMJET est un harnais agentique présenté pour accélérer l’inférence des modèles d’action du monde, selon arXiv. Il s’appuie sur des agents de programmation, des conseils d’optimisation réutilisables et des outils de mesure et de validation. WAMJET commence par repérer les goulots d’étranglement pendant l’inférence. Il modifie ensuite le code concerné, mesure les effets et ajuste les optimisations lorsque les difficultés se déplacent, tout en cherchant à préserver la qualité des actions. Les expériences annoncées couvrent 6 modèles. Le harnais profile l’inférence, puis vérifie et ajuste les optimisations à mesure que les goulots évoluent.