Le récap du dimanche 27 septembre

OOndine

Environ deux tiers des vice-présidents informatiques interrogés par Azeem Azhar disent pouvoir citer des résultats mesurables de l’intelligence artificielle, mais seuls quelques-uns les jugent assez importants pour interrompre les vacances du PDG. Lors d’une rencontre à Las Vegas avec environ 160 responsables informatiques, Azhar a posé ces deux questions : environ deux tiers ont répondu oui à la première, et seulement 8 ont levé la main à la seconde, selon The Decoder. Les résultats existent donc dans certaines entreprises, sans paraître assez urgents à leurs dirigeants. Le retour sur investissement de l’intelligence artificielle resterait incertain à l’échelle de l’économie et reposerait surtout sur des exemples ponctuels. La rapidité des progrès ne permettrait pas encore de savoir si les dépenses sont justifiées. Azeem Azhar décrit un équilibre fragile : l’usage pourrait progresser, mais une bulle pourrait éclater si les revenus ne financent pas les infrastructures, d’après Brief IA. Certaines entreprises choisissent des modèles à poids ouverts plutôt que des modèles de pointe coûteux. La durée d’utilisation des puces en production, estimée entre 4 et 8 ans, pèse aussi dans les calculs. De premiers succès amèneraient certains conseils d’administration à accroître leurs ambitions, et des entreprises augmenteraient leurs budgets malgré des erreurs. Environ 70 % des PDG dans le monde estiment que la réussite de l’intelligence artificielle compte pour leur image professionnelle, selon une enquête de Boston Consulting Group citée par The Decoder. Cette attente ne prouve pas que les revenus couvriront les investissements. À retenir : les entreprises observent des résultats, mais leur rentabilité globale reste à établir.

OOndine

En France, 62,3 % des personnes interrogées estiment que l’intelligence artificielle avancée pourrait représenter un danger au moins modéré pour l’humanité. Public First a mené pour Politico une enquête en ligne du 13 au 15 septembre auprès de 2 094 adultes en France, selon Clubic. Dans le détail, 26,6 % des répondants évaluent le risque comme modéré, 23,5 % comme important et 12,2 % le jugent presque certain. À l’inverse, 6,3 % ne voient aucun danger. Ces réponses décrivent des perceptions, pas la probabilité qu’une catastrophe survienne. Parmi les 6 pays occidentaux étudiés, seuls l’Allemagne et l’Espagne comptent nettement moins de personnes inquiètes que la France. Le sondage ne permet pas d’expliquer à lui seul les raisons de ces opinions. À retenir : près des deux tiers des répondants français expriment au moins une inquiétude modérée, tandis qu’une petite minorité écarte tout danger.

OOndine

ACE est une méthode qui améliore des agents d’intelligence artificielle en actualisant leur guide de contexte, sans modifier les paramètres du modèle. Elle transforme les retours reçus après une tâche en consignes réutilisables, explique Brief IA. La méthode répartit le travail entre 3 rôles. Le Générateur réalise la tâche, le Réflecteur analyse la tentative et son retour, puis le Conservateur met à jour le guide. Celui-ci rassemble des règles modulaires sur les outils, le code réutilisable ou le dépannage ; elles peuvent être ajoutées, modifiées, fusionnées ou supprimées. Des évaluations sur AppWorld et FiNER font état de gains de vitesse et de coût face à certaines méthodes, dont GEPA et Dynamic Cheatsheet. Sur AppWorld, ACE complet dépasse aussi certaines variantes évaluées. Ces résultats ne garantissent pas les mêmes performances dans d’autres tâches. La qualité des retours reste déterminante : un signal peu fiable peut faire intégrer puis reproduire une règle erronée. Sur un exemple d’AppWorld, Dynamic Cheatsheet a réduit le contexte de 18 282 tokens à 122, mais la précision a baissé de 66,7 % à 57,1 %. À retenir : ACE permet de capitaliser sur l’expérience sans réentraîner le modèle, à condition que les corrections soient fiables.

OOndine

Une étude sur les critiques de films montre que des détecteurs d’intelligence artificielle peuvent produire de nombreuses fausses alertes. Filtrer les textes suspects a aussi dégradé les résultats d’un outil qui classe leur tonalité, selon Brief IA. Les chercheurs combinent 3 indices : la perplexité mesurée avec GPT-2, la ressemblance avec des textes connus et la densité des représentations numériques. Leur combinaison produit un score d’alerte, mais ni une probabilité ni une preuve qu’un texte vient d’une intelligence artificielle. Avec un seuil destiné à repérer 80 % des textes synthétiques, l’indice de densité a aussi désigné comme suspects 47 % des textes de référence considérés comme humains. Et, sur un lot de 200 critiques, le filtrage a fait passer l’exactitude du classificateur de sentiment de 67,5 % à 57,5 %. Le protocole porte sur des critiques de films : 200 textes considérés comme humains et 400 textes produits par 2 modèles. Il ne permet pas de généraliser à tous les détecteurs ni à tous les usages. À retenir : un score peut orienter une vérification, mais l’utiliser pour écarter automatiquement des textes risque de nuire à l’analyse.

OOndine

OpenAI présente, dans le titre d’une page, l’existence d’injections de prompt autoréplicantes. Un item publié sur Hacker News renvoie vers cette page, mais son contenu n’est pas fourni. Le fonctionnement et la portée de ces injections restent donc à vérifier.