OpenAI prépare le virage de ChatGPT vers une « super-application » ↗
OpenAI transformerait ChatGPT, un chatbot de questions-réponses, en une « super-application » plus complète, regroupant outils de programmation, agents, génération d'images et applications partenaires. Une idée d'une simplicité presque désarmante, mais un changement de paradigme majeur. (Fortune)
Le pari le plus important est que les utilisateurs ne se contenteront pas de demander des réponses à l'IA. Ils lui confieront des tâches complexes – réservations, calendriers, code, flux de travail – et s'attendront à ce qu'elle les exécute correctement. C'est là tout l'enjeu aujourd'hui.
Perplexity permet aux modèles d'IA d'écrire leurs propres pipelines de recherche ↗
La fonctionnalité « Search as Code » de Perplexity transforme la recherche, passant d'appels API fixes à des flux de travail Python basés sur un modèle. Au lieu de solliciter une boîte noire avec requête après requête, le modèle construit son propre système de recherche miniature. (The Decoder)
L'entreprise affirme avoir utilisé beaucoup moins de jetons lors d'un test de cybersécurité et avoir obtenu les meilleurs résultats dans la plupart des épreuves. Bien sûr, il convient de relativiser cette affirmation, mais l'idée est pertinente.
Nvidia conclut de nouveaux accords d'infrastructure d'IA en Corée du Sud ↗
Nvidia a annoncé une série de partenariats en Corée du Sud couvrant les puces mémoire, le cloud IA, les centres de données, la robotique et la production industrielle. SK Hynix, SK Telecom, Naver, Doosan, LG Group et Hyundai figurent parmi les entreprises partenaires. (Reuters)
L'aspect pratique majeur : Nvidia souhaite sécuriser l'approvisionnement en mémoire avancée tout en intégrant plus profondément les « usines d'IA » dans l'écosystème industriel. Glamour ? Pas particulièrement. Important ? Carrément.
Le secteur de l'IA est confronté à 4 dures réalités ↗
Le tableau du marché de l'IA s'est assombri : coûts élevés, retour sur investissement plus lent, forte demande en infrastructures mais non illimitée, et financements qui risquent de rester onéreux. Voilà le revers de la médaille. (Axios)
Le principal problème est simple : l’IA, en tant que technologie, peut être extrêmement prometteuse, tandis que l’IA, en tant qu’entreprise, peut encore paraître coûteuse, complexe et sous-rentable. Les deux peuvent être vrais – c’est agaçant, mais c’est vrai.
Les banques préparent le terrain pour des suppressions massives d'emplois à mesure que l'IA s'impose ↗
Les banques réduiraient, parfois de façon drastique, leurs effectifs d'analystes juniors, tout en continuant de miser sur ces jeunes talents pour recruter les futurs spécialistes de l'IA. Un paradoxe sordide qui se retourne contre son propre système de formation. (Fortune)
À court terme, les cas d'usage de l'IA sont plus ciblés que dans la science-fiction : service client, suivi des transactions, surveillance des opérations boursières. Moins « banque robotisée », plus « une multitude de petites automatisations »
Au cœur de l'entrepôt européen le plus actif d'Amazon, où robots, lasers et humains façonnent l'avenir ↗
L'entrepôt LCY3 d'Amazon à Dartford fonctionne grâce à des robots mobiles, des logiciels d'intelligence artificielle, des scanners et des systèmes de convoyage qui déplacent des millions d'articles par semaine. On dirait un mélange entre un centre de distribution et un flipper industriel. (euronews)
L'intelligence artificielle est concrète : coordination des robots, optimisation des itinéraires, mesure des colis, lecture des étiquettes et tri des flux. Il ne s'agit pas de simples chatbots sophistiqués, mais plutôt de l'infrastructure invisible qui accélère le commerce de détail.
FAQ
Que signifie le changement de cap annoncé par OpenAI concernant la super-application ChatGPT ?
OpenAI envisagerait de transformer ChatGPT, initialement un simple chatbot de questions-réponses, en une plateforme plus complète, comparable à une application. L'objectif est de centraliser outils de programmation, agents d'IA, génération d'images et applications partenaires. Au-delà des simples réponses aux questions, ChatGPT permettrait de réaliser des tâches plus complexes telles que les réservations, la gestion d'agendas, le développement de code et l'optimisation des flux de travail.
Pourquoi les agents IA font-ils l'objet d'un si grand nombre de reportages sur l'IA ?
Les agents d'IA sont importants car ils transforment l'objectif du produit : de la simple réponse à l'action. Cet article aborde le thème central suivant : les utilisateurs confient des tâches complexes à l'IA et attendent d'elle qu'elle les exécute correctement. Dans ce contexte, la fiabilité, la gestion des flux de travail et les intégrations pertinentes priment sur la simple production d'une réponse impeccable.
Qu’est-ce que l’approche « Recherche sous forme de code » de Perplexity ?
La fonctionnalité « Search as Code » de Perplexity permet aux modèles d'IA de créer des workflows Python pour la recherche, au lieu de se contenter d'appeler des API de recherche prédéfinies. Ainsi, le modèle peut concevoir un processus de recherche personnalisé et adapté à la tâche. L'article indique que Perplexity affirme que cette fonctionnalité a utilisé moins de jetons lors d'un test de performance en cybersécurité, mais ces résultats doivent être interprétés avec prudence.
Pourquoi les accords d'Nvidia concernant son infrastructure d'IA en Corée du Sud sont-ils importants ?
Les accords conclus par Nvidia en Corée du Sud sont importants car ils relient l'infrastructure d'IA aux puces mémoire, au cloud, aux centres de données, à la robotique et à la production industrielle. Parmi les entreprises citées figurent SK Hynix, SK Telecom, Naver, Doosan, LG Group et Hyundai. L'objectif concret est de sécuriser l'approvisionnement en mémoire de pointe tout en intégrant davantage les « usines d'IA » aux opérations industrielles.
Quelles sont les dures réalités commerciales auxquelles sont confrontées les entreprises spécialisées en IA ?
L'article met en lumière quatre grandes difficultés pesant sur le secteur de l'IA : des coûts élevés, un retour sur investissement plus lent, une demande d'infrastructure limitée et un financement onéreux. L'idée n'est pas de dire que l'IA est un échec en tant que technologie, mais plutôt que la création d'entreprises rentables dans ce domaine peut s'avérer coûteuse, inégale et plus difficile à monétiser que ne le laissent présager des attentes parfois excessives.
Comment l'IA affecte-t-elle les emplois dans les banques et la finance ?
Les banques réduiraient leurs effectifs d'analystes juniors tout en continuant de miser sur les jeunes talents en début de carrière comme futur vivier de compétences en IA. Les applications à court terme décrites sont pratiques et ciblées : service client, suivi des transactions et des opérations de marché. Plutôt que de remplacer des banques entières, l'IA semble créer de nombreuses automatisations à plus petite échelle au sein des flux de travail existants.