Yann LeCun, figure fondatrice de l’intelligence artificielle moderne, avertit publiquement que la trajectoire actuelle du développement de l’IA dans la Silicon Valley n’est pas durable et risque de se retrouver dans une impasse. LeCun, lauréat du prix Turing et ancien scientifique en chef de l’IA chez Meta, affirme que l’accent mis par l’industrie sur les grands modèles de langage (LLM) – comme ceux qui alimentent ChatGPT – s’avérera finalement inutile pour parvenir à une véritable intelligence artificielle générale (AGI).
Les limites des approches actuelles
LeCun affirme que les LLM, malgré des investissements importants et des progrès rapides, ont des limites inhérentes. Le problème principal est que le simple fait d’étendre ces modèles ne permettra pas aux ordinateurs d’égaler ou de dépasser l’intelligence humaine. Il décrit un « effet de troupeau » dans lequel les entreprises poursuivent aveuglément les mêmes approches basées sur le LLM, étouffant des directions de recherche plus prometteuses mais moins populaires.
C’est important parce que des centaines de milliards de dollars sont investis dans des projets qui pourraient ne pas donner les résultats escomptés. La poursuite incessante de l’AGI basée sur le LLM risque de gaspiller des ressources et de retarder de véritables avancées.
Le risque de prendre du retard
LeCun souligne également que si l’Occident se concentre sur les LLM, d’autres régions – en particulier la Chine – pourraient rechercher des architectures d’IA alternatives présentant un plus grand potentiel à long terme. Il suggère que les entreprises chinoises, libérées des mêmes pressions industrielles, pourraient surpasser les efforts occidentaux dans la course à l’AGI.
Un appel à la diversification
La critique de LeCun ne concerne pas seulement les limitations technologiques ; il s’agit aussi du manque de diversité intellectuelle. L’environnement actuel décourage l’exploration de méthodes alternatives d’IA qui pourraient s’avérer supérieures. Ses avertissements surviennent après des décennies de travaux pionniers dans le domaine, notamment des contributions fondamentales aux réseaux de neurones convolutifs et à l’apprentissage profond.
“Il y a cet effet de troupeau où tout le monde dans la Silicon Valley doit travailler sur la même chose”, a déclaré LeCun. “Cela ne laisse pas beaucoup de place à d’autres approches qui pourraient être beaucoup plus prometteuses à long terme.”
Le message sous-jacent est clair : l’industrie de l’IA doit élargir ses horizons, remettre en question les hypothèses dominantes et explorer des approches fondamentalement différentes si elle espère parvenir à une véritable intelligence dans les machines. Sans diversification, les progrès actuels pourraient stagner, laissant le domaine dans un état de stagnation malgré des investissements massifs.
L’avenir du développement de l’IA dépend de la reconnaissance de ces limites et de la promotion d’un paysage de recherche plus expérimental et moins conformiste.
