L'IA est en train de tout résoudre ! 5 dingueries au parfum d'AGI

9.4/10

IARenaud Dékode18 septembre 2026 à 14:2650:51

Lecteur audio

0:00 / 0:00

INTRO

OpenAI, World Labs et Google DeepMind font progresser l’IA vers des domaines de pointe, notamment les mathématiques non résolues, le jeu autonome, la modélisation de mondes 3D et la génomique humaine, suscitant à la fois des espoirs scientifiques et des inquiétudes en matière de gouvernance.

POINTS CLÉS

OpenAI signale des progrès sur un deuxième problème du prix du millénaire

Après avoir affirmé avoir progressé sur Navier-Stokes, OpenAI a indiqué des avancées substantielles sur un deuxième des sept problèmes du prix du millénaire définis par le Clay Mathematics Institute, chacun doté d’une récompense de 1 million de dollars. L’entreprise n’a pas identifié la cible, mais les spéculations se concentrent sur la conjecture de Hodge, un problème majeur de géométrie algébrique et de topologie, avec d’éventuelles retombées en informatique, en physique et en cryptographie.

Les chercheurs en mathématiques restent divisés

Les réactions dans le monde des mathématiques sont mitigées. Certains chercheurs accueillent favorablement tout outil aidant à résoudre des problèmes anciens, tandis que d’autres se demandent si une preuve produite par l’IA constitue une méthode réellement nouvelle ou seulement une recherche computationnelle opaque. L’affirmation précédente sur Navier-Stokes est toujours en cours d’examen, et le différend autour de travaux humains parallèles a renforcé l’attention portée au crédit, à l’accès et à l’éthique de la recherche.

Le coût et le secret de l’IA mathématique de frontière deviennent des enjeux centraux

Les percées rapportées reposent sur des modèles internes spécialisés et sur d’énormes budgets de calcul mesurés en millions de dollars. Cela signifie que la capacité à orienter la science fondamentale pourrait se concentrer dans des laboratoires privés plutôt que dans la communauté universitaire au sens large. Pour les critiques, la principale inquiétude n’est pas seulement de savoir si les preuves tiennent, mais si des avancées scientifiques essentielles deviennent dépendantes de systèmes inaccessibles que très peu d’acteurs extérieurs peuvent auditer.

GPT Astra montre une autre forme de compétence dans les jeux vidéo

Des tests menés par des évaluateurs indépendants ont montré que GPT Astra pouvait jouer via la même interface qu’un humain, en utilisant les visuels à l’écran ainsi que le clavier et la souris, plutôt qu’un accès direct au code. Dans Minecraft, le modèle aurait appris à partir de zéro la collecte de ressources, le combat et la gestion de base, puis construit de façon autonome des stratégies efficaces. Cela marque une rupture avec les anciens agents de jeu, étroitement intégrés au moteur du jeu et limités par des interfaces scriptées.

Un comportement inattendu est apparu pendant le jeu

Un détail marquant est survenu après qu’une explosion de creeper a détruit des objets stockés et un lit dans Minecraft. Le modèle s’est adapté en gardant les objets de valeur sur lui plutôt que dans des coffres et a commencé à éviter les grandes formes vertes après avoir confondu du bambou avec des menaces. Il a ensuite adopté un comportement agricole plus sûr et à faible risque, que des observateurs ont décrit comme une forme de prudence apprise par l’expérience plutôt que par programmation explicite.

Les performances ont fortement progressé sur les jeux de référence

Les mêmes tests ont fait état de gains majeurs sur d’autres titres. Pokémon FireRed aurait été terminé en environ 18 heures, contre des modèles antérieurs qui échouaient même après plus de 100 à 200 heures. Dans Factorio, des systèmes d’IA auparavant bloqués sur la mise en place de l’électricité seraient parvenus jusqu’au lancement de fusées en environ 10 heures. Sur le benchmark de type ARC-AGI, un modèle précédent obtenait environ 7 à 8 %, tandis que GPT Astra aurait atteint 63 %.

World Labs dévoile Atlas pour l’IA spatiale 3D

World Labs, dirigé par Fei-Fei Li, a présenté Atlas, un modèle conçu pour reconstruire et générer des environnements 3D navigables à partir de texte, d’images et de vidéo. Contrairement à la génération d’images classique, le système vise à inférer un monde spatial cohérent pouvant être exploré depuis de nouveaux points de vue. Les démonstrations ont montré des scènes reconstruites à partir d’une ou plusieurs images, avec une géométrie manquante extrapolée de manière plausible puis affinée lorsque de nouvelles vues sont ajoutées.

L’impact commercial pourrait aller bien au-delà du graphisme

Une IA spatiale de ce type pourrait affecter l’architecture, la simulation, le cinéma, la robotique et le développement de jeux. Une seule image d’un jardin ou d’une maison peut devenir une scène manipulable plutôt qu’une image plate, réduisant potentiellement le travail nécessaire au prototypage et à la conception d’environnements. Plus largement, cela montre que l’IA évolue de la synthèse du langage et des images vers des représentations machine du monde physique.

Google DeepMind cartographie les effets des variations de l’ADN

Google DeepMind a aussi présenté AlphaGenome Atlas, décrit comme une carte prédictive des changements possibles des lettres de l’ADN à travers le génome humain. Le projet aurait généré environ 1 pétaoctet de données en modélisant les effets des substitutions à l’échelle du génome. Pour les chercheurs travaillant sur les maladies rares et les troubles génétiques inexpliqués, cet outil pourrait réduire fortement le temps nécessaire pour évaluer si une mutation suspectée a des chances d’être significative.

Une nouvelle couche pour le diagnostic et la découverte de médicaments

Le système est conçu pour fonctionner avec AlphaMissense, qui relie certaines mutations à leur pertinence pathologique, créant un flux de travail capable d’aller des symptômes observés vers des causes génétiques plausibles plus rapidement qu’une analyse manuelle. Cela ne produit pas de traitements à lui seul, mais peut resserrer les cibles de futurs développements thérapeutiques. L’enjeu stratégique est que de telles capacités pourraient s’articuler naturellement avec des efforts commerciaux comme Isomorphic Labs, soulevant des questions sur l’équilibre entre valeur scientifique publique et monétisation privée.

CONCLUSION

L’IA ne progresse plus seulement grâce à de meilleurs agents conversationnels; elle s’étend désormais à la génération de preuves, à l’interaction stratégique, à la modélisation spatiale et à l’interprétation génomique. Le défi émergent est de savoir si les sociétés pourront maintenir ces avancées ouvertes, vérifiables et largement bénéfiques à mesure que les capacités se concentrent dans un petit nombre de laboratoires privés.

Poser une question

Transcription complète

Sur le même sujet : IA