\u00abLes mod\u00e8les existants sont tr\u00e8s bons pour reproduire des \u00e9l\u00e9ments m\u00e9moris\u00e9s, aliment\u00e9s par des ensembles de donn\u00e9es toujours plus grands, explique Aldo Podest\u00e0, directeur et cofondateur de Giotto.ai. Mais ils manquent de raisonnement et de compr\u00e9hension profonde du contexte. Ces outils sont aussi extr\u00eamement gourmands en infrastructure.\u00bb<\/p>\n
La plupart des IA actuelles reposent sur une architecture appel\u00e9e transformer<\/em>. Elle consiste \u00e0 analyser les relations entre tous les mots d\u2019une phrase gr\u00e2ce \u00e0 un m\u00e9canisme \u00abd\u2019attention\u00bb. En s\u2019entra\u00eenant sur d\u2019immenses corpus de textes, ces mod\u00e8les apprennent \u00e0 pr\u00e9dire le mot suivant et peuvent ainsi g\u00e9n\u00e9rer des r\u00e9ponses ou des textes coh\u00e9rents.<\/p>\n L\u2019approche de Giotto.ai vise \u00e0 reproduire une forme de raisonnement plus abstraite. Les chercheurs lausannois veulent permettre \u00e0 l\u2019IA de comprendre des r\u00e8gles ou des motifs \u00e0 partir de tr\u00e8s peu d\u2019exemples, un peu comme le ferait un \u00eatre humain face \u00e0 une nouvelle \u00e9nigme. \u00abL\u2019efficacit\u00e9 est un pilier fondamental de notre projet. Nous privil\u00e9gions des mod\u00e8les de \u2018transformers<\/em>\u2019 plus petits, capables de raisonner en temps r\u00e9el, plut\u00f4t que des mod\u00e8les g\u00e9ants qui m\u00e9morisent tout \u00e0 l\u2019avance.\u00bb<\/p>\n Pour Pascal Kaufmann, neuroscientifique et cofondateur de l\u2019institut Lab42 \u00e0 Davos, les performances actuelles des mod\u00e8les de langage donnent une image trompeuse de leur v\u00e9ritable fonctionnement. \u00abUn LLM n\u2019est finalement rien d\u2019autre qu\u2019une sorte de biblioth\u00e8que dynamique. On n\u2019a plus besoin d\u2019aller chercher les livres soi-m\u00eame. On pose une question et le livre est cr\u00e9\u00e9 \u00e0 la vol\u00e9e, mais toujours \u00e0 partir de fragments existants. Cela n\u2019a pas grand-chose \u00e0 voir avec l\u2019intelligence, m\u00eame si c\u2019est extr\u00eamement utile.\u00bb<\/p>\n Collaboration mondiale<\/strong><\/p>\n Contrairement aux grandes entreprises technologiques qui misent sur des volumes gigantesques de donn\u00e9es, Lab42 explore lui aussi une approche \u00absmall data\u00bb, fond\u00e9e sur des quantit\u00e9s d\u2019information plus limit\u00e9es. \u00abQuand il faut 300 millions d\u2019images \u00e0 l\u2019IA pour distinguer un chat d\u2019un cheval ou d\u2019une vache, il est difficile de parler d\u2019intelligence.\u00bb \u00c0 l\u2019inverse, un enfant peut regarder un chat, le caresser, et savoir pour toujours que c\u2019est un chat. C\u2019est ce type de capacit\u00e9s dont nous souhaitons nous rapprocher avec le Lab42.\u00bb<\/p>\n \u00c0 terme, l\u2019objectif est de d\u00e9velopper une intelligence artificielle de niveau humain, con\u00e7ue par des humains et pour les humains. \u00abContrairement \u00e0 d\u2019autres laboratoires d\u2019IA dans le monde, nous essayons d\u2019organiser ce projet \u00e0 l\u2019\u00e9chelle mondiale en misant fortement sur la collaboration\u00bb, explique Pascal Kaufmann.<\/p>\n \u00c0 Davos, Lab42 dispose aujourd\u2019hui d\u2019une \u00e9quipe de six personnes qui coordonnent l\u2019ensemble des activit\u00e9s avec environ 150 partenaires r\u00e9partis aux quatre coins du monde. Il s\u2019agit principalement d\u2019\u00e9tudiants et de chercheurs qui participent avec la structure grisonne \u00e0 des d\u00e9fis et \u00e0 des comp\u00e9titions en IA.\u00a0\u00abNotre positionnement consiste aussi \u00e0 observer ce qui se fait dans le monde entier, \u00e0 identifier qui travaille sur quoi. C\u2019est pour cette raison que, chaque ann\u00e9e pendant le Forum \u00e9conomique mondial, Lab42 remet, avec la fondation Mindfire, le Global AI Award.\u00bb<\/p>\n Pour le chercheur, l\u2019id\u00e9e m\u00eame d\u2019une intelligence artificielle g\u00e9n\u00e9rale (IAG) reste discutable. \u00abCela impliquerait une intelligence capable de r\u00e9soudre des probl\u00e8mes sur n\u2019importe quelle plan\u00e8te de l\u2019univers. Je pense au contraire que l\u2019intelligence est toujours li\u00e9e \u00e0 une niche sp\u00e9cifique.\u00bb<\/p>\n Et de relever qu\u2019il manque un \u00e9l\u00e9ment essentiel aux algorithmes actuels: l\u2019embodiment<\/em>, ou incarnation cognitive. \u00abL\u2019intelligence a besoin d\u2019un corps pour interagir avec le monde.\u00bb Ce concept repose sur l\u2019id\u00e9e que l\u2019intelligence \u00e9merge de l\u2019interaction d\u2019un agent avec son environnement physique \u00e0 travers des capteurs, des actions motrices et des exp\u00e9riences sensori-motrices.<\/p>\n \u00abLes grands mod\u00e8les de langage disposent d\u2019un nombre immense d\u2019\u00e9l\u00e9ments de connaissance qu\u2019ils peuvent recombiner, mais sont priv\u00e9s d’une compr\u00e9hension ancr\u00e9e dans le monde r\u00e9el, de raisonnement intuitif et d’adaptation dynamique aux contextes impr\u00e9vus.\u00bb<\/p>\n Aldo Podest\u00e0 se montre lui aussi sceptique concernant l\u2019\u00e9mergence d\u2019une intelligence artificielle g\u00e9n\u00e9rale. \u00abD\u2019une part, l\u2019IAG n\u2019a pas de d\u00e9finition claire. D\u2019autre part, c\u2019est plut\u00f4t quelque chose vers lequel on peut vouloir tendre, mais pas n\u00e9cessairement quelque chose qu\u2019il est possible d\u2019atteindre.\u00bb<\/p>\n Enjeu g\u00e9ostrat\u00e9gique<\/strong><\/p>\n Les deux experts s\u2019accordent sur la port\u00e9e strat\u00e9gique du sujet. \u00abL\u2019Europe et la Suisse risquent de perdre en autonomie si elles ne ma\u00eetrisent pas cette technologie\u00bb, souligne Aldo Podest\u00e0. Pour le chercheur, il est donc essentiel de commencer \u00e0 construire notre propre avenir technologique.<\/p>\n \u00abNos cerveaux humains sont encore ceux de l\u2019\u00e2ge de pierre, rel\u00e8ve Pascal Kaufmann. Ils ne sont pas con\u00e7us pour r\u00e9soudre des probl\u00e8mes complexes et multivari\u00e9s comme ceux que l\u2019on rencontre en m\u00e9decine ou dans la recherche scientifique. Si nous faisons les choses correctement, nous pourrions entrer dans un \u00e2ge d\u2019or gr\u00e2ce \u00e0 de nouveaux outils d\u2019IA. Pour lui, tout d\u00e9pendra cependant de qui r\u00e9alisera les perc\u00e9es d\u00e9cisives. \u00abSi ce sont des r\u00e9gimes autoritaires, cela pourrait poser un probl\u00e8me. C\u2019est pourquoi je pense que l\u2019Europe et la Suisse ont un r\u00f4le historique \u00e0 jouer dans ce domaine.\u00bb<\/p>\n ARC-AGI <\/strong><\/p>\n Le benchmark ARC-AGI (Abstraction and Reasoning Corpus) est un test con\u00e7u pour mesurer la capacit\u00e9 de raisonnement des mod\u00e8les d\u2019intelligence artificielle. Il repose sur des puzzles visuels o\u00f9 la machine doit d\u00e9duire une r\u00e8gle \u00e0 partir de quelques exemples. Les humains r\u00e9solvent plus de 95% des probl\u00e8mes, tandis que les meilleures IA affichent pour l\u2019instant une r\u00e9ussite d\u2019environ 30%.<\/p>\n![\"\"](\"https:\/\/largeur.com\/wp-content\/uploads\/2026\/04\/Images_Du_Jour_pme-ai-suisse-300x199.jpg\")
<\/p>\n
\n
\n