Alors que 2025 s'achève, que retenir des moments scientifiques qui ont marqué l'année ? Entre un mystérieux visiteur stellaire, des statues vieilles de plusieurs siècles et des crises écologiques, 2025 fut riche en surprises.
On connait Google pour ses produits et services grand public, mais l'entreprise est aussi très active dans la recherche fondamentale. Au point, d'ailleurs, que certains employés actuels ou passés ont fini par avoir un prix Nobel. En l'espace de deux ans, la firme de Mountain View est passée de zéro à cinq Nobel. Signe de son implication dans la tech de pointe.
Des chercheurs de l'Université de Standford ont publié une étude mettant en avant, grâce à un modèle d'intelligence artificielle, des propriétés physiques fondamentales de la glace en Antarctique. Cette étude permet d'anticiper la fonte de la calotte glaciaire, nécessaire en ces temps de changement climatique.
L’IA appliquée à la robotique a le vent en poupe. Pour exemple, Physical Intelligence, une jeune start-up basée à San Francisco a annoncé lundi dernier avoir levé la somme de 400 millions de dollars lors d’un tour de table mené par Jeff Bezos, fondateur et président exécutif du conseil d’administration d’Amazon, Thrive Capital et Lux Capital. OpenAI, Redpoint Ventures et Bond figurent parmi les autres investisseurs.
A son lancement, en mars dernier, Physical Intelligence (Pi) annonçait avoir reçu des financements initiaux de 70 millions de dollars apportés par de Khosla Ventures, Lux Capital, OpenAI, Sequoia Capital et Thrive Capital. Grâce à cette dernière levée de fonds, la start-up serait aujourd’hui valorisée à environ 2 milliards de dollars.
Son PDG et cofondateur Karol Hausman était auparavant chercheur scientifique chez Google DeepMind. Pi déclare sur son site :
“L’intelligence physique apporte l’IA à usage général dans le monde physique. Nous sommes un groupe d’ingénieurs, de scientifiques, de roboticiens et de bâtisseurs d’entreprise qui développent des modèles de fondation et des algorithmes d’apprentissage pour alimenter les robots d’aujourd’hui et les appareils à commande physique du futur”.
Son objectif est de développer un modèle d’IA polyvalent, capable de piloter divers robots et dispositifs physiques pour des applications multiples. Contrairement à la robotique traditionnelle, souvent axée sur des tâches spécifiques et répétitives dans des environnements contrôlés, Physical Intelligence travaille à créer une IA plus adaptative pour des interactions dans le monde réel.
Elle a d’ailleurs partagé sur son blog le 31 octobre dernier le fruit de son travail des huit derniers mois : π0 (pi-zéro) et détaille son approche dans un article, expliquant :
“À l’instar des LLM, notre modèle est formé sur des données larges et diverses et peut suivre diverses instructions textuelles. Contrairement aux LLM, il s’étend sur des images, du texte et des actions et acquiert de l’intelligence physique en s’entraînant sur l’expérience incarnée de robots, apprenant à émettre directement des commandes motrices de bas niveau via une nouvelle architecture. Il peut contrôler une variété de robots différents et peut être soit invité à effectuer la tâche souhaitée, soit affiné pour le spécialiser dans des scénarios d’application difficiles”.
π0 est entraîné à partir de données multitâches et multirobots, incluant des tâches complexes comme plier du linge, nettoyer des tables, et assembler des boîtes. Il utilise un modèle de langage visuel (VLM) pré-entraîné, capable de manipuler des objets avec précision en temps réel grâce à un nouveau système d’appariement de flux pour des actions continues. Il peut ainsi être adapté rapidement pour de nouvelles tâches, surmontant ainsi les limites des modèles précédents.
La société qui collabore avec plusieurs entreprises et laboratoires de robotique, notamment pour affiner les conceptions matérielles pour la téléopération et l’autonomie, reconnait qu’il lui reste “un long chemin à parcourir”. Cependant, pour elle, “ces premiers résultats brossent un tableau prometteur pour l’avenir des modèles de fondation robotique”.
Le nouveau numéro du magazine ActuIA vient de sortir, et il est rempli de découvertes fascinantes. Plongez dans les entrailles de la Terre avec notre dossier sur la géophysique et la manière dont l’IA révolutionne notre compréhension des phénomènes naturels. Des séismes aux éruptions volcaniques, l’intelligence artificielle offre des outils inédits pour prévoir, analyser et comprendre ces manifestations spectaculaires de la nature.
Dans ce numéro, nous explorons comment l’IA est en train de transformer le domaine de la géophysique. Grâce aux techniques avancées de machine learning et de deep learning, les chercheurs sont désormais capables d’analyser des volumes gigantesques de données sismiques, de détecter des signaux auparavant imperceptibles et de mieux comprendre les mécanismes à l’œuvre lors des phénomènes tectoniques. Estelle Delouche, chercheuse au Centre R&D de Talan, nous livre une analyse approfondie des dernières avancées technologiques qui ont permis des percées majeures dans la prévision des séismes. Elle explique comment les techniques de traitement du signal et la modélisation des données géophysiques ont évolué grâce à l’apprentissage automatique, permettant de mieux comprendre les mouvements des plaques tectoniques. Elle détaille également comment ces nouvelles méthodes d’analyse aident à réduire le nombre de fausses alertes, un problème qui a longtemps compliqué la gestion des risques sismiques.
Nous nous penchons également sur l’utilisation des systèmes d’intelligence artificielle pour la prédiction des éruptions volcaniques. Grâce à des modèles prédictifs sophistiqués, les scientifiques peuvent désormais analyser les variations de pression, les émissions de gaz et d’autres paramètres volcaniques afin de prévoir les éruptions bien avant qu’elles ne se produisent. Ce travail préventif est crucial pour la sécurité des populations vivant à proximité des volcans actifs, comme l’illustre un cas d’étude en Amérique Centrale.
Ce dossier présente également un focus sur la manière dont la géophysique bénéficie de l’analyse des données issues de satellites et de capteurs installés aux quatre coins du monde. Ces dispositifs, combinés à la puissance des algorithmes d’IA, permettent une surveillance continue des phénomènes naturels. Nous vous dévoilons des exemples concrets de la façon dont les données satellitaires, croisées avec des analyses de terrain, ont permis de découvrir des dynamiques de failles sismiques jusqu’alors inconnues.
Un autre point fort de ce numéro est l’analyse des nouvelles approches de modélisation des risques environnementaux. L’IA est désormais capable de simuler des scénarios variés pour aider les autorités à se préparer face aux catastrophes naturelles potentielles. Par exemple, nous examinons comment les modèles de prévision probabiliste, basés sur des techniques d’apprentissage automatique, sont utilisés pour évaluer les risques de glissements de terrain, particulièrement dans les zones montagneuses vulnérables.
Avec des visualisations captivantes et des explications détaillées, nous vous offrons une compréhension approfondie de l’état actuel de la recherche en géophysique grâce à l’IA.
Que vous soyez un professionnel de l’IA, un scientifique ou simplement curieux de découvrir comment la technologie peut nous aider à mieux appréhender notre environnement, ce dossier est fait pour vous. Vous y trouverez des interviews de chercheurs de premier plan, des études de cas illustratives, ainsi que des explications claires sur les algorithmes utilisés pour déchiffrer les secrets de notre planète.
Retrouvez ce dossier et bien plus encore dans le nouveau numéro d’ActuIA, le magazine de référence pour les professionnels de l’intelligence artificielle. Restez à l’affût des innovations qui façonnent notre monde et découvrez comment l’IA peut révéler les mystères de la Terre !
La rentrée est là, et le nouveau numéro du magazine ActuIA est prêt à vous accompagner dans cette période de renouveau. Que vous le choisissiez en version numérique ou papier, il sera la lecture idéale pour tous les professionnels et passionnés de l’IA, que ce soit à la maison, au bureau, ou même dans les transports !
Ce numéro, bientôt disponible, vous propose un retour sur les temps forts de l’été avec nos traditionnelles rubriques : un condensé des actualités marquantes, les levées de fonds, notre rubrique pop culture pour stimuler votre curiosité, mais aussi des dossiers d’analyse essentiels sur l’impact de l’IA dans le secteur professionnel, et les enjeux cruciaux de l’IA en Russie. Ne manquez pas cette occasion de rester informé et inspiré pour cette nouvelle saison !
Actualités
Une revue de toutes les actualités de ces derniers mois : droit, éthique, santé, projets de recherche, business… Retrouvez toutes les informations qu’il ne fallait pas louper ce dernier trimestre en France comme à l’étranger.
Levées de fonds
Une sélection de levées de fonds récentes dont bien évidemment celle de Spotlight Medical, enrichie d’une analyse de Stéphane Nachez, Directeur de la publication d’ActuIA.
Adopter l’IA ? Oui, mais avec optimisme
Jean-Marc Bonnet, Sales Technology Director chez Teradata, nous apporte son regard sur l’intégration de l’IA dans les entreprises.
Altair : un pionnier au cœur de l’intégration de l’IA
Interview de François Weiler, Président d’Altair France. Découvrez comment Altair transforme l’intégration de l’IA et accompagne les entreprises dans leurs décisions stratégiques à travers des solutions pragmatiques et sur-mesure.
L’IA et l’éducation : Qu’en est-il ?
Focus sur les formations et les ressources mises en place par la région académique PACA afin d’acculturer les enseignants aux systèmes d’IA, avec Romain Estampes, Chargé de mission à la DRANE PACA (Délégation régionale académique au numérique éducatif).
L’intelligence artificielle au service du droit : méthodes, outils et enjeux
Dr. William Babonnaud, Dr. Alexandra Benamar, Dr. Sophie Fayad du Centre R&D de Talan, vous font découvrir les outils d’IA développés au service du domaine juridique.
La « passe beauty » : le photoshop du cinéma
Dans cet article de la rubrique Pop culture, notre journaliste, Amira Hadak, vous propose une analyse des usages de l’IA dans le cinéma.
L’intelligence artificielle pour mieux comprendre notre planète
Plongez au cœur des sciences de la Terre avec Dr. Delouche Estelle du Centre R&D de Talan. Cette dernière vous expliquera comment l’IA peut s’avérer très utile dans le domaine de la géophysique.
Sélection du comité scientifique
Zoom sur deux publications scientifiques qui ont retenu l’attention de notre comité scientifique au cours des derniers mois.
Téléphones portables, Education & Interdictions : Ce que nous enseigne l’IA !
En cette rentrée 2024, certains établissements scolaires ont banni les téléphones portables. Laurence Vanin, philosophe et essayiste, s’exprime sur le sujet en détaillant les raisons de ces interdictions de plus en plus présentes dans le cadre scolaire.
IA et emploi : la grande inconnue
Dans ce dossier, nous abordons l’IA au sein du monde du travail. Entre des entretiens avec Cyril Dallois, Secrétaire national de l’Union Générale des Ingénieurs, Cadres et Techniciens (UGICT), et Yann Ferguson, Sociologue à INRIA et Directeur scientifique du LaborIA, et des analyses des différents terrains explorer par l’IA dans le secteur professionnel, l’adoption de l’IA par les entreprises n’aura plus de secret pour vous ! Emmanuelle Blons, Auteure, conférencière et spécialiste de la transformation digitale et des RH Belkacem Laïmouche, Pilote du groupe « Ressources Humaines » du Hub France IA viennent compléter le dossier.
Confiance.ai propose une méthodologie outillée au service du développement d’une IA industrielle et responsable
Focus sur Confiance.ai, le livrable technologique du défi sur l’IA vérifiable et certifiable. Juliette Mattioli (Thales), Morayo Adedjouma (CEA), Raphael Braud (IRT SystemX), Bertrand Braunschweig (IRT SystemX), Loic Cantat (IRT SystemX), Philippe Dejean (IRT Saint Exupéry), Ingrid Fiquet (Sopra Steria), Rodolphe Gelin (Renault), Joseph Machrouh (Thales), Karla Quintero (IRT SystemX), Boris Robert (IRT Saint Exupéry), et Fabien Tschirhart (IRT SystemX), nous apportent leurs connaissances sur ce programme de recherche français sur l’IA de confiance.
Parole d’experts
Ce numéro met en lumière trois experts en intelligence artificielle. Découvrez les expertises de Sandrine Henry, Data Analyst et consultante chez Pragma 9, Julien Briot-Hadar, Auteur, formateur et conférencier expert en compliance et de Mélanie Lopez Malet, Senior data scientist.
L’IA russe à la croisée des chemins
« Celui qui dominera l’IA dominera le monde », a déclaré Vladimir Poutine, en 2017. Placé au cœur de la vision russe du pouvoir mondial, l’IA est perçue comme un levier de compétitivité économique, mais aussi comme un outil crucial pour asseoir la puissance géopolitique du pays. Ce dossier vous fera découvrir la route empruntée par la Russie dans cette course mondiale à l’intelligence artificielle ainsi que les défis auxquels le pays se heurte. Un article complété par une proposition de trois personnalités russes à suivre.
Des chercheurs du MIT et de l’Université de Bâle ont utilisé l’IA générative pour développer une technique basée sur la physique afin de classer les transitions de phase dans les matériaux ou les systèmes physiques. Cette méthode, nettement plus efficace que les approches d’apprentissage automatique traditionnelles, pourrait transformer la manière dont les scientifiques explorent les propriétés des matériaux. Leurs résultats ont été récemment publiés dans la revue Physical Review Letters.
Les diagrammes de phase sont fondamentaux en physique et essentiels pour la compréhension du comportement des matériaux dans diverses conditions. Ils décrivent les états dans lesquels un matériau peut exister : l’eau, par exemple, peut être trouvée sous forme de glace, de liquide ou de vapeur. Entre ces phases, des transitions de phase se produisent en fonction de différents paramètres tels que la température ou la pression.
Les transitions de phase sont un sujet de recherche très actif, les scientifiques s’intéressent particulièrement aux transitions dans des matériaux moins conventionnels ou des systèmes complexes, tels que le passage d’un conducteur ordinaire à un supraconducteur ou d’un état non magnétique à un état ferromagnétique. Ces transitions sont détectées grâce à un “paramètre de commande” qui varie de manière significative lors du changement de phase.
Cependant, le calcul des diagrammes de phase est extrêmement complexe, reposant traditionnellement sur une expertise théorique approfondie et des techniques manuelles fastidieuses. Les systèmes physiques sont en effet constitués de nombreuses particules interagissant entre elles, créant une multitude d’états possibles, états qui étaient classés jusque-là grâce aux réseaux de neurones.
Julian Arnold, doctorant dans le groupe de Christoph Bruder de l’Université de Bâle, explique :
“Le problème est qu’un solide ou un liquide est constitué de très nombreuses particules – atomes ou molécules. Ces particules interagissent, c’est-à-dire qu’elles s’attirent ou se repoussent ; ils forment ce que l’on appelle un système à N corps. Il existe de nombreuses possibilités pour l’état général du matériau – caractérisé par la position des particules, mais aussi des propriétés supplémentaires, telles que l’orientation des spins, qui indiquent la direction de l’aimantation”.
Les chercheurs du MIT et de l’Université de Bâle ont exploité des modèles génératifs d’IA pour développer un cadre d’apprentissage automatique capable de cartographier automatiquement les diagrammes de phase des systèmes physiques. Contrairement aux classificateurs discriminants, les modèles génératifs estiment la distribution de probabilité des données et peuvent générer de nouveaux points de données qui correspondent à cette distribution, ce qui permet de construire un classificateur basé sur la physique sans nécessiter de grandes quantités de données d’entraînement.
Cette approche est inspirée de modèles d’IA générative comme ChatGPT, qui utilisent des algorithmes complexes pour générer du contenu nouveau à partir de données existantes. En appliquant cette technique aux systèmes physiques, les chercheurs peuvent estimer approximativement les distributions de probabilité des états du système, permettant une classification plus efficace et précise des phases.
Frank Schäfer, postdoctorant au laboratoire Julia du laboratoire d’informatique et d’IA (CSAIL) et co-auteur, souligne :
“C’est une très bonne façon d’incorporer quelque chose que vous savez sur votre système physique au plus profond de votre schéma d’apprentissage automatique. Cela va bien au-delà de la simple ingénierie des caractéristiques sur vos échantillons de données ou de simples biais inductifs”.
Julian Arnold teste actuellement cette méthode sur des modèles de trous noirs pour détecter leurs transitions de phase. À l’avenir, cette technique pourrait automatiser les laboratoires de physique, l’algorithme définissant automatiquement les paramètres de contrôle des expériences et calculant immédiatement les diagrammes de phase à partir des données mesurées. Les scientifiques pourraient également utiliser cette approche pour résoudre différentes tâches de classification binaire dans les systèmes physiques.
Il est intéressant de noter que cette méthode inspirée de ChatGPT peut également être appliquée à des modèles de langage comme ChatGPT lui-même. Par exemple, la “température” de ChatGPT peut être ajustée pour contrôler la créativité de l’algorithme. Une température basse produit des résultats prévisibles, tandis qu’une température élevée génère du texte plus aléatoire et chaotique. La technique des chercheurs pourrait déterminer la transition optimale entre ces phases et ajuster les modèles de langage en conséquence.
Sources de l’article :
“Mapping Out Phase Diagrams with Generative Classifiers” : https://doi.org/10.1103/PhysRevLett.132.207301
Julian Arnold1, Frank Schäfer2, Alan Edelman2,3, et Christoph Bruder1
Connexion