Tech • IA • Crypto
DeepMind ASI 10 ans, Huawei Tao Scaling, Abacus agents apps
Briefing
DeepMind vise l’ASI en 10 ans
Google DeepMind publie un document de 60 pages piloté par Shane Legg décrivant une trajectoire vers la superintelligence artificielle (ASI). L’ASI est présentée comme dépassant l’humain de plusieurs ordres de grandeur, équivalente à des milliers d’experts coordonnés. Le calendrier avancé évoque une fenêtre d’environ une décennie. Cette projection s’inscrit dans une accélération rapide des capacités observées.
Quatre voies techniques vers l’ASI
La feuille de route identifie quatre leviers majeurs: plus d’infrastructures GPU, des systèmes multi‑agents, de nouvelles architectures au-delà des LLM, et l’auto‑amélioration récursive. L’accent passe de modèles isolés à des écosystèmes coordonnés. Les interactions entre agents deviennent centrales pour amplifier les performances. L’ingénierie système prend le pas sur la simple taille des modèles.
Débat sur les limites des LLM
Le document questionne la capacité des modèles de langage actuels à atteindre seuls l’AGI. Les gains marginaux de l’échelle brute sont jugés insuffisants à long terme. Des architectures hybrides et des boucles d’apprentissage plus autonomes sont envisagées. Le consensus glisse vers des systèmes intégrés plutôt que des LLM monolithiques.
Du texte aux systèmes complets
L’industrie bascule de la génération de réponses vers des workflows exécutables. Les systèmes planifient, utilisent des outils et livrent des résultats exploitables. La valeur se mesure désormais à la capacité d’achever des tâches de bout en bout. Cette évolution redéfinit les critères de performance au-delà de la simple précision textuelle.
Fable élève le standard de raisonnement
Les avancées de raisonnement illustrées par Fable tirent les attentes vers le haut. Les utilisateurs privilégient des IA capables de gérer des tâches multi‑étapes cohérentes. Le raisonnement devient une brique intégrée dans des chaînes d’outils. Cela accélère la convergence entre recherche et applications opérationnelles.
Abacus AI crée des apps interactives
Abacus AI introduit des agents qui génèrent des applications plutôt que du texte. Un exemple produit un modèle 3D exploratoire de centres de données, avec couches calcul, stockage et refroidissement. L’utilisateur interagit directement avec l’artefact. L’IA devient un constructeur d’outils, pas seulement un répondant.
Sorties dynamiques: 3D et diagrammes
Les sorties évoluent vers des artefacts modifiables comme des diagrammes Lucidchart et des visualisations interactives. Ces livrables sont éditables et intégrables dans des workflows métiers. La frontière entre génération et production s’efface. L’IA sert de moteur de création d’objets numériques opérationnels.
Huawei défie Moore avec Tao Scaling
Huawei propose la Tao Scaling Law, centrée sur l’efficacité du signal plutôt que la taille des transistors. Avec plus de 75 % du délai lié aux interconnexions, l’optimisation des liaisons devient clé. Les contraintes depuis 2019 et l’absence d’EUV ASML limitent SMIC autour de 7 nm. Cette approche cherche à contourner un écart estimé à 10–15 ans avec les leaders.
Vidéos couvertes
Quand Sanders ET Trump sont d'accord, c'est que la situation est grave !
- •DeepMind trace une voie vers la superintelligence
- •Quatre voies techniques identifiées
- •Débat sur les limites des modèles de langage
This Is The First Real Shape Of AGI: Fusion Agents
- •Des modèles aux systèmes
- •Impact du raisonnement de type « Fable »
- •Agents générateurs d’applications d’Abacus AI
Personne ne réalise ce que la Chine vient de créer
- •Un défi à la domination de la loi de Moore
- •Les sanctions américaines redessinent le paysage concurrentiel
- •L’émergence de la “Tao Scaling Law”