Les modèles de grande langue, comme ceux développés par OpenAI et Deepseek, peuvent souffrir d’une trop grande réflexion, ce qui nuit à la qualité de leurs réponses. Un nouveau cadre open source, nommé Ember, vise à inverser cette tendance en permettant une meilleure gestion du temps de réponse des modèles. Ce développement souligne une évolution significative dans la recherche sur l’intelligence artificielle.
Des modèles de langage trop réfléchis nuisent à la précision
Les grands modèles de langage tels que R1 de Deepseek et O1 d’OpenAI sont conçus pour raisonner et vérifier leurs propres réponses. Toutefois, un excès de réflexion peut entraîner des erreurs dans les résultats générés.
Jared Quincy Davis, fondateur et PDG de Foundry, a affirmé : « Plus il pense longtemps, plus il est probable que la réponse soit trompée parce qu’elle se cache ». Il a également comparé cette situation à celle d’un étudiant bloqué sur une question pendant trois heures : « C’est trop réfléchi – c’est coincé dans une boucle ».
La création d’un cadre open source nommé Ember
Face au phénomène du « trop réfléchi », Jared Davis et ses collègues chercheurs issus d’entreprises comme Nvidia, Google et IBM ont lancé le 10 octobre un cadre open source appelé Ember. Ce dernier pourrait transformer l’approche empruntée aux modèles linguistiques actuels en leur permettant mieux gérer le temps requis pour fournir des réponses cohérentes.
Davis décrit comment Ember introduit une structure pour travailler avec des systèmes multiples qui exploitent différentes combinaisons modélisées selon le contexte optimal pour chaque tâche.
Vers un modèle d’intelligence artificielle adaptatif et évolutif
Actuellement, lors de l’utilisation d’applications comme Perplexity ou ChatGPT, l’utilisateur choisit manuellement son modèle via un menu déroulant. Cependant, avec le développement futur prôné par Ember où les entreprises adapteraient eux-mêmes les résultats en faisant passer les questions entre plusieurs modèles adaptés à différents besoins spécifiques.
Davis prédit qu’à terme « au lieu d’être un million d’appels », on pourrait envisager jusqu’à « un billion » ou même « quadrillions ». Ce tri fin pourrait transformer la manière dont ces technologies réagissent face aux requêtes complexes.
L’importance croissante du routage intelligent dans l’IA
Avec cette avancée vers des systèmes capables de réaliser diverses tâches sans intervention humaine directe, il s’agit non seulement de générer des réponses mais aussi d’optimiser comment chacune est formulée selon divers facteurs contextuels.
Davis compare cette hiérarchisation complexe à celle rencontrée en génie chimique, décrivant cela comme étant une « nouvelle science ». Cette évolution marque une étape pleine potentiel alors que nous entrons davantage dans l’ère des agents IA autonomes.
