Modèles du monde : comment l'IA apprend à comprendre la réalité plutôt que le texte

Lors de sa conférence de mai, MIT Technology Review a débattu des modèles du monde (world models), qui pourraient constituer le prochain grand bond de l'intelligence artificielle. Le rédacteur en chef Mat Honan et le rédacteur senior IA Will Douglas Heaven ont examiné comment les entreprises tentent d'apprendre aux réseaux de neurones non seulement à traiter du texte, mais à comprendre réellement la réalité qui les entoure.

Qu'est-ce qu'un modèle du monde

Un modèle du monde n'est pas une énième version de LLM. C'est un système fondamentalement différent, capable de regarder des vidéos, d'analyser des images, d'interagir avec son environnement et de prédire les conséquences d'actions. Comme une personne qui voit un cube au bord d'une table et comprend qu'il va tomber. Le réseau de neurones doit acquérir cette compréhension sans instructions explicites, en l'apprenant par l'observation du monde physique.

Ces modèles changent le paradigme d'entraînement. Au schéma classique, « voici un texte, réponds à la question », succède un nouveau : « regarde la vidéo, prédis ce qui va se passer ensuite ». Cela exige une architecture totalement différente, un autre jeu de données et une autre façon d'évaluer les erreurs du modèle.

Pourquoi le texte ne suffit clairement pas

Les grands modèles de langage actuels sont des champions du traitement de l'information, mais ils sont aveugles au sens propre. Ils connaissent la gravité uniquement parce que des gens en ont parlé des millions de fois sur internet. Mais ils n'ont jamais vu un objet tomber, n'ont pas senti l'inertie, n'ont jamais expérimenté la physique. Cela crée des angles morts précis :

• Ils ne peuvent pas prédire les interactions physiques à partir de premiers principes
• Ils s'embrouillent dans les relations spatiales entre objets dans une vidéo
• Ils ne parviennent pas à saisir les relations de cause à effet dans une séquence d'images
• Ils ne sont pas en mesure de planifier des actions en s'appuyant sur la physique réelle
• Ils se trompent dans la prédiction des trajectoires et des collisions

Cette limite est particulièrement visible quand l'IA tente de piloter un robot, de planifier la logistique ou de prédire les conséquences de manipulations dans le monde réel.

Qui travaille sur les world models

OpenAI, DeepMind, Tesla et d'autres grandes entreprises investissent activement dans le développement des modèles du monde. Les approches varient. OpenAI et DeepMind s'appuient sur des jeux de données vidéo issus de YouTube et sur des simulations synthétiques. Tesla utilise des millions d'heures de vidéo captées par les caméras de ses voitures pour apprendre au système à voir le monde comme le voient les humains sur la route.

Certaines entreprises commencent par de l'apprentissage supervisé sur des vidéos annotées. D'autres recourent à l'apprentissage par renforcement dans des simulations contrôlées, où le modèle peut se tromper un million de fois sans conséquences réelles, en affinant peu à peu sa compréhension.

Ce que cela signifie

Si les entreprises parviennent à mettre à l'échelle les modèles du monde aussi bien qu'elles l'ont fait pour les LLM, l'IA passe à un autre niveau : du traitement symbolique de l'information à quelque chose de plus proche d'une véritable compréhension de la réalité physique. La robotique sortira des laboratoires. Les systèmes autonomes deviendront plus fiables. La planification de processus complexes s'accélérera.

Mais on n'en est encore qu'au début du chemin. MIT Technology Review attire l'attention sur le sujet parce que les modèles du monde sont probablement la direction la plus importante de l'IA pour les prochaines années. Les entreprises qui apprendront les premières aux réseaux de neurones à voir et à comprendre le monde obtiendront un énorme avantage concurrentiel.