Le modèle o3 d’OpenAI : une IA qui flirte avec l’intelligence humaine

Le futur que nous redoutions est-il déjà là ?

0 𝕏

© Sebastian Voortman / Pexels 𝕏

Les systèmes d’IA actuels sont encombrés par plusieurs limitations majeures, qui les empêchent reproduire pleinement la complexité de la pensée humaine, nous avions abordé le sujet dans cet article. Cela n’empêche pas pour autant les ténors du secteur de continuer leurs efforts pour développer un jour LE modèle qui surpassera tous les autres et décrocher peut-être un jour le trophée de l’IAG (Intelligence Artificielle Générale). Une forme très avancée d’intelligence artificielle qui vise à créer des machines capables de comprendre, d’apprendre et d’accomplir une variété de tâches intellectuelles de manière semblable à un être humain.

Le 20 décembre dernier, une annonce discrète d’OpenAI a secoué la communauté scientifique : leur nouveau modèle o3 a atteint un score de 85 % au test ARC-AGI (Algorithmic Reasoning Corpus-Artificial General Intelligence), dépassant largement la meilleure performance précédente de 55 % obtenue par d’autres systèmes d’IA, et rivalisant avec les capacités humaines moyennes.

L’efficience d’apprentissage, nouveau paradigme de l’IA

Le test ARC-AGI se distingue fondamentalement des évaluations conventionnelles d’intelligence artificielle. Au cœur de son fonctionnement réside le concept d’ « efficience d’échantillonnage » soit la capacité d’un système à déduire des règles générales à partir d’un nombre minimal d’exemples. Là où ChatGPT nécessite des millions d’échantillons pour établir des modèles probabilistes de langage, o3 démontre une aptitude remarquable à extrapoler des principes généraux à partir de quelques cas spécifiques.

Cette évaluation confronte l’IA à des puzzles visuels sous forme de grilles, où le système doit identifier les règles de transformation en s’appuyant sur seulement trois exemples (voir ci-dessous). Concrètement, l’IA observe des motifs géométriques simples qui se transforment selon des règles logiques précises : un carré peut se déplacer le long d’une ligne, une forme peut en absorber une autre, ou des éléments peuvent se combiner pour créer de nouvelles configurations. Pour réussir, le système doit non seulement comprendre ces transformations, mais aussi extrapoler la logique sous-jacente pour l’appliquer à de nouveaux cas.

Illustration d’un test ARC-AGI : chaque exemple montre une grille d’entrée et sa transformation selon une règle logique. Le défi consiste pour l’IA à identifier cette règle et l’appliquer pour produire la grille de sortie correcte, comme dans le cas de l’exemple de test. © ARC Prize

Cette méthodologie s’apparente aux tests de Quotient Intellectuel classiques, mais évalue plus spécifiquement la faculté d’adaptation rapide à des situations inédites. La différence majeure réside dans l’accent mis sur la capacité du système à formuler des hypothèses cohérentes à partir d’un nombre très limité d’observations. Une compétence fondamentale de l’intelligence naturelle que les IA peinent traditionnellement à reproduire.

Les mécanismes cognitifs d’o3

L’innovation technique d’o3 repose sur sa habileté à identifier ce que les chercheurs nomment les « règles faibles » : des corrélations subtiles et souvent implicites entre des données qui, bien que ne constituant pas des lois universelles, permettent au modèle d’établir des prédictions ou de prendre des décisions. C’est comme si o3 était capable de détecter des « indices » dans les données, lui permettant de mieux comprendre et interpréter le monde qui l’entoure. François Chollet, chercheur en IA, propose une hypothèse éclairante pour expliquer ceci : o3 explorerait différentes « chaînes de pensée », analysant diverses séquences de raisonnement avant de sélectionner la plus pertinente.

Cette approche rappelle la méthodologie d’AlphaGo, le système qui a excellé au jeu de Go en 2016, mais avec une différence fondamentale : o3 doit générer ses propres heuristiques d’évaluation pour des problèmes qu’il n’a jamais rencontrés auparavant. Le système démontrerait ainsi une forme d’intuition artificielle dans la sélection des solutions, un peu comme le ferait notre organe cérébral.

Les implications de cette percée technologique restent encore à explorer pleinement. L’accès limité au système – réservé à quelques laboratoires et institutions spécialisées dans la sécurité de l’IA – ne permet pas encore une évaluation exhaustive de ses capacités réelles. La distribution de ses performances, la fréquence de ses échecs et succès, ainsi que l’étendue de son adaptabilité nécessiteront encore des analyses pour que l’on soit certain de son potentiel.

Si les capacités d’o3 se confirment lors de son déploiement public, nous pourrions assister à une transformation radicale de l’intelligence artificielle. Cette évolution nécessitera l’élaboration de nouveaux critères d’évaluation pour l’IAG et une réflexion approfondie sur les modalités de sa gouvernance. Une IA aussi puissante pourrait avoir un impact profond sur la société, en transformant les modes de production, de travail et de vie. Il est donc impossible de faire l’impasse sur les implications éthiques et sociales de son développement et de mettre en place des garde-fous suffisamment robustes pour éviter les dérives. Dans le cas contraire, bien que représentant une avancée technique notable, son impact sur notre quotidien pourrait demeurer limité, surtout au vu des coûts effectifs (sans parler des coûts énergétiques) que représente l’entraînement d’un tel modèle et des évolutions de la réglementation.

• OpenAI a conçu un modèle d’IA capable de performances proches des humains sur un test mesurant l’adaptabilité cognitive.
• Ce modèle, nommé o3, se distingue par sa capacité à déduire des règles générales à partir de très peu d’exemples.
• Si ces résultats se confirment, o3 pourrait marquer une étape clé vers une intelligence artificielle réellement polyvalente.

[ ]