OpenAI a lancé cette semaine GPT-4, une nouvelle génération de son modèle d'intelligence artificielle capable de traiter des données textuelles et visuelles, de générer des réponses textuelles et de surpasser son prédécesseur sur de nombreux tests de performance professionnels et académiques. Microsoft a simultanément confirmé que la nouvelle interface de recherche Bing était déjà basée sur GPT-4, faisant de son lancement un test immédiat de la rapidité avec laquelle les IA de pointe peuvent passer de la recherche aux produits grand public.

L'annonce de lancement d'OpenAI, datée du 14 mars, décrit GPT-4 comme un vaste modèle multimodal qui, bien que moins performant que les humains dans de nombreuses situations concrètes, affiche des performances que l'entreprise qualifie de comparables à celles des humains lors de plusieurs évaluations standardisées. Le test le plus frappant est une simulation d'examen du barreau : GPT-4 s'est classé parmi les 10 % meilleurs candidats , contre environ 10 % pour GPT-3.5.

L'entrée multimodale élargit le champ d'interprétation du modèle

Le changement architectural le plus important visible pour les utilisateurs est la multimodalité. GPT-3.5 et l'expérience ChatGPT originale fonctionnent principalement avec du texte. GPT-4 peut accepter des images ainsi que du texte et raisonner sur cette combinaison, permettant à un utilisateur de fournir une photographie, un diagramme, un graphique ou une capture d'écran et de poser des questions sur son contenu. OpenAI rend initialement la fonctionnalité de texte disponible via ChatGPT Plus et une liste d'attente pour l'API développeur, tandis que la saisie d'images reste dans une version préliminaire de recherche plus limitée.

Le rapport technique ce document présente les performances de référence du modèle GPT-4 dans divers domaines tels que le droit, la médecine, les mathématiques, la lecture, l'écriture et d'autres disciplines. OpenAI indique que GPT-4 obtient également d'excellents résultats sur les versions multilingues des tests courants de modèles de langage. L'entreprise souligne toutefois que ces résultats de référence ne signifient pas que le modèle possède un jugement professionnel fiable ni qu'il puisse être utilisé sans évaluation dans des situations à forts enjeux.

Ce rapport est également remarquable par ce qu'il omet de divulguer. OpenAI fournit relativement peu de détails sur la taille du modèle, le matériel utilisé, la puissance de calcul pour l'entraînement, la construction de l'ensemble de données ou l'architecture, invoquant le contexte concurrentiel et les implications en matière de sécurité liées aux modèles très performants. Cela marque une rupture avec la transparence technique plus complète qui accompagnait certaines recherches antérieures sur les grands modèles de langage et risque d'intensifier le débat sur la quantité d'informations que les développeurs de modèles de pointe devraient publier.

Microsoft confirme que GPT-4 était déjà intégré à Bing

Microsoft a levé un voile sur un mystère majeur dès le lancement. Dans un article de blog du 14 mars consacré à la recherche Bing, l'entreprise a confirmé que son nouveau moteur de recherche Bing fonctionnait sur une version personnalisée de GPT-4 depuis le début de la période de prévisualisation. Les utilisateurs ayant testé la recherche conversationnelle de Bing au cours des cinq dernières semaines ont donc déjà pu interagir avec une version préliminaire de ce modèle.

Cette confirmation illustre le lien étroit qui unit désormais la recherche d'OpenAI et la stratégie produit de Microsoft. Microsoft a investi massivement dans OpenAI, fournit l'infrastructure Azure pour ses modèles et intègre l'IA générative à ses logiciels de recherche et d'entreprise. Le lancement de GPT-4 offre à Microsoft une nouvelle couche de modélisation capable de prendre en charge des produits bien au-delà de Bing, tandis que Google et d'autres entreprises technologiques accélèrent le déploiement de leurs propres solutions d'IA générative.

Un article de Reuters décrivait ce lancement comme s'inscrivant dans une concurrence accrue quant à l'utilisation de l'IA générative par les employés de bureau, les développeurs et les consommateurs. L'article précisait que la version à saisie de texte était accessible aux abonnés de ChatGPT Plus et aux développeurs inscrits sur liste d'attente, tandis que la saisie d'images n'était pas encore disponible pour le grand public.

Les premiers clients témoignent de la rapidité avec laquelle GPT-4 s'intègre aux produits

OpenAI s'appuie sur plusieurs partenaires de la première heure pour démontrer que GPT-4 est conçu comme une plateforme et non comme un simple chatbot. La société de paiements Stripe utilise ce modèle pour le support, la classification des entreprises et les processus liés à la fraude. Selon une étude de cas , Stripe a mobilisé 100 employés pour explorer les applications de GPT-4 et a identifié des dizaines de cas d'utilisation potentiels, notamment la synthèse de sites marchands et l'aide aux développeurs pour la consultation de la documentation technique.

Les entreprises du secteur de l'éducation expérimentent également ce modèle. Le service d'apprentissage des langues Duolingo a intégré des fonctionnalités basées sur GPT-4 pour les jeux de rôle et les explications justifiant ou non une réponse. La Khan Academy teste un assistant de tutorat basé sur GPT-4. Ces exemples mettent en lumière une différence importante entre un modèle généraliste et un produit fini : le modèle fournit les capacités de langage et de raisonnement, tandis que le concepteur de l'application détermine les informations qu'il reçoit, la manière dont il est guidé et le niveau d'intervention humaine.

Un article de TechCrunch mentionnait également Morgan Stanley, Stripe, Duolingo et la Khan Academy parmi les premiers utilisateurs. OpenAI facture l'accès à son API en fonction du nombre de jetons d'entrée et de sortie traités, établissant ainsi un modèle économique direct pour les entreprises souhaitant intégrer GPT-4 à leurs logiciels plutôt que d'utiliser ChatGPT comme service indépendant.

Les travaux de sécurité améliorent le modèle mais n'éliminent pas les hallucinations

OpenAI indique avoir consacré environ six mois à l'alignement itératif et aux tests adverses avant la publication. La fiche système GPT-4, distincte, détaille les évaluations portant sur les contenus préjudiciables, la cybersécurité, la protection de la vie privée, les informations à risque biologique, les requêtes non autorisées et d'autres domaines où un modèle plus performant pourrait engendrer des problèmes de sécurité plus importants en cas de déploiement négligent.

L'entreprise indique que GPT-4 est moins susceptible que GPT-3.5 de produire certains types de contenu interdit et obtient de meilleurs résultats lors des évaluations internes de véracité des faits. Cependant, OpenAI met régulièrement en garde contre les limites de la fiabilité de GPT-4. Ce modèle peut produire des faits erronés, commettre des erreurs de raisonnement, accepter de fausses prémisses et utiliser un langage assuré qui surestime la qualité de sa réponse. Ces limitations sont d'autant plus importantes que l'amélioration de la fluidité et des performances de référence peut rendre les erreurs plus difficiles à détecter pour les utilisateurs.

Pour les applications professionnelles, l'enjeu ne se limite pas à l'efficacité du modèle lors d'une démonstration. Il s'agit plutôt de savoir si les organisations sont capables de mettre en place des systèmes qui vérifient les résultats, restreignent l'accès aux données sensibles, enregistrent le comportement du modèle et définissent les situations où une intervention humaine est nécessaire avant qu'une réponse n'ait des répercussions sur un client, un patient, une décision financière ou une procédure judiciaire.

La question concurrentielle n'est plus de savoir s'il faut déployer l'IA, mais à quel rythme

GPT-4 arrive seulement trois mois et demi après le lancement public de ChatGPT, qui a transformé l'IA générative d'une technologie de niche en un phénomène grand public. Ce rythme effréné oblige désormais les entreprises technologiques à prendre des décisions dans des délais exceptionnellement courts. Microsoft a déjà intégré le modèle à son moteur de recherche. Les développeurs se bousculent pour obtenir un accès à l'API. Les entreprises des secteurs des paiements, de l'éducation et de la finance testent des flux de travail en production avant même que les capacités de traitement d'images du modèle ne soient largement disponibles.

L'avantage concurrentiel à court terme pourrait donc dépendre moins de la capacité à démontrer un modèle de langage que de celle à le connecter de manière sécurisée à des données et des flux de travail pertinents. Les moteurs de recherche disposent d'index web. Les banques ont des systèmes de recherche et de conformité. Les établissements d'enseignement ont des programmes et des historiques d'apprentissage. Les éditeurs de logiciels d'entreprise ont des données clients, commerciales et opérationnelles. GPT-4 peut fournir une couche générale de raisonnement et de génération, mais ce sont les données environnantes, les contrôles et la conception du produit qui détermineront l'utilité de cette capacité.

La publication d'OpenAI nous rappelle également que de meilleures performances aux tests de référence ne résolvent pas les grandes questions relatives à l'IA. Le modèle est plus performant, mais reste opaque sur d'importants points techniques et toujours sujet à l'erreur. Il peut interpréter davantage de types de données d'entrée, mais l'accès à cette fonctionnalité est progressif. Déjà intégré à un produit Microsoft majeur, il n'a pourtant que récemment fait l'objet d'une étude approfondie par les entreprises quant à la manière d'en encadrer son utilisation.

Ce qui a changé cette semaine, c'est la donne. L'IA générative, qui paraissait extraordinaire lors du lancement de ChatGPT en novembre, dispose désormais d'un successeur plus performant, d'une interface multimodale et d'un écosystème commercial en pleine expansion. L'importance de GPT-4 se mesurera finalement non pas aux examens simulés, mais à la capacité des développeurs à transformer ses fonctionnalités en outils fiables, sans que la confiance du modèle ne dépasse sa précision.