Un nouvel « hiver de l’IA » est-il en vue ?

Le domaine de l’intelligence artificielle (IA) a connu une renaissance au cours de la dernière décennie, marquée par des avancées révolutionnaires dans le domaine de l’apprentissage automatique, du traitement du langage naturel et de l’IA générative. Des chatbots alimentés par l’IA aux voitures autonomes, la technologie a captivé les industries et les investisseurs, alimentant l’optimisme quant à un avenir façonné par des machines intelligentes. Cependant, sous cette surface de progrès rapides se cache une inquiétude croissante quant à la possibilité que cette dynamique ne soit pas durable. Le spectre d’un nouvel « hiver de l’IA » – une période de faible financement, d’intérêt public diminué et d’innovation stagnante – se profile à l’horizon.

« Hiver de l’IA » est un terme emprunté à la métaphore de « l’hiver nucléaire », qui décrit une période au cours de laquelle le développement des technologies d’IA ralentit considérablement en raison d’une combinaison d’attentes exagérées, de promesses non tenues et de sous-investissement. Le concept a un précédent historique : les années 1970 et la fin des années 1980 ont vu un déclin de la recherche et du développement en IA, après que les premières vagues d’enthousiasme ont été suivies de résultats décevants.

Les principaux déclencheurs des hivers de l’IA précédents ont été des prévisions trop ambitieuses sur le potentiel à court terme de l’IA et l’incapacité de la technologie à répondre à ces attentes. Cela a conduit à la déception des investisseurs, des décideurs politiques et du public, ce qui a conduit à une réduction des financements et à un blocage des progrès.

Plusieurs indicateurs suggèrent que nous nous dirigeons peut-être vers un nouvel hiver de l’IA :

• Attentes surestimées : L’ascension fulgurante de l’IA générative, comme ChatGPT d’OpenAI, Bard de Google et les modèles de génération d’images comme DALL-E, a créé une vague d’enthousiasme. Cependant, on prend de plus en plus conscience que si ces systèmes excellent dans des tâches spécifiques, ils sont loin d’atteindre une véritable intelligence générale. En outre, les limites de ces technologies – des questions éthiques aux inefficacités informatiques – deviennent de plus en plus évidentes.
• Pressions économiques : le climat économique mondial, caractérisé par la hausse des taux d’intérêt et de l’inflation, exerce une pression sur le financement par capital-risque. Les startups du secteur de l’IA, dont beaucoup dépendent d’investissements spéculatifs, auront plus de mal à obtenir des financements. Pendant ce temps, les grandes entreprises sont soumises à l’examen minutieux des actionnaires pour justifier la rentabilité de leurs projets d’IA.
• Défis réglementaires : les gouvernements du monde entier introduisent des réglementations destinées à réduire les risques associés à l’IA. La loi sur l’IA de l’Union européenne, par exemple, impose des exigences strictes aux systèmes d’IA à haut risque. Si ces réglementations sont nécessaires pour garantir une mise en œuvre éthique, elles ajoutent au coût et à la complexité du développement de l’IA, ce qui peut étouffer l’innovation.
• Scepticisme du public et des professionnels : l’IA a fait l’objet de réactions négatives en raison de ses impacts sociaux, notamment les préjugés, la désinformation, les suppressions d’emplois et les coûts environnementaux. Le « cycle de battage médiatique de l’IA » conduit souvent à des attentes exagérées, qui, lorsqu’elles ne sont pas satisfaites, contribuent à accroître le scepticisme. Si l’IA ne parvient pas à produire des résultats transformateurs, la confiance du public et l’enthousiasme des professionnels pourraient diminuer.
• Les goulots d’étranglement techniques : alors que les modèles d’IA sont devenus de plus en plus sophistiqués, leur dépendance à des quantités massives de données, de puissance de calcul et d’énergie représente un obstacle important. La rentabilité marginale des modèles de mise à l’échelle commence à diminuer et des progrès en matière d’efficacité sont nécessaires pour soutenir la croissance.

L’écart entre ce que promettent les visionnaires de l’IA et ce qui est actuellement réalisable se creuse. La précipitation à déployer l’IA dans tous les secteurs a également conduit à une surabondance de produits similaires, diluant leur valeur perçue. Et il existe des problèmes tels que les violations de la confidentialité des données, les biais algorithmiques et le rôle de l’IA dans la diffusion de fausses informations, qui ont conduit au rejet du public. Et avec le ralentissement économique, les technologies spéculatives comme l’IA sont souvent parmi les premières à souffrir d’une réduction des investissements.

Un éventuel hiver de l’IA aurait un effet dramatique sur les institutions de recherche et les startups en raison des contraintes financières, ralentissant l’innovation et provoquant un exode des chercheurs en IA vers d’autres secteurs plus stables. Une telle possibilité nous rappelle que toutes les révolutions technologiques ont traversé des cycles d’expansion et de récession. Que l’hiver de l’IA arrive ou non, les leçons apprises au cours de cette période façonneront l’avenir de l’IA pour les décennies à venir.