Publié le 29 octobre 2025 à 01h30. Des chercheurs d’Alibaba et de l’Université de Pékin mettent en lumière une approche plus efficace pour gérer les modèles d’intelligence artificielle, remettant en question la course à l’accumulation de puissance de calcul brute et suscitant des interrogations sur les stratégies d’entreprises comme Nvidia et OpenAI.
- Alibaba Cloud a développé un système de pool de calcul, Aegaeon, qui réduit considérablement le nombre de GPU Nvidia H20 nécessaires pour faire fonctionner des modèles d’IA complexes, passant de 1 192 à 213.
- Microsoft dévoile MAI-Image-1, son premier système de génération d’images développé en interne, signalant une volonté de réduire sa dépendance à des partenaires comme OpenAI.
- Nvidia lance le DGX Spark, un superordinateur IA compact, mais des comparaisons avec des produits Apple suggèrent que la puissance de calcul offerte n’est pas nécessairement nouvelle.
La course à l’intelligence artificielle est-elle en train de changer de paradigme ? Une étude récente met en évidence la possibilité d’optimiser l’utilisation des ressources informatiques pour l’IA, plutôt que de simplement investir massivement dans du matériel toujours plus puissant. Des chercheurs d’Alibaba Cloud et de l’Université de Pékin ont présenté un nouveau système, Aegaeon, qui permet de faire fonctionner des modèles d’IA de grande taille avec beaucoup moins de GPU Nvidia H20 qu’auparavant. Selon leurs travaux, présentés lors du 31e Symposium sur les principes des systèmes d’exploitation (SOSP) à Séoul, en Corée du Sud, Aegaeon peut prendre en charge jusqu’à sept modèles simultanément par GPU, contre un maximum de trois avec les systèmes traditionnels. « Aegaeon est le premier travail à révéler les coûts excessifs associés à la gestion de charges de travail LLM simultanées sur le marché », ont-ils écrit dans leur publication.
Cette découverte intervient alors que les investisseurs commencent à s’interroger sur la rentabilité des investissements massifs dans l’infrastructure de calcul pour l’IA. Elle suggère qu’une approche plus intelligente, axée sur l’optimisation des algorithmes et l’utilisation plus efficace du matériel existant, pourrait être plus viable à long terme.
Parallèlement, Microsoft semble prendre ses distances avec une dépendance excessive à l’égard d’OpenAI. L’entreprise a récemment introduit MAI-Image-1, son premier système de conversion texte-image génératif développé en interne. Cette initiative, ainsi que l’élargissement de sa collaboration avec Anthropic, témoignent d’une volonté de renforcer son autonomie et de mieux contrôler la chaîne de création. Les premiers tests de MAI-Image-1 se sont avérés prometteurs, ce qui laisse présager un potentiel d’intégration étroite avec Copilot, l’assistant IA de Microsoft.
Nvidia, de son côté, continue de proposer des solutions de calcul de pointe. La semaine dernière, l’entreprise a lancé le DGX Spark, un superordinateur IA compact destiné aux développeurs et aux chercheurs. Ce système, vendu au prix de 3 999 $ (environ 3 820 000 ₹), offre une puissance de calcul considérable grâce à une puce Grace-Blackwell GB10 et 128 Go de mémoire unifiée, permettant d’entraîner ou d’affiner des modèles comportant des centaines de milliards de paramètres directement sur un ordinateur de bureau. Cependant, des comparaisons avec des produits Apple, comme le Mac Studio M1 Max et le Mac Mini M4 Pro, suggèrent que des performances similaires pourraient être obtenues à moindre coût.
En parallèle de ces avancées technologiques, OpenAI s’intéresse aux implications éthiques et sociales de l’IA. L’entreprise a créé un conseil d’experts sur le bien-être et l’IA, chargé d’étudier l’impact de l’interaction constante avec les systèmes d’IA sur les émotions, la cognition et le comportement humains. L’objectif est de définir les bases d’une « utilisation saine de l’IA » dans divers contextes, de l’éducation à la thérapie en passant par les chatbots quotidiens.
« Ils ne fonctionnent tout simplement pas. Ils n’ont pas assez d’intelligence, ils ne sont pas assez multimodaux, ils ne peuvent pas utiliser un ordinateur et tout ça. Ils n’ont pas d’apprentissage continu. Vous ne pouvez pas simplement leur dire quelque chose et ils s’en souviendront. Ils sont déficients sur le plan cognitif et cela ne fonctionne tout simplement pas. Il leur faudra environ une décennie pour résoudre tous ces problèmes. »
Andrej Karpathy, ancien d’OpenAI, lors du podcast Dwarkesh
Les propos d’Andrej Karpathy, chercheur scientifique et ancien membre d’OpenAI, résonnent avec ces interrogations. Il estime que l’intelligence artificielle générale (AGI) est encore à au moins dix ans d’existence et que les modèles actuels sont davantage des imitateurs que des penseurs. Il plaide pour une approche axée sur des modèles plus petits, dotés d’une meilleure mémorisation et d’un meilleur contexte.
En conclusion, l’industrie de l’IA est à un tournant. Si les avancées technologiques se poursuivent à un rythme soutenu, il est essentiel de ne pas négliger les aspects éthiques, sociaux et économiques de cette révolution. L’optimisation des ressources, la réduction de la dépendance à l’égard de quelques acteurs dominants et une meilleure compréhension des limites actuelles de l’IA sont autant de défis à relever pour assurer un développement responsable et durable de cette technologie.
Neural Dispatch est votre guide hebdomadaire sur le paysage en évolution rapide de l’intelligence artificielle. Chaque édition fournit des informations organisées sur les technologies révolutionnaires, les applications pratiques et les implications stratégiques qui façonnent notre avenir numérique.
