IA

Fei-Fei Li, qui cède World Labs à AMD : « L’univers n’est pas fait de mots ; il est fait de choses réelles… »

En annonçant la vente de World Labs à AMD, Fei-Fei Li a rappelé la conviction fondatrice de son laboratoire. Dans la bouche de la future directrice scientifique d’un fabricant de puces, c’est un pari matériel plus qu’une philosophie.
Adrian Kessler
Ajoutez-nous sur Google

Fei-Fei Li est la scientifique dont les travaux ont appris aux machines à voir. Elle vient de vendre le laboratoire qu’elle a créé pour faire dépasser à l’IA le cadre du langage. En annonçant que World Labs allait rejoindre AMD, le fabricant de puces dirigé par Lisa Su, qui l’avait soutenue à ses débuts, elle a reformulé en une seule phrase la conviction fondatrice de l’entreprise — et lancé un pari contre l’ère de l’IA qui place les mots au premier plan.

« L’univers n’est pas fait de mots, mais de choses réelles. Nombre des problèmes les plus importants que l’IA doit résoudre, de la science au divertissement en passant par la robotique, exigent des modèles qu’ils raisonnent à partir de la structure et du comportement du monde physique. »

Li l’a écrit dans « World Labs to AMD », une publication sur son blog Substack, que The Register a citée dans son article sur l’accord. La phrase qui précède en fixe les termes : l’entreprise était « guidée par la conviction fondatrice que le langage, à lui seul, ne suffit pas au développement des modèles ».

AMD a accepté de racheter World Labs dans le cadre d’une opération entièrement en actions, valorisée à environ 8,2 milliards de dollars, qui devrait être conclue d’ici à la fin de 2026 sous réserve de l’approbation des autorités de la concurrence. Li deviendra vice-présidente exécutive et directrice scientifique d’AMD, et rendra compte directement à Su. Le laboratoire de San Francisco, qu’elle a cofondé au début de 2024 avec Ben Mildenhall et Justin Johnson, développe ce que le secteur appelle des modèles du monde : des systèmes qui génèrent, reconstruisent et simulent des environnements en 3D à partir de textes, d’images et de vidéos. Là où un grand modèle de langage prédit le mot suivant, un modèle du monde, comme le résume The Register, imagine l’environnement et traite le problème à partir de là.

La lecture la plus immédiate rapproche cette phrase de la position de Yann LeCun, ancien directeur scientifique de l’IA chez Meta, qui a avancé que les grands modèles de langage pourraient être une impasse. La thèse de Li est plus circonscrite : The Register prend soin de préciser qu’elle n’est pas hostile aux LLM. Le modèle le plus récent de son laboratoire reprend d’ailleurs les recettes des LLM : Atlas, écrit-elle, prédit la vue suivante à partir d’un ensemble d’images 2D, comme un modèle de langage prédit le prochain jeton. Son désaccord ne porte pas sur la méthode, mais sur la matière. Le texte est une trace du monde écrite par des êtres humains ; selon elle, les problèmes qui méritent d’être résolus, de la science au divertissement en passant par la robotique, se trouvent dans la réalité que ces textes décrivent.

Ce qui donne à cette phrase toute sa portée, c’est l’identité de celui qui l’a financée. Un fabricant de puces ne dépense pas des milliards en actions pour une idée philosophique. Dans son annonce, AMD présente l’acquisition comme un investissement dans la puissance de calcul et souligne qu’à mesure que l’IA s’étend à la robotique, à la simulation et à l’IA physique, « les besoins en infrastructures de calcul se diversifient ». La formule de Su est révélatrice : « Concevoir les plateformes de calcul de la prochaine génération d’IA exige de bien comprendre l’évolution des modèles. » En clair, AMD veut anticiper les prochaines charges de travail avant de concevoir les puces qui les exécuteront. Face à Nvidia, relève The Register, les équipes d’ingénierie logicielle d’AMD sont minuscules ; World Labs lui apporte une équipe de recherche interne, quelques semaines seulement après l’accord d’acquisition de Taalas, une start-up qui intègre directement les poids des modèles dans le silicium.

Li décrit le même mécanisme depuis l’autre côté. « Sans effort matériel ciblé, l’IA est handicapée en matière d’efficacité. Et de passage à l’échelle. Et, pour ce qui nous concerne, elle reste prisonnière du monde numérique », écrit-elle. Voilà ce que cette citation signifie concrètement. Un modèle capable de raisonner sur l’espace physique n’est utile que si la machine qui l’exécute est assez rapide pour guider un robot. Li a estimé que le chemin le plus court vers une telle machine consistait à rejoindre l’entreprise qui la fabrique.

Cette phrase pèse aussi par le parcours qui la précède. Li s’est lancée dans le domaine en 2000, avec pour objectif de comprendre l’intelligence visuelle, chez les machines comme dans le cerveau. Les travaux sur ImageNet menés dans son laboratoire ont contribué à ouvrir l’ère de l’IA moderne ; elle a ensuite fondé l’unité d’IA de Google Cloud en tant que scientifique en chef, puis est devenue la première directrice de l’institut Human-Centered AI de Stanford. Un quart de siècle plus tard, son argument n’a pas changé. Les enjeux, eux, ont évolué. Une fois l’accord conclu, la professeure qui défend cette thèse rendra compte à Su.

Si elle a raison, AMD s’est donné un aperçu précoce des charges de travail qui définiront la prochaine génération de matériel pour l’IA. Si elle se trompe et que le langage continue d’absorber tous les usages, l’entreprise aura acheté une coûteuse assurance — ce qui correspond précisément à la lecture de l’accord proposée par The Register : se prémunir contre la possibilité que les LLM se révèlent être une impasse.

La phrase de Li commence par une affirmation sur l’univers. Quand l’accord sera conclu, elle sera devenue une fiche technique.

Étiquettes: , , , ,

Ajoutez-nous sur Google

Discussion

Il y a 0 commentaire.