Plus d’un million de requêtes sont transmises chaque jour à de grands modèles de langage, consommant en moyenne un milliard de jetons. Le nombre de jetons utilisés spécifiquement pour dire « s’il vous plaît » ou « merci » dans ces requêtes est impressionnant. Une puissance de calcul considérable, se chiffrant en millions de dollars, est consacrée au traitement de ces jetons. Il s’agit peut-être d’un bon investissement, car on entraîne les modèles à la politesse, mais est-ce le meilleur investissement?
En 2025, l’IA est omniprésente : elle automatise les tâches quotidiennes, organise nos vies et nous recommande des choses aussi variées que des achats sur Amazon ou des astuces pour mieux dormir. Mais quand vient le temps de résoudre des problèmes, comment déterminer lesquels méritent vraiment considération?
En catégorisant les problèmes selon la théorie informatique, on peut les classer selon les types suivants, en fonction du niveau de difficulté du problème et de la ou des technologies qui peuvent être utilisées pour le résoudre : P, NP, NP-complet et NP-difficile.
Voyons en quoi consistent ces divers types :
Bien qu’il puisse être excessif d’un point de vue technique de résoudre des problèmes de type P au moyen de l’IA ou l’IA générative, ces dernières sont souvent très utiles pour réaliser des heuristiques, modéliser des scénarios, modéliser des données et approximer, afin d’offrir de meilleures solutions à de nombreux problèmes de type NP et NP-complet. Quant aux problèmes de type NP-difficile, on s’attend à ce que ceux qui ne peuvent pas être résolus par l’IA ou l’IA générative aujourd’hui le soient à l’avenir par l’intelligence artificielle générale.
Évidemment, l’IA jouit d’un immense potentiel pour aider à relever avec succès de grands défis mondiaux. Par exemple, elle s’attaque à la crise climatique en prédisant les conditions météorologiques et en recommandant des solutions pour réduire la consommation d’énergie, grâce à une analyse complète des données. Dans le domaine de la santé, l’IA peut être un atout précieux pour améliorer les méthodes de diagnostic et de traitement. Elle accélère la découverte de médicaments, simule le repliement des protéines et aide même les physiciens à détecter de nouvelles particules. Pendant ce temps, dans l’agriculture, les drones dotés d’IA surveillent les récoltes, prédisent les rendements et effraient les corbeaux, offrant ainsi aux agriculteurs un coup de pouce indispensable.
Cependant, la résolution de problèmes de type P (ou certains de type NP) ne revient pas toujours à sauver le monde. Certains efforts visent simplement à limiter l’inconvénient de choisir un avocat pas assez mûr. Oui, des chariots d’épicerie assistés par l’IA évaluent maintenant vos choix d’aliments, garantissant la sélection des ingrédients d’une parfaite guacamole. L’IA révolutionne également le divertissement en générant des humoristes et des mèmes à profusion. L’IA fait en sorte qu’Internet reste un champ de bataille chaotique et parfois divertissant.
Alors que nous tentons de résoudre des problèmes complexes, il importe également de garder à l’esprit ces véritables enjeux : le manque de transparence, les préjugés et les préoccupations liées à la confidentialité des données. Le fameux problème de la « boîte noire » s’applique aux décisions prises par l’IA, difficiles à expliquer, ce qui est un problème majeur si vous lui confiez vos dossiers médicaux ou lui demandez des conseils juridiques. Les biais constituent un autre problème persistant : l’introduction de données biaisées dans les modèles d’IA peut mener à des décisions stéréotypées ou injustes. Par exemple, les personnes de couleur sont souvent mal identifiées par les systèmes de reconnaissance faciale ou les candidats portant des noms plus communs ont parfois été privilégiés par rapport à ceux portant des noms moins courants lors de la sélection de leur CV par l’IA. La confidentialité des données est une autre source de préoccupation majeure, les systèmes d’IA nécessitant de grandes quantités de données personnelles pour fonctionner efficacement. Le défi consiste à concilier l’innovation et la protection des droits individuels, d’autant plus que la réglementation a du mal à suivre le rythme du progrès technologique.
Sachant que l’IA peut probablement résoudre plusieurs problèmes auxquels nous sommes confrontés, la question devient : « devrait-elle le faire? ». Bien sûr, l’IA peut écrire de la poésie, mais à en juger par la qualité de certains haïkus générés par l’IA, la question reste ouverte. Devrions-nous laisser l’IA décider qui obtient un prêt, qui est embauché ou qui remporte une émission de téléréalité? Au-delà de l’éthique, maximiser les ressources de l’IA signifie de se concentrer sur les problèmes importants : améliorer la vie, résoudre les défis mondiaux et, parfois, trouver un avocat mûr à point. Les meilleurs cas d’utilisation sont ceux qui libèrent la créativité humaine, améliorent l’équité, simplifient la vie et aident à résoudre les problèmes qui nous empêchent de dormir. Et pour le reste? Eh bien, si l’IA veut se commettre dans un numéro de comédie, qui sommes-nous pour la juger? Mais ne lui demandez surtout pas d’expliquer une blague; elle y travaille encore.