IA : Gemini, enfin un vrai concurrent pour ChatGPT ?

Personne ne le lui enlèvera. OpenAI restera dans les livres d’histoire, à la date du 30 novembre 2022, comme la compagnie ayant pour la première fois permis à l’humanité de dialoguer avec un ordinateur aussi facilement qu’elle le ferait avec un ami, un collègue, un confident ou un assistant. Son agent de conversation, ChatGPT, amélioré par différentes mises à jour de son modèle de langage (LLM) pionnier, GPT, et le précieux soutien du géant Microsoft, est utilisé par 100 millions de personnes chaque semaine. Mais un an plus tard, la cavalerie arrive. Bruyamment.

Personne ne le lui enlèvera. OpenAI restera dans les livres d’histoire, à la date du 30 novembre 2022, comme la compagnie ayant pour la première fois permis à l’humanité de dialoguer avec un ordinateur aussi facilement qu’elle le ferait avec un ami, un collègue, un confident ou un assistant. Son agent de conversation, ChatGPT, amélioré par différentes mises à jour de son modèle de langage (LLM) pionnier, GPT, et le précieux soutien du géant Microsoft, est utilisé par 100 millions de personnes chaque semaine. Mais un an plus tard, la cavalerie arrive. Bruyamment.

Google DeepMind a présenté mercredi 6 décembre son propre modèle d’intelligence artificielle baptisé Gemini. Dans sa version la plus puissante, les premières évaluations de la machine indiquent qu’elle surpasse GPT-4, et même certains experts humains, sur la base du test MMLU mesurant les capacités des IA en droit, en maths, ou encore en physique. Des prouesses que les premiers challengers de ChatGPT, de Claude (Anthropic) à Mistral en passant par Llama (Meta), Ernie (Baidu) ou Grok, l’IA conçue par les équipes d’Elon Musk, n’ont jamais réussi à atteindre pour le moment. Pas plus que Google lui-même d’ailleurs, avec Bard, son premier essai.

La deuxième tentative aura été la bonne : Gemini met la barre très haut. Dans une vidéo aussi prometteuse que perturbante, il faut l’admettre, l’IA parvient à proposer différents tricots à partir d’une photo présentant deux pelotes de laine posées sur une table. Le programme reconnaît progressivement une guitare ou un canard sur la base d’un simple croquis en cours de réalisation, à la main, ou comprend qu’un homme se courbant vers l’arrière tout en agitant les bras imite la célèbre scène de Matrix où Néo esquive les balles de l’agent Jones. Sa particularité multimodale (le LLM a été entraîné sur des tonnes de textes, d’images, de sons et de vidéos), fait qu’il n’y a déjà plus besoin de lui écrire pour qu’il puisse raisonner.
 

Let's go hands-on with #GeminiAI.

Our newest AI model can reason across different types of inputs and outputs — like images and text. See Gemini's multimodal reasoning capabilities in action ↓ pic.twitter.com/tikHjGJ5Xj

— Google (@Google) December 6, 2023