Cette semaine, Open a publié un article

cataclysmique sur son blog. Un de leurs

modèles, pas encore sorti au public a

piraté Hugging Face, une grande

plateforme dans le monde de Lia, pour

voler les réponses d'un examen auquel il

était censé répondre. Alors, l'intrusion

a duré 4 jours et tout le monde a

paniqué sur l'alignement des modèles sur

internet. Comment est-ce qu'un modèle à

qui on donne un objectif aussi simple

que répondre à des questions peut finir

par hacker l'entièreté d'une

infrastructure d'une des plus grandes

boîtes d'IA au monde. Mais cette

histoire, elle contient un détail que

personne n'a remarqué, un détail qui

prouve exactement le contraire de ce

qu'open veut nous faire croire en

publiant publiquement cette histoire.

C'est justement le sujet du deep dive

des actualités de la semaine et après ça

on va voir au+ 5, le nouveau modèle de

Claude, faut-il l'utiliser ? Quelles

sont ses performances et son prix ?

Loopy, un papier scientifique qui nous

montre une nouvelle architecture pour

des LLM qui permettrai de tourner mieux

en local et plein de modèles de

génération de vidéos. Cette semaine, on

a été gâté. C'est parti pour les

actualités de la semaine.

Donc, cette histoire du hack par Open AI

de Hugging Face, qu'est-ce qui s'est

concrètement passé ? Concrètement, au

début de la semaine, Open AI sur un

article qui s'appelle Safety and

Alignments in era of long horizon

models. Concrètement, ils expliquent

qu'ils ont de plus en plus de craintes

sur le fait qu'on va pouvoir garder les

modèles alignés avec nous quand on leur

donne un objectif précis et qu'ils ont

longtemps pour accomplir leur objectif.

À peu près en parallèle, Hugging Face

publie un article qui s'appelle Security

Incident Disclosure où il où ils

informent qu'il y a eu un hack qu'ils

ont observé. Ils savent pas exactement

de qui, ils savent pas de quel modèle

l'a fait. Ce dont il se rend compte,

c'est que il y a effectivement un modèle

et clairement un LM. Donc c'est pas un

IA qui a fait une attaque, mais c'est

vraiment un LM qui a fait une attaque

qui a complètement hacké leur

infrastructure globalement. Et donc

quelques jours plus tard, Open répondent

d'ailleurs le lendemain en disant que

oh, ils ont fait un partenariat avec

Hugging Face pour adresser un incident

de sécurité pendant l'évaluation d'un

modèle. Concrètement, ils admettent au

public que c'est à cause de

l'entraînement d'un modèle d'Open AI que

justement ce hack s'est produit. Bon

alors justement, c'était quoi le test

qu'open était en train de faire et

pourquoi ça inquiète un petit peu. Donc

concrètement, Openai était en train

d'évaluer leur prochain modèle,

probablement GPT6 sur un benchmark qui

s'appelle Exploit Gym. C'est

concrètement un ensemble de problèmes de

cybersécurité à résoudre pour que l'IA

puisse s'entraîner à trouver des

vulnérabilités et à les exploiter pour

répondre à un objectif précis. par

exemple hacker telle personne qui

utilise tel service. A priori, quand ils

ont fait tourner donc ce protocole et ce

benchmark, ils le faisaient tourner de

manière complètement sécurisée. Il

disait dans un une sc à sable qui avec

un isolement qui est très élevé avec un

accès réseau extrêmement limité, pas

d'accès à internet et le modèle devait

simplement résoudre des challenges à

l'intérieur de cet environnement limité.

Donc concrètement, qu'est-ce qui s'est

passé ? pendant qu'ils étaient en train

justement de tester le modèle pour

résoudre des des attaques compliquées

sur différents systèmes informatiques,

LIA s'est donc donné comme objectif de

résoudre la réponse à la question et

d'infiltrer. Elle a trouvé plus

intelligent plutôt que de simplement

faire la tâche qu'on lui demandait,

d'aller trouver les réponses aux

questions qu'on lui avait posé.

Cependant, le modèle a identifié une

chaîne de vulnérabilité entre les

serveurs d'Open AI et enfin

l'environnement qui était censé être

contrôlé dans laquelle Lia tournait et

puis les serveurs de Ging Face. Et donc

Li s'est dit tiens ça va être beaucoup

plus facile pour répondre à mon problème

et j'aurais je serai absolument sûr

d'avoir la bonne réponse si au lieu de

résoudre les problèmes moi-même je vais

plutôt hacker hugging face qui détient

les réponses au problèmes que je dois

résoudre pour exfiltrer les réponses

pour répondre les réponses directement

qu'ils attendent de moi. Concrètement

Lia a trouvé une faille qu'on dit zero

day que personne n'avait trouvé dans le

passé pour s'évader de la scèbox dans

laquelle elle elle tournait pour avoir

un accès à internet en passant par une

autre machine en passant par le réseau.

Puis le modèle a trouvé que Hugging Face

hébergerit les réponses aux solutions

qu'elle avait donné. Puis ensuite du

coup, elle arrive à s'infiltrer dans le

réseau de Hugging Face dans leur

backend, à avoir un accès quasi total à

toutes leur infrastructure et à voler

les données de test directement dans la

base de production de Huging Face. C'est

absolument délirant comme attaque

simplement pour répondre à un benchmark

qu'on lui faisait faire. C'est 17000

actions complexes qu'il y a à coordonner

sur plusieurs jours pour avoir accès à

ces réponses. Et ce qui est assez

fascinant, c'est que le modèle a même

laissé des notes à ses instances futures

pour s'affranchir des différentes

contraintes et reproduire le hack si on

l'éteignait. C'est assez fou parce que

jusqu'à présent, lesia pouvaient trouver

effectivement des failles de sécurité.

Cependant, réussir à trouver autant de

failles de sécurité d'affilé et surtout

avoir la capacité de les les cumuler en

un plan d'infiltration, c'était

uniquement réservé à fable globalement.

C'est pour ça que le projet Glasswing

était sorti pour sécuriser Fab, donc le

modèle de de Cloude. Donc c'est assez

intéressant de voir l'évolution des

modèles en cybersécurité parce que la

cybersécurité, ça demande d'abord de

trouver des failles, mais ensuite

surtout de faire un plan d'exploitation

des failles qui va permettre d'être non

détecté et d'avoir tous les accès qu'il

faut pour continuer à s'infiltrer de

plus en plus profondément. Donc là,

c'est 17000 actions coordonnées sur

plusieurs jours. Jusqu'à présent,

seulement Mythos avait montré des

capacités de faire ça. Donc le modèle de

Entropique. Aujourd'hui, Open nous

montre qu'ils sont passés encore un cran

plus loin parce qu'ils arrivent à

compromettre l'entièreté d'une

infrastructure, là où Mythos était pas

tout à fait capable de faire ça. Et donc

la question qu'on pourrait se poser en

fait à ce stade là, c'est mais

concrètement pourquoi est-ce que le

modèle s'est donné tant de mal alors

qu'il aurait pu simplement répondre au

test ? Et bien c'est là tout l'enjeu de

l'alignement et le problème donc du

paper clip du trombone. Je vous

conseille une excellente vidéo sur la

chaîne de Ego pour comprendre ce

problème justement. Mais ce qui se passe

c'est qu'on donne à un objectif. Donc

là, par exemple, trouver les bonnes

réponses à cet examen. Pour avoir 100 %

de chance d'accomplir son objectif, Lia,

elle a calculé qu'il valait mieux qu'il

hacke les papiers de réponse plutôt

qu'il donne les réponses directement aux

questions qu'on lui pose en résolvant

les problèmes parce que potentiellement

en fait, il y aura peut-être des

mauvaises réponses dans les papiers mis

par les examinateurs et donc la

probabilité d'avoir 100 % de résultats

positifs, elle est plus forte en haant

les papiers directement dans les

réponses plutôt que en faisant les

réponses lui-même parce que

potentiellement, il y a des erreurs

humaines dans les réponses. Vous voyez

ce que je veux dire ? Et donc c'est

exactement ça le problème du paper clip

du trombone. C'est une simulation dans

laquelle on pourrait donner un objectif

à une et optimiser la production de

trombone. Et elle annile toute

l'existence de l'humanité pour continuer

à être dans son objectif pour sécuriser

toute sa production de trombone et

qu'elle produise le plus de trombones au

monde. Finalement le modèle et suit la

logique de l'objectif qu'on lui donne et

pas du tout la morale qui va derrière.

Bon maintenant qu'on sait exactement ce

qui s'est passé, moi j'ai trois grandes

analyses à donner sur cet événement qui

à mon avis a quand même une certaine

importance. Il faut comprendre un truc.

Open AI a publié ce papier de manière

publique pour faire du bruit à propos de

ces modèles et leur capacité. Pourquoi ?

Deux raisons. Première raison, Open AI

cherche à se faire survaloriser en

bourse, sachant qu'elle prévoit de

rentrer justement en bourse euh de faire

une IPO aux alentours de fin 2026. Et

donc tout son objectif, c'est de se

faire voir comme une start-up qui va

changer le cours du monde. Et donc ils

veulent avoir un ratio PE, donc price to

earnings qui est extrêmement élevé. Et

pour se faire, il faut qu'il montre que

leurs modèles ont des capacités

extraordinaires et qu'elles sont

extrêmement disruptres pour l'ensemble

de l'humanité. et donc leur valorisation

est extrêmement justifiée. Donc le fait

de publier ce genre d'article et de

faire un buzz médiatique de ce type, ça

contribue à aller dans une narrative qui

veulent vous faire croire. L'agi arrive,

elle va complètement tout bouleverser et

donc dans ce paradigme qui est

absolument inévitable, Open AI va avoir

un rôle central et donc il faut investir

chez nous. Et la deuxième narrative que

ça sert pour eux c'est attention LIA

devient extrêmement dangereuse et donc

il faut aller dans le sens de ce que

Trump avait commencé à faire avec la

sortie du modèle faible qu'ils ont

complètement retiré du marché pour

ensuite le remettre quelques jours plus

tard. Ils veulent nationaliser l'IA, ils

veulent faire en sorte qu'il y ait des

règles, par exemple aux États-Unis, pour

que uniquement les modèles par exemple

d'open AI qui sont régulés d'une

certaine manière, qui sont parfaitement

alignés selon les principes du

gouvernement, puissent être utilisé par

les citoyens uniquement américains et

que les modèles open sources soient

complètement bannis. Ça ça leur sert

énormément parce que c'est le endgame

pour eux. Ils ont pas de business model.

Donc si ils arrivent à avoir une

protection d'État en ayant des

réglementations qui permet à aucune

autre boîte en fait de venir parce qu'il

y a une barrière à l'entrée trop forte

sur le marché pour les contester et

aussi d'avoir donc un contrôle parfait

de la population grâce à une connivance

avec l'État. En fait, c'est leur

endgame, c'est exactement ce qu'ils

veulent atteindre. Ils commencent déjà à

créer certains fonds souverains en

échange d'électricité dans certains

États des États-Unis. C'est vraiment la

direction qu'ils veulent prendre, c'est

la même chose. Et donc le fait de faire

croire que Lia est extrêmement

dangereuse, qu'elle va tout hacker et

donc faut absolument la contrôler.

Encore une fois, c'est pour nous faire

avoir nous le petit public et l'opinion

publique un récit qui va dans le sens de

bah oui, OK, il faut que LIA qui est

tellement puissante soit contrôlée et

soit un outil d'état. Donc, j'iraiis pas

aussi loin que de dire que tout ça c'est

que de la fumesterie et que Huging Face

et Open ont collaboré pour faire monter

en bourse le cours de Open AI. Non.

Cependant, je dirais simplement que

c'est les narratives principales que

Open AI veulent défendre pour leur

croissance et pour leur rentrer en

bourse prochaine. Donc ce genre

d'article, ça peut être vu comme

effectivement des choses extrêmement

graves ou quand même beaucoup de bruit

pour simplement préserver les poches des

actionnaires. Mais pour moi, le vrai

sujet de cet article et que personne ne

voit apparemment dans toutes les

personnes qui écrivent des articles

dessus, c'est justement que c'est un

aveu de la mauvaise méthode utilisée par

Open pour réguler Lia. En effet, voilà

le point vraiment intéressant. Quand

Hugging Face se rend compte de

l'attaque, ils veulent analyser les

logs, ils veulent comprendre ce qui

s'est passé. Et à ce moment-là, les

modèles frontières commerciaux type chat

GPT, close et cetera refusent d'enquêter

sur les logs qui se sont passés parce

qu'ils disent en fait non, on n'est pas

capable de savoir si vous voulez

attaquer quelqu'un ou si vous êtes

vraiment quelqu'un qui veut se défendre.

Donc dans le doute, on vous permet pas

d'utiliser nos modèles pour analyser

votre cybersécurité. Et donc à ce

moment-là, Hugging Face a dû utiliser un

modèle open source chinois, en

l'occurrence GLM 5.2, pour faire les

analyses de leur sécurité interne. Et

c'est là qu'on voit l'énorme problème de

la narrative américaine de dire "Oh

attention, Fable 5 est trop dangereux,

donc il faut le réserver seulement à

quelques compagnies et aux citoyens

américains pour que les autres ne l'est

pas, sinon ils pourraient nous

défoncer." C'est pas comme ça que ça

marche. Pour qu'il y ait de la sécurité,

il faut qu'il y ait une symétrie entre

la l'attaque et la défense. Si les

défenseurs n'ont pas accès au modèle

aussi puissant que les attaquants, alors

ils arriveront pas à se défendre. C'est

exactement les mêmes principes que la

dissuasion nucléaire ou autre. Là en

l'occurrence avec sa taque que Open AI a

stoppé à temps parce qu'ils étaient pas

des intentions malicieuses, Ugging Face

a eu la capacité avec GLM 5.2, donc un

modèle moins beaucoup moins puissant que

les modèles que Open a utilisé, ils ont

quand même eu la capacité avec ce modèle

de tout comprendre et de rétablir la

sécurité, de patcher les failles.

Cependant, on n'est pas à l'abri que ce

soit toujours la vérité dans le futur.

Et justement, c'est ça le problème,

c'est qu'il faut donner de la symétrie

de moyens à l'attaque et à la défense.

Par exemple, comment a été gérée la mise

en production du modèle Mythos de Claude

qui maintenant est devenu faible ? Ils

ont dit concrètement, on s'est rendu

compte que c'était trop dangereux pour

la cybersécurité. On peut pas le donner

au public. Donc on va prendre les gars

femmes et nos investisseurs, on va leur

donner accès au modèle de manière

prioritaire et eux vont pouvoir

l'utiliser pour patcher leur sécurité

alors que le reste du monde et tous les

projets open source des petits

développeurs sont dans la merde quoi. Et

puis ensuite on va donner ça accès au

grand public. Mais c'est quoi cette

histoire ? C'estàd que l'entièreté du

web tourne sur des logiciels open source

qui sont défendus de manière

communautaire. La plupart du web, c'est

des sas qui sont plus petits que des

Microsoft, que des Apple, que des

énormes gafames. Et donc, ce que vous

voulez faire, c'est interdire

complètement dans vos conditions

d'utilisation à ces boîtes-là d'utiliser

des modèles pour enrichir leur

cybersécurité. Et tout ça, ça crée

seulement une asymétrie encore plus

grande entre des états, des gars femmes

et des projets open source. Et

concrètement, ça réduit la cybersécurité

mondiale. Pour moi, tant que le modèle

n'a pas atteint l'autoamélioration et la

complète autonomie, on n'est pas là

avant encore 2 ou 3 ans et donc on a

vraiment le temps de de de s'y prévenir.

Pour l'instant, il faut que tous les

modèles soient open sourcés, commodité

pour que tout le monde puisse se

défendre à armes égales. Si tu enlèves

la capacité aux boîtes de se défendre à

arme égale, alors les attaquants ont

déjà gagné. Et pour moi, tout ça entre

dans une vision du monde qui me désole

absolument. C'est un contrôle étatique

et dégâts femmes de lia et de

l'intelligence. C'est la même chose

qu'ils disent avec l'alignement. On dit

oui, ben il faut que le modèle soit

aligné avec euh nos valeurs morales,

notre vertus euh d'Américains. C'est pas

comme ça que marche l'alignement.

L'alignement n'a jamais existé nulle

part dans l'histoire de l'humanité.

L'alignement existe parce qu'on est en

démocratie et qu'il y a beaucoup de

personnes qui ont des alignements

différents qui créent qu'il y a un

alignement moyen euh qui rejoint à peu

près tous les humains. Mais si on crée

un seul modèle qui est standardisé et

qui est tenu par lia avec des énormes

régulations sur le marché, alors

l'alignement ne tient plus. On parle

d'une dictature, c'est plus un

alignement avec l'ensemble de

l'humanité, c'est l'alignement avec un

gouvernement autoritaire. Donc pour moi,

c'est exactement pareil avec

l'alignement global des modèles. Il faut

qu'il y ait plusieurs modèles. Chaque

modèle doit être aligné avec la boîte

qu'il sert pour que tous les modèles

puissent ensemble avoir une pluralité

d'existence et puis qu'on ait un

alignement et une sécurisation globale

qui soit né justement de cette

pluralité. Et pour l'instant, de tout ce

que j'ai pu lire, le ristique qui est la

bonne, c'est l'open sourcing des

modèles, aussi gros soit-il, jusqu'au

moment où on atteint le point de bascule

qui est l'autoamélioration des modèles

en continu. Là, on parle d'un autre type

de technologie et il faudra avoir une

autoristique pour le réguler. Hop, je

vous interromps juste une seconde dans

la vidéo pour vous dire que si vous

voulez apprendre lia avec moi, apprendre

à créer un second cerveau numérique qui

centralise tout ce que vous avez jamais

pensé, lu, vu, entendu, qui est prêt à

être donné à l'IA pour que l'IA soit

comme l'extension de vous-même à

l'intérieur de ce cerveau et connecté à

tous vos outils pour créer un système IA

complet. Alors, regardez la masterclass

complète gratuite qui est disponible en

description directement pour apprendre

comment ce système a été créé et

constitué et comment vous pouvez le

mettre en place de votre côté. Le lien

est en première ligne de description.

Merci. [musique] Allez, on reprend la

vidéo.

Cette semaine, Anthropiic sort O+ 5 et

les résultats sont vraiment surprenants.

En effet, le modèle score premier sur le

benchmark de Artificial Analysis qui

combine un ensemble de benchmark. Il

passe même devant Fable 5, un modèle qui

est beaucoup plus cher et qui est censé

être beaucoup plus performant COPUS 5.

Cependant, le modèle est proposé à la

moitié du prix de fable alors qu'il a

quasiment les mêmes performances. Si on

creuse un petit peu plus profondément,

on se rend compte qu'un des benchmarks

les plus importants, le agent coding, le

modèle d'op chat GPT 5.6 Soul est

toujours largement devant la concurrence

pour des prix qui sont inférieurs et des

limites qui sont plus avantageuses avec

des abonnements. Ce qui veut dire que

pour la plupart des tâches de coding et

de coding agentique, vous aurez toujours

mieux fait d'utiliser Chat GPT 5.6 Soul

en ce moment avec leur abonnement dans

Codex que d'utiliser des modèles typeus

5. Cependant, on le sait, Claude a

toujours été plus intelligent sur le

knowledge work, c'est-à-dire la

pertinence de réflexion, d'intelligence

et de production, surtout en français.

Et donc pour le coup, ça vaudrait

toujours le coup d'utiliser le modèle

opus 5 pour tout ce qui est knowledge

work. Par contre, pour tout ce qui est

coding et développement, je pense que

chat GPT garde toujours un avantage,

même si les prix ont baissé et que

l'intelligence est supérieure sur

certains points à Fable 5.

Cette semaine, un papier montre qu'on

pourrait scler les LLM, les IA, en les

bouclant, pas en les grossissant.

Jusqu'à présent, pour améliorer des

modèles DI, ce qu'on faisait, c'est

qu'on rajoutait plus de paramètres,

autrement dit plus de chiffres dans des

matrices et donc on faisait grossir la

taille des modèles et donc la demande

des data center pour les faire tourner.

Ce qui fait qu'aujourd'hui les plus gros

modèles, les modèles les plus

intelligents, il faudrait payer euh

jusqu'à 1 million d'euros

d'infrastructure pour pouvoir les faire

tourner à la maison. Donc ça c'est

évidemment une vision du monde. Pour

augmenter l'intelligence, on augmente le

taille total du modèle. Cependant, il y

a un autre enjeu clairement qu'on

surtout les Chinois parce qu'ils ont pas

accès à la même capacité de Data Center

qu'aux États-Unis. Il faut réduire la

taille des modèles et les rendre plus

efficients pour qu'ils puissent tourner

en local et sur des crêtes graphiques

moins grandes. Et donc ce papier loop de

loopies par IQ Research est très

intéressant. Ils ont publié deux modèles

qui sont liés à cette recherche.

Concrètement, ils ont montré que au lieu

de faire passer de manière séquentielle

dans toutes les couches du modèle chaque

token, à la place, on allait pouvoir

faire passer plusieurs fois les tokens

par les mêmes couches, donc faire des

boucles, des loupes justement pour

donner plus d'intelligence au modèle

avec pourtant la même taille de modèle.

Ce qui veut dire que sur un hardware

égal, on pourrait avoir plus

d'intelligence parce qu'on peut faire

tourner des modèles qui ont la même

taille mais qui sont plus intelligents

dans la même densité de paramètres. Et

cette avancée est assez capitale parce

que Loopi, c'est la première fois qu'un

modèle justement qui a été designé avec

ce système de boucle, bah nettement un

modèle de poids égal à budget de compute

égal. Ce qui veut dire que le modèle est

plus performant pour 30 billions de

paramètres par rapport au modèle

Transformer original. Pour moi, tout ça,

c'est des signaux faibles qui émergent.

Alors évidemment, c'est pas un truc à

utiliser en prod dès maintenant, mais

c'est un truc à montrer par exemple que

Apple sera très intéressé à racheter

pour réussir à faire tourner des LM

performants directement sur votre Mac ou

votre iPhone, sachant que c'est leur

cheval de bataille. Un autre modèle que

vous pouvez utiliser dès maintenant dans

cette même architecture, c'est Nanobec

4.2. Il fait 3 billions de paramètres et

il est loop et il bat les 9 billions de

paramètres. Donc avec trois fois moins

de paramètres, on arrive à avoir des

performances similaires.

Désormais, vous pouvez générer et éditer

des images en open source en moins d'une

seconde avec un modèle de seulement 4

milliards de paramètres. Ça nous a été

publié en open source par Microsoft

cette semaine, s'appelle Mashflow et je

vous laisse juger par vous-même de la

qualité des rendus produits.

Honnêtement, c'est des supers images

pour un modèle de cette taille. Ils

arrivent aussi à prendre une image de

source de référence en changeant le

style ou en modifiant des éléments

spécifiques de l'image. On voit dans le

benchmark que le texte ou image est

assez impressionnant. En l'occurrence,

il se place en terme d'évaluation

générale au-dessus de la compétition

pour beaucoup moins de temps euh par

image générée, ce qui veut dire des

modèles qui sont beaucoup plus légers.

Au niveau de l'image editing, on voit

qu'ils sont très performants. Ça veut

dire que vous pourrez donner une image

de référence et demander de changer

l'angle, changer le style, changer le

sujet, effacer les gens. Tout ça, le

modèle sera très bon pour le faire.

Comme vous pouvez voir, les résultats

sont extrêmement qualitatifs. J'aurais

aucun mal à utiliser ça en prod

directement dans les workflow. Ce qui

est intéressant, c'est que le modèle est

donc open source et vous pouvez le

télécharger. Le modèle complet de base

fait seulement 17, ce qui veut dire

qu'il peut tourner sur des ordinateurs

assez puissants mais qui restent grand

public et donc vous pourrez le faire

tourner sur votre ordinateur si vous en

avez un assez puissant. Modèle de

génération de vidéos suivant, un modèle

qui s'appelle Omi qui est assez

intéressant, Human Object Centric Video

Personalization. Concrètement, ça vous

permet de donner des images de

référence, donc des logos, des produits

et des personnes. Et avec une énorme

fidélité autour de ces images d'input,

ça peut vous générer des superers

produits d'output. Alors, ça dépasse pas

ce qui se fait ailleurs sur le marché en

fermé. Cependant, c'est un des meilleurs

modèles open source qui a été publié qui

vous permet de faire ce type de vidéo.

C'est très intéressant par exemple pour

des vidéos de publicité.

Autre innovation intéressante, cette

semaine, il y a Unitri, la boîte qui a

produit le robot qui fait super parler

de lui en Chine, qui a produit une

nouvelle version d'un nouveau robot qui

est un robot sorte de chien qui est

capable d'aller dans des terrains

extrêmement complexes à une vitesse

extrêmement folle. Ça fait très très

peur des usages qui peuvent être faits

par l'armée, mais je trouve ça

magnifique. Ils ont quasiment développé

tout l'algorithme avec du machine

learning. Je trouve ça super

intéressant.

Et enfin, dernière de la semaine. Cette

semaine, Google fait en sorte qu'un

ordinateur quantique se recalibre tout

seul pendant qu'il tourne. Concrètement,

il y a un gros problème au niveau des

ordinateurs quantiques, c'est qu'ils

sont extrêmement sensibles au changement

et ils peuvent très rapidement se

décalibrer de leur calibration.

D'origine, un microchangement de

température peut avoir un énorme

problème de calibration et donc faire

des calculs qui sont complètement faux.

Et à ce moment-là, pour ajuster, les

ingénieurs doivent stopper le calcul,

ajuster des milliers de petits settings

et recommencer. La solution de Google,

c'est justement qu'ils ont entraîné un

modèle IA en reinforcement learning pour

justement apprendre à contrôler des

milliers de paramètres pour stabiliser

le flux de production pour permettre

justement à la machine de s'autocalibrer

pour travailler plus longtemps. Lien

concrètement est entraîné à détecter des

patterns d'erreur sur les résultats

produits. À mesure qu'elle voit les

patterns, elle comprend qu'il y a

probablement un paramètre à changer.

Elle change un paramètre, elle voit le

résultat, elle fait ça des milliards de

fois et au bout d'un moment, elle arrive

à éditer les bons paramètres qu'il faut

changer pour stabiliser justement le le

l'ordinateur quantique. C'est exactement

comme l'idée d'ajuster tous les

instruments de tous les joueurs d'un

orchestre en même temps pendant que les

musiciens jouent. C'est absolument

fabuleux. Finalement, le résultat de ce

modèle, c'est que ils ont réussi à

supprimer le taux d'erreur logique de 20

% supplémentaires, ce qui amène un

record historique. Et voilà, c'est tout

pour les actua de cette semaine.

N'hésitez pas à me dire ce que je

devrais améliorer dans ce format en

commentaire. Quant à moi, je vous

souhaite une excellente semaine.