Avec la croissance rapide de l'intelligence artificielle (IA), un nombre croissant de modèles d'IA arrivent sur le marché et connaissent un large succès. De nombreux services d'IA générative permettent à des personnes sans expérience de développeur de devenir développeurs. Lors de Google NEXT'25, j'ai partagé le point de vue de Google sur cette tendance.
Ryan Salva, directeur principal de la gestion des produits chez Google Cloud, qui participe à la programmation et au développement des produits, a déclaré que la programmation implique souvent la maintenance et la mise à jour du contenu de codage et son ajustement pour mieux répondre aux exigences d'utilisation, seul le nouveau codage étant écrit à des moments précis.
L'utilisation de l'intelligence artificielle générative en codage sert principalement à faciliter la vérification des erreurs et à optimiser le contenu du codage. Elle permet également aux équipes de consacrer plus de temps à la détection d'erreurs potentielles non détectées par l'intelligence artificielle et de se concentrer davantage sur la vérification de la compatibilité du contenu du codage entre différents services.
Même si l'IA peut rationaliser les flux de travail, la programmation requiert un certain discernement pour déterminer si le code est correct et exempt d'erreurs, et l'optimiser en conséquence. Par conséquent, compte tenu de la tendance actuelle en matière d'IA, les tâches de développement comme la programmation ne seront pas totalement remplacées par l'IA pour le moment.
Mat Velloso, vice-président produit chez Google DeepMind, qui supervise la plateforme de développement d'IA, a souligné que les futurs modèles d'IA évolueront vers des tailles de paramètres plus importantes et des applications plus fonctionnelles. Si le nombre de modèles n'augmentera pas forcément de manière spectaculaire, ils seront au moins différenciés en différentes versions en fonction des besoins d'utilisation, tout comme différentes capacités « expertes » seront utilisées pour répondre à différents besoins d'utilisation.
Par conséquent, d'un point de vue pratique, parvenir à une intelligence artificielle générale (IAG) capable de simuler pleinement le cerveau humain demeure un défi. À court terme, l'accent restera donc mis sur l'utilisation de différents modèles d'IA pour accomplir individuellement leurs tâches respectives ou traiter des types de problèmes spécifiques. Cependant, le nombre de versions distribuées devrait diminuer à mesure que les performances de chaque modèle s'améliorent.
Concernant l'accent mis par DeepSeek et d'autres entreprises sur l'utilisation de méthodes telles que la distillation pour réduire les coûts d'exploitation des modèles d'intelligence artificielle sans affecter de manière significative les performances d'exécution des modèles, Mat Velloso estime qu'il s'agit de la prochaine tendance du marché et a en outre révélé que Google utilise actuellement une approche similaire dans la conception du modèle Gemini.
Par exemple, le modèle Gemma 270, simplifié à 3 milliards de paramètres, a surpassé DeepSeek R6710, qui compte 1 milliards de paramètres, lors du test Elo de Chatbot Arena. Il peut même être accéléré avec un seul GPU NVIDIA H100, ce qui lui permet de fonctionner plus rapidement tout en offrant des performances similaires et à moindre coût.
D'autre part, Mat Velloso a également déclaré que les données synthétiques deviendront une source importante d'entraînement pour l'IA à l'avenir. Tant que la sécurité n'est pas compromise, de plus en plus d'entreprises d'IA devraient privilégier les modèles d'entraînement basés sur des données synthétiques. Google a déjà entraîné son modèle Gemini avec des données synthétiques. Cependant, tout comme de nombreux constructeurs de véhicules autonomes accordent une attention particulière à l'exactitude et à la légalité des données lors de l'entraînement de leurs véhicules avec des données synthétiques, Google sera également particulièrement prudent quant à l'utilisation de ces données pour l'entraînement.
Concernant l'affirmation de Perplexity.ai selon laquelle le système peut sélectionner automatiquement le modèle approprié en fonction du contenu interactif des questions, Mat Velloso a également expliqué que Google propose également une conception similaire, et a en outre expliqué que la philosophie de conception de Google est davantage axée sur la possibilité pour les utilisateurs d'obtenir une efficacité de calcul de l'intelligence artificielle plus élevée avec moins de ressources.
