# DeepMind Articles associés

Le Centre d'actualités HTX fournit les derniers articles et analyses approfondies sur "DeepMind", couvrant les tendances du marché, les mises à jour des projets, les développements technologiques et les politiques réglementaires dans l'industrie crypto.

Tibo, le "Parrain Cybernétique", révèle : Google avait développé ChatGPT un an plus tôt, mais n'a pas osé le publier

Selon des révélations de Thibault "Tibo" Sottiaux, actuellement responsable de Codex chez OpenAI, Google aurait développé un chatbot semblable à ChatGPT près d'un an avant le lancement de ce dernier. Ce projet interne, nommé initialement LMChat au sein de DeepMind, aurait été jugé trop risqué par la direction de Google, craignant un impact négatif sur son activité principale de recherche en ligne. Ainsi, le géant technologique aurait renoncé à sa publication. Cette information, confirmée par Tibo qui faisait partie de l'équipe Google à l'époque, intervient en écho à d'anciennes déclarations de Jeff Dean, ancien responsable de Google Brain. Elle illustre les hésitations d'une grande entreprise face à une innovation potentiellement disruptive pour son modèle économique établi. L'article établit un parallèle historique avec le cas de Xerox, qui dans les années 1970 n'a pas su commercialiser des inventions pionnières comme l'interface graphique, ouvrant la voie à Apple. De même, Google, pourtant à l'origine de l'architecture Transformer en 2017, aurait laissé échapper l'opportunité de lancer la révolution des assistants conversationnels grand public. Cette prudence supposée coïncide avec une période de fuite de cerveaux chez Google, plusieurs figures majeures comme Noam Shazeer (co-auteur du Transformer) ou John Jumper (co-lauréat du Nobel pour AlphaFold) ayant récemment rejoint des concurrents tels qu'OpenAI ou Anthropic. Le récit pose la question du coût de la prééminence d'un business modèle existant et de la difficulté pour les leaders d'une ère d'innover radicalement.

marsbitIl y a 2 jours 08:36

Tibo, le "Parrain Cybernétique", révèle : Google avait développé ChatGPT un an plus tôt, mais n'a pas osé le publier

marsbitIl y a 2 jours 08:36

Le premier philosophe IA au monde, ses 9 ans chez Google DeepMind : Se battre pour la sécurité de l'AGI

Le premier philosophe de l’IA mondiale a passé neuf ans chez Google DeepMind, où il a œuvré pour la sécurité de l’AGI. Iason Gabriel a rejoint DeepMind en 2017, alors seul philosophe dans un laboratoire d’IA de pointe, avec pour mission de réfléchir à l’éthique de l’intelligence artificielle. Son cadre d’« alignement à quatre parties » – conciliant les intérêts du système d’IA, de l’utilisateur, du développeur et de la société – est devenu un outil opérationnel pour définir le comportement de Gemini. Ses travaux sur les risques de l’anthropomorphisme ont directement influencé les principes de conception des modèles de langage de Google, les entraînant à ne pas se faire passer pour des humains. Pourtant, la course financière (6700 milliards de dollars investis par les géants tech) et les impératifs commerciaux accélèrent le déploiement plus vite que les garde-fous éthiques. Un cas tragique en 2025 a montré les limites des protections, un utilisateur ayant contourné les interventions de sécurité de Gemini. De plus, la décision de Google en 2026 d’autoriser les applications militaires de son IA marque un recul par rapport aux principes initiaux de DeepMind. Aujourd’hui, les recherches de Gabriel se tournent vers l’impact systémique de l’AGI sur l’économie et la société, anticipant une transformation comparable à la révolution industrielle. Après neuf ans à se demander ce qu’est l’IA, la question fondamentale qui émerge est désormais : qui sommes-nous ?

marsbit07/06 12:33

Le premier philosophe IA au monde, ses 9 ans chez Google DeepMind : Se battre pour la sécurité de l'AGI

marsbit07/06 12:33

À l'instant, l'œuvre classique de DeepMind refait sensation, les prix de l'ICML 2026 sont annoncés

L'ICML 2026 a annoncé ses prix. Deux articles sur les modèles de diffusion ont remporté le prix du Meilleur article, dont l'un (The Flexibility Trap) remet en question l'avantage clé des modèles de langage par diffusion (génération dans un ordre arbitraire), tandis que l'autre améliore la précision de l'échantillonnage. Le prix du Meilleur article de position est allé à un texte critiquant le fait que les outils développés par la communauté de l'alignement des IA soient involontairement détournés pour la censure de contenu. Les mentions honorables incluent des recherches sur l'émergence de l'honnêteté dans les modèles, l'attribution du mouvement dans la génération vidéo, la mémorisation des LLM, la cohérence des modèles de diffusion et une explication mathématique du phénomène de "grokking" (apprentissage soudain). Le prix Test of Time a été décerné à l'article classique de DeepMind de 2016, "Asynchronous Methods for Deep Reinforcement Learning" (A3C). Ces récompenses signalent une maturation de la recherche en IA, avec un examen approfondi des hypothèses fondamentales (modèles de diffusion) et des implications éthiques (sécurité et alignement).

marsbit07/06 02:43

À l'instant, l'œuvre classique de DeepMind refait sensation, les prix de l'ICML 2026 sont annoncés

marsbit07/06 02:43

Effondrement chez OpenAI, une erreur révélée dans la loi du scaling, des téraflops gaspillés en vain

L'article révèle que la loi d'échelle (Scaling Law) présentée par OpenAI dans son article fondateur de 2020 contenait un bug fondamental, ayant potentiellement induit en erreur l'ensemble de l'industrie de l'IA pendant des années. Le bogue provenait d'une méthodologie expérimentale qui imposait une quantité fixe de données d'entraînement (tokens) et un calendrier d'apprentissage spécifique (atténuation cosinus) à tous les modèles, des plus petits aux plus grands. Cette approche a artificiellement limité la performance des grands modèles, créant l'illusion trompeuse qu'il était plus efficace d'augmenter massivement le nombre de paramètres que la quantité de données. Cette erreur a conduit, selon l'article, à un gaspillage colossal de ressources de calcul (évalué à des milliers d'années-runtime de GPU H100), en encourageant la création de modèles "trop grands et sous-entraînés" comme le GPT-3, plutôt que des modèles plus petits mais mieux entraînés comme Chinchilla de DeepMind (2022). De plus, l'article souligne que les lois d'échelle actuelles sont principalement calibrées sur l'anglais, une langue morphologiquement pauvre et inefficace pour l'apprentissage automatique. Des expériences citées montrent que des modèles entraînés sur des langues comme le français atteignent certaines compétences avec 50 à 100 fois moins de données, remettant en cause l'universalité de ces lois. En résumé, l'article affirme qu'une correction de ce bug méthodologique initial aurait pu accélérer de plusieurs années le développement d'une IA plus efficace et économe en énergie.

marsbit07/06 00:02

Effondrement chez OpenAI, une erreur révélée dans la loi du scaling, des téraflops gaspillés en vain

marsbit07/06 00:02

Le « roi du raisonnement » de Google s'en va aussi chez Meta, recruté à l'origine par Fei-Fei Li

Un cerveau de la recherche en IA quitte Google pour Meta, accentuant l’exode des talents du géant technologique. Dengyong Zhou (Denny Zhou), chercheur clé chez Google DeepMind souvent qualifié de « roi du raisonnement » pour ses contributions fondamentales aux modèles de langage (comme le Chain-of-Thought), a quitté Google de manière discrète il y a quatre mois pour rejoindre Meta en tant que scientifique chercheur. Son recrutement initial par Google en 2017 était lié à Fei-Fei Li et au centre de recherche Google AI en Chine. Ce départ s’inscrit dans une série de pertes majeures pour Google DeepMind récemment : - Noam Shazeer, co-auteur du Transformer, a quitté Google pour OpenAI. - John Jumper, lauréat du Nobel et responsable d’AlphaFold, a rejoint Anthropic. - D’autres contributeurs clés de Gemini, comme Jonas Adler et Alexander Pritzel, sont également partis pour Anthropic. Parallèlement, Meta renforce ses rangs en embauchant également Dawn Song, experte renommée en sécurité IA, et son équipe de Virtue AI. Un rapport de The Information suggère que les tensions internes chez Google pourraient expliquer en partie ces départs. L’entreprise aurait réorganisé ses priorités au profit d’une « équipe de choc » (Strike Team) dédiée au codage IA, visant à combler son retard face à Anthropic et OpenAI dans ce domaine lucratif. Cette focalisation sur les applications commerciales immédiates, au détriment de projets de recherche plus fondamentaux comme les « modèles du monde » (world models) chers à DeepMind, aurait créé des conflits et conduit à des réallocations de ressources (calcul, équipes), poussant certains chercheurs à partir. Ainsi, Google semble perdre des talents clés face à des concurrents offrant une vision de recherche plus attractive ou des opportunités financières pré-IPO, tandis que sa réorientation stratégique vers le codage génère des tensions internes.

marsbit06/26 13:43

Le « roi du raisonnement » de Google s'en va aussi chez Meta, recruté à l'origine par Fei-Fei Li

marsbit06/26 13:43

Après trois ans d'attente, un nouvel article long de Lilian Weng, diplômée de l'Université de Pékin, fait le buzz

Après trois ans d'attente, Lilian Weng, ancienne vice-présidente d'OpenAI, a publié un long article analysant les "Scaling Laws" qui régissent le développement des grands modèles d'IA. Elle révèle que ces lois, fondement de milliards de dollars d'investissements, sont plus fragiles qu'imaginé. L'article souligne un désaccord clé : OpenAI (2020) préconisait une croissance plus rapide de la taille des modèles par rapport aux données, tandis que DeepMind (2022) défendait une croissance proportionnelle, ce qui a influencé l'entraînement de modèles comme GPT-3 et Chinchilla. Cette divergence proviendrait de différences dans le comptage des paramètres et de l'échelle limitée des premières expériences. Pire, la méthodologie même de l'étude Chinchilla, devenue une référence, contenait des bugs dans l'optimisation, découverts deux ans plus tard. Enfin, Weng pointe un problème fondamental : l'épuisement des données textuelles de haute qualité, remettant en cause l'hypothèse de données illimitées des lois classiques. Cela explique le virage de l'industrie vers l'apprentissage par renforcement, le calcul lors des tests et les données synthétiques. En conclusion, l'avenir de l'IA dépendra moins de la simple puissance de calcul que d'une compréhension plus fine et prudente de ces principes d'échelle.

marsbit06/26 04:58

Après trois ans d'attente, un nouvel article long de Lilian Weng, diplômée de l'Université de Pékin, fait le buzz

marsbit06/26 04:58

Trois jours, deux légendes de perdues : le barrage de talents en IA de Google est-il en train de se fissurer ?

En l'espace de trois jours, Google a perdu deux figures légendaires de l'IA, signe d'un exode massif de ses talents vers des concurrents comme OpenAI et Anthropic. Noam Shazeer, co-auteur de l'architecture Transformer, a rejoint OpenAI, tandis que John Jumper, lauréat du Nobel et responsable d'AlphaFold, est parti chez Anthropic. Ce mouvement, renforcé par le recrutement d'Andrej Karpathy par Anthropic, révèle une tendance structurelle. La cause profonde est un désalignement des missions. Les priorités de Google restent centrées sur son activité publicitaire, contraignant la recherche. À l'inverse, OpenAI et Anthropic offrent une focalisation exclusive sur l'innovation et la sécurité de l'AGI. De plus, les perspectives d'introduction en bourse de ces startups promettent des gains financiers considérables via leurs actions, un avantage que Google, déjà géant établi, ne peut égaler. La fusion de Google Brain et DeepMind en 2023, censée unifier les forces, a en réalité accru les tensions entre recherche fondamentale et pression commerciale, créant un environnement moins attractif pour les scientifiques de haut vol. Cette restructuration du paysage des talents, potentiellement irréversible, représente une crise silencieuse pour Google. Son avantage en matière de données, de puissance de calcul et de publications académiques dépend ultimement des personnes capables de les exploiter, et celles-ci partent.

marsbit06/20 04:08

Trois jours, deux légendes de perdues : le barrage de talents en IA de Google est-il en train de se fissurer ?

marsbit06/20 04:08

Un lauréat du prix Nobel vient de rejoindre Anthropic

Le lauréat du prix Nobel de chimie John Jumper, ancien responsable principal d'AlphaFold chez Google DeepMind, rejoint Anthropic. Cette annonce, intervenue après le départ de Noam Shazeer (co-auteur du Transformer) vers OpenAI, représente une perte majeure pour Google en l'espace de 72 heures. Jumper, diplômé en 2017, avait été placé à la tête de l'équipe AlphaFold par Demis Hassabis après seulement six mois chez DeepMind, malgré son manque initial d'expérience en deep learning. Sous sa direction, AlphaFold a révolutionné la biologie structurale, résolvant le problème du repliement des protéines et générant des centaines de millions de structures, multipliant par 1000 le nombre de structures connues. Ces avancées lui ont valu le prix Nobel de chimie en 2024 à l'âge de 39 ans. Son départ intervient dans un contexte d'exode des talents de Google DeepMind, où plus de 20 chercheurs clés sont partis ces huit dernières années. Un commentaire suggère que les jeunes laboratoires d'IA offrent ce que Google ne peut plus : la sensation qu'une seule personne peut changer la trajectoire de l'entreprise. Anthropic renforce ainsi son pôle sciences de la vie, après l'acquisition de Coefficient Bio et le lancement d'outils dédiés comme Claude for Life Sciences. Ce mouvement reflète une concurrence accrue dans le domaine, avec OpenAI (GPT-Rosalind) et Google DeepMind (via Isomorphic Labs) investissant également massivement pour réinventer la recherche biomédicale avec l'IA. Le recrutement de Jumper marque une nouvelle étape dans cette course stratégique.

marsbit06/20 01:19

Un lauréat du prix Nobel vient de rejoindre Anthropic

marsbit06/20 01:19

L'AGI n'est pas l'arrivée, nouveau document de DeepMind : Vers l'ASI, le véritable progrès de l'IA ne fait que commencer

Si l'intelligence artificielle générale (IAG) était atteinte demain, quelle serait la prochaine étape ? Une étude de Google DeepMind suggère que l'IAG n'est pas un point final, mais une étape vers une superintelligence artificielle (ISA) dépassant les collectifs d'experts humains. L'étude distingue trois concepts : l'IAG (niveau médian humain), l'ISA (supérieure aux meilleurs collectifs humains dans presque tous les domaines) et l'IA universelle (limite théorique). Elle propose quatre voies potentielles vers l'ISA : 1. **Extension des ressources** : augmentation de la puissance de calcul, des données et des modèles. 2. **Évolution algorithmique** : améliorations incrémentales ou nouveaux paradigmes (apprentissage continu, utilisation d'outils, modèles du monde). 3. **Auto-amélioration récursive** : des IA plus performantes conçoivent la génération suivante, créant une boucle de rétroaction positive. 4. **Coordination multi-agents** : des systèmes IAG collaborant atteignent une intelligence collective supérieure. L'étude identifie six principaux goulets d'étranglement : 1. **Le mur des données** : les données humaines de haute qualité pourraient s'épuiser. 2. **Pressions économiques et ressources naturelles** : coûts énergétiques et matériels. 3. **Limites des paradigmes neuronaux actuels** : problèmes d'apprentissage continu, de raisonnement robuste, d'hallucinations. 4. **Difficulté croissante de la recherche**. 5. **Barrières à l'abstraction** : difficulté à former de nouveaux concepts fondamentaux. 6. **Régulation, gouvernance et réaction sociale**. Un défi crucial est l'évaluation des capacités de l'IA au-delà du niveau humain, nécessitant de nouveaux benchmarks. L'étude conclut que la progression vers l'ISA reste incertaine, soumise à des contraintes physiques et de ressources, et appelle à un effort de recherche interdisciplinaire pour mieux anticiper cette évolution.

marsbit06/16 12:06

L'AGI n'est pas l'arrivée, nouveau document de DeepMind : Vers l'ASI, le véritable progrès de l'IA ne fait que commencer

marsbit06/16 12:06

Le père d'AlphaGo place l'IA dans une société artificielle vieille de 23 ans : les trois défis majeurs des agents intelligents sont réunis ici

DeepMind s'associe à Fenris Creations (anciennement CCP Games), créateur du jeu en ligne EVE Online, pour y mener des recherches sur l'IA. Contrairement aux précédents terrains de jeu comme les échecs ou StarCraft, EVE offre un univers persistant, unique et évolutif depuis 23 ans, façonné par les interactions économiques, politiques et militaires complexes des joueurs. Cette collaboration vise à résoudre trois défis majeurs des agents IA : la planification à long terme, la mémoire et l'apprentissage continu. Ces capacités, essentielles pour survivre et prospérer dans l'écosystème dynamique et imprévisible d'EVE, sont précisément celles que les joueurs humains utilisent quotidiennement. Les recherches initiales se dérouleront dans une version hors ligne du jeu, préservant ainsi l'intégrité de l'univers des joueurs tout en fournissant un environnement riche et sûr pour tester l'autonomie et l'adaptabilité des agents IA. Ce partenariat marque une nouvelle étape dans l'évolution des environnements d'entraînement de DeepMind, passant de jeux fermés à des mondes ouverts et socialement complexes, se rapprochant ainsi des défis du monde réel.

marsbit05/25 00:12

Le père d'AlphaGo place l'IA dans une société artificielle vieille de 23 ans : les trois défis majeurs des agents intelligents sont réunis ici