# LLM Articles associés

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

Le nouveau poste de FDE connaît un grand succès dans la Silicon Valley. De quel type de talents en IA les entreprises ont-elles besoin ?

Un nouveau poste en vogue dans la Silicon Valley, l’Ingénieur de Déploiement sur le Terrain en IA (AI Forward Deployed Engineer, FDE), consiste à déployer directement chez le client des flux de travail d'Agent IA personnalisés, adaptés à des processus métiers spécifiques. Même si ce rôle, popularisé par Palantir il y a vingt ans, connaît un regain d'intérêt avec les initiatives d'OpenAI et d'Anthropic, il ne représente qu'une partie de l'évolution du marché de l'emploi liée à l'IA. L'article souligne que l'impact de l'IA ne se résume pas à un simple remplacement d'emplois, mais qu'elle crée de nouveaux rôles génériques. La demande devrait être bien plus forte pour les ingénieurs en IA internes aux entreprises. Ces professionnels doivent maîtriser les prompts, les frameworks d'agents, les systèmes d'évaluation et utiliser des outils de programmation assistée par IA pour intégrer les capacités de l'IA dans les logiciels et les systèmes opérationnels. À l'image de la spécialisation passée du génie logiciel (front-end, back-end, DevOps), le domaine de l'ingénierie IA devrait à son tour se différencier en rôles plus spécialisés, tels que LLMOps, ingénieur en évaluation ou ingénieur de données IA. La vraie rareté sur le marché sera les profils hybrides, alliant une solide compétence technique à une compréhension approfondie des scénarios métiers.

marsbit06/02 04:43

Le nouveau poste de FDE connaît un grand succès dans la Silicon Valley. De quel type de talents en IA les entreprises ont-elles besoin ?

marsbit06/02 04:43

OpenAI relance ses activités robotiques après six ans d'arrêt, en se concentrant à court terme sur les robots d'assistance

Le PDG d'OpenAI, Sam Altman, a annoncé le 1er juin via un recrutement public la création d'"OpenAI Robotics", marquant le retour officiel de l'entreprise dans le secteur de la robotique physique après six ans d'absence. La stratégie comporte deux volets : à court terme, développer des robots d'assistance pour les travailleurs techniques dans la construction d'infrastructures ; à long terme, envisager un robot personnel polyvalent pour chaque individu. Ce retour s'appuie sur le projet de recherche interne "Worldsim", confié à Aditya Ramesh, et repose sur l'intégration profonde du matériel et de l'apprentissage automatique. OpenAI avait initialement exploré la robotique entre 2016 et 2019 (avec Dactyl, par exemple), avant de dissoudre son équipe en 2020 pour se concentrer sur les modèles de langage comme GPT, menant à ChatGPT. Aujourd'hui, alors qu'OpenAI, évaluée à 852 milliards de dollars et préparant probablement son introduction en bourse, fait face à des pertes importantes, elle relance sa division robotique. Cette décision intervient après l'échec d'un partenariat avec Figure AI en 2025, dû à des divergences sur l'approche technologique. Figure AI privilégiait un modèle spécifique aux robots, tandis qu'OpenAI mise sur ses grands modèles de "monde" pour comprendre la physique avant de les intégrer à des corps physiques. Ainsi, OpenAI transforme la robotique d'un objet d'investissement en un axe stratégique interne. Cette manœuvre vise à la fois à explorer la voie de "l'intelligence incarnée" et à présenter une nouvelle courbe de croissance aux investisseurs avant une éventuelle entrée en bourse, en passant d'un pur logiciel à une entreprise intégrant le matériel.

marsbit06/02 00:34

OpenAI relance ses activités robotiques après six ans d'arrêt, en se concentrant à court terme sur les robots d'assistance

marsbit06/02 00:34

AI PC arrive, défie localement un grand modèle de 120B ! Nvidia redéfinit le socle de l’« ordinateur personnel IA » avec le RTX Spark

Ces deux dernières années, les fabricants de PC ont largement mis en avant la puissance des NPU (processeurs neuronaux) pour les "AI PC", mais leurs performances restaient modestes (environ 45 à 50 TOPS). Lors du GTC 2026, NVIDIA a présenté la puce RTX Spark, qui repousse radicalement cette limite avec une puissance annoncée de 1 pétaflop (1000 TOPS) pour l'IA. Cette SoC intègre un GPU Blackwell et un CPU Arm Grace conçu avec MediaTek, et surtout, elle adopte une architecture de mémoire unifiée allant jusqu'à 128 GB, partagée entre le CPU et le GPU. L'objectif principal est de permettre l'exécution locale de grands modèles de langage (LLM) de 120 milliards de paramètres, avec des fenêtres de contexte pouvant atteindre un million de tokens, ce qui redéfinit les capacités de l'IA de bord. NVIDIA a également annoncé des collaborations majeures avec Microsoft pour renforcer la sécurité Windows et intégrer le bac à sable OpenShell, ainsi qu'avec Adobe qui adapte en profondeur des logiciels comme Photoshop pour tirer parti de cette nouvelle architecture. Plusieurs grands fabricants d'ordinateurs (ASUS, Dell, HP, Lenovo, Microsoft Surface, MSI) prévoient de commercialiser des PC portables fins et des mini-desktops équipés du RTX Spark dès l'automne. Cette initiative marque un changement potentiel dans l'industrie du PC, faisant passer l'accent du processeur x86 traditionnel à une plateforme SoC centrée sur le GPU. Cependant, des questions pratiques concernant la dissipation thermique, l'autonomie, les performances réelles et la stratégie de tarification des OEM restent en suspens et détermineront le succès final de cette nouvelle norme matérielle.

marsbit06/01 06:45

AI PC arrive, défie localement un grand modèle de 120B ! Nvidia redéfinit le socle de l’« ordinateur personnel IA » avec le RTX Spark

marsbit06/01 06:45

Faire tourner un MoE sur smartphone ? Meta propose MobileMoE, avec une accélération de 3,8x sur iPhone 16 Pro

Récemment, Meta a proposé MobileMoE, une nouvelle architecture de modèle MoE (Mixture of Experts) optimisée pour fonctionner efficacement sur les smartphones. Cette approche remplace les couches denses traditionnelles des grands modèles de langage (LLM) par des couches MoE, permettant de réduire considérablement la quantité de calculs nécessaires à l'inférence tout en conservant des performances élevées. Les résultats montrent que MobileMoE atteint des scores similaires, voire supérieurs, aux modèles denses de référence sur 14 tests fondamentaux, tout en utilisant seulement 1/2 à 1/4 des opérations de calcul. Après quantification en INT4, le modèle conserve sa compétitivité. Lors de déploiements sur des appareils commerciaux comme l'iPhone 16 Pro, MobileMoE accélère l'inférence jusqu'à 3,8 fois lors de la phase d'entrée et jusqu'à 3,4 fois lors de la génération de tokens, tout en réduisant l'empreinte mémoire. L'étude établit de nouvelles frontières de Pareto pour les LLM sur appareils mobiles, offrant un meilleur compromis entre précision et coût de calcul. Les performances sont particulièrement notables sur les tâches de code et de mathématiques. Les auteurs soulignent que des progrès futurs pourraient passer par l'amélioration de l'alignement via des techniques comme le fine-tuning, le distillation et l'extension multimodale.

marsbit06/01 06:13

Faire tourner un MoE sur smartphone ? Meta propose MobileMoE, avec une accélération de 3,8x sur iPhone 16 Pro

marsbit06/01 06:13

Trois ans plus tard : Retour sur mon jugement de 2023 concernant ChatGPT

Trois ans après ses prédictions sur ChatGPT en mars 2023, Wang Jianshuo revient sur ses vingt affirmations initiales, évaluées en mai 2026 par des agents IA. Sur les vingt points, la majorité des tendances de fond étaient correctes : l'essor du RAG comme architecture dominante pour l'injection de connaissances, le rôle central de l'interface utilisateur en langage naturel (LUI), l'émergence de protocoles pour un "réseau d'agents", et le rattrapage technologique rapide des modèles chinois. Des erreurs notables portent sur des chiffres précis, comme les 100 billions de paramètres supposés de GPT-4 (en réalité environ 1,8 billion) ou une estimation trop basse des coûts de formation des grands modèles. Certaines prévisions se sont révélées trop absolues ("l'IA ne fera jamais de mathématiques pures") ou ont négligé les disparités (aucune vague de chômage massif, mais un impact sévère sur les jeunes diplômés). L'analyse révèle que les intuitions sur les mécanismes et les directions se sont avérées bien plus fiables que les prédictions numériques ou temporelles, souvent trop optimistes à court terme. La prudence dans les formulations et la reconnaissance des incertitudes se sont montrées précieuses avec le recul. Ce bilan offre des leçons pour les futurs pronostics : privilégier les tendances aux chiffres, anticiper les effets distributifs et accepter que certaines questions demandent plus de trois ans pour être tranchées.

marsbit05/31 16:13

Trois ans plus tard : Retour sur mon jugement de 2023 concernant ChatGPT

marsbit05/31 16:13

Trois ans plus tard : un retour sur mes prédictions de 2023 concernant ChatGPT

Trois ans après ses prédictions sur le ChatGPT en mars 2023, Wang Jianshuo revient sur ses 20 affirmations initiales. Évaluées en mai 2026 par des agents IA, la plupart de ses intuitions sur les grandes tendances se sont révélées justes : le RAG est devenu l'architecture standard pour intégrer des connaissances, l'Interface Utilisateur en Langage Naturel (LUI) a créé un nouvel écosystème, et les modèles chinois ont presque rattrapé les leaders mondiaux. Des concepts comme les réseaux d'agents et la nature limitée du test de Turing se sont également matérialisés. Cependant, les prévisions quantitatives et les affirmations trop absolues ont souvent échoué. Le paramétrage supposé du GPT-4 (100T) était inexact, et les coûts de développement des modèles ont dépassé les estimations. Il a sous-estimé la vitesse de personnalisation des IA et l'impact distribué sur l'emploi des jeunes. La capture de valeur a surtout bénéficié à la couche matérielle (comme Nvidia), et non aux seules applications. Les leçons clés sont que les mécanismes et les directions sont plus fiables que les chiffres précis, que l'optimisme à court terme doit être tempéré, et que les nuances ("peut-être", "pour l'instant") rendent les prédictions plus robustes. Cette rétrospective souligne l'importance de distinguer les tendances confirmées des questions toujours ouvertes.

链捕手05/31 13:44

Trois ans plus tard : un retour sur mes prédictions de 2023 concernant ChatGPT

链捕手05/31 13:44

6 questions pour comprendre les tendances commerciales de l'IA

L'économie de l'IA est entrée dans sa phase d'« été », caractérisée par une coexistence entre le récit et la livraison concrète, où la rentabilité devient cruciale. Cette analyse s'appuie sur un cadre à six dimensions, chacune notée 1 point sur 2, pour un total de 6 points, situant le secteur en plein été (5-7 points). Les six dimensions évaluées sont : 1. **Narration vs Livraison** : Passage des promesses à des offres payantes (ex. : abonnements Doubao, publicité OpenAI). 2. **Connectivité système** : Les produits IA sortent de leur isolement pour s'intégrer aux workflows. 3. **Capacité de livraison** : L'IA est utilisée à grande échelle pour des tâches productives (ex. : milliards d'appels quotidiens sur Doubao). 4. **Rationalisation du ROI** : Les coûts (calcul, électricité) imposent une tarification et un calcul du retour sur investissement. 5. **Phénomène sectoriel** : Fin de la gratuité généralisée, début des discussions sur la profitabilité. 6. **Environnement capitalistique** : Les investissements continuent, mais les valorisations dépendent désormais des revenus. Deux signes récents illustrent cette transition : * **Doubao lance des abonnements payants** en raison des coûts astronomiques liés à ses centaines de milliards de requêtes quotidiennes. * **OpenAI lance une plateforme publicitaire** pour monétiser son immense audience et couvrir ses lourdes pertes. Pour les entreprises, la période estivale est le moment d'agir. La feuille de route proposée est en trois étapes : 1. **Démarrer petit** : Identifier un point de douleur précis, obtenir un résultat financier clair (économie/recettes) en moins de 3 mois. 2. **Répliquer et institutionnaliser** : Capitaliser sur les succès initiaux, créer des plateformes de partage de compétences en IA et adapter la structure organisationnelle (formation, incitations). 3. **Refondre par l'IA** : Repenser fondamentalement les processus pour une collaboration parallèle entre humains et IA, visant une automatisation intelligente des flux de travail. En résumé, l'été de l'IA est une phase de validation commerciale où la valeur tangible prime. La stratégie gagnante consiste à prouver la valeur sur un point précis, à l'étendre, puis à réinventer les processus métier autour de l'intelligence artificielle.

marsbit05/31 00:32

6 questions pour comprendre les tendances commerciales de l'IA

marsbit05/31 00:32

Le leader des grands modèles de Shanghai lance son introduction en bourse sur le marché A

L'entreprise leader des grands modèles d'IA à Shanghai, MiniMax, a déposé le 29 mai un dossier de préparation à l'introduction en bourse auprès de la CSRC, visant une entrée sur le marché A, avec Citic Securities comme conseiller. Elle concourt ainsi avec Zhipu AI pour devenir la première entreprise de grands modèles cotée sur le marché A. MiniMax, fondée en janvier 2022 et déjà cotée à Hong Kong depuis janvier de cette année, a vu son cours s'envoler de 409,09% depuis son introduction, atteignant une capitalisation d'environ 227,5 milliards de yuans. Elle intégrera l'indice Hang Seng Tech à partir du 8 juin. Cette performance s'appuie sur des données financières solides. L'entreprise a annoncé un taux de croissance de son revenu annuel récurrent (ARR) supérieur à 100% sur les deux derniers mois. Son ARR dépasse désormais 300 millions de dollars. Pour l'exercice 2025, son chiffre d'affaires s'est élevé à environ 535 millions de yuans, avec une marge brute améliorée à 25,4%, bien qu'elle ait enregistré une perte nette ajustée d'environ 1,69 milliard de yuans. Sur le plan des produits, MiniMax a lancé plusieurs versions de son modèle phare (M2.5, M2.6, M2.7) et a annoncé la prochaine sortie de MiniMax-M3. Cette nouvelle version utilise un mécanisme d'attention éparse propriétaire (MiniMax Sparse Attention) permettant des gains significatifs de vitesse de traitement. L'entreprise propose également Mavis, un produit Agent amélioré. Dans un contexte de concurrence intense et d'investissements élevés en puissance de calcul, les principaux acteurs chinois des grands modèles, tels que MiniMax, Zhipu AI, Moonshot AI et Stepfun, accélèrent leurs démarches d'introduction en bourse pour diversifier leurs sources de financement.

marsbit05/30 02:48

Le leader des grands modèles de Shanghai lance son introduction en bourse sur le marché A

marsbit05/30 02:48

Le marché haussier américain de l'IA va-t-il s'effondrer ?

L'engouement des investisseurs pour l'intelligence artificielle (IA) atteint des sommets, comme en témoigne la valorisation de près de 9000 milliards de dollars d'OpenAI et d'Anthropic. Des acteurs comme SoftBank, dirigé par Masayoshi Son, y investissent massivement, parfois en s'endettant, attirés par d'importantes plus-values potentielles. Cependant, cette frénésie rappelle la bulle Internet des années 2000 et l'exemple de Yahoo. À l'époque, la conviction que les portails web détiendraient un monopole permanent sur le trafic s'est révélée fausse. Le modèle économique actuel des géants de l'IA, qui vendent des tokens via des API, repose sur l'hypothèse qu'ils deviendront les points de passage obligés et pérennes de l'ère de l'IA. Pourtant, l'intelligence artificielle se banalise rapidement, devenant une commodité. Pour justifier leurs valorisations astronomiques, ces entreprises devraient générer des bénéfices annuels de 250 à 300 milliards de dollars, un objectif loin d'être atteint. Leurs revenus récurrents annuels (ARR), bien qu'impressionnants, peuvent être volatils et gonflés par des promotions. Une guerre des prix sur les tokens et l'absence d'applications "superstar" générant des revenus massifs en aval fragilisent ce modèle. Deux scénarios se profilent : un effondrement de type "Yahoo", où les valorisations s'effondreraient face à l'absence de boucle commerciale viable, réduisant ces entreprises à des fournisseurs d'infrastructure aux marges modestes. Ou bien une refonte réussie de leur modèle économique, peut-être en remplaçant des logiciels existants ou en atteignant une IA générale. Dans les deux cas, la certitude du progrès de l'IA ne garantit pas le succès des acteurs actuels. Une correction brutale des valorisations, entraînant des effets de richesse négatifs et une contraction du crédit, pourrait avoir un impact systémique bien plus grave que la bulle Internet. Comme pour toute révolution technologique, le chemin vers la maturité, où l'IA deviendra une infrastructure omniprésente mais discrète, sera probablement marqué par des excès et des corrections.

marsbit05/29 09:15

Le marché haussier américain de l'IA va-t-il s'effondrer ?

marsbit05/29 09:15

活动图片