Des TPU aux agents auto-évolutifs : comment Jeff Dean envisage la prochaine étape de l'IA
Lors d’une intervention à la YC Startup School 2026, Jeff Dean a partagé sa vision de l’évolution de l’IA au-delà des simples modèles de grande taille. Il souligne que la prochaine étape ne consiste pas seulement à créer des modèles plus puissants, mais à les intégrer dans des systèmes capables de fonctionner de manière autonome, d’apprendre par essais et erreurs, et d’exécuter des tâches complexes sur de longues périodes.
Dean insiste sur l’importance de l’ingénierie du contexte, des outils spécialisés et des boucles de rétroaction pour permettre aux agents IA d’agir efficacement, comme des ingénieurs juniors. Il met en lumière les défis techniques sous-jacents, tels que la latence, la consommation énergétique et le coût du déplacement des données, qui conditionnent la faisabilité des applications pratiques.
Pour les startups, il conseille de se concentrer sur des problèmes où les modèles génériques actuels échouent (taux de succès proche de 0–1%), en exploitant des données propriétaires, des évaluateurs spécialisés ou des flux de travail métier. Il anticipe également une automatisation croissante de la recherche scientifique et du développement de l’IA elle-même, accélérant le cycle hypothèse-expérience-évaluation.
Enfin, Dean rappelle que la clé reste de bien définir les problèmes, de remettre en cause les hypothèses établies et de privilégier les solutions qui auront un impact réel, tout en travaillant avec des équipes complémentaires et collaboratives.
marsbitHier 00:21
