Supersocks Intelligent

Que l'AGI soit mal définie ne veut pas dire qu'elle est inutile, ni déjà atteinte. On ne s'accorde pas non plus sur une définition de l'intelligence, ça n'empêche pas de voir ce qui manque. Un agent qui code peut essayer, voir que ça plante et recommencer. Une mauvaise action dans une usine, sur un réseau électrique ou dans un bloc opératoire, on ne la rattrape pas : il faut anticiper avant d'agir, donc simuler. C'est exactement ce que vise un world model. Je ne dis pas que les LLM sont une impasse, ni qu'ils sont incapables dans ces cas-là. Ils sont bluffants, mais suffisants pour quoi ? Pour écrire, coder, chercher, on s'en approche. Pour agir dans le réel, une brique reste encore mal maîtrisée : anticiper de façon fiable ce qui va se passer dans une situation physique nouvelle. Le langage donne accès aux intentions et aux explications, le world model aux conséquences physiques. Et il faut que ça tourne sur un robot ou une machine, en temps réel, pas seulement dans un datacenter. C'est là que JEPA est intéressant. Tous les world models ne font pas la même chose. Certains génèrent une vidéo du futur, comme Genie ou Cosmos : ils redessinent toute la scène, reflets et textures compris. JEPA, lui, ne cherche pas à reconstruire chaque pixel : il prédit une représentation abstraite de la scène, en gardant ce qui sert à comprendre et à agir. Plutôt une carte qu'une photo. Et comme il ne fabrique pas d'images, il peut être beaucoup plus léger à faire tourner, ce qui compte pour un robot. Et ça marche déjà en partie : avec V-JEPA 2, sorti chez Meta en 2025, des bras robotiques ont pu attraper et déplacer des objets dans des labos où ils n'avaient jamais été entraînés. Le modèle avait surtout appris sur plus d'un million d'heures de vidéos internet, puis sur moins de 62 heures de vidéos de robots. Les taux de réussite restaient loin de 100 %, mais la version 2.1, publiée en mars 2026, fait déjà mieux sur la saisie d'objets. Et ce qu'on appelle « un LLM » aujourd'hui, c'est déjà bien plus qu'un LLM. Claude Opus 5.5, ce n'est pas juste un bon modèle de langage : c'est un très bon système. Il est entraîné par renforcement, utilise des outils, exécute du code, vérifie ses résultats et travaille en agent. Google pareil, avec Gemini d'un côté, Genie, son world model, et Gemini Robotics de l'autre. Le progrès vient déjà de l'assemblage de briques. Les world models peuvent en devenir une, sans devoir nécessairement remplacer le reste. Rien ne prouve encore que JEPA soit la bonne architecture, c'est un pari de recherche. Mais LeCun n'a pas besoin que les LLM soient une impasse pour avoir raison d'explorer une autre voie. Quant à savoir si on a besoin de l'AGI, peu importe le mot. Ce qu'on cherche, on le sait : des IA qui apprennent avec peu d'exemples, qui s'adaptent à ce qu'elles n'ont jamais vu et qui anticipent les effets de leurs actes. Des robots fiables ailleurs qu'en démo. La question est simple : une IA qui parle très bien comprend-elle assez le monde pour y agir de façon fiable ? Pour l'instant, la réponse honnête est : pas encore.

80 milliards de perte, pas un dollar sorti de la caisse. Les dessous d'Anthropic, à partir d'une lecture complète de son S-1.

L’IA pour les nuls: le kit de survie pour démarrer par @iamsupersocks

Elle est peut-être aussi, voire plus terrifiante que Dario, celle-ci. Vous le voyez venir, le discours : l’IA est tellement intelligente que chaque token doit être utilisé à bon escient. Donc, de préférence, pas pour les gueux… et éventuellement davantage pour nos partenaires comme les labos pharmaceutiques. L’AGI pour tous, les tokens pour les happy few. C’est de famille, chez les Amodei. Touchez pas à mon Claude. Je préfère parler à une IA qu’à des humains qui veulent sauver l’humanité en commençant par trier qui mérite d’y avoir accès.

Tu ne nous auras pas, fumier. Le problème de supply ne vient pas de nos 3090 RTX rafistolées.