Google, Mistral, Anthropic ou encore Inflection AI affirment faire aussi bien que GPT-4, le meilleur modèle d'intelligence artificielle d'OpenAI. Mais le créateur de ChatGPT en a encore sous la semelle. Personne ne fait clairement mieux que GPT-4, alors qu'il est sorti il y a plus d'un an, et les concurrents sont contraints de se lancer dans une bataille de mesure pour prouver leur valeur. Surtout, toutes les attentes sont rivées sur GPT-5, son prochain modèle dont la sortie se fait attendre...Le règne sans conteste d'OpenAI sur l'intelligence artificielle semble révolu. Si son modèle d'IA générative GPT-4, lancé il y a tout juste un an, a fait figure de standard d'excellence de la technologie jusqu'ici, il a désormais de sérieux concurrents. Rien que sur le dernier mois, trois entreprises -Mistral AI, Anthropic et Inflection AI- ont présenté des intelligences artificielles capables de rivaliser avec GPT-4, comme Google l'avait fait avec son modèle Gemini fin 2023.
Plus la course à la performance s'intensifie, plus le secteur s'engouffre dans une bataille de mesures. Chaque sortie d'un nouveau modèle s'accompagne de la publication d'une série de benchmarks, des évaluations standardisées sur des tâches précises. L'objectif : quantifier les performances de son IA dans le raisonnement, la compréhension, l'écriture de code informatique ou encore les mathématiques, afin de les comparer à celles de ses concurrents. Avec, en ligne de mire, la volonté de prouver que son modèle se hisse au niveau de GPT-4, ou encore mieux, qu'il le dépasse.
Une question se pose désormais : OpenAI peut-il rétablir sa domination avec le très attendu GPT-5, dont la date de sortie ne cesse d'alimenter les spéculations ?
GPT-4 dépassé ? Plus ou moins selon les mesures
Lundi 4 mars, Anthropic accompagnait la présentation de son modèle Claude-3 de la publication des résultats de dix benchmarks, dans lesquels il sortait systématiquement vainqueur des comparaisons. Une façon pour la startup rivale d'OpenAI de réclamer la place en tête de la course à la performance. Mais à y regarder de plus près, elle ne dépassait son concurrent GPT-4 que d'un dixième de point de pourcentage sur trois des dix tests. Surtout, elle ne révélait pas le détail des résultats des tests, de quoi remettre en cause sa supériorité annoncée.
« Chaque entreprise choisit les benchmarks dont les résultats mettent son modèle en avant », explique à La Tribune Françoise Soulié-Fogelman, conseillère scientifique du Hub France IA. « Elles peuvent agir ainsi car aujourd'hui, il n'y a pas un benchmark qui domine pour évaluer les grands modèles de langages », ajoute-t-elle. Contrairement à l'intelligence artificielle « traditionnelle » où des standards ont fini par s'imposer, il n'existe donc pas de benchmark incontournable pour ChatGPT et consorts. Et pour cause : les grands modèles de langages (connus sous l'acronyme LLM) sont par nature généralistes, c'est-à-dire qu'ils doivent pouvoir réaliser pratiquement n'importe quelle tâche, y compris des cas d'usage auxquels les développeurs n'auraient pas pensé.
