Qu'est-ce qu'un « modèle du monde », cette alternative aux LLM selon certains chercheurs en IA

Demandez à la plupart des gens d'imaginer l'intelligence artificielle aujourd'hui, et ils décriront probablement quelque chose comme un chatbot : un grand modèle de langage (LLM), entraîné sur d'énormes quantités de texte, qui prédit le mot suivant dans une séquence avec une fluidité troublante. Mais un nombre croissant de chercheurs en IA soutiennent qu'un autre type de système, appelé modèle du monde, est mieux adapté aux tâches qui exigent de comprendre comment les situations évoluent dans le temps plutôt que de simplement générer un texte plausible.

Un modèle du monde, défini au sens large, est un système entraîné à construire une représentation interne du fonctionnement d'un environnement et à prédire comment celui-ci changera en réponse à des actions ou des événements. Plutôt que d'apprendre principalement à partir de texte, les modèles du monde sont souvent entraînés sur des séquences d'observations, comme des vidéos, des données de capteurs ou des événements structurés, dans le but d'anticiper ce qui se passe ensuite plutôt que quel mot vient ensuite.

Cette distinction compte car les modèles de langage et les modèles du monde sont optimisés pour des objectifs différents. Un grand modèle de langage est fondamentalement un moteur de prédiction de texte ; sa fluidité vient des régularités statistiques apprises sur de vastes corpus écrits. Un modèle du monde tente de saisir quelque chose de plus proche de la causalité : si ceci se produit, que va-t-il probablement se passer ensuite, et comment cela se déroule-t-il dans le temps.

Alex LeBrun, président exécutif de Nabla, une entreprise spécialisée dans la transcription médicale assistée par IA, fait partie des voix qui défendent que cette distinction n'est pas seulement académique. S'exprimant auprès de STAT News, LeBrun a expliqué pourquoi il pense que les modèles du monde pourraient finalement s'avérer plus utiles que les grands modèles de langage pour certaines catégories de tâches concrètes, dont la documentation médicale.

L'argument repose sur la nature des consultations cliniques. La conversation entre un médecin et un patient n'est pas un bloc de texte statique à résumer ; c'est une interaction dynamique et évolutive dans laquelle le contexte s'accumule, les symptômes sont décrits dans le désordre, et le sens dépend fortement de ce qui s'est produit plus tôt dans l'échange. Les partisans des modèles du monde estiment que des systèmes conçus pour suivre l'évolution des situations, plutôt que de simplement reconnaître des motifs linguistiques, pourraient gérer ce type de complexité de manière plus fiable.

Il ne s'agit pas d'une idée nouvelle dans la recherche en intelligence artificielle en général. Les modèles du monde trouvent leurs racines dans l'apprentissage par renforcement et la robotique, domaines où des systèmes sont depuis longtemps entraînés à prédire les conséquences physiques des actions afin de planifier efficacement. Les agents d'IA jouant à des jeux vidéo et les systèmes de conduite autonome utilisent depuis des années des variantes de ce concept, souvent décrites comme l'apprentissage d'une simulation de leur environnement qu'ils peuvent utiliser pour anticiper.

Ce qui a changé récemment, c'est l'application croissante de cette logique de modèle du monde à des domaines autrefois considérés comme le territoire exclusif des modèles de langage, notamment la documentation en santé, les interactions avec les clients et d'autres tâches structurées mais conversationnelles. Certains laboratoires d'IA ont commencé à publier des recherches présentant explicitement les modèles du monde comme une approche complémentaire, voire un successeur éventuel, au paradigme dominant actuel des grands modèles de langage.

Les sceptiques mettent en garde contre une exagération de cette division. De nombreux systèmes d'IA modernes mêlent déjà des éléments des deux approches, utilisant des modèles de langage pour produire un texte fluide tout en intégrant des composants de raisonnement structuré ou de mémoire qui rappellent certains aspects de la modélisation du monde. Les deux approches ne s'excluent pas nécessairement mutuellement, et certains des systèmes les plus performants actuellement développés les combinent plutôt que de choisir l'une ou l'autre.

Pour un secteur qui cherche encore à cerner les domaines où les grands modèles de langage excellent et ceux où ils sont insuffisants, l'argument du modèle du monde offre un cadre utile pour penser leurs limites. Les tâches qui exigent un suivi approfondi d'un contexte réel en constante évolution, plutôt que la génération d'une phrase suivante plausible, pourraient tout simplement nécessiter un type d'architecture sous-jacente différent, quel que soit le nom qu'on finira par lui donner.

Que les modèles du monde deviennent un complément grand public aux grands modèles de langage, ou qu'ils restent une niche de recherche défendue par des figures comme LeBrun, dépendra probablement de leur capacité à démontrer des avantages clairs et mesurables dans des environnements de production comme la documentation clinique. Pour l'instant, le concept offre un vocabulaire utile pour un débat qui devrait s'intensifier à mesure que les entreprises d'IA regardent au-delà des chatbots, vers des systèmes censés fonctionner de manière fiable dans le désordre du monde réel.