L’article reflète les changements profonds de la recherche en IA dans les universités à mesure que la course à l’IA se déplace vers le secteur des entreprises.
Au cours des quatre dernières années, la recherche en IA s’est fortement concentrée sur les grands modèles de langage, déplaçant le leadership du monde académique vers des entreprises telles qu’OpenAI et Anthropic.
De nombreuses universités manquent de financement pour acheter des GPU afin d’entraîner des modèles avancés et n’ont pas non plus accès aux détails techniques de Claude ou de ChatGPT.
La professeure Nika Haghtalab compare la situation actuelle à ce que serait la biologie si seules les entreprises étaient autorisées à utiliser la technologie d’édition génétique CRISPR.
Le programme AI2050 de Schmidt Sciences subventionne l’achat de GPU, mais le coût d’utilisation des API d’OpenAI, d’Anthropic et de Google reste très élevé pour les chercheurs.
De nombreux scientifiques se sont tournés vers l’étude de problèmes auxquels les entreprises accordent moins d’attention car ils sont difficiles à monétiser.
La professeure Anjalie Field a découvert que les modèles de langage répondent de manière moins sophistiquée aux tournures de phrases couramment utilisées par les femmes, démontrant ainsi le rôle crucial de la recherche indépendante.
De nombreux chercheurs en IA ne développent pas de grands modèles de langage, mais construisent des IA spécialisées pour le climat, la science et la simulation de systèmes physiques.
Des experts craignent que le grand public n’associe l’IA aux grands modèles de langage énergivores, ce qui réduit l’intérêt pour d’autres orientations de l’IA.
Un nombre croissant de professeurs quittent temporairement l’université pour rejoindre des laboratoires d’IA ou travailler en parallèle pour des entreprises.
Certains mathématiciens s’inquiètent du fait que l’IA ait déjà résolu de nombreux problèmes de recherche réels, ce qui affecte le moral de la communauté académique.
Malgré cela, de nombreux experts estiment que l’IA contribuera à accroître la productivité de la recherche et que les contraintes de ressources pourraient pousser les laboratoires universitaires à créer de nouvelles percées avec des modèles plus petits et plus efficaces.
📌 La recherche en IA se déplace fortement vers le secteur privé en raison des avantages en matière de données, de GPU et de capitaux. Cependant, le milieu académique conserve un rôle primordial dans la recherche indépendante, l’évaluation des biais des modèles et le développement d’IA spécialisées au service de la science. L’auteur soutient que ce sont précisément ces contraintes de ressources qui pourraient devenir le moteur permettant aux universités de créer des architectures d’IA nouvelles, plus efficaces et capables de générer la prochaine percée majeure.
