Les trois grandes avancées des modèles d'IA en 2025 dévoilées, Jensen Huang esquisse une nouvelle orientation lors du Forum de Davos

黄仁勋在达沃斯论坛上总结了过去一年AI模型层的三大突破：代理式AI的成熟、开源模型生态的繁荣、以及物理AI的重大进展。这些突破标志着AI从概念验证阶段迈向广泛应用阶段，也反映出整个产业正在经历深刻的转变。

Les trois grandes avancées des modèles d’IA

AI agentique : de l’illusion à la déduction fiable

Les premiers modèles d’IA souffraient de graves problèmes de “hallucinations”, mais Huang Renxun a indiqué qu’au cours de la dernière année, ce problème s’était considérablement amélioré. Plus important encore, ces modèles peuvent désormais être appliqués dans la recherche, capables de raisonner, planifier et répondre à des questions sans entraînement spécifique dans un domaine particulier. C’est la capacité centrale de l’IA agentique — le modèle peut autonomement accomplir des tâches à plusieurs étapes, et pas seulement répondre passivement.

La signification de cette avancée réside dans le fait que l’IA est passée d’un simple outil à un assistant. Elle n’a plus besoin d’une guidance humaine étape par étape, mais peut comprendre un objectif, élaborer un plan et exécuter des tâches.

Modèles open source : le tournant de la démocratisation de l’IA

Huang Renxun a qualifié le lancement du premier modèle de raisonnement open source de DeepSeek comme un “événement majeur”. Après cet événement, l’écosystème des modèles de raisonnement open source a commencé à prospérer, de nombreuses entreprises, institutions de recherche et établissements éducatifs pouvant innover en utilisant ces modèles.

Que signifie cela ? L’IA n’est plus l’apanage des grandes entreprises. Les PME, les startups, les institutions de recherche, voire les professionnels de l’éducation ont désormais la possibilité de construire leurs propres applications à partir de modèles open source. Cela réduit considérablement la barrière à l’entrée pour l’utilisation de l’IA et accélère son adoption dans divers secteurs.

IA physique : de la virtualité à la réalité

La troisième avancée concerne l’IA physique, un domaine encore peu connu mais très prometteur. L’IA physique peut non seulement comprendre le langage, mais aussi le monde physique — y compris les lois en biologie, chimie, physique, etc. Dans le domaine de la physique, l’IA peut comprendre la dynamique des fluides, la physique des particules, la physique quantique.

L’importance de cette avancée réside dans le fait que le champ d’application de l’IA s’étend de la simple gestion de l’information à la recherche scientifique et à l’ingénierie. La découverte de médicaments, la science des matériaux, les modèles climatiques, etc., pourraient tous bénéficier de nouveaux outils.

La réalité industrielle derrière ces avancées

Les informations indiquent que le prix de location des GPU augmente avec la demande croissante, et Huang Renxun a également souligné que l’IA nécessite des infrastructures d’une valeur de plusieurs dizaines de billions de dollars. Cela reflète un phénomène : l’amélioration des capacités des modèles d’IA stimule directement la demande en ressources de calcul.

Ces trois avancées convergent dans une même direction — l’IA passe de la recherche à la production. L’IA agentique améliore l’autonomie des modèles, l’écosystème open source réduit la barrière d’entrée, et l’IA physique étend le champ d’application. Ensemble, ces progrès alimentent une nouvelle vague d’investissements dans les infrastructures.

En résumé

Les trois grandes avancées résumées par Huang Renxun reflètent trois axes clés de développement de l’industrie de l’IA. L’IA agentique résout le problème de fiabilité des modèles, faisant passer l’IA d’un simple outil à un assistant ; l’écosystème open source brise le monopole de l’IA, permettant à davantage d’acteurs d’innover ; l’IA physique étend l’application de l’IA du domaine de l’information à la science et à l’ingénierie.

Ces avancées ne sont pas isolées, mais se renforcent mutuellement. Des modèles plus puissants nécessitent davantage de ressources de calcul, et la prospérité de l’écosystème open source stimule encore la demande en puissance de calcul. On peut prévoir qu’en 2026, le développement de l’industrie de l’IA se concentrera sur ces trois axes, tandis que la construction et l’investissement dans les infrastructures continueront à être des moteurs clés de l’industrie.