Le progrès de l'IA ralentit à cause d'un excès de données inutiles — il y en a trop.

Le principal enseignement : pour passer de ChatGPT aux robots « vivants », il ne suffit pas d’avoir de gros ensembles de données, mais des informations qualitatives et pertinentes.

Fortune souligne que l’industrie de l’IA se trouve à la porte d’une nouvelle ère – l’intelligence physique et les modèles du monde environnant. De tels systèmes doivent être capables de s’orienter dans l’espace réel : conduire sur la route, plier le linge ou assister lors d’interventions chirurgicales complexes. Pour cela, ils ont besoin non pas simplement de données « téléchargeables », mais d’enrichissements riches et multidimensionnels.

Pourquoi la qualité des données est cruciale
1. Redondance et inutilité

Dans l’effervescence autour de l’IA, de nombreuses startups (Scale AI, Surge AI, Mercor) cherchent à collecter autant de données que possible. Cela entraîne un amas massif de fichiers « vides » qui ne contribuent pas à l’entraînement des modèles. Si les chercheurs ne peuvent pas les filtrer, le potentiel de l’IA physique restera sous‑exploité.

2. Complexité des tâches multidimensionnelles

Comprendre un monde complexe exige encore plus de données, mais celles‑ci sont extrêmement difficiles d’accès. Les ingénieurs se tournent donc vers la modélisation : ils créent des reconstructions virtuelles de scénarios réels afin de générer des exemples d’entraînement pour les robots et les véhicules autonomes.

3. Risques liés aux ensembles de mauvaise qualité

Des données de faible qualité peuvent entraîner des résultats imprévisibles. Un exemple est l’arrêt du support d’OpenAI pour l’application vidéo Sora : le modèle ne maîtrisait pas la physique, ce qui entravait des prévisions réalistes.

Comment résoudre le problème
- Outils de nettoyage

Les spécialistes de l’apprentissage automatique ont besoin de technologies capables d’éliminer automatiquement les données superflues, d’analyser, normaliser et corriger les ensembles. Cela permettra d’extraire l’information précieuse du « bruit ».

- Focus sur la qualité

Actuellement, le facteur limitant est le manque de données de haute qualité. Les entreprises qui comprendront cela en premier et commenceront à investir dans leur collecte et leur traitement deviendront les leaders dans la création de systèmes IA réellement fonctionnels.

Ainsi, passer des modèles textuels aux robots capables d’agir dans le monde réel est impossible sans une approche systématique de la qualité des données d’entraînement. Fortune souligne que c’est précisément ce facteur qui sera décisif pour l’avenir de l’intelligence physique.