s2pmag Multimedia Lifestyle
Le modèle π0.7 serait capable d’exécuter des tâches jamais enseignées, une avancée majeure dans le domaine de l’intelligence artificielle robotique.
Physical Intelligence vient peut-être de franchir une étape décisive dans le développement de l’intelligence artificielle appliquée à la robotique. La jeune pousse californienne, déjà considérée comme l’une des start-up IA les plus prometteuses de la Silicon Valley, affirme avoir observé chez son modèle π0.7 des comportements inattendus : le robot serait désormais capable d’exécuter certaines tâches qu’aucun ingénieur ne lui a explicitement enseignées.
Une nouvelle génération d’IA capable d’apprendre par analogie
Depuis les débuts de l’intelligence artificielle moderne, la logique de fonctionnement des modèles reste relativement simple sur le papier : les chercheurs alimentent l’IA avec des données d’entraînement, puis le système apprend progressivement à identifier des corrélations afin d’exécuter des tâches précises.
Mais comme ce fut déjà le cas chez OpenAI avec certains comportements émergents observés sur GPT-2, les chercheurs découvrent aujourd’hui que certains modèles développent parfois des capacités inattendues dépassant largement leur programmation initiale.
Chez Physical Intelligence, cette évolution semble désormais concerner directement les robots physiques.
Le modèle π0.7 serait en effet capable de pratiquer ce que les chercheurs appellent la « généralisation compositionnelle » : une aptitude consistant à recombiner des connaissances acquises dans différents contextes afin de résoudre un problème totalement inédit.
Autrement dit, le robot apprend à raisonner par analogie, un mécanisme particulièrement proche de certaines formes d’apprentissage humain.
π0.7 surprend les chercheurs avec une friteuse à air
L’exemple le plus frappant dévoilé par l’entreprise concerne une simple friteuse à air chaud, plus connue sous le nom d’Airfryer.
En analysant les données d’entraînement du modèle, les chercheurs ont découvert que π0.7 n’avait été exposé qu’à deux interactions anecdotiques avec cet appareil. Dans un premier cas, un autre robot se contentait de refermer l’appareil. Dans le second, issu d’un dataset open source, un robot y déposait simplement une bouteille en plastique sous instruction humaine.
Aucune donnée d’apprentissage ne lui enseignait donc comment cuisiner ou utiliser concrètement l’appareil.
Et pourtant, sans programmation spécifique, π0.7 a spontanément tenté de cuire une patate douce dans la friteuse à air. Guidé uniquement par des instructions vocales détaillées étape par étape, le robot serait même parvenu à accomplir la tâche avec succès.
Les chercheurs eux-mêmes se disent surpris par les capacités du modèle
Cette démonstration semble avoir profondément surpris les équipes de recherche de Physical Intelligence.
Ashwin Balakrishna, chercheur au sein de la société et doctorant à Stanford University, reconnaît que ces comportements émergents dépassent largement ce que les ingénieurs pensaient pouvoir prédire à partir des données d’entraînement.
Jusqu’à présent, les spécialistes de l’IA robotique estimaient généralement pouvoir anticiper relativement précisément les capacités futures d’un modèle selon les informations absorbées pendant son apprentissage.
Avec π0.7, cette frontière devient beaucoup plus floue.
Une IA robotique encore loin d’être autonome
Malgré l’enthousiasme suscité par ces résultats, Physical Intelligence adopte toutefois un discours extrêmement prudent.
Dans son document de recherche, la société évoque uniquement des « premiers signes » de généralisation avancée ainsi que des « démonstrations initiales » de capacités émergentes.
Le modèle reste encore incapable d’exécuter des tâches complexes entièrement autonomes à partir d’une simple instruction générale.
Sergey Levine, cofondateur de Physical Intelligence et professeur à University of California, Berkeley, reconnaît d’ailleurs que le système ne peut pas encore gérer des missions complètes du type : « Va me préparer des toasts ».
Le prompt engineering reste essentiel au fonctionnement du robot
Autre élément particulièrement révélateur : la réussite spectaculaire observée avec l’Airfryer n’a pas été immédiate.
Les chercheurs expliquent que la première tentative du robot affichait un taux de réussite extrêmement faible, avoisinant seulement 5 %.
Il aura fallu près de trente minutes d’ajustements dans la formulation des instructions, via des techniques de prompt engineering, pour faire grimper ce taux à environ 95 %.
Cette réalité rappelle que, malgré les progrès impressionnants des IA modernes, l’interaction humaine et la qualité des consignes restent aujourd’hui essentielles au bon fonctionnement des modèles avancés.
Une start-up IA valorisée plusieurs milliards de dollars
Fondée il y a seulement deux ans, Physical Intelligence attire déjà massivement les investisseurs de la Silicon Valley.
La société serait actuellement valorisée à environ 5,6 milliards de dollars et mènerait déjà des discussions pour une nouvelle levée de fonds susceptible de faire grimper cette valorisation jusqu’à près de 11 milliards de dollars.
Un chiffre colossal pour une entreprise qui, à ce stade, n’a pourtant communiqué aucun calendrier précis concernant une éventuelle commercialisation de ses technologies robotiques basées sur l’intelligence artificielle.
Mais une chose semble désormais certaine : la frontière entre apprentissage programmé et comportements émergents continue de s’estomper rapidement dans le monde de l’IA avancée.
