Et si l’avenir de l’intelligence artificielle ne reposait plus sur des puces surchauffées, mais sur un principe aussi vieux que l’horlogerie ? C’est le pari audacieux d’Unconventional AI, une jeune entreprise née dans le sillage de chercheurs du MIT et de Stanford. Leur idée tient en une image : imaginez des milliers de métronomes qui finissent, seuls, par battre la mesure à l’unisson. En exploitant cette mystérieuse tendance des systèmes physiques à se synchroniser, la start-up affirme pouvoir concevoir une IA jusqu’à 1 000 fois plus économe en énergie que l’informatique classique. Une promesse spectaculaire, à l’heure où les modèles génératifs deviennent d’insatiables ogres énergétiques. Décryptage.

Quand l’IA se met à consommer autant qu’un pays entier

Derrière chaque image générée par une IA se cache un appétit énergétique colossal. Les générateurs les plus connus, comme Midjourney ou Dall-E, reposent sur une technique baptisée diffusion. Le principe est presque poétique : le réseau part d’une image de bruit statique, une sorte de fourmillement chaotique, puis il en retire progressivement le désordre pour faire émerger une forme cohérente. Problème : cette opération de « nettoyage » doit être répétée 20 à 50 fois pour un seul visuel, parfois jusqu’à 100 fois, même si les gains deviennent alors marginaux au-delà de 50 passages.

Multipliez ces itérations par les millions de requêtes quotidiennes, et vous obtenez une facture énergétique qui grimpe à une vitesse vertigineuse. C’est précisément ce mur que veut contourner Unconventional AI, non pas en optimisant l’existant, mais en changeant radicalement de logique. Plutôt que d’améliorer la machine, ils veulent en réinventer les fondations mêmes.

Des métronomes plutôt que des transistors : le pari fou d’Unconventional AI

Pour comprendre la rupture proposée, il faut d’abord se rappeler comment fonctionnent nos ordinateurs. Ces derniers reposent sur des transistors, de minuscules interrupteurs qui basculent entre deux états, le fameux « 1 » et « 0 ». Assemblés par millions, voire par milliards, ils exécutent des calculs d’une complexité folle. Mais chaque bascule consomme de l’énergie, et c’est là que le bât blesse.

L’approche d’Unconventional AI est tout autre. Au lieu de transistors, elle mise sur des oscillateurs physiques. Un oscillateur, c’est un objet qui produit une onde continue, comme un métronome qui bat inlassablement le tempo. Or, la physique nous réserve une surprise fascinante : lorsque deux oscillateurs sont physiquement connectés, ils finissent par se synchroniser, s’influençant mutuellement jusqu’à battre à l’unisson. En reliant des milliers de ces oscillateurs, selon un cadre mathématique connu sous le nom de modèle de Kuramoto, la start-up estime pouvoir accomplir des tâches aussi ambitieuses que la génération d’images. Le calcul ne se fait plus par des interrupteurs, mais par le mouvement lui-même.

Un-0, la première preuve qu’une machine peut « penser » en mouvement

Cette vision ne reste pas cantonnée aux tableaux blancs des laboratoires. L’entreprise a dévoilé Un-0, sa première preuve de concept, un modèle d’IA capable de générer des images grâce à ce réseau d’oscillateurs physiques. Il s’agit d’un véritable système dynamique physique, qui utilise le mouvement au fil du temps pour effectuer ses calculs. Les détails techniques ont été partagés dans un billet publié sur le site de l’entreprise, et le modèle a même été rendu accessible publiquement sur GitHub, une transparence appréciable dans un secteur souvent opaque.

Un-0 est le fruit de la rencontre entre deux expertises complémentaires. D’un côté, les travaux de Sara Achour, professeure à Stanford, sur les substrats physiques non linéaires. De l’autre, ceux de Michael Carbin, professeur associé au MIT, sur l’apprentissage automatique et la dynamique physique. À leurs côtés, on retrouve MeeLan Lee, ancienne ingénieure chez Google, et Naveen Rao, ex-responsable de l’IA chez Databricks. Un quatuor qui donne du crédit à une ambition pour le moins hors normes.

Révolution imminente ou mirage technologique : ce qu’il faut retenir

Voilà donc la clé de l’énigme posée en titre : selon les ingénieurs à l’origine du projet, un générateur d’images fondé sur ce nouveau type d’informatique physique pourrait consommer bien moins d’énergie que les méthodes actuelles basées sur la diffusion. L’idée n’est plus de compter les cycles de calcul, mais de laisser la physique faire le travail, presque naturellement, par la seule dynamique de la synchronisation.

Reste que la prudence s’impose. Un-0 n’est qu’une première preuve de concept, et le passage d’une démonstration à une technologie industrialisable, capable de rivaliser à grande échelle avec les géants du secteur, constitue un défi immense. Entre la promesse théorique d’une IA 1 000 fois plus sobre et son déploiement concret dans nos usages quotidiens, le chemin reste long et parsemé d’incertitudes.

Il n’empêche : à une époque où la consommation énergétique de l’IA devient une préoccupation majeure, ce détour par l’horlogerie et les lois de la physique a quelque chose de rafraîchissant. Et si la solution la plus économe passait justement par le retour à un principe aussi élégant que celui des métronomes ? La question mérite qu’on garde un œil, et peut-être une oreille, sur les prochaines avancées d’Unconventional AI.