Jeudi dernier, OpenAI a dévoilé une démonstration de son nouveau modèle de génération de vidéos à partir de texte, Sora, capable de produire des vidéos d'une minute tout en maintenant une qualité visuelle impressionnante et en s'alignant sur les requêtes des utilisateurs.
Vous avez peut-être découvert les captivantes séquences vidéo présentées par OpenAI, allant des adorables chiots golden retriever émergeant de la neige à des couples se promenant dans les rues animées de Tokyo. Vos réactions ont sans doute varié entre émerveillement, excitation, scepticisme ou préoccupation, reflétant les sentiments divers entourant l’IA générative aujourd'hui.
Personnellement, j'ai ressenti un mélange d'émerveillement et de curiosité. La véritable question qui se pose est : que signifie le lancement de Sora ?
À mon avis, Sora illustre parfaitement le mystère caractéristique d'OpenAI, particulièrement notable trois mois après le bref limogeage et le retour de son PDG, Sam Altman. Cette aura énigmatique crée une attente autour de chaque annonce.
Il est important de noter qu'OpenAI opère avec un modèle fermé, gardant intentionnellement ses processus opaques. D'innombrables personnes analysent désormais chaque détail entourant Sora, s'interrogeant sur le fonctionnement du modèle, ses données d'entraînement, le moment de son lancement, ses applications potentielles et les implications plus larges pour l'industrie, le monde du travail, la société et l'environnement. Toute cette spéculation découle d'une démonstration qui ne sera pas disponible commercialement de sitôt, alimentant ainsi le battage médiatique.
En parallèle, Sora reflète la transparence d'OpenAI concernant sa mission de développer une intelligence artificielle générale (IAG) qui "bénéficie à l'humanité tout entière". L'organisation a déclaré qu'elle partageait en avance les progrès de recherche sur Sora pour recueillir des retours extérieurs et offrir un aperçu des prochaines capacités de l'IA. Le titre du rapport technique de Sora, "Les modèles de génération vidéo en tant que simulateurs du monde", indique qu'OpenAI ne se contente pas de lancer un outil de génération vidéo pour les créatifs, mais avance également dans la recherche en IA vers l'IAG, même si sa définition précise reste insaisissable.
Cette paradoxale intrigue—la combinaison de mystère entourant les efforts actuels d'OpenAI et la clarté de sa vision à long terme—reste souvent inaperçue alors que la sensibilisation publique et l'adoption commerciale de sa technologie augmentent.
Les chercheurs derrière Sora sont pleinement conscients de son impact actuel et prennent des précautions quant à son déploiement pour des projets créatifs. Aditya Ramesh, scientifique chez OpenAI et co-développeur de DALL-E, a exprimé ses inquiétudes concernant le potentielle mauvaise utilisation d'une vidéo hyper réaliste. "Nous sommes prudents concernant le déploiement et veillons à avoir tous nos atouts avant de le remettre au grand public," a-t-il expliqué.
Cependant, Ramesh considère Sora comme un pas essentiel en avant. "Nous sommes enthousiasmés par l'idée d'avancer l'IA pour raisonner sur le monde de manière similaire aux humains," a-t-il commenté sur X.
Les réflexions de Ramesh sur la vidéo remontent à janvier 2023, lors d'une interview rétrospective sur le développement de DALL-E. Il avait déjà envisagé les implications de la technologie vidéo. Lorsque je lui ai demandé ce qui l'avait motivé à travailler sur DALL-E, il a souligné les aspects uniques de l'intelligence liés à la vision. "Avec la vidéo, on peut imaginer un modèle générant des séquences comprenant la cause et l’effet au fil du temps," a-t-il noté.
Au cours de notre conversation, Ramesh a capturé la dualité d'OpenAI : d'une part, il appréciait l'opportunité de faire découvrir les capacités de DALL-E à un plus large public, souhaitant un accès plus large à sa technologie. D'autre part, sa motivation principale en tant que chercheur était de repousser les limites de ce que l'IA pouvait accomplir, s'appuyant sur le succès de technologies comme GPT-2 et explorant la génération de texte à image pour voir si l'IA pouvait reproduire une extrapolation humaine.
En fin de compte, Sora n'est pas seulement une question de vidéo.
À court terme, il pourrait servir d'outil créatif, bien qu'il reste de nombreux défis à relever. Cependant, il est crucial de reconnaître qu'OpenAI voit Sora comme faisant partie d'une vision plus large. Que vous considériez Sora comme un "moteur de physique basé sur des données" simulant des mondes divers, comme le suggère Jim Fan de Nvidia, ou que vous le critiquiez comme une initiative imparfaite semblable à des idées dépassées comme "l'analyse par synthèse", se concentrer uniquement sur Sora comme une application vidéo remarquable néglige les doubles objectifs d'OpenAI.
OpenAI execute effectivement une stratégie d'IA générative à travers des produits de consommation, des initiatives d'entreprise et l'engagement de la communauté des développeurs. Cependant, tout cela sert de tremplin vers la réalisation de sa vision d'IAG.
Ainsi, pour ceux qui s'interrogent sur le but de Sora, rappelez-vous cette dualité : bien qu'OpenAI soit actuellement engagée dans le domaine de la vidéo, elle se concentre avant tout sur une aspiration bien plus grande.
Classement
