Ce que l'IA sait faire

Du premier mot écrit à la lecture d'un document entier : cette famille travaille sur les séquences de symboles elles-mêmes — générer, reformuler, traduire, résumer, extraire, rechercher et raisonner.

Apprendre à un modèle à lire une image. De la classification la plus simple au tracé de cadres, à la segmentation pixel par pixel, à la reconnaissance de texte et de visages, jusqu'aux questions sur ce qu'il voit.

À partir d'une description ou d'un croquis, produire, modifier ou restaurer directement une image. C'est la famille de l'IA générative que le grand public a perçue en premier.

La vidéo, c'est l'image en mouvement plus le temps. Cette famille traite à la fois l'espace et le temps : générer des clips, comprendre les actions, monter les plans et synchroniser les lèvres.

Le son est à la fois une forme d'onde et une série temporelle. La reconnaissance vocale le transforme en texte, la synthèse vocale fait l'inverse ; la génération de musique et d'effets sonores produit directement des éléments écoutables.

Élever une entrée bidimensionnelle en actifs tridimensionnels : maillages, nuages de points et scènes rendues. Cette famille se situe en amont du jeu vidéo, du cinéma et de la simulation robotique.

Le code est un langage à la grammaire stricte. Cette famille ne se contente pas de compléter la ligne suivante : elle comprend tout un dépôt, exécute des commandes et traque les erreurs pour les corriger.

Quand un modèle peut appeler des outils, lire et écrire des fichiers et piloter un navigateur, il cesse de répondre à des questions pour accomplir des tâches. Cette famille s'attache à enchaîner les actions en flux fiables.

Transformer des tableaux, des documents et des mises en page désordonnés en champs structurés. C'est le premier obstacle à franchir pour intégrer l'IA dans un vrai processus métier.