Dans un monde où l’IA redéfinit nos interactions, l’utilisation de données falsifiées par Apple pour entraîner ses modèles n’est pas si surprenante. Cette stratégie innovante soulève des questions éthiques, tout en permettant de protéger la vie privée des utilisateurs tout en renforçant la performance de ses systèmes intelligents.
Récemment, un article de Bloomberg a mis en lumière les défis rencontrés par Apple en matière d’intelligence artificielle. Ce rapport, signé par Mark Gurman et Drake Bennett, révèle des fautes d’ampleur qui remontent à plusieurs années, ainsi qu’une perception limitée du potentiel de l’IA au sein des sommets de l’entreprise. Plus intéressant encore, il expose les efforts actuels d’Apple pour rattraper son retard, notamment à travers l’utilisation de données synthétiques.
Cette dépendance accrue d’Apple vis-à-vis des ensembles de données licenciés auprès de tiers et des données synthétiques — des données artificielles créées spécifiquement pour former l’IA — a été mise en évidence dans le rapport.
Suite à une mise à jour logicielle récente, les iPhones participent également à l’amélioration des données synthétiques d’Apple. Ces données factices sont évaluées et perfectionnées en les comparant aux langages contenus dans les courriels des utilisateurs sur leurs téléphones, fournissant des références du monde réel pour la formation de l’IA sans intégrer d’informations utilisateur authentiques dans les modèles.
Si cette idée peut sembler étrange, il est essentiel de comprendre qu’Apple n’est pas la première entreprise à recourir à des données « fausses » générées par ordinateur pour former des modèles d’intelligence artificielle. D’autres géants, tels que OpenAI, Microsoft, et Meta, ont tous réussi à former des modèles en s’appuyant sur cette méthode. Cependant, le rapport de Bloomberg a mis cette technique au centre des préoccupations des passionnés d’Apple.
En substance, les données synthétiques permettent aux ingénieurs de créer d’énormes ensembles de données, parfaitement étiquetés et sûrs pour la vie privée, à la demande. Cela leur donne la capacité de couvrir des cas particuliers qui apparaissent rarement dans la nature, et d’itérer bien plus rapidement que s’ils devaient attendre des exemples du monde réel.
Par exemple, OpenAI a détaillé l’utilisation de données synthétiques pour réduire les hallucinations au cours du processus de formation de GPT-4. En simplifiant, ils utilisent GPT-4 lui-même pour générer des données synthétiques, améliorant le modèle en le faisant passer par une série d’étapes de validation et de correction.
Pour les hallucinations en domaine fermé, nous sommes en mesure d’utiliser le modèle GPT-4 lui-même pour générer des données synthétiques.
Concernant Microsoft, leur petit modèle de langage, Phi-4, a été entraîné avec 55 % de données synthétiques en décembre 2024. Ce modèle, qui compte seulement 14 milliards de paramètres, a surpassé d’autres modèles plus grands comme GPT-4o et Gemini Pro 1 sur des tâches mathématiques et de raisonnement.
Qu’est-ce que les « données synthétiques » ?
Les données synthétiques sont des informations générées par un algorithme, souvent un autre modèle IA, ou même manuellement, plutôt que collectées à partir de données réelles. Les ingénieurs peuvent donc garantir une précision parfaite des étiquettes, ajuster pour des scénarios rares, et éviter d’inclure des informations personnelles ou des contenus protégés par des droits d’auteur dans l’ensemble de données.
Par exemple, le blog de recherche d’Apple présente un cas concret : l’entreprise fabrique des milliers d’emails d’exemple et les compare à de vrais messages localement. Ensuite, elle ne renvoie qu’un signal anonymisé sur les échantillons synthétiques jugés les plus pertinents.
Un retard stratégique qui porte ses fruits
La raison pour laquelle tant de géants de l’IA se tournent vers les données synthétiques est simple : ils ont déjà épuisé toutes les données disponibles dans le monde et ont besoin de plus. Cela a conduit à des investissements en recherche et à des améliorations significatives des performances des entraînements IA avec des données synthétiques au cours des deux dernières années.
Pour Apple, cette approche peut s’avérer judicieuse. L’entreprise, ayant pris son temps pendant que d’autres enfreignaient ostensiblement des droits d’auteur, se retrouve en phase avec une génération de données synthétiques qui émergeait à ce moment-là.
Les modèles ne s’effondreront pas
La croyance que l’utilisation de données synthétiques pourrait mener à un effondrement des modèles s’avère erronée. En réalité, une utilisation soigneusement sélectionnée de données synthétiques peut améliorer la performance des modèles. Des études ont montré que cela peut parfois être plus efficace que de dépendre uniquement de données brutes.»
Dans le cas d’Apple, l’entraînement de ses modèles avec des données synthétiques peut s’avérer bénéfique à plusieurs égards. Cela pourrait accélérer le redémarrage de Siri tout en soutenant davantage de langues et de régions, le tout avec besoin réduit en GPU.
Considérations à prendre en compte
Cependant, cette initiative n’est pas sans défis. La collecte de données synthétiques nettoyées et soigneusement vérifiées peut s’avérer plus coûteuse et longue que les méthodes traditionnelles. De plus, bien que la génération par un modèle d’IA puisse théoriquement éviter d’inclure des éléments identifiables ou protégés, le risque d’un résultat similaire à des données organiques persiste.
Enfin, l’implication de l’humain dans ce processus risque d’introduire des biais, malgré les efforts pour les éviter.
Pour finir, l’investissement d’Apple dans des données synthétiques pour son Intelligence est prometteur. Tout investissement d’Apple dans l’IA est une bonne nouvelle, en particulier après plusieurs années de critiques constructives sur sa stratégie en matière d’IA.
FTC : nous utilisons des liens affiliés générateurs de revenus. Plus.
Qu’est-ce que les données synthétiques ?
Les données synthétiques sont des informations générées par un algorithme (souvent un autre modèle d’IA) ou même manuellement, plutôt que collectées à partir de données réelles. Grâce à cette création interne, les ingénieurs peuvent garantir une précision parfaite des étiquettes, ajuster les scénarios rares et éviter d’inclure des informations personnellement identifiables ou du matériel protégé par des droits d’auteur dans l’ensemble de données.
Les modèles ne vont-ils pas s’effondrer ?
Non. Si cela est fait correctement, l’utilisation partielle de données synthétiques soigneusement sélectionnées pourrait en réalité améliorer les performances des modèles. Des études ont suggéré que l’utilisation de données synthétiques pourrait conduire à de meilleures performances que de se fier uniquement aux données brutes, et des exemples comme le modèle Phi-4 de Microsoft soutiennent cette idée.
Quels sont les avantages des données synthétiques pour Apple ?
L’utilisation de données synthétiques pourrait accélérer la mise à jour de Siri, supporter plus de langues et de régions, tout en nécessitant moins de GPUs. Cela est avantageux, sachant qu’Apple a décidé de ne pas investir massivement dans l’infrastructure liée à l’IA.
Pourquoi les grandes entreprises se tournent-elles vers les données synthétiques ?
Les grandes entreprises d’IA se tournent vers les données synthétiques principalement parce qu’elles ont déjà épuisé presque toutes les données disponibles dans le monde. Cela a conduit à des investissements en recherche et à des améliorations significatives des performances pour la formation des IA au cours des deux dernières années.
Bonjour, je m’appelle Manu Dibango et j’ai 37 ans. Cadre supérieur dans l’administration, je suis passionné par la gestion et l’organisation. Bienvenue sur Camernews où je partage ma veille sur les nouvelles technologies et l’innovation.
