Transcription de la dernière conversation de Huang Renxun : les robots IA devraient être produits et appliqués à grande échelle d'ici cinq ans
TechFlow SélectionTechFlow Sélection
Transcription de la dernière conversation de Huang Renxun : les robots IA devraient être produits et appliqués à grande échelle d'ici cinq ans
« La course à l'IA est un jeu infini, et le vainqueur final n'est pas le pays qui a inventé la technologie, mais celui capable de l'appliquer à grande échelle et de manière efficace. »
Dédié à des analyses Web3 approfondiesLe 3 mai, Jensen Huang, PDG de NVIDIA, a été interviewé lors du forum The Hill & Valley Forum. Lors de cet entretien, il a exploré le concept central des « usines d'IA », expliqué les étapes de développement de l'« IA physique » et abordé la dynamique de la course mondiale à l'IA, ainsi que la manière dont l'IA et les jumeaux numériques transforment l'industrie manufacturière avancée.
Jensen Huang a déclaré que la course à l'IA est un jeu infini, et que les véritables gagnants ne seront pas les pays ayant inventé la technologie, mais ceux capables de l’appliquer à grande échelle et de manière efficace. Il a également prédit que les robots pilotés par l'IA, dont l’environnement d’opération peut être contraint, connaîtront une production massive et une adoption généralisée dans les cinq prochaines années, plus rapidement que les véhicules autonomes.
Voici la transcription intégrale de cet échange :
01 Les usines d’IA redéfiniront tous les secteurs en produisant massivement des « jetons intelligents »
Question de l’animateur : Vous considérez l’IA comme une nouvelle révolution industrielle et placez les usines d’IA au cœur de celle-ci. Pouvez-vous expliquer ce qu’est une usine d’IA et pourquoi il est crucial de la comprendre dans l’économie du XXIe siècle ? Considérez-vous cela comme un changement de paradigme dans le domaine du calcul moderne ? À l’avenir, chaque usine fabriquant des produits physiques aura-t-elle une usine d’IA attenante ?
Jensen Huang :
Concernant l’IA, nous avons eu beaucoup de discussions ces dernières années. Elle est multidimensionnelle, et il est utile de l’aborder sous différents angles. Premièrement, l’IA est indéniablement une technologie nouvelle. Elle se construit différemment des logiciels traditionnels, ce qui lui permet d’accomplir des tâches auparavant impossibles. C’est donc une technologie extraordinaire : pleine de potentiel, nécessitant des efforts pour garantir sa sécurité, et destinée à apporter de profondes transformations. Voilà le niveau technologique.
Le deuxième niveau est plus récent. Dans les industries technologiques passées, les logiciels étaient produits manuellement par écriture de code. Aujourd’hui, une nouvelle industrie émerge où les machines produisent des logiciels. Cela nécessite de grands superordinateurs alimentés par de l’électricité pour produire des jetons (Token). Ces jetons peuvent être recombinés en chiffres, textes, protéines, images, vidéos ou structures tridimensionnelles — ce que nous appelons l’intelligence. Cette machine diffère fondamentalement des machines anciennes. Je l’appelle une « usine d’IA », car elle a une seule mission : produire continuellement des jetons chaque jour.
Le niveau supérieur concerne l’infrastructure. C’est pourquoi nous comprenons de plus en plus que l’IA pourrait bien provoquer une révolution industrielle profonde. Cette nouvelle technologie ne créera pas seulement cette nouvelle industrie — l’usine d’IA, c’est-à-dire la production d’intelligence — mais transformera radicalement tous les autres secteurs. Ces jetons seront utilisés dans la santé, l’éducation, les services financiers et l’ingénierie. Nous utilisons déjà l’IA pour la programmation logicielle et la gestion de la chaîne d’approvisionnement. L’IA va maintenant pénétrer davantage dans la fabrication. En examinant ces trois niveaux, l’impact de l’IA est comparable à celui de l’électricité autrefois ; elle révolutionnera chaque secteur. Il s’agit donc bel et bien d’une révolution industrielle.
S’agissant de l’avenir des usines d’IA, je pense que c’est exact. Toute entreprise qui fabrique aujourd’hui des produits mécaniques — par exemple un constructeur de tondeuses ou de machines Caterpillar, dont les équipements sont principalement opérés par des humains — verra ses machines devenir autonomes, hautement autonomes, semi-autonomes ou assistées. Dès qu’elles deviennent autonomes, elles sont définies par un logiciel. Alors, l’entreprise devra produire les jetons (logiciels) qui piloteront ces machines, comme des tracteurs. Ainsi, chaque fabricant de produits devra posséder, outre son usine de fabrication, une autre usine spécialisée dans la production de l’IA qui anime ses produits. On peut déjà observer cela clairement dans l’automobile : aujourd’hui, les constructeurs fabriquent des voitures, mais dans dix ans, toutes les entreprises automobiles produiront inévitablement les jetons exécutés dans leurs véhicules.
02 L’IA physique dotée de raisonnement est cruciale pour les industries réelles comme la fabrication
Question de l’animateur : Au cours de l’année écoulée, vous avez évoqué le concept d’IA physique. Pour les décideurs politiques réfléchissant à l’avenir des États-Unis, pouvez-vous expliquer ce qu’est l’IA physique et comment nous devrions l’envisager ?
Jensen Huang :
Revenons en arrière. L’IA moderne est entrée dans le grand public il y a environ 12 à 14 ans, avec l’avènement d’AlexNet et les percées majeures en vision par ordinateur, vers 2012. En prenant une vue d’ensemble, la vision par ordinateur était essentiellement de la perception — percevoir le monde, qu’il s’agisse d’images, de sons, de vibrations ou de température. Aujourd’hui, nous avons développé des modèles d’IA capables de comprendre le sens de ces informations et de se comporter de manière intelligente. La première vague d’IA fut donc l’IA perceptive. Il y a environ cinq ans, on a commencé à parler de la deuxième vague : l’IA générative. Son cœur réside dans la capacité du modèle non seulement à comprendre, mais aussi à transformer — par exemple, traduire l’anglais en français, ou convertir une description textuelle en image via un prompt. En somme, l’IA générative est un traducteur universel capable de comprendre le langage humain. Voilà la deuxième vague.
Nous sommes désormais dans une phase où l’IA combine compréhension et génération. Toutefois, l’intelligence véritable requiert aussi la résolution de problèmes inconnus et l’identification de situations nouvelles. Nous y parvenons par raisonnement : appliquer des règles, lois et principes appris, décomposer progressivement les problèmes, et trouver des solutions même face à des défis inédits. C’est une capacité centrale de l’intelligence, marquant notre entrée dans l’ère de l’IA raisonnante. Cette IA peut produire des robots numériques, que nous appelons des IA agissantes (Agents), dotées d’autonomie. Ces IA comprennent une tâche, apprennent à lire, utilisent des calculateurs, navigateurs, tableurs, et accomplissent finalement un travail donné — par exemple, accéder à SAP pour gérer la chaîne logistique ou se connecter à Workday pour gérer les ressources humaines. Ces IA agissantes sont essentiellement des robots de main-d’œuvre numérique. Nous, dirigeants de cette génération, allons devoir gérer à la fois une main-d’œuvre biologique et une main-d’œuvre numérique. Le département RH traditionnel gère la première, tandis que le service informatique deviendra le « centre des ressources humaines » pour les IA agissantes. C’est là où nous en sommes actuellement.
La prochaine vague bénéficiera au plus grand secteur économique mondial. Elle exige que l’IA comprenne les lois physiques : friction, inertie, causalité, etc. Par exemple, un objet renversé tombe ; une bouteille posée sur une table ne traverse pas le plateau. Ces capacités de raisonnement physique basiques, que possèdent même les enfants ou les animaux domestiques, font encore défaut à la plupart des IA. Si une balle roule sur un plan de cuisine et disparaît, l’IA pourrait croire qu’elle a cessé d’exister, alors qu’un chien sait qu’elle est de l’autre côté. Le chien comprend la permanence des objets : la balle n’est pas entrée dans un autre métavers, il contourne donc la table pour la récupérer.
Les robots doivent apprendre eux aussi : pour passer d’un côté à l’autre d’une table, ils ne peuvent pas traverser directement, mais doivent raisonner pour trouver un chemin contournant l’obstacle. Ce type de raisonnement physique constitue l’IA physique. Intégrer une IA physique dans une entité physique appelée « robot », c’est la robotique. C’est crucial aujourd’hui, car des usines sont massivement construites aux États-Unis. Nous souhaitons les bâtir en exploitant pleinement les dernières technologies. Nous espérons donc que les nouvelles usines construites dans les dix prochaines années soient fortement robotisées, afin de faire face à la pénurie mondiale sévère de main-d’œuvre.
03 La course à l’IA est un jeu infini : les gagnants sont les pays capables d’appliquer massivement et efficacement la technologie
Question de l’animateur : Beaucoup pensent que nous sommes engagés dans une course mondiale à l’IA. Que devrait faire le gouvernement américain pour remporter cette course et maîtriser les technologies d’IA les plus avancées ?
Jensen Huang :
Premièrement, pour participer et gagner, il faut comprendre la nature même de la course : connaître ses ressources, ses atouts existants ou manquants, ses forces et faiblesses. Il faut reconnaître que l’IA est fondamentale. En reprenant les trois niveaux mentionnés précédemment, il est essentiel de bien comprendre les règles du jeu à chaque niveau. Ce jeu n’a pas de durée fixe de 60 minutes ; c’est un jeu infini. La plupart des gens ne maîtrisent pas bien ce type de jeu. Nvidia existe depuis 33 ans, traversant la révolution PC, la révolution internet, la révolution mobile, et maintenant la révolution IA. Pour survivre dans un environnement en constante évolution, il faut savoir jouer. Comprendre les règles et connaître ses atouts est fondamental.
Au niveau technologique, la clé est de comprendre le capital cognitif. Sachez qu’environ la moitié des chercheurs mondiaux en IA viennent de Chine. Ce facteur doit être pris en compte dans la stratégie. Ensuite viennent les usines d’IA, dont le fonctionnement efficace dépend de l’énergie, car il s’agit essentiellement de convertir de l’électricité en jetons numériques. C’est analogue à la dernière révolution industrielle, où l’énergie transformait des atomes en acier, voitures ou bâtiments. Plus tôt, l’eau actionnait des turbines pour produire de l’électricité. Aujourd’hui, on entre de l’électricité, on sort des jetons. L’énergie est donc cruciale au niveau suivant.
Le niveau supérieur émerge progressivement : il faut comprendre profondément que les vainqueurs de la dernière révolution industrielle n’étaient pas les pays ayant inventé les technologies, mais ceux qui les ont appliquées à grande échelle. Les États-Unis ont surpassé tous les autres dans l’utilisation de l’acier et de l’énergie. Ainsi, ce niveau infrastructurel tourne autour de l’application technologique — sans crainte, en adoptant activement, en requalifiant la main-d’œuvre pour la nouvelle technologie, et en encourageant son adoption généralisée. En adoptant ce cadre, on voit que chaque niveau présente ses propres défis, opportunités et règles du jeu.
04 Les usines d’IA créeront une forte demande de nouveaux techniciens qualifiés
Question de l’animateur : Concernant la main-d’œuvre, les médias insistent souvent sur le risque de remplacement massif et de vagues de chômage dues à l’IA. Pouvez-vous présenter votre vision de l’impact de l’IA sur le marché du travail ? Plus précisément, quelles catégories de nouveaux emplois, que nous n’imaginons peut-être même pas aujourd’hui, pourraient émerger à l’avenir ?
Jensen Huang :
Certains nouveaux emplois seront créés, d’autres disparaîtront, et chaque emploi sera transformé. Il est facile de basculer entre deux extrêmes, mais je pense qu’il est très utile de décomposer le problème et de raisonner selon les principes premiers. Dans le cadre que j’ai décrit, le niveau le plus fondamental — vous êtes proche du capital-risque, vous connaissez bien l’IA — montre que c’est l’IA qui a permis la renaissance de San Francisco. Presque tout le monde avait quitté San Francisco, et aujourd’hui la ville prospère à nouveau, entièrement grâce à l’IA. L’IA crée de nouveaux emplois parce qu’elle représente une nouvelle façon de développer des logiciels. L’IA transforme chaque couche technologique. Avant, des logiciels écrits à la main tournaient sur des CPU ; aujourd’hui, des logiciels générés par apprentissage automatique tournent sur des GPU. Ainsi, chaque couche — outils, compilateurs, méthodologies, collecte et gestion des données, mise en place de garde-fous de sécurité avec l’IA, entraînement avec l’IA, sécurisation de l’IA par l’IA — voit naître de nouvelles technologies, créant ainsi de nombreuses opportunités d’emploi.
Un niveau supérieur recèle d’immenses opportunités. J’ai mentionné que nous allons construire de nouvelles usines consommant de l’électricité pour produire des jetons. Prenons une usine de 1 gigawatt — nous prévoyons de construire des clusters d’usines d’IA de 7 à 10 gigawatts. Une usine de 1 GW représente un investissement de 60 milliards de dollars. Actuellement, une usine de 100 mégawatts est déjà courante. Un tel investissement de 60 milliards correspond au chiffre d’affaires annuel de Boeing. Construire ces usines nécessite un financement, créant ainsi de nombreux emplois. La construction du site et de l’enveloppe bâtie stimulera l’emploi dans le bâtiment : charpentiers, soudeurs structurels, maçons, tous indispensables. Une usine de 60 milliards de dollars est d’une ampleur colossale. Elle exigera des ingénieurs mécaniques, électriques, des plombiers, puis toutes les compétences liées aux systèmes basse tension, IT et réseaux, et enfin une équipe d’exploitation. Le cycle complet de construction durera environ trois ans. Cela générera de nombreux nouveaux métiers techniques. Dans les précédentes transitions de plateformes informatiques, le principal goulot d’étranglement de croissance était le manque d’ingénieurs logiciels.
Dans ce nouveau contexte des usines d’IA, ce seront surtout les techniciens qualifiés — les artisans spécialisés — qui seront essentiels. Je pense que c’est excellent. Notre pays doit reconnaître que la maîtrise d’un métier spécialisé est un travail respectable et vital, indispensable à la construction nationale. Nous devons donc encourager la formation de ces talents. Électriciens, plombiers, charpentiers, soudeurs structurels — tous ces domaines auront besoin de grandes quantités de professionnels.
À un niveau encore supérieur, on peut discuter de la manière dont les Agents d’IA transformeront le travail des médecins, des professionnels de la finance ou du service client. Chez nous, chaque ingénieur logiciel dispose désormais d’un assistant IA, expérimentalement. Résultat : la quantité de code nouvellement produite est impressionnante. Notre productivité a explosé, nous permettant d’embaucher davantage, car l’IA nous aide à créer plus de produits demandés par le marché, augmentant ainsi nos revenus et notre capacité d’embauche. Par conséquent, je pense que les applications de haut niveau doivent adopter l’IA dès que possible. Souvenez-vous : ce n’est pas l’IA qui prendra votre emploi, ni celle qui détruira votre entreprise, mais les entreprises et individus qui maîtrisent l’IA. C’est une idée à méditer et à accepter.
05 L’IA et les jumeaux numériques sont au cœur de la fabrication avancée
Question de l’animateur : Récemment, les discussions sur le retour de la fabrication aux États-Unis sont très vives. De nombreux experts en IA ont parlé du concept de jumeau numérique, et de la manière dont son adoption dans les usines de fabrication pourrait relancer effectivement la production locale. Par ailleurs, le PDG d’Apple a récemment indiqué que l’un des principaux obstacles au rapatriement de la fabrication de l’iPhone était le manque de bras robotiques de haute précision. En combinant ces éléments, l’IA semble pouvoir être une technologie clé pour revitaliser la fabrication et ramener les industries. Quelle est votre perspective ?
Jensen Huang :
Tout d’abord, le cœur de la fabrication n’est pas la main-d’œuvre à bas coût. La fabrication avancée d’aujourd’hui est entièrement pilotée par logiciel. L’usine entière est comme un robot géant coordonnant de nombreux robots internes. Bien qu’il y ait beaucoup d’employés dans ces usines, celles-ci sont fondamentalement dominées par la technologie. Premièrement, dans notre secteur (prenons simplement mon propre secteur), la possibilité de réaliser une fabrication de bout en bout, des puces aux supercalculateurs IA, sur le sol américain, est une opportunité exceptionnelle. Je suis ravi que le gouvernement encourage activement l’industrie à rapatrier la production. Il s’agit d’un travail de haute qualité et à forte intensité technologique, une excellente occasion pour le pays. J’y suis passionnément favorable, nous soutenons fermement cette tendance, et nous sommes heureux que nos partenaires mondiaux l’approuvent. C’est le premier point.
Deuxièmement, si nous ne maîtrisons pas la fabrication, nous manquerons une immense industrie dont l’avenir dépendra de l’accès à l’énergie. Quel pays ne voudrait pas participer à ce nouveau secteur de l’IA ? Pourquoi ne pas vouloir produire de l’IA ? Pourquoi ne pas vouloir entrer dans la fabrication la plus avancée ? C’est fondamentalement de la fabrication. Son produit final est numérique, tout comme la révolution industrielle précédente produisait de l’électricité — à l’époque, la plupart des gens ne comprenaient pas qu’on pouvait générer de l’électricité via des alternateurs. Aujourd’hui, nous appelons cela des supercalculateurs IA Nvidia. Mais à l’époque, les alternateurs produisaient une électricité invisible — intangible, mais bien réelle. Aujourd’hui, nous produisons une nouvelle forme d’« électricité » : les données numériques. Nous devons donc absolument participer à ce nouveau secteur, et pour cela, nous devons avoir une industrie manufacturière nationale.
Étant donné l’intensité technologique de la fabrication, nous devons d’abord construire dans un environnement de jumeau numérique, puis opérer en réalité virtuelle. Nvidia conçoit les systèmes les plus complexes au monde. Nos dépenses de R&D par génération atteignent environ 20 milliards de dollars, peut-être plus maintenant, rien que pour une série de puces. Nous concevons entièrement ces puces dans leur jumeau numérique. Des mois avant leur fabrication physique, elles existent déjà comme modèles numériques. Quand la puce sort, je sais qu’elle sera parfaite, car nous l’avons simulée, testée et vérifiée rigoureusement. Il en va de même pour les usines numériques. En particulier pour les grandes usines, il faut créer complètement leur jumeau numérique, utiliser l’IA pour le construire et l’exploiter — réaliser une intégration virtuelle, intégrer entièrement ces structures monumentales de manière numérique, puis les exploiter, les optimiser, et planifier la production entièrement en numérique. À l’avenir, chaque usine, chaque voiture, chaque bâtiment, chaque ville, et j’espère chaque personne, aura son jumeau numérique. C’est grâce à l’IA que cette vision devient réalité.
06 Les robots pilotés par l’IA devraient être produits et utilisés massivement dans cinq ans
Question de l’animateur : Quand pensez-vous que les robots pilotés par l’IA deviendront omniprésents dans notre vie quotidienne ?
Jensen Huang :
Tout d’abord, une voiture autonome est un robot. Nous avons mis environ 10 ans pour atteindre le stade actuel. Waymo est désormais présent dans de nombreuses villes américaines, avec d’excellentes performances. Voir les voitures Waymo circuler à San Francisco est encourageant. Cela a pris environ 10 ans. Les robots prendront moins de temps. Car nous pouvons contraindre leur environnement d’opération. Ainsi, les robots n’ont pas besoin d’être aussi universels que les voitures. Une fois dans San Francisco, une voiture doit s’adapter à chaque rue et condition routière. Mais pour les robots, nous pouvons imposer davantage de restrictions. Du prototype à la fonctionnalité complète, puis à la production de masse, cela prendra environ cinq ans. Nous avons déjà aujourd’hui des robots très performants. Ainsi, dans environ cinq ans, nous verrons les robots sortir en série des usines. Les entreprises qui fabriquent des voitures aujourd’hui deviendront très compétentes en fabrication de robots. Elles devront simplement exceller davantage en logiciel et en IA, des technologies déjà largement disponibles.
Bienvenue dans la communauté officielle TechFlow
Groupe Telegram :https://t.me/TechFlowDaily
Compte Twitter officiel :https://x.com/TechFlowPost
Compte Twitter anglais :https://x.com/BlockFlow_News
