L’IA pourrait-elle nous faire entrer dans une ère de journalisme de qualité ?

Je suis un journaliste professionnel qui travaille dans le domaine de la technologie depuis quelques décennies. Depuis l’essor des réseaux sociaux, les temps sont durs pour le journalisme, car de nombreuses voix se font entendre et la cacophonie est assourdissante.

Le contenu généré par l'IA ajoute encore plus d'informations. Mais étonnamment, je pense que l’IA est là pour nous ramener à la qualité du journalisme , à la fois comme facteur de risque et comme catalyseur. Deux autres articles de la semaine dernière m'ont fait réfléchir à ce sujet. Le premier de Semafor a présenté sa nouvelle offre : Semafor's Signals . À l’aide des outils Microsoft et OpenAI, Signals fournit diverses informations sur l’actualité mondiale, s’adaptant aux évolutions numériques et aux défis de l’IA. Reed Albergotti, le rédacteur technologique de Semafor, a écrit :

« C'est un excellent exemple d'un changement qui est en train de se produire. L’avènement des médias sociaux a affaibli les organisations médiatiques. L’IA, en revanche, est une technologie qui renforce les choses. Les médias sociaux ont transformé certains journalistes en stars et ont contribué à augmenter le trafic de presque toutes les publications majeures. Mais le secteur de la publicité ciblée, dynamisé par les médias sociaux, a siphonné l’argent des publications de haute qualité, et le trafic n’était qu’une vaine promesse. Quand les gens pensent à l’IA et à l’actualité, la première chose qui leur vient à l’esprit est le remplacement des journalistes par des robots. Même si une poignée de médias comme CNET et Sports Illustrated ont été tentés d’essayer cela, ces exemples ne sont que des anomalies. Le contenu généré par l’IA est plus ou moins du spam, qui ne remplace pas le journalisme. Cela conduit les consommateurs vers des éditeurs de confiance.

Je suis entièrement d'accord avec ce point ; à l’ère de l’IA, il n’y a rien de plus important que d’avoir des voix/médias en qui vous avez confiance. Et voici le journaliste professionnel. Le journaliste responsable. Qui est cette personne? C'est une question délicate, car le terme « responsable » dans le contexte de l'IA devient une plaisanterie. À l’ère de l’IA, la question de savoir ce qui constitue un journalisme responsable prend de nouvelles dimensions. La semaine dernière, par exemple, a été lancé Goody-2 , un chatbot conçu pour éviter la désinformation en fournissant des réponses vagues et en étant « responsable ».

L'IA peut être dangereuse et utilisée, par exemple, pour le détournement audio , mais en termes de journalisme, elle offre un ensemble d'outils étonnants qui améliorent considérablement les reportages, l'édition et la distribution de contenu. Par exemple, les plateformes automatisées de vérification des faits comme Full Fact au Royaume-Uni utilisent l’IA pour vérifier rapidement les affirmations formulées dans le discours public, améliorant ainsi l’exactitude et la fiabilité des reportages. Le journalisme de données a également été révolutionné par l'IA, avec des outils comme Datawrapper permettant aux journalistes de créer des graphiques et des visualisations interactifs sans connaissances approfondies en codage. De plus, l'expérience du New York Times avec des recommandations d'articles personnalisées montre comment l'IA peut organiser un contenu adapté aux intérêts individuels des lecteurs, augmentant potentiellement l'engagement et les taux d'abonnement.

La semaine dernière, The Platformer réfléchissait également à l'avenir du Web et du journalisme.

« Dans la mesure où les journalistes ont un rôle à jouer dans le web du futur, c'est un rôle qu'ils devront inventer eux-mêmes. Utilisez Arc Search, ou Perplexity, ou Poe, et il est clair qu’aucune plateforme ne vient sauver le journalisme. Et de plus en plus de plateformes semblent vouloir le tuer. »

Et là encore, je suis d’accord : personne ne viendra pour sauver le journalisme, mais avec l’IA – en tant que risque et catalyseur – le journalisme peut enfin revenir à son essence. En réfléchissant au parcours du journalisme à travers les révolutions du numérique et de l’IA, il devient clair que même si les défis sont nombreux, l’essence du journalisme en tant que pilier de la démocratie reste intacte. Adopter l’IA de manière réfléchie permet au journalisme de revenir à sa mission principale : informer, éduquer et demander des comptes au pouvoir – avoir des responsabilités – garantissant ainsi qu’il continue de prospérer en tant que guide de confiance dans un monde de plus en plus complexe.

Nouvelles de The Usual Suspects ©

Vésuve et Pompéi

• Grâce à l'IA, trois étudiants ont lu plus de 2 000 lettres grecques enterrées à Pompéi en 79 après JC et ont gagné 700 000 $.

Roblox

• La société de jeux a introduit des traductions de chat en temps réel basées sur l'IA dans 16 langues.

Sam Altman

• Sam Altman recherche 5 à 7 000 milliards de dollars pour l’expansion de la production mondiale de puces IA. (C'est beaucoup…). Gary Marcus propose 7 raisons pour lesquelles le monde devrait dire non (ce n'est pas tant que ça…)

OpenAI en attendant

• OpenAI atteint un chiffre d'affaires annuel de 2 milliards de dollars et figure parmi les entreprises technologiques à la croissance la plus rapide.
• OpenAI travaille sur deux agents IA pour automatiser diverses tâches.

Microsoft

• Un résumé des recherches récentes de Microsoft et du monde entier qui peuvent nous aider à créer un nouvel et meilleur avenir pour le travail avec l’IA.

Nvidia

• Nvidia veut commencer à produire des puces personnalisées pour les entreprises d'IA

Google

• Google a renommé Bard en Gemini. Lisez Ethan Mollick sur les forces et les faiblesses mixtes .

Quelques

• Nvidia, OpenAI, Microsoft et près de 200 autres entreprises ont rejoint le US AI Safety Institute Consortium (AISIC) pour soutenir le développement et le déploiement en toute sécurité de l'IA générative.

Les documents de recherche les plus récents, classés pour votre commodité

Grands modèles de langage et leurs améliorations

• Plus d'agents est tout ce dont vous avez besoin : démontre comment l'augmentation du nombre d'agents dans les LLM améliore les performances grâce à une méthode d'échantillonnage et de vote. Lire le journal
• Tag-LLM : adapte les LLM à usage général aux domaines spécialisés à l'aide de balises d'entrée personnalisées pour un comportement spécifique au domaine et à la tâche. Lire le journal
• BiLLM : introduit une approche de quantification post-formation 1 bit pour les LLM, maintenant des performances élevées sous des largeurs de bits ultra-faibles. Lire le journal
• Alignement direct du modèle de langage à partir des commentaires en ligne de l'IA : améliore l'alignement du modèle grâce aux commentaires en ligne, améliorant ainsi l'exploration et les performances. Lire le journal
• Le hérisson et le porc-épic : présente Hedgehog, un mécanisme d'attention linéaire apprenable qui imite l'attention softmax dans Transformers. Lire le journal
• Un modèle de base d'agent interactif : propose un nouveau cadre d'IA pour des domaines tels que la robotique et la santé, intégrant des auto-encodeurs visuels, la modélisation du langage et la prédiction des actions. Lire le journal
• DeepSeekMath : Repousse les limites du raisonnement mathématique dans les modèles de langage ouvert. Lire le journal
• AUTO-DÉCOUVERTE : permet aux LLM de composer eux-mêmes des structures de raisonnement pour la résolution de problèmes complexes. Lire le journal
• Mamba peut-il apprendre à apprendre ? : Compare les capacités d'apprentissage en contexte des modèles State-Space avec celles des modèles Transformer. Lire le journal
• Lois de mise à l'échelle pour la performance des tâches en aval des grands modèles de langage : étudie l'impact de la taille et du type de données de pré-entraînement sur les performances en aval des LLM. Lire le journal
• Repenser l'optimisation et l'architecture des modèles de langage minuscules : études optimisant les modèles de langage minuscules pour les appareils mobiles. Lire le journal
• LLaMA raccourci : explore l'élagage en profondeur comme méthode pour améliorer l'efficacité de l'inférence LLM. Lire le journal

Modèles multimodaux et vision-langage

• λ-ECLIPSE : permet une génération personnalisée de texte en image en exploitant l'espace latent de CLIP. Lire le journal
• SPHINX-X : propose une série avancée de modèles multimodaux en grand langage axés sur les performances du modèle et l'efficacité de la formation. Lire le journal
• SpiRit-LM : intègre le texte et la parole dans un modèle de langage de base multimodal pour une compréhension sémantique et une expressivité améliorées. Lire le journal
• Transformateur de vision sensible aux questions pour le raisonnement multimodal : intègre la sensibilisation aux questions dans l'encodeur de vision pour un raisonnement multimodal amélioré. Lire le journal
• EVA-CLIP-18B : adapte CLIP à 18 milliards de paramètres, obtenant ainsi des améliorations significatives des performances dans la classification des images. Lire le journal

Robotique, systèmes autonomes et agents interactifs

• Conduire partout avec l'adaptation des politiques du modèle de langage étendu : permet l'adaptation aux règles de circulation locales pour les véhicules autonomes utilisant les LLM. Lire le journal
• L'apprentissage par renforcement acteur-critique hors ligne s'adapte aux grands modèles : démontre que l'apprentissage par renforcement acteur-critique hors ligne peut s'adapter efficacement à de grands modèles. Lire le journal

Navigation Web, systèmes conversationnels et applications du monde réel

• WebLINX : présente une référence pour la navigation Web conversationnelle, soulignant la nécessité de modèles qui s'adaptent aux nouveaux environnements Web. Lire le journal
• Apprentissage des principes en contexte à partir des erreurs : améliore l'apprentissage LLM en induisant des erreurs et en y réfléchissant pour extraire des principes spécifiques à une tâche. Lire le journal
• Création de code multiligne assistée par IA : présente CodeCompose, un outil de création de code assisté par IA offrant des suggestions en ligne sur une seule ligne et sur plusieurs lignes. Lire le journal

Prévision de séries chronologiques, détection d'objets et autres innovations

• Lag-Llama : présente un modèle de base pour la prévision de séries chronologiques probabilistes univariées, présentant une forte généralisation sans tir. Lire le journal
• InstaGen : Améliore la détection d'objets en s'entraînant sur des ensembles de données synthétiques générés à partir de modèles de diffusion. Lire le journal
• Diffusion implicite : présente un algorithme optimisant les distributions définies par des diffusions stochastiques pour un échantillonnage efficace. Lire le journal
• La consolidation de la mémoire permet une compréhension vidéo à contexte long : propose une méthode améliorant la compréhension vidéo en consolidant les activations passées. Lire le journal
• Échecs de niveau grand maître sans recherche : entraîne un modèle de transformateur pour atteindre des performances d'échecs de niveau grand maître sans algorithmes de recherche explicites. Lire le journal

Techniques de représentation et de quantification du code

• APPRENTISSAGE DE REPRÉSENTATION DE CODE À ÉCHELLE : présente CODESAGE, un modèle avancé pour l'apprentissage de la représentation de code avec un schéma de pré-formation en deux étapes. Lire le journal

Interprétabilité et modèles de base

• Repenser l'interprétabilité à l'ère des grands modèles linguistiques : examine le rôle de l'interprétabilité avec l'avènement des LLM, en plaidant pour une portée plus large de l'interprétabilité. Lire le journal

Dans d'autres newsletters

• Pour ceux qui sont curieux de connaître l'innovation la plus transformatrice dans la fabrication de semi-conducteurs depuis l'EUV — Hybrid Bonding by Semianalysis
• Toutes mes pensées après 40 heures dans Vision Pro par Wait But Why
• Une version amusante d'un article affirmant que l'AGI avait été réalisé par Jack Clark d'Anthropic (newsletter Import AI)
• La promesse et les défis des applications crypto + IA par Vitalik Buterin