Selon des experts interrogés par TechCrunch, le secteur de l'intelligence artificielle devrait, en 2026, se concentrer principalement non plus sur le développement de modèles linguistiques toujours plus vastes, mais sur la mise en œuvre d'applications pratiques de l'IA. Cette transition implique le déploiement de modèles d'IA plus petits et plus spécialisés, l'intégration de l'IA dans des appareils physiques et la création de systèmes conçus pour s'intégrer de manière transparente aux flux de travail humains existants.

Ce changement marque un abandon de la mise à l'échelle brute des modèles d'IA qui a caractérisé les années précédentes. Au lieu de cela, l'industrie se concentrera sur la recherche de nouvelles architectures d'IA et passera de démonstrations tape-à-l'œil à des déploiements ciblés. L'objectif est de développer des agents d'IA qui augmentent les capacités humaines plutôt que de promettre une autonomie totale.

Ce changement de direction fait suite à une période de croissance rapide de l'IA, stimulée par des avancées telles que l'article AlexNet en 2012, qui a démontré la capacité des systèmes d'IA à apprendre la reconnaissance d'objets grâce à des ensembles de données massifs. Cette recherche, alimentée par la puissance de calcul des GPU, a conduit au développement de modèles de plus en plus sophistiqués, culminant avec GPT-3 d'OpenAI vers 2020.

Cependant, les experts estiment désormais qu'il ne suffit plus de se contenter de mettre à l'échelle les modèles. L'accent est désormais mis sur la nécessité de rendre l'IA plus utilisable et applicable dans des scénarios du monde réel. Cela comprend l'intégration de l'intelligence dans les appareils de tous les jours et la création de systèmes d'IA capables de travailler aux côtés des humains dans divers secteurs. Cette transition suggère une maturation du domaine de l'IA, qui passe des possibilités théoriques aux mises en œuvre pratiques.