Pathway lance BDH-CQ, une IA sans raisonnement verbal

Une équipe de recherche de l'entreprise Pathway a présenté BDH-CQ, un nouveau modèle d'intelligence artificielle qui repose sur une approche radicalement différente du raisonnement machine. Publiée récemment sur le serveur preprint arXiv, cette innovation s'éloigne des grands modèles de langage traditionnels, qui nécessitent de générer de longues chaînes de texte pour analyser des problèmes complexes. Au lieu de verbaliser son raisonnement, BDH-CQ assimile progressivement les données dans une mémoire interne et traite la logique en arrière-plan par calcul itératif continu. L'architecture, réduite à seulement 150 millions de paramètres, contraste fortement avec les centaines de milliards de réglages internes des modèles dominants actuels. Cette compacité permet de réduire drastiquement la consommation de ressources informatiques. Pour valider l'efficacité du système, les chercheurs l'ont soumis au benchmark ARC-AGI-1, un test standard mesurant la capacité de l'IA à déduire des motifs visuels à partir de quelques exemples. Les résultats ont établi un nouveau record d'efficacité économique. BDH-CQ a résolu 29,5 % des tâches proposées avec deux tentatives maximum par exercice, pour un coût de seulement 0,00070 dollar par tâche. Cette performance a été confirmée de manière indépendante par des équipes de Bielik AI et de l'Université de New York, validant ainsi la promesse d'un apprentissage par démonstration et d'un raisonnement latent au sein d'un système pratique. Malgré ces progrès, le modèle présente des limites structurelles. Il excelle sur des manipulations visuelles élémentaires, comme la copie de formes ou l'extension de motifs, mais affiche des faiblesses face à des exercices exigeant un enchaînement de plusieurs étapes de raisonnement ou le tri d'ensembles d'objets plus volumineux. Les chercheurs de Pathway indiquent que les prochaines étapes consistent à entraîner des versions élargies du modèle sur des problèmes mathématiques, linguistiques et visuels plus pointus. En offrant une alternative moins énergivore aux architectures actuelles, BDH-CQ pourrait significativement réduire les barrières financières et techniques du calcul intensif. Si des ajustements restent nécessaires pour les tâches de haute complexité, cette avancée ouvre une voie prometteuse vers des systèmes d'intelligence artificielle plus sobres, plus rapides et économiquement accessibles.