L'IA à l'épreuve du monde physique
On entend partout que Claude code votre site et que ChatGPT rédige vos contrats. Mais une IA qui comprend vraiment la physique ? Ça, c'est une autre histoire. Et 2026 le confirme : pendant que NVIDIA construit des usines à données synthétiques, physiciens et roboticiens se ruent sur la simulation. Ici, le vrai goulot d'étranglement n'est pas l'algorithme. Je le sais parce que j'ai passé des mois à entraîner des agents RL à piloter une aile, et le modèle, c'était la partie facile. Tout le travail était ailleurs : leur construire un monde assez fidèle pour qu'ils apprennent quelque chose d'utile. Car contrairement au texte, la réalité physique ne se scrape pas. C'est de là que part ce talk. On verra pourquoi chaque donnée physique coûte si cher, pourquoi on ne peut pas scaler comme avec les LLMs, et quelles réponses émergent aujourd'hui, des surrogates aux données synthétiques en passant par le transfer learning et les neural operators. Le tout autour d'un même fil rouge, le compromis fidélité contre coût, sans cacher ce qui reste encore ouvert. Le public repartira en sachant exactement où se trouve le vrai chantier, l'un des problèmes les plus fascinants du moment. Parce que ce monde simulé, fidèle et entraînable, il reste à construire. Peut-être par l'un d'entre eux.
