Les géants de l'IA privilégient l'apprentissage par démonstration aux invites textuelles
OpenAI et Anthropic introduisent de nouvelles fonctionnalités d'IA où les systèmes apprennent des tâches par démonstration, s'éloignant des invites textuelles traditionnelles.
Les développeurs d'IA OpenAI et Anthropic ont tous deux annoncé des fonctionnalités permettant à leurs systèmes d'apprendre des tâches en observant une seule démonstration, marquant une rupture avec les instructions textuelles traditionnelles, souvent itératives. Cette convergence vers une solution similaire en l'espace de quelques semaines suggère une reconnaissance que les simples invites textuelles ont des limites pour faire progresser les capacités de l'IA.
En juin, OpenAI a lancé Record & Replay, permettant aux utilisateurs de ChatGPT et Codex de démontrer un flux de travail et de le convertir en une compétence réutilisable. Peu de temps après, Anthropic a dévoilé Record a Skill au sein de son outil Claude Cowork, permettant aux utilisateurs d'enregistrer leur écran tout en effectuant une tâche et de décrire leur raisonnement, ce qu'ensuite Claude transforme en une compétence exécutable.
Cette évolution répond au défi de la connaissance tacite – la compréhension non exprimée et les nuances contextuelles inhérentes au travail humain. Les invites standard échouent souvent à capturer ces spécificités, entraînant des erreurs de l'IA ou la nécessité de corrections constantes. Par exemple, régler une alarme à 6h00 peut être ambigu sans connaître les habitudes de l'utilisateur.
En démontrant une tâche, les systèmes d'IA peuvent apprendre la séquence des actions, les points de décision et les jugements subtils qui définissent les flux de travail humains. Cette méthode intègre le contexte et l'action dès le départ, offrant une voie d'apprentissage plus efficace. Cela contraste avec les 6,4 heures par semaine que les employés passeraient à "surveiller les bots", c'est-à-dire à corriger les sorties de l'IA et à réexpliquer des informations connues.
Les introductions parallèles signalent un changement stratégique vers une IA qui apprend par l'exemple humain direct. Bien que les invites textuelles restent une méthode courante, une seule démonstration pourrait considérablement réduire les futures interactions et itérations. Cette approche pourrait ouvrir la voie à des bibliothèques de flux de travail personnalisables, améliorant encore l'efficacité.