Ceux de Google ils ont présenté quelque chose qui, du moins selon eux, n'est pas seulement un modèle. C'est un ingrédient actif : AlphaEvolve, un système capable d'optimiser les algorithmes, les ressources de calcul, les formules mathématiques, et lui-même. Son nom est éloquent : il ne se contente pas d'exécuter. Il est évolutif.
L'objectif affiché est simple : accélérer le développement de l'intelligence artificielle, supprimer les goulots d'étranglement, trouver des solutions à des problèmes qui, jusqu'à hier, étaient considérés comme… difficiles. Ou impossibles. Mais ce qui frappe, ce n'est pas tant l'ambition que la mécanique.
AlphaEvolve, de nombreux nouveaux centres de données sans en construire un seul
L’un des premiers résultats attribués à AlphaEvolve est la récupération de la 0,7 % de la puissance de calcul mondiale de Google, simplement en optimisant la gestion interne des serveurs. En pratique, c'est comme s'ils avaient ajouté des centres de données entiers sans couler un seul gramme de béton.
La même logique s'applique aux modèles. AlphaEvolve a connu une amélioration de plus de Accélération de 30 % des noyaux FlashAttention, réduit les temps de formation et rendu possible un type de calcul que personne n'avait pu optimiser depuis 56 ans : le multiplication matricielle.
Des problèmes vieux de 300 ans, résolus en quelques jours
Sur le plan scientifique, AlphaEvolve a commencé à s'aventurer dans des territoires jusqu'alors réservés à des mathématiciens solitaires et à des tableaux noirs infinis. Depuis trois siècles, il résout des problèmes ouverts et atteint le niveau de 75% de taux de réussite sur 50 problèmes mathématiques toujours actifs dans la communauté académique. Parmi elles, une nouvelle estimation du « nombre du baiser » en 11 dimensions : 593 sphères tangentes.
Il ne s'agit pas de records sportifs, mais de changements dans la structure même du savoir. Et ils ne proviennent pas d'un groupe de chercheurs sous pression, mais d'un modèle qui s'améliore au fur et à mesure de son application.
AlphaEvolve inaugure (cette fois pour de vrai) la phase dans laquelle nous cessons de comprendre ce qui se passe
AlphaEvolve crée une boucle : il optimise un système, ce qui génère un meilleur modèle, le rendant ainsi plus efficace. En jargon, on parle d'auto-amélioration récursive. Dans le monde réel, c'est le début d'une phase (nous l'avons déjà). déjà entrevu pour les chips) où les modèles deviennent trop rapides pour être analysés en détail.
Le progrès n'est plus linéaire. Il est composé. Google parle déjà d’une multiplication par mille milliards de sa puissance de calcul d’ici 1. Si les chiffres se confirment, cette croissance pourrait s’accélérer au point de ne laisser aucune trace.
Un avantage structurel, et peu visible
Pendant que d’autres travaillent sur des interfaces, des chatbots et des assistants vocaux, Google pousse la partie sous-marine de l’iceberg : optimisation profonde, systèmes invisibles, architectures qui améliorent d’autres architectures.
Selon les données présentées, d’ici 2027, plus de 50 % des nouveaux algorithmes seront conçus avec le support de l'IA, avec des ingénieurs humains concentrés non pas sur la mise en œuvre, mais sur la formulation des problèmes.
En résumé : les humains posent les questions, les machines s’activent.
C'est une course qui se joue au plus bas de l'écosystème. Mais c'est là que le rythme se décide. Et si AlphaEvolve fonctionne comme prévu, Google pourrait avoir non seulement un avantage, mais aussi un levier.
