OpenAI a dévoilé GPT-4o, dernière version de son large modèle linguistique capable désormais d’interagir à l’oral dans plusieurs langues et qui intègre la vision par ordinateur, lui conférant la capacité d’interpréter son environnement visuel.
OpenAI dévoile GPT-4o, dernière version de son intelligence artificielle dont les capacités de traitement sont supérieures à ChatGPT-4 et intègre désormais de l’audio et de l’image en complément du texte. Une évolution qui permet notamment à l’utilisateur de prendre une photo d'un menu dans une autre langue et demander oralement à GPT-4o de le traduire, mais aussi en savoir plus sur l'histoire et la signification du plat, et obtenir des recommandations. OpenAI précise être en train d’apporter des améliorations au modèle afin de rendre plus fluide et instantanées les conversations orales ainsi que la possibilité de converser avec ChatGPT par le biais d'une vidéo en direct.
Des fonctionnalités censées voir le jour dans les prochaines semaines auprès d’un cercle d’utilisateurs restreints avant un déploiement global. OpenAI indique déployer GPT-4o pour les utilisateurs de ChatGPT Plus et Team, avec une disponibilité prochaine pour les utilisateurs Enterprise. Une version d’essai est désormais disponible de manière limitée via ChatGPT Free, permettant à tout un chacun de tester les performances de l’intelligence artificielle d’OpenAI.
Une évolution qui s’accompagne de nouveaux usages telles que la possibilité d’obtenir de l’information basée sur les connaissances du modèle mais aussi sur le web, une fonctionnalité auparavant réservée aux utilisateurs payants de la solution.GPT-4o offre la possibilité d’analyser des données et de créer des graphiques et est capable de discuter des photos prises par l’utilisateur. Autre nouveauté, GPT-4o prend désormais en charge plus de 50 langues.
Comment utiliser GPT-4o dans le cadre d’un voyage ?
Dans une vidéo de démonstration, la société présente quelques cas d’usages intéressants dans le cadre d’un séjour, comme le fait de pouvoir conserver de manière instantanée une langue étrangère en utilisant GPT-4o en tant qu’interprète. L'extrait ci-dessous démontre la possibilité de mener une conversation de manière fluide dans une langue étrangère, ici l'espagnol.
https://twitter.com/OpenAI/status/1790089500246323309
Dans la même logique, les capacités d’analyse d’image offrent la possibilité de traduire de manière instantanée le contenu d’un menu ou les informations d’un panneau de signalisation. Des fonctionnalités déjà proposées par des outils comme Google Lens qui tirent dans le cas présent partie des progrès réalisés par le large modèle linguistique développé par OpenAI.
GPT-4o vs Gemini
Quelques heures après la présentation de GPT-4o par OpenAI, Google a présenté à son tour les évolutions de modèle linguistique Gemini à l’occasion de sa conférence annuelle Google I/O. A cette occasion, un ingénieur de Google a eu l’idée, par le biais du Projet Astra, de faire visionner la vidéo de présentation de GPT-4o à Gemini afin de commenter en direct les progrès réalisés par son concurrent.
Dans une vidéo partagée sur les réseaux sociaux on peut ainsi entendre l’intelligence artificielle de Google féliciter GPT-4o pour sa capacité à résoudre une équation mathématique par exemple. Mais le modèle linguistique de la firme de Mountain View ne se contente pas d’encenser les performances de son concurrent et profite de l’occasion pour mettre en avant ses propres compétences en la matière en fournissant une réponse au problème mathématique imposé à GPT-4o. L’intelligence artificielle vue par l’intelligence artificielle, un scénario digne du film Inception pourtant bel et bien réel.
https://twitter.com/mmmbchang/status/1790473581018939663
Photo d'ouverture : OpenAI
