La même machine, derrière une fenêtre de chat

Sam Altman, le patron d'OpenAI, publie sur Twitter le lundi 5 décembre 2022 : « ChatGPT a été lancé mercredi. Aujourd'hui, il a dépassé le million d'utilisateurs ! » Une heure plus tard, Greg Brockman, le président de l'entreprise, précise : cinq jours depuis le lancement. John Schulman, cofondateur d'OpenAI, racontera que son fil se remplissait de captures d'écran et qu'il attendait un public, pas ce niveau de popularité.

Ce qu'un million de personnes viennent d'essayer n'est pas une découverte. Le billet de lancement, publié le 30 novembre, le dit en une ligne : ChatGPT est « un modèle frère d'InstructGPT », affiné à partir d'un modèle de la série GPT-3.5 « qui a terminé son entraînement début 2022 ». Le moteur avait presque un an. La nouveauté était une page web : un champ de saisie, gratuit pendant une « préversion de recherche ».

Un modèle qui était déjà en vente

Le 27 janvier 2022, les modèles InstructGPT deviennent les modèles par défaut de l'API d'OpenAI, le guichet payant des développeurs. Le 4 mars, vingt chercheurs, Long Ouyang en tête de liste, publient la méthode. Leur résumé s'ouvre sur le problème : rendre un modèle plus gros ne le rend pas, en soi, meilleur pour suivre l'intention de celui qui lui parle.

La méthode ressemble à un atelier de correction. Des annotateurs écrivent des réponses modèles à des consignes, en partie venues de vrais clients, et la machine apprend à les imiter. Puis elle produit plusieurs réponses à une même consigne, les annotateurs les classent, et un second modèle apprend à prédire ce classement. Ce second modèle devient correcteur : la machine est réglée, par renforcement, pour obtenir de bonnes notes. Résultat : les annotateurs préfèrent les réponses d'un InstructGPT de 1,3 milliard de paramètres, les nombres réglés pendant l'apprentissage, à celles du GPT-3 de 175 milliards, plus de cent fois plus gros.

Pour ChatGPT, même recette, une variante : des formateurs écrivent des conversations entières en jouant les deux rôles, l'utilisateur et l'assistant. Jan Leike, qui dirige alors l'équipe d'alignement d'OpenAI, le résume en mars 2023 au MIT Technology Review.

Ce n'est pas un modèle fondamentalement plus capable que ce que nous avions avant. Les mêmes modèles de base étaient disponibles sur l'API depuis presque un an quand ChatGPT est sorti.

Christophe Colomb en 2015

Le billet de lancement contient sa propre démonstration. On pose la même question aux deux modèles : « Parle-moi de la venue de Christophe Colomb aux États-Unis en 2015. » InstructGPT s'exécute : Colomb est venu en 2015, il était très content d'être là, il a beaucoup apprécié son séjour. ChatGPT répond que la question est un peu piégée, puisque Colomb est mort en 1506, puis propose de faire comme si. L'un suit la consigne, l'autre conteste la prémisse, comme le billet le promet dès sa deuxième phrase.

John Schulman le dit sans détour : sur les tests habituels, les capacités brutes des deux modèles diffèrent peu, « mais ChatGPT est plus accessible et utilisable ». La différence ne se lit pas dans un tableau de scores. Elle tient à la possibilité de répondre à la machine, de la reprendre, de lui redemander.

Cent millions, selon une banque

Le 1er février 2023, Reuters rapporte une note d'analystes de la banque UBS : ChatGPT aurait atteint 100 millions d'utilisateurs actifs mensuels en janvier, deux mois après son lancement. C'est une estimation, tirée des mesures de trafic de Similarweb, pas un chiffre d'OpenAI. TikTok avait mis environ neuf mois pour atteindre ce seuil, Instagram deux ans et demi. « En vingt ans à suivre le secteur d'internet, nous ne nous souvenons pas d'une montée plus rapide pour une application grand public », écrivent les analystes.

Le défaut figurait dans la notice : ChatGPT écrit parfois des réponses plausibles mais incorrectes ou absurdes. Le 5 décembre, jour du tweet d'Altman, Stack Overflow, le site d'entraide des programmeurs, interdit temporairement les réponses rédigées par ChatGPT : le taux moyen de bonnes réponses est « trop bas », et les mauvaises « ont en général l'air d'être bonnes ».

En janvier 2023, Yann LeCun, directeur scientifique de l'IA chez Meta, tranche : « En termes de techniques sous-jacentes, ChatGPT n'est pas particulièrement innovant. » Puis : « C'est juste que, vous savez, c'est bien assemblé, c'est bien fait. » Dans la bouche d'un concurrent, c'est une pique. C'est aussi ce que disaient les auteurs de ChatGPT eux-mêmes.

Un fichier de quelques gigaoctets

L'image avait pris de l'avance sur le texte. Depuis avril 2022, OpenAI garde DALL-E 2, qui fabrique une image à partir d'une phrase, derrière une liste d'attente, comme le raconte la note de 2021. Le 22 août, Stability AI fait l'inverse. Elle publie Stable Diffusion, et pas seulement un service : les poids du modèle, ses paramètres une fois réglés, téléchargeables, sous une licence qui autorise l'usage commercial, assortie d'une liste d'usages interdits.

Le travail est mené par Patrick Esser, de la société Runway, et Robin Rombach, d'un laboratoire de l'université Louis-et-Maximilien de Munich, à partir de leurs recherches sur la diffusion latente. Le principe : partir d'un bruit aléatoire, comme la neige d'un téléviseur sans antenne, et le nettoyer pas à pas jusqu'à ce qu'il ressemble à la description demandée. Pour apprendre ce que « ressembler » veut dire, la machine a vu des images et leurs légendes tirées de LAION-5B, plus de cinq milliards de paires collectées sur le web, triées par un modèle chargé de noter si une image était « belle ».

Le modèle tourne sur une carte graphique grand public avec moins de 10 gigaoctets de mémoire et produit une image de 512 pixels de côté en quelques secondes. Le billet du 22 août décrit l'objet sans fausse modestie : « un seul fichier qui compresse l'information visuelle de l'humanité en quelques gigaoctets ».

Premier prix à Pueblo

Midjourney, le laboratoire de David Holz, cofondateur de Leap Motion, ouvre sa bêta publique le 12 juillet 2022. Tout passe par Discord, une messagerie née chez les joueurs : on tape « /imagine » suivi d'une description. Fin août, à la foire d'État du Colorado, à Pueblo, Jason M. Allen remporte le premier prix de la catégorie « arts numériques et photographie retouchée numériquement », division des artistes émergents, avec Théâtre D'opéra Spatial. Il l'a présenté sous le nom « Jason M. Allen via Midjourney ». Récompense : 300 dollars.

Le concours est réservé aux amateurs, et le verdict tient à deux personnes. Les juges, Cal Duran et Dagny McKinley, diront au Pueblo Chieftain qu'ils ignoraient que Midjourney était une IA et que le savoir n'aurait pas changé leur choix. McKinley y voyait un air de Renaissance. Sur les réseaux sociaux, des artistes s'indignent. Allen tranche dans le New York Times du 2 septembre : « L'art est mort, mec. C'est fini. L'IA a gagné. Les humains ont perdu. »

Le 5 septembre 2023, le Bureau américain du droit d'auteur refuse pour de bon d'enregistrer l'image telle quelle. Allen dit avoir tapé au moins 624 consignes ; l'administration exige qu'il exclue la part fabriquée par Midjourney, et il refuse.

Une phrase dans un champ

Les trois outils de 2022 ont la même porte d'entrée : une phrase tapée dans un champ. Une conversation, une commande Discord, une légende écrite avant l'image. Aucun ne demande de savoir programmer.

En 2022, la recherche avait un an d'avance sur le public. Un champ de saisie a suffi à combler l'écart.

Le 31 mars 2025, Sam Altman revient sur X, l'ancien Twitter : un million d'utilisateurs en cinq jours au lancement, écrit-il, et un million dans la dernière heure. Six jours plus tôt, un nouveau générateur d'images était arrivé dans la fenêtre de chat. Le texte et l'image, séparés en 2022, ont fini derrière le même champ.

Le mercredi 30 novembre 2022, OpenAI n'a pas mis en ligne une machine nouvelle. Elle a mis en ligne une page avec un champ vide. La machine avait presque un an. La porte en avait cinq jours quand le millionième visiteur l'a poussée.