Les chercheurs de DeepMind chez Google ont réussi à entraîner un modèle de langage pour compresser fortement des fichiers image et audio, plus qu'avec des logiciels dédiés.

Quand on vous dit que l'intelligence artificielle sert à tout. Même ce à quoi elle n'est pas censée servir à la base. Voilà que l'IA va nous permettre de gagner de la place sur nos disques durs maintenant, par un moyen détourné. Et ce n'est pas un mal quand on voit la taille grandissante des logiciels et des jeux vidéo, allant parfois jusqu'à plusieurs centaines de Go. Comment fait-elle ? En compressant nos fichiers à un niveau jamais atteint à ce jour par un programme dédié.

Les chercheurs de DeepMind, entreprise spécialisée dans l'intelligence artificielle appartenant à Google, se sont dit qu'ils pourraient utiliser le modèle de langage Chinchilla 70B pour réduire la taille des images et des fichiers audio. Grâce à l'algorithme utilisé, les résultats obtenus sont impressionnants : 43,4 % du poids d'origine pour les images et 16,4 % pour l'audio, le tout sans perte de qualité. À titre de comparaison, les algorithmes standards réduisent un PNG à 58,8 % de sa taille de base et l'audio à 30,3 %, toujours sans perte de qualité.

L'intelligence artificielle peut compresser des fichiers images et audio plus efficacement que les programmes existants

Sur le papier, cela permettrait de gagner beaucoup de place même sur un SSD à grande capacité de stockage. Le modèle Chinchilla 70B s'entraîne à l'origine sur du texte, mais les équipes ont “évalué de grands modèles pré-entraînés utilisés comme compresseurs par rapport à divers compresseurs standard, et [ont] montré qu'ils sont compétitifs non seulement sur le texte, mais aussi sur des modalités pour lesquelles ils n'ont jamais été entraînés”. Ici l'image et l'audio.

Lire aussi – Meilleur logiciel de compression de fichiers : lequel choisir ?

Il y a cependant une limite à ce que l'IA arrive à faire en terme de compression. À partir d'une certaine taille de fichier, elle ne fait pas mieux que les logiciels spécialisés, sans compter qu'elle prend plus de temps à terminer le processus. Les chercheurs vont justement s'atteler à améliorer le système pour palier ces deux défauts afin d'offrir une compression rapide et efficace sans limite, ou presque.

Source : Google DeepMind