Une intelligence artificielle peut analyser les 6 millions d'articles de Wikipédia en seulement quelques secondes.

Le traitement du langage naturel repose sur une technique appelée 'word embedding' ou plongement de mots. Des modèles comme GPT-4 d'OpenAI ou BERT de Google transforment chaque mot en un vecteur numérique dans un espace à plusieurs centaines de dimensions. Cela permet à la machine de calculer les relations sémantiques par simple proximité mathématique plutôt que par une lecture linéaire traditionnelle.En 2023, la version anglophone de Wikipédia comptait environ 6,7 millions d'articles totalisant plus de 4,3 milliards de mots. Un lecteur humain moyen lit environ 250 mots par minute. À ce rythme, sans jamais dormir ni s'arrêter, il lui faudrait environ 33 ans pour terminer la lecture complète de l'encyclopédie.Les processeurs modernes comme les GPU NVIDIA H100 ou les TPU de Google sont conçus pour le calcul parallèle massif. Ils peuvent traiter des téraoctets de données textuelles en un temps record grâce à des architectures de 'Transformers' introduites par des chercheurs de Google en 2017. Cette puissance permet d'indexer et de structurer l'intégralité du savoir humain numérique pour répondre à des requêtes complexes en moins d'une seconde.