Dans un contexte d'essor des modèles d'IA multimodaux à grande échelle et d'intérêt croissant pour l'IA générale, cet article examine les risques liés à la généralisation et plaide en faveur de la spécialisation en soulignant la valeur industrielle des systèmes spécialisés. Il s'articule autour de trois axes principaux. Premièrement, il examine les objections courantes à la spécialisation et analyse les différences entre le travail humain et les agents non humains (algorithmes ou organisations humaines). Deuxièmement, il présente quatre arguments en faveur de la spécialisation, notamment ceux liés à la robustesse de l'apprentissage automatique, à la sécurité informatique, aux sciences sociales et à l'évolution culturelle. Troisièmement, il défend la nécessité de la spécification, soulignant que les approches d'apprentissage automatique n'ont pas suivi le rythme de l'ingénierie de la sécurité et des pratiques de vérification formelle dans les logiciels. Il aborde les nouvelles pratiques d'apprentissage automatique qui peuvent contribuer à combler ce fossé et justifie la nécessité d'une gouvernance spécifique, en particulier pour les systèmes difficiles à spécifier.
