La réponse est oui, et l’effet est tout à fait évident. En n’entraînant le modèle que sur une seule langue, il devient aussi plus fort sur beaucoup d’autres langues.

Par exemple, lors d’un test en français : en entraînant directement en français, les résultats moyens augmentent de 25,6 points de pourcentage ; en ne s’entraînant complètement qu’avec des questions en espagnol, puis en passant l’examen en français à la fin, on obtient encore une hausse de 24,6 points de pourcentage. Il ne manque que 1 point de pourcentage.

Le modèle n’apprend pas seulement des méthodes pour résoudre des problèmes dans une seule langue : il acquiert aussi une partie des techniques de résolution qu’on peut transférer à d’autres langues pour continuer à s’en servir. Donc, à l’avenir, si l’on veut renforcer le raisonnement du modèle en chinois, il ne faudra pas forcément refaire toutes les données de renforcement en chinois.

Mais on ne peut pas non plus changer la langue d’entraînement à sa guise : une langue spécifique peut effectivement déclencher une dégradation de capacités spécifiques. À entraînement par renforcement identique, en changeant la langue d’entraînement, certains modèles reculent au contraire nettement sur d’autres langues et d’autres tâches. Dans l’une des expériences les plus extrêmes, après un entraînement du Qwen3-4B en swahili, sur un ensemble de tests en anglais — jamais vus pendant l’entraînement — le score baisse de 19,2 points de pourcentage par rapport au modèle d’origine ; en entraînement multilingue ensemble, ce test progresse au contraire de 4,5 points.

L’essai vérifie principalement des problèmes de raisonnement dont les réponses, comme les mathématiques, la logique, les schémas et la géométrie, peuvent être automatiquement jugées correctes ou incorrectes. Quand ces questions sont traduites dans une autre langue, la méthode sous-jacente ne change souvent pas. Pour des tâches qui dépendent vraiment de la langue elle-même, comme la compréhension de lecture, la compréhension de métaphores, l’appréciation sémantique et la connaissance culturelle, l’essai ne les vérifie pas.

Pour l’ancien chercheur senior de Google DeepMind, fondateur associé et PDG d’Unreasonable Labs, Cao Yuan, l’IA pour la science entre dans une période d’explosion. Mais pour que l’IA fasse réellement, de façon indépendante, des découvertes scientifiques de niveau Nobel, il faudra encore au moins vingt ou trente ans. Auparavant, Cao Yuan a participé à des projets comme Gemini, et sa direction entrepreneuriale actuelle est aussi de permettre à l’IA de découvrir de nouvelles connaissances.

Il pense que le plus grand goulot d’étranglement, pour le moment, est la validation. Écrire du code permet de lancer immédiatement des tests, et les mathématiques peuvent être vérifiées progressivement avec Lean. En revanche, la biologie, les matériaux et la physique doivent, au final, être validés par de vraies expériences. Une expérience peut coûter très cher, ou prendre beaucoup de temps. L’IA est difficile à faire tester en continu et rapidement comme un Coding Agent.

Le plus difficile encore, c’est de « créer de nouveaux concepts ». Cao Yuan estime que les modèles actuels sont très doués pour chercher des réponses dans des connaissances, des définitions et des théorèmes déjà existants, mais qu’ils ne savent pas encore, comme les meilleurs scientifiques, abstraire de nouveaux objets mathématiques, de nouvelles définitions et de nouvelles théories. Il appelle cette « abstraction de concepts » le « dernier kilomètre » de l’AGI.