L’IA commence à construire la prochaine génération d’IA
Gemini 4 Neon de Google et GPT-6.2 Astra et Sol d’OpenAI rivalisent sur bien plus que l’intelligence de leurs modèles. Tous deux cherchent à mieux accomplir les tâches avec moins de jetons et à moindre coût.
Mais l’évolution la plus lourde de conséquences se trouve dans la nouvelle fiche système d’OpenAI.
GPT-6.2 Astra est le premier modèle publié à l’externe qu’OpenAI classe au seuil élevé en matière d’auto-amélioration de l’IA. Ses évaluations internes montrent qu’il peut réduire de 42,9 % le temps d’entraînement de référence pour une tâche d’entraînement d’un petit modèle et combler 74,8 % d’un écart de performance dans une tâche de post-entraînement.
Il ne s’agit pas d’une auto-amélioration récursive autonome. Les chercheurs humains continuent de définir les objectifs, de choisir les pistes à explorer et d’évaluer les résultats.
Mark Chen et John Schulman désignent le principal obstacle restant : le flair de recherche, c’est-à-dire savoir quelles idées comptent, et pas seulement exécuter les expériences plus rapidement.
Ma thèse : la recherche en IA devient elle-même une nouvelle source de demande en calcul — et un nouveau multiplicateur de productivité.
Le critère économique n’est ni le nombre de jetons générés ni celui des expériences menées. C’est le coût de production d’une amélioration vérifiée des capacités d’un modèle.
À mesure que la recherche s’automatise, l’évaluation indépendante, la reproductibilité et la supervision prennent davantage de valeur, et non moins.
Le prochain cycle de l’IA pourrait être porté par des systèmes qui contribuent à construire leurs successeurs. Mais c’est la capacité à vérifier ces améliorations qui déterminera à quelle vitesse ce cycle pourra s’accélérer en toute sécurité.
#stocks
$GOOGL.US
Gemini 4 Neon de Google et GPT-6.2 Astra et Sol d’OpenAI rivalisent sur bien plus que l’intelligence de leurs modèles. Tous deux cherchent à mieux accomplir les tâches avec moins de jetons et à moindre coût.
Mais l’évolution la plus lourde de conséquences se trouve dans la nouvelle fiche système d’OpenAI.
GPT-6.2 Astra est le premier modèle publié à l’externe qu’OpenAI classe au seuil élevé en matière d’auto-amélioration de l’IA. Ses évaluations internes montrent qu’il peut réduire de 42,9 % le temps d’entraînement de référence pour une tâche d’entraînement d’un petit modèle et combler 74,8 % d’un écart de performance dans une tâche de post-entraînement.
Il ne s’agit pas d’une auto-amélioration récursive autonome. Les chercheurs humains continuent de définir les objectifs, de choisir les pistes à explorer et d’évaluer les résultats.
Mark Chen et John Schulman désignent le principal obstacle restant : le flair de recherche, c’est-à-dire savoir quelles idées comptent, et pas seulement exécuter les expériences plus rapidement.
Ma thèse : la recherche en IA devient elle-même une nouvelle source de demande en calcul — et un nouveau multiplicateur de productivité.
Le critère économique n’est ni le nombre de jetons générés ni celui des expériences menées. C’est le coût de production d’une amélioration vérifiée des capacités d’un modèle.
À mesure que la recherche s’automatise, l’évaluation indépendante, la reproductibilité et la supervision prennent davantage de valeur, et non moins.
Le prochain cycle de l’IA pourrait être porté par des systèmes qui contribuent à construire leurs successeurs. Mais c’est la capacité à vérifier ces améliorations qui déterminera à quelle vitesse ce cycle pourra s’accélérer en toute sécurité.
#stocks
$GOOGL.US