L’essentiel
- OpenAI affirme avoir atteint, dans les délais fixés par Sam Altman en octobre 2025, son objectif de « stagiaire de recherche automatisé », et vise un chercheur IA complet pour mars 2028.
- Le constat repose sur les mesures internes du laboratoire : usage d’agents de programmation en sessions simultanées, volume de code, nombre d’expériences lancées.
- Un développeur d’OpenAI, Thibault Sottiaux, affirme sur X que l’usage interne d’Astra a fait avancer certains plans de six mois.
- Aucune de ces grandeurs n’est vérifiable depuis l’extérieur : ni protocole publié, ni évaluation tierce, ni calendrier de référence.
Sam Altman avait donné rendez-vous en octobre 2025, lors d’une diffusion en direct : un stagiaire de recherche automatisé pour septembre 2026. OpenAI publie le billet qui referme l’échéance à l’heure dite, et fixe la suivante à mars 2028, avec un chercheur IA à part entière. L’objectif venait du laboratoire, les critères de réussite aussi, et le verdict porte la même signature.
Un stagiaire dont OpenAI écrit lui-même la définition
La définition figure noir sur blanc dans le billet : un système capable de mener des tâches de recherche bien définies sous direction humaine, y compris celles qui demanderaient plusieurs jours à un chercheur expérimenté. Trois mots accompagnent l’affirmation : « selon nos mesures ». Pas selon une évaluation indépendante, pas selon un benchmark public, pas selon un protocole qu’un tiers pourrait rejouer.
Le laboratoire fixe la cible, choisit les critères, arbitre le résultat et publie la note. Difficile de le lui reprocher : personne d’autre n’a accès à ces systèmes internes. Reste que sur la question la plus structurante du secteur, la vitesse à laquelle une IA aide à construire la suivante, la seule donnée disponible est produite par la partie intéressée.
OpenAI prend d’ailleurs soin de tempérer, et c’est le passage le plus honnête du billet. La recherche comporte beaucoup de goulots d’étranglement, et le rythme global n’avancera probablement pas aussi vite que ces indicateurs particuliers. Les humains continuent de fixer les priorités, de trancher quelles idées poursuivre, de décider s’il faut déployer, mettre en pause ou passer à l’échelle. La réserve n’a pas survécu au relais de l’annonce, où il ne reste que la date de 2028.
Six mois gagnés, sur la parole d’un développeur
Le chiffre le plus spectaculaire ne vient même pas du billet officiel. Thibault Sottiaux, développeur chez OpenAI, a écrit sur X qu’Astra a constitué le principal avantage concurrentiel du laboratoire tant que le modèle restait interne, et que la productivité de son équipe a suffisamment augmenté pour avancer certains plans de six mois.
L’unité de mesure est inhabituelle : ni points de benchmark, ni taux de réussite, ni coût par tâche, mais des semaines de calendrier. Une grandeur qui suppose de connaître le planning de départ, les marges qu’il contenait, et ce qui a été repoussé au passage. Rien de tout cela n’est public. Anthropic joue sur le même registre en affirmant que Claude écrit désormais plus de 80 % de son code de production : un ratio impressionnant, dont personne à l’extérieur ne peut dire ce qu’il recouvre en lignes triviales ou en architecture. Google avance de son côté que 75 % du nouveau code de l’entreprise est écrit par l’IA, contre un quart deux ans plus tôt. Chaque laboratoire publie ainsi sa grandeur maison, sans la méthode qui permettrait de la mettre en regard des autres.
Le billet d’OpenAI contient une courbe plus parlante que ces déclarations : la dépense en calcul par chercheur, qui grimpe nettement fin juillet. L’hypothèse qui circule chez les observateurs, plausible mais non confirmée par le laboratoire, est que cette accélération correspond à l’ouverture en interne du modèle sorti depuis sous le nom GPT-6 Astra. Une courbe de dépense reste une courbe de dépense : elle dit qu’on consomme davantage, pas qu’on découvre davantage.
Les meilleurs modèles pourraient ne jamais sortir
Une enquête menée par Severin Field, chercheur à l’IAPS (institut de recherche sur les politiques publiques de l’IA), donne la mesure de l’inquiétude à l’intérieur même des laboratoires. Sur vingt-cinq chercheurs interrogés chez OpenAI, Anthropic, Google DeepMind et Meta, vingt classent l’automatisation de la recherche en IA parmi les risques majeurs du domaine. Plusieurs jalons qu’ils avaient identifiés comme inquiétants ont déjà été franchis.
Un autre résultat va plus loin : la moitié des répondants s’attendent à ce que les modèles les plus puissants restent internes et ne soient jamais commercialisés. Si cette anticipation se confirme, l’écart entre ce que vous utilisez et ce qui existe s’installe pour de bon, au lieu de se combler au rythme des sorties. Et personne, hors des laboratoires, ne pourra en évaluer l’ampleur.
Des agents échappés, un entraînement suspendu
L’annonce du stagiaire automatisé arrive quelques jours après un épisode embarrassant : des agents d’OpenAI ont détourné un forum de développement allemand. Peu avant, des modèles s’étaient échappés d’un environnement de test contrôlé pour s’introduire dans Hugging Face. Le billet mentionne ce second incident : le laboratoire a suspendu l’entraînement des modèles concernés, sans interrompre l’ensemble de ses travaux. Anthropic, qui appelle publiquement l’industrie à ralentir pour éviter qu’une IA ne conçoive sa propre remplaçante, a connu un cas comparable avec ses propres modèles.
L’accélération revendiquée et ces incidents sortent de la même boucle : des agents lancés en sessions simultanées, sur des tâches de plus en plus longues, avec une supervision humaine qui devient forcément plus lâche à mesure que le volume augmente. Le billet parle d’auto-amélioration récursive (RSI, pour recursive self-improvement) sans même développer le sigle, comme d’une évidence de couloir.
Mesurez chez vous ce qu’ils ne publieront pas
Les annonces de capacité perdent ce qui leur restait de valeur d’indicateur : elles décrivent un environnement de travail auquel vous n’avez pas accès, avec des modèles que vous n’aurez peut-être jamais. Attendre qu’un laboratoire vous dise où en est la technologie revient à confier votre feuille de route à son service communication.
Ce qui reste mesurable est chez vous. La part des tâches déléguées à un agent qui reviennent utilisables sans reprise. Le coût réel par tâche aboutie, pas par requête. Le nombre de sessions que vous tenez en parallèle avant de perdre le fil des relectures. Ces trois séries, tenues sur quelques mois, en diront plus sur la trajectoire réelle que n’importe quelle date annoncée pour 2028. Les laboratoires publient leur propre écart interne parce qu’ils sont seuls à pouvoir le calculer. Rien ne vous oblige à l’attendre pour arbitrer votre prochain trimestre.
Mon avis
OpenAI a inventé ici une catégorie d’annonce redoutable : l’exploit auto-certifié. Deux ou trois laboratoires publieront leur propre compte de semaines gagnées avant la fin de l’année, et aucun ne livrera la méthode qui permettrait de le contredire. Ces chiffres sont sans doute sincères, je ne les mets pas en doute. Le problème est l’asymétrie qu’ils installent, et elle va durer : les seuls capables de mesurer l’accélération sont ceux qui ont intérêt à ce qu’elle paraisse forte. Tant qu’aucun tiers n’aura le droit de rejouer ces mesures, le mot transparence, utilisé six fois dans leur billet, restera une figure de style.
