L’essentiel
- Richard Sutton, prix Turing 2024 et cofondateur du reinforcement learning moderne, lance la startup Oak Lab à Toronto avec Khurram Javed.
- Il qualifie les méthodes actuelles de deep learning de « faibles et inefficaces » et réclame « des idées fondamentalement nouvelles », pas des ajustements.
- Son objectif de long terme : un agent à mille milliards de paramètres qui apprend et planifie en temps réel avec 20 watts.
Quand l’un des pères d’un pan entier de l’IA monte son propre laboratoire, le réflexe est d’y voir un renfort de plus dans la course : un nom prestigieux, une levée de fonds en germe, un concurrent qui promet d’accélérer vers l’intelligence générale. Richard Sutton, lui, ne joue pas cette partition. En lançant Oak Lab à Toronto, il ne rejoint pas le peloton des grands modèles ; il conteste la route sur laquelle tout le monde avance.
Sutton n’est pas n’importe qui. Le chercheur canadien a reçu le prix Turing 2024, l’équivalent du Nobel en informatique, pour avoir cofondé le reinforcement learning (apprentissage par renforcement), cette branche où une IA apprend par essais et récompenses plutôt qu’en avalant des données figées. Quand un tel homme déclare que le deep learning actuel est « faible et inefficace », qu’il lui faut « non pas davantage d’ajustements, mais des idées fondamentalement nouvelles et une refonte en profondeur », ce n’est pas un tacle de circonstance. C’est le socle même de l’IA générative qui est visé.
Un perroquet plus gros reste un perroquet
Le consensus du moment tient en une équation confortable : plus de données, plus de paramètres, plus de calcul égalent plus d’intelligence. Toute la trajectoire des grands modèles de langage repose là-dessus. Entraîner une fois, sur un corpus gigantesque et statique, puis figer les poids et servir le modèle à des millions d’utilisateurs.
Sutton attaque frontalement cette logique. En juin, il avançait un argument que la fuite en avant des modèles occulte : l’IA générative excelle à imiter, mais elle est incapable d’évaluer ses propres productions. Or sans capacité à juger si une sortie est bonne ou mauvaise, pas de découverte réelle possible, seulement une reproduction de plus en plus fine de ce qui existe déjà. Un perroquet virtuose reste un perroquet.
Le point dérange parce qu’il ne se règle pas avec un modèle plus gros. Vous pouvez multiplier les paramètres par dix, l’imitation restera de l’imitation. Ce que pointe Sutton, c’est une limite de nature, pas de degré.
L’agent qui apprend pendant qu’il travaille
Oak Lab, fondé à Toronto avec Khurram Javed, se construit autour de l’idée inverse. Les deux hommes viennent de Keen Technologies, la société d’IA de John Carmack, et prolongent le même pari : une IA doit apprendre de l’expérience pendant qu’elle fonctionne, et non s’entraîner une bonne fois sur des jeux de données statiques.
Concrètement, Sutton vise des agents qui apprennent en continu de leur environnement, se construisent des modèles internes du monde et gèrent seuls la variation, l’évaluation et la sélection de leurs propres comportements. Là où un modèle de langage classique est un cliché figé d’un savoir passé, l’agent qu’il décrit serait un système qui se corrige à chaud, en situation, sans repasser par la case réentraînement.
La différence n’est pas cosmétique. Elle rebat les cartes du cycle de production d’une IA. Fini, dans cette vision, le rituel coûteux du réentraînement périodique pour intégrer le monde qui change ; l’apprentissage devient une propriété permanente de l’agent, pas un chantier qu’on relance tous les six mois.
Mille milliards de paramètres pour 20 watts
L’ambition affichée frappe par son chiffre : un agent doté de mille milliards de paramètres, capable d’apprendre et de planifier en temps réel avec 20 watts d’énergie. Cet ordre de grandeur n’est pas choisi au hasard, c’est celui du cerveau humain. La provocation est limpide : nos infrastructures actuelles brûlent des mégawatts dans des centres de données entiers pour entraîner un modèle qui, ensuite, n’apprend plus rien. La biologie fait mieux avec une ampoule.
Reste que la barre est vertigineuse, et l’honnêteté oblige à le dire. Sutton pose une critique solide et une direction, pas une démonstration. L’apprentissage continu se heurte depuis des décennies à un mur connu, l’oubli catastrophique, où un système qui apprend du neuf efface ce qu’il savait. Personne, à ce jour, n’a montré que le renforcement passe à l’échelle des grands modèles avec la même docilité que la simple accumulation de données. Le pari est réel ; sa réussite ne l’est pas encore.
Nos agents ne savent rien depuis leur dernier entraînement
Derrière la querelle de paradigme se cache une dépendance qu’on préfère oublier : nos agents les plus sophistiqués restent des systèmes qui ne savent rien de ce qui s’est passé depuis leur dernier entraînement, qu’on rafistole à coups de RAG (récupération de contexte externe) et de réajustements pour masquer qu’ils n’apprennent pas vraiment.
Sutton n’est d’ailleurs pas seul dans cette rupture. Yann LeCun, autre lauréat du prix Turing, a quitté Meta fin 2025 pour fonder son propre laboratoire autour des world models, convaincu lui aussi que les grands modèles de langage mènent dans une impasse.
Si la thèse de Sutton tient, la valeur basculera un jour du modèle vers l’agent qui se façonne dans l’usage. Ce n’est pas pour demain, et ce laboratoire pourrait ne mener nulle part. Mais quand celui qui a inventé le reinforcement learning déclare que le paradigme dominant a atteint ses limites, on aurait tort de ranger ça au rayon des lubies de vétéran.
Mon avis
Sutton a raison sur le diagnostic et il faudra une décennie pour lui donner tort ou raison sur le remède. L’imitation a un plafond, et l’industrie le sait déjà : c’est pour ça qu’elle empile les béquilles autour des modèles au lieu de changer de fondation. Je ne crois pas à l’agent à 20 watts avant longtemps, mais je crois que le prochain vrai saut viendra de labos comme Oak, marginaux et têtus, pendant que les géants continueront d’engraisser des modèles qui n’apprennent rien.
