Dans les équipes de Google DeepMind, l’IA rédige désormais plus de trois lignes de code de production sur quatre. Pourtant, aucune modification n’est soumise sans qu’un humain l’ait relue. L’ingénieur Haydn Belfield en tire une conclusion nette : l’IA qui s’améliore elle-même, celle qui accélérerait la recherche en IA, reste loin. Son diagnostic s’appuie sur des mesures internes, qu’il faut donc lire avec leurs limites.
75 % du code, mais de quel code parle-t-on ?
Ces 75 % mesurent une part de production : les lignes qui finissent dans la base de code. Ils ne disent rien de la difficulté de ce qui est écrit ni de la décision qui précède. Un assistant qui génère des tests, des migrations ou du code répétitif fait grimper la proportion très vite, sans toucher à la partie la plus rare du métier, celle qui consiste à choisir quoi construire.
Savoir qu’une imprimerie tire 75 % des pages d’un livre n’apprend rien sur la qualité du manuscrit. De même, une production massive de code prouve que l’outil est adopté, pas que la recherche avance plus vite.
88 % relus, 11,9 % délégués : un même partage vu de deux côtés
Selon Belfield, environ 88 % des changements de code exigent encore une supervision ou une relecture humaine. En face, la part des changements entièrement délégués à l’IA est passée de 7,5 % à 11,9 %. Les deux nombres se complètent presque exactement : ils décrivent le même partage, vu depuis chaque bord.
La progression est réelle : 4,4 points gagnés, soit près de 1,6 fois plus de changements confiés sans filet. Mais le point de départ était bas, et l’arrivée représente un peu moins d’un huitième du total. À cette vitesse, la délégation complète n’est pas pour demain matin. Une règle interne tempère encore la lecture : chaque changement est relu par un humain avant soumission, y compris ceux que l’IA a produits seule. La « délégation » désigne donc l’absence d’intervention en cours de route, pas l’absence de contrôle final.
Argon face aux chantiers longs : la courbe qui tombe
Le fait le plus parlant vient des 1 389 exécutions de l’agent interne Argon que l’équipe a analysées. Plus la tâche est complexe et longue, plus le taux de réussite sans aide humaine chute, et il chute fortement. Un agent qui réussit presque toujours une correction courte peut échouer presque toujours sur un chantier de plusieurs jours.
Un sondage auprès de douze chercheurs seniors de DeepMind dessine la même géographie. L’automatisation est la plus forte sur les tâches bien définies et vérifiables, la plus faible sur la génération d’idées scientifiques ouvertes. Les humains restent indispensables pour la recherche créative, la conception d’expériences inédites, le diagnostic d’instabilités subtiles à l’entraînement et la planification à long terme. L’IA absorbe d’abord ce qu’on peut corriger automatiquement, et la recherche est faite, justement, de ce qu’on ne sait pas encore vérifier.
Le benchmark maison RE-Bench, qui réunit 74 tâches réalistes d’ingénierie du machine learning, donne la même mesure : Argon en résout environ la moitié. Le bond est net par rapport aux 27 % de Gemini 3.7 Flash, mais on reste loin du score quasi parfait qu’exigerait une automatisation complète. Une tâche sur deux réussie, c’est utile pour un assistant, insuffisant pour remplacer un chercheur.
0,1 point par mois : l’absence d’accélération, chiffrée
Pour suivre l’évolution de façon systématique, l’équipe a construit un indice de capacité générale, le General Capability Index (GCI), qui agrège 92 benchmarks sur 123 modèles. Les capacités de Gemini progressent d’environ 0,1 point de GCI par mois, soit à peu près 1,2 point par an, sans changement significatif de vitesse. Si l’IA accélérait sa propre recherche, la courbe s’infléchirait vers le haut. Elle reste une droite.
Le modèle Gemini 4 Argon se situe légèrement au-dessus de la tendance. L’équipe l’attribue à davantage de puissance de calcul et d’investissement organisationnel, pas à un effet d’auto-amélioration. Un écart au-dessus de la droite peut s’expliquer de plusieurs façons, et l’explication retenue ici est la plus banale : les moyens engagés.
Google ne cache pas la limite de la méthode : un indice composite mesure ce que les benchmarks savent mesurer. Une accélération qui passerait par des gains non capturés par ces 92 épreuves échapperait à l’instrument. L’équipe dit donc construire l’infrastructure de mesure pour détecter d’éventuels signes d’accélération, tout en jugeant aujourd’hui faible le risque lié à l’automatisation de la recherche.
Une photographie interne face à l’alerte des chercheurs
Ces conclusions ne font pas l’unanimité. Plus de vingt chercheurs en IA, dont Geoffrey Hinton, Yoshua Bengio et Jakub Pachocki d’OpenAI, ont récemment mis en garde dans un article de recherche contre une possible « explosion d’intelligence ». Leur scénario : des systèmes capables d’automatiser toute la recherche et le développement en IA en quelques années, comprimant en quelques mois des progrès qui prendraient normalement des années.
Les deux positions ne se contredisent pas frontalement. L’une décrit l’état mesuré aujourd’hui dans un laboratoire, l’autre une trajectoire possible. Elles ne pèsent pourtant pas pareil : les chiffres de Belfield sont des observations internes, vérifiables par leurs auteurs seuls, tandis que l’alerte repose sur une extrapolation. Aucune des deux ne dispose encore d’un jeu de données public permettant de trancher.
Pour une équipe qui intègre ces outils dans son flux de développement, le gain de productivité sur le code est déjà là, mais il vaut surtout sur les tâches courtes et vérifiables. Plus on confie à un agent un chantier long et ambigu, plus la relecture humaine devient la pièce centrale, et non une formalité. Chez Google, elle est systématique. Si la part des changements délégués dépasse un jour nettement les 11,9 % actuels sans que la relecture recule, ce sera le premier chiffre à examiner avant tout discours sur l’emballement.
Ils m’ont fait confiance
« Il ne se contente pas de corriger les symptômes, il cherche à comprendre l'origine des problèmes et à sécuriser les modifications effectuées. J'ai réellement le sentiment d'avoir trouvé un développeur qui comprend à la fois la technique et les enjeux globaux du projet. »
Évaluation client · projet WordPress · septembre 2026
5,0/5 sur 17 évaluations
Faire appel à mes services →
