Les agents de codage d'OpenAI peuvent désormais effectuer 46 % des tâches de recherche qui prendraient de deux à quatre heures à une personne, sans aucune intervention humaine. Ce chiffre, en hausse par rapport aux 23 % de mars, provient de « Research Accélération : The Jagged Frontier », le deuxième rapport de la société sur la manière dont l'IA transforme son propre pipeline de recherche, et il arrive à un prix tout aussi frappant : le chercheur OpenAI médian utilise désormais environ 2 400 $ par jour de calcul d'agent aux prix catalogue des API.

Le rapport, publié mercredi, est le compte rendu public le plus détaillé jamais fourni par un laboratoire d'IA sur la façon dont l'intelligence artificielle remodèle le développement de l'intelligence artificielle – le phénomène que les chercheurs appellent l'auto-amélioration récursive (RSI).

Les chiffres : les agents deviennent plus rapides et plus autonomes

Les gains d’autonomie globaux sont substantiels. Pour les tâches nécessitant entre deux et quatre heures de travail humain, le taux de réussite sans intervention est passé de 23 % en mars à 46 % aujourd'hui. Pour des efforts plus longs de quatre à huit heures, le succès est passé de 13 pour cent à 35 pour cent.

OpenAI souligne une mise en garde importante : à mesure que les agents deviennent plus capables, les chercheurs délèguent des tâches plus difficiles au sein de chaque tranche de durée, de sorte que l'amélioration reflète à la fois de véritables gains de capacités et des choix humains changeants sur ce qu'il faut confier.

La partie irrégulière : les performances varient énormément selon la tâche

Le titre du rapport n’est pas un hasard. Les agents excellent dans certains travaux de recherche et échouent dans d’autres. Dans les catégories de tâches mesurées du 1er août au 18 octobre 2026, les taux de réussite estimés étaient les plus élevés pour les tâches de communication (69 %) et d'analyse (58 %), mais ont chuté à 43 % pour les tâches de création.

Au niveau des tâches individuelles, la répartition est encore plus nette. Les agents ont réussi les formations à la surveillance des problèmes (79 % de réussite) et à la réponse aux questions techniques (72 %), mais n'ont réussi que 25 % à écrire du code pour l'inférence et à servir des piles, et 29 % à créer des environnements d'évaluation, d'apprentissage par renforcement et d'agent.

OpenAI prévient que cette hétérogénéité est importante : tant que les performances des modèles dans les tâches de R&D en IA seront inégales, les catégories faibles pourraient devenir des goulots d'étranglement qui freineraient l'accélération globale. La couverture du rapport par des tiers, notamment The Next Web, a mis en évidence précisément cet écart entre les chiffres d'autonomie et les travaux de base en matière d'ingénierie logicielle.

Ce que disent les chercheurs : trois mois de travail en un

Le rapport s'appuie fortement sur des enquêtes menées auprès du personnel d'OpenAI. Dans une enquête menée fin août et début septembre auprès de 101 chercheurs, le chercheur médian a déclaré que son équipe aurait besoin d'environ trois mois pour terminer un travail égal à son dernier mois de production s'il perdait l'accès aux agents de codage frontalier et se retrouvait avec uniquement GitHub Copilot et ChatGPT.

Une enquête distincte menée fin octobre a établi une comparaison frappante : 27 des 28 personnes interrogées ont déclaré qu'elles s'attendaient à être plus productives avec le dernier modèle interne d'OpenAI qu'avec l'aide d'un ingénieur de recherche humain en milieu de carrière associé à un modèle de 2024 comme o1-preview. Le seul résistant a décliné le cadrage binaire – et a déclaré qu’il choisirait de toute façon GPT-6 Astra plutôt que l’option assistée par l’homme.

Les humains possèdent toujours les idées – pour l'instant

Malgré les gains d'autonomie, l'analyse par OpenAI de ses recherches récentes les plus importantes a révélé que le goût humain continue de conduire à des percées. Pour les versions GPT-6 Astra et GPT-6.2 Astra, les chercheurs post-formation et de surveillance de la sécurité ont déclaré que chaque idée clé qu'ils ont citée provenait de personnes, avec des modèles aidant à les mettre en œuvre.

Mais la frontière commence à s’estomper sur les bords. Pour GPT-6.2 Astra, les chercheurs en pré-formation ont décrit avoir développé des idées lors d'une conversation avec le Codex – l'un attribuant au modèle l'identification d'informations clés alors qu'ils travaillaient ensemble sur un problème, et un autre affirmant que leur idée principale n'avait commencé à bien fonctionner qu'après que le Codex avait suggéré un changement.

Pourquoi OpenAI publie ceci

L’entreprise considère la volonté de transparence comme un argument politique. OpenAI a demandé que les laboratoires d’IA soient tenus de suivre et de rendre compte publiquement des indicateurs d’auto-amélioration récursive, afin que les débats sur la gouvernance reposent sur des mesures plutôt que sur des spéculations. Le rapport précise clairement que sa publication « ne doit pas être interprétée comme une intention de poursuivre pleinement le RSI », et note que plusieurs autres organisations ont récemment contribué à des normes de mesure communes pour l'accélération de la R&D en IA.

Il s’agit d’une position remarquable pour un laboratoire compétitif : la publication de données de productivité internes invite à la fois à l’examen et à l’imitation. Mais le pari d'OpenAI est que les normes de reporting à l'échelle de l'industrie – similaires dans leur esprit aux cadres de reporting de calcul et de sécurité – sont plus utiles que l'alternative au secret, en particulier à mesure que les agents commencent à contribuer aux systèmes mêmes qui construiront leurs successeurs.

Vue d'ensemble

Le rapport tombe au milieu d’un débat houleux sur la question de savoir si l’IA accélère déjà le développement de l’IA et ce que cela signifie pour la sécurité et l’emploi. Les données d'OpenAI ajoutent des chiffres précis des deux côtés : les agents se substituent véritablement à un travail humain substantiel avec des taux de réussite significatifs, mais les tâches les plus créatives et les plus critiques en matière d'infrastructure restent obstinément dominées par l'homme.

En d’autres termes, la frontière irrégulière est réelle – et les laboratoires qui s’y précipitent mesurent désormais leur propre position en public. Pour les chercheurs qui regardent de l’extérieur, le chiffre le plus important n’est peut-être pas 46 %, mais la trajectoire : chaque métrique suivie par OpenAI a à peu près doublé depuis mars.

Gardez une longueur d'avance sur l'IA

Suivez les derniers développements de l'IA en matière de recherche et de sécurité en matière d'IA avec AI Buzz Wire.

Lire plus d'actualités sur l'IA →