L’idée relevait encore récemment de la science-fiction : des systèmes d’intelligence artificielle capables de participer à leur propre amélioration, puis de concevoir une génération suivante de modèles. Dans la plus récente édition de sa lettre Import AI, le co-fondateur d’Anthropic estime désormais qu’il existe une probabilité de plus de 60 % que la recherche et développement en IA puisse être automatisée sans intervention humaine directe d’ici la fin de 2028. Jack Clark ne parle pas d’un scénario déjà réalisé, mais d’une tendance qu’il juge de plus en plus crédible à partir des progrès publics observés dans le codage, les agents autonomes et les outils de recherche scientifique.

Son raisonnement repose d’abord sur l’évolution rapide des capacités de programmation des modèles. Les systèmes d’IA ne se limitent plus à générer de petits bouts de code. Ils peuvent maintenant corriger des bogues, écrire des tests, enchaîner des tâches et travailler plus longtemps avec moins d’intervention humaine. Clark cite notamment les progrès sur SWE-Bench, un banc d’essai fondé sur de vrais problèmes GitHub, où certains modèles récents approcheraient la saturation du test. Pour lui, cette capacité à produire du logiciel est centrale, puisque les systèmes d’IA sont eux-mêmes construits avec du code.

L’autre élément clé est l’allongement du temps pendant lequel un agent IA peut accomplir une tâche de manière relativement fiable. Selon les données évoquées dans l’article, les modèles seraient passés de tâches de quelques secondes en 2022 à des tâches pouvant durer plusieurs heures en 2025 et 2026. Ce changement modifie la nature du travail délégué à l’IA. On ne demande plus seulement à un modèle de répondre à une question, mais de mener une suite d’actions : lire des données, lancer des expériences, vérifier des résultats, optimiser du code ou coordonner plusieurs sous-agents.

Clark souligne aussi les progrès dans des tâches directement liées à la recherche scientifique. Des systèmes automatisés peuvent reproduire des résultats de publications, participer à des compétitions de type Kaggle, concevoir ou optimiser des noyaux logiciels pour les puces, améliorer des modèles existants par post-entraînement et même contribuer à certaines formes de recherche en alignement. Ces résultats ne signifient pas que l’IA remplace déjà les chercheurs, mais ils montrent que plusieurs briques du travail de R-D peuvent être partiellement automatisées.

La grande question demeure celle de la créativité scientifique. L’IA peut-elle vraiment inventer de nouvelles idées de rupture, comme l’architecture Transformer l’a été pour le domaine, ou se contente-t-elle d’exécuter plus vite le travail répétitif ? Clark reconnaît que les modèles n’ont pas encore démontré une capacité claire à produire des percées radicales. Mais il rappelle que la recherche en IA avance souvent par itérations, essais, erreurs, mises à l’échelle, corrections et optimisation. Autrement dit, même sans génie créatif comparable aux meilleurs chercheurs humains, l’IA pourrait accélérer fortement la partie la plus laborieuse du développement.

Les conséquences seraient majeures. Si les modèles peuvent automatiser une part croissante de la recherche qui sert à les améliorer, le rythme du progrès pourrait s’accélérer. Cela poserait des questions difficiles sur la sécurité, l’alignement, la supervision humaine, l’accès à la puissance de calcul et les inégalités économiques. Clark évoque aussi la possibilité d’une économie plus « lourde en capital » et plus légère en main-d’œuvre, où des entreprises s’appuieraient massivement sur des systèmes automatisés plutôt que sur de grandes équipes humaines.

Il faut toutefois distinguer l’alerte de la certitude. Le texte de Jack Clark est une analyse prospective, pas une démonstration que l’IA est déjà capable de créer seule son successeur. Son hypothèse dépend de la poursuite des tendances actuelles, de la fiabilité des benchmarks et de la capacité des modèles à franchir un seuil encore incertain : transformer l’automatisation de tâches de recherche en véritable automatisation de la recherche elle-même. Mais le signal est clair : l’enjeu n’est plus seulement de savoir comment l’IA transformera le travail humain. Il est maintenant de savoir à quel moment elle commencera à transformer, elle-même, la prochaine génération d’IA.

Source : Import ai

******

Du lundi au vendredi, Bruno Guglielminetti vous propose un regard sur l’essentiel de l’actualité numérique avec 120 secondes de Tech.

Ou encore…

Écoutez la plus récente édition de Mon Carnet,
le magazine hebdomadaire de l’actualité numérique.