OpenAI présente une nouvelle étape dans la recherche automatisée en IA : selon l’entreprise, son modèle GPT-5.6 Sol a pu post-entraîner un modèle plus petit appelé Luna après avoir reçu ce que les chercheurs ont décrit comme un « prompt assez peu spécifié ». Cette affirmation est importante car elle va au-delà de l’aide au codage et touche à une partie plus sensible du développement des modèles : adapter les configurations d’entraînement, choisir le matériel, lancer des tâches et vérifier qu’un cycle d’amélioration du modèle fonctionne.

Le rapport, relayé par The Decoder et attribué à des chercheurs d’OpenAI, suggère que l’entreprise utilise de plus en plus les modèles de pointe non seulement pour écrire du logiciel, mais aussi pour aider à construire et affiner d’autres systèmes d’IA. Si ce récit se confirme au-delà des démonstrations internes et des benchmarks, il indique une forme pratique d’amélioration récursive de soi au sein des laboratoires d’IA : non pas un modèle inventant seul un successeur entièrement nouveau, mais un modèle réduisant de manière concrète le travail humain nécessaire pour améliorer un autre modèle.

Ce qu’OpenAI dit s’être passé

Selon le rapport de The Decoder sur la présentation d’OpenAI, GPT-5.6 Sol a pris en charge de manière autonome le post-entraînement de Luna après que Luna eut déjà terminé le pré-entraînement initial. Dans la description d’OpenAI, un chercheur a utilisé Codex pour donner à Sol une instruction minimale : identifier la bonne configuration d’entraînement, sélectionner les GPU appropriés, lancer le script de post-entraînement et vérifier que l’exécution fonctionnait correctement.

Ce flux de travail est plus étroit que la construction d’un modèle à partir de zéro, mais il reste important. Le post-entraînement est le moment où les laboratoires façonnent le comportement d’un modèle et améliorent ses performances sur des tâches après la fin de l’entraînement de base. Si un système peut adapter de manière fiable une recette existante à une autre taille de modèle et exécuter l’opération avec une supervision limitée, il pourrait compresser une part significative du travail de recherche et d’ingénierie.

Jason Liu, employé d’OpenAI cité par The Decoder, a déclaré que Sol n’avait pas inventé une recette complète à partir de rien. Une grande partie de la configuration existait déjà, selon lui, à partir de la propre configuration de post-entraînement de Sol, et la tâche consistait à adapter cette configuration pour Luna puis à l’exécuter. Liu a néanmoins présenté le résultat comme significatif, estimant que ce même travail aurait pu occuper deux chercheurs pendant environ deux semaines.

La chercheuse d’OpenAI Kathy Shi, également citée par The Decoder, a déclaré que le résultat rend l’idée d’un « chercheur automatisé » presque tangible. Il s’agit d’une interprétation de dirigeante-chercheuse, pas d’une norme sectorielle vérifiée de manière indépendante, mais elle montre la manière dont OpenAI veut que ce résultat soit compris en interne et en externe.

Pourquoi c’est plus qu’une démonstration d’aide au codage

L’importance technique de cette affirmation ne tient pas simplement au fait que GPT-5.6 Sol peut écrire du code. Beaucoup de laboratoires utilisent déjà des modèles pour le débogage, l’écriture de scripts et l’assistance aux expériences. L’étape la plus notable est qu’OpenAI décrit Sol comme opérant au sein d’une boucle de recherche de bout en bout avec suffisamment d’initiative pour combler les détails manquants à partir d’une instruction vague.

Comme le décrit The Decoder, la suite interne d’évaluation d’OpenAI pour l’amélioration récursive de soi inclut le débogage de systèmes de recherche, l’optimisation de kernels et de recettes d’entraînement, la conduite d’expériences d’apprentissage automatique et l’amélioration d’un autre modèle. Ces tâches se rapprochent davantage des opérations de laboratoire que de l’usage d’un chatbot grand public. Pour les bâtisseurs d’IA, cette distinction compte : le goulot d’étranglement dans le développement de pointe n’est souvent pas la génération d’idées, mais leur transformation en expériences stables, en infrastructures utilisables et en mises à jour de modèles.

Si des systèmes comme GPT-5.6 Sol peuvent prendre en charge davantage de cette couche d’exécution, l’effet pourrait être substantiel même sans autonomie totale. Un modèle capable de passer de consignes ambiguës à une expérience achevée réduit le temps d’itération. Pour les équipes produit, cela pourrait à terme signifier des cycles de réglage plus rapides pour des modèles spécialisés plus petits comme Luna. Pour les équipes d’infrastructure, cela soulève la possibilité que les opérations assistées par modèle deviennent la norme dans les environnements d’entraînement, et pas seulement dans le développement d’applications.

Néanmoins, le cadrage d’OpenAI suggère lui-même une automatisation partielle plutôt qu’un système entièrement autonome. L’entreprise décrit une adaptation et une exécution au sein d’une pile de recherche existante, non un système qui imagine indépendamment de nouvelles architectures ou remplace la stratégie humaine.

Le benchmark derrière l’affirmation

Pour étayer le récit plus large, OpenAI affirme que GPT-5.6 Sol domine un nouveau benchmark interne d’amélioration récursive de soi, ou RSI. Selon The Decoder, Sol a obtenu 16,2 points de plus que GPT-5.5 sur l’indice RSI agrégé. La hiérarchie de modèles rapportée place Sol en tête, suivi de Terra et Luna, puis de GPT-5.5 et GPT-5.4.

OpenAI affirme que la suite RSI est construite autour de tâches réelles de recherche en IA. C’est un contexte utile, car les discussions sur les benchmarks dérivent souvent vers un comptage abstrait des scores. Ici, l’entreprise tente de relier l’évaluation à un travail de recherche concret : déboguer des systèmes, ajuster des kernels, améliorer des recettes d’entraînement, lancer des expériences et affiner un autre modèle.

Mais les éléments de preuve restent rapportés par le fournisseur. OpenAI n’a pas, d’après les informations disponibles, publié de validation indépendante, de détails méthodologiques étendus ni de reproductions externes des résultats du benchmark. Le gain de 16,2 points sur GPT-5.5 peut indiquer un progrès réel, mais les lecteurs devraient le considérer comme une mesure interne conçue et rapportée par l’entreprise qui formule l’affirmation.

Cette réserve est particulièrement importante, car l’amélioration récursive de soi porte un lourd bagage conceptuel dans les débats sur la sécurité et la politique de l’IA. Au sens le plus strict, le RSI désigne des systèmes qui s’améliorent de manière à accélérer les améliorations futures. Ce qu’OpenAI a montré, si cela est décrit avec exactitude, ressemble davantage à une amélioration de soi bornée dans un flux de travail supervisé qu’à la forme plus forte souvent évoquée dans les scénarios de long terme.

La course plus large vers la recherche automatisée en IA

OpenAI n’est pas seule à pousser ce récit. The Decoder note qu’Anthropic a déclaré en juin que l’amélioration récursive complète n’avait pas encore été atteinte, mais pourrait arriver plus tôt que ce à quoi beaucoup d’institutions sont préparées. Anthropic aurait soutenu que Claude peut déjà gérer un travail incrémental entre de grands changements de paradigme, tandis que les humains ne représentent désormais qu’un pourcentage à un chiffre des décisions d’orientation.

Pris ensemble, ces propos montrent sur quoi les laboratoires de pointe se livrent concurrence. La course ne concerne plus seulement les classements publics des modèles ou les fonctionnalités des chatbots. Elle porte aussi sur le levier interne : quel laboratoire peut utiliser l’IA le plus efficacement pour accélérer sa propre recherche, son réglage de modèles, son travail système et son expérimentation.

Cela a des implications immédiates pour l’IA d’entreprise et pour le marché plus large des fournisseurs. Si les laboratoires de pointe peuvent automatiser davantage de leur propre processus de développement, ils pourraient publier des mises à jour de modèles plus rapidement, réduire le coût de maintenance de variantes spécialisées et creuser l’écart avec les acheteurs et les plus petits fournisseurs qui ne disposent pas d’outils internes similaires. Dans le même temps, les entreprises ne devraient pas supposer que ces gains se traduisent directement par des déploiements plus sûrs ou plus prévisibles. Une itération plus rapide peut améliorer les capacités, mais elle peut aussi accroître la complexité opérationnelle.

Pour les équipes qui construisent des agents IA ou des modèles spécifiques à un domaine, la leçon pratique est plus étroite et plus actionnable. L’exemple d’OpenAI suggère que la prochaine frontière de productivité pourrait être constituée de systèmes gérant directement les tâches d’opérations ML : sélectionner les configurations, allouer du calcul, exécuter des vérifications et fermer les boucles d’expérimentation. Cela étendrait la catégorie actuelle de assistant de codage vers quelque chose de plus proche d’un co-chercheur en ML.

Preuves, limites et ce qui reste non prouvé

Les affirmations les plus fortes de cette histoire proviennent d’OpenAI via un rapport de The Decoder, et non d’un article indépendant, d’un benchmark ouvert ou d’un audit tiers. C’est important.

L’affirmation factuelle centrale est que GPT-5.6 Sol a post-entraîné Luna de manière autonome à partir d’une consigne peu spécifiée transmise via Codex. Sur la base des éléments disponibles ici, il n’existe pas de journal d’entraînement public, pas de reproduction externe, et pas de divulgation détaillée des taux d’échec, des interventions humaines requises ou du nombre de garde-fous cachés en place. La précision apportée par Jason Liu, telle que citée par The Decoder, est donc importante : Sol adaptait une configuration existante plutôt qu’il n’inventait une nouvelle méthode d’entraînement à partir de premiers principes.

Les signaux d’adoption et de productivité sont également rapportés par le fournisseur. OpenAI affirme que les chercheurs utilisent GPT-5.6 Sol tout au long du cycle de développement et que la production quotidienne moyenne de tokens par chercheur actif a plus que doublé le précédent pic établi par GPT-5.5. L’entreprise affirme aussi que les pull requests et les expériences par chercheur ont augmenté, et que le calcul alloué à l’inférence de code interne a été multiplié par 100 tandis que l’utilisation de tokens par agents a augmenté d’environ 22 fois sur six mois. OpenAI reconnaît elle-même, selon The Decoder, que ces chiffres ne mesurent pas directement les progrès de la recherche.

Ces chiffres peuvent néanmoins être utiles comme preuve directionnelle que l’utilisation interne d’agents IA est en pleine montée en puissance. Mais ils ne doivent pas être lus comme une preuve que la recherche automatisée produit des gains équivalents en qualité scientifique, en fiabilité des modèles ou en avantage commercial.

Ce qu’il faut surveiller ensuite

Le premier signal à surveiller est la divulgation. Si OpenAI publie davantage de détails sur le benchmark RSI, la configuration expérimentale ou le rôle exact de Codex dans le flux de travail de Luna, les observateurs externes seront mieux à même de déterminer si GPT-5.6 Sol représente une avancée de recherche reproductible ou une démonstration interne soigneusement mise en scène.

Deuxièmement, il faut voir si OpenAI expose des capacités similaires dans ses produits. Si les flux de travail utilisés en interne pour guider le post-entraînement de Luna commencent à apparaître dans des outils pour développeurs, cela suggérerait que l’entreprise considère cela non seulement comme un avantage de laboratoire, mais aussi comme une capacité de plateforme commercialisable.

Troisièmement, il faut prêter attention aux réponses concurrentielles d’Anthropic et d’autres laboratoires. Les affirmations autour de Claude, GPT-5.6 Sol et la recherche automatisée convergent vers le même champ de bataille : qui peut utiliser des agents IA pour raccourcir le trajet entre une idée et une amélioration de modèle validée.

Enfin, il faut surveiller les preuves de fiabilité et de gouvernance. Les flux de travail autonomes d’amélioration de modèles soulèvent des questions opérationnelles et de sécurité différentes de l’utilisation ordinaire d’un assistant de codage. Les entreprises et les régulateurs voudront savoir comment les laboratoires limitent ces systèmes, auditent leurs décisions et empêchent les défaillances silencieuses dans les pipelines d’entraînement.

Perspective Creati.ai

L’importance du fait que GPT-5.6 Sol ait post-entraîné Luna n’est pas qu’OpenAI ait atteint l’amélioration récursive de soi complète. Au vu des éléments disponibles, ce n’est pas le cas. La conclusion la plus crédible est que les laboratoires de pointe transforment le travail de recherche interne en flux de travail médiés par des modèles. C’est un changement concret et proche.

Pour les bâtisseurs et les équipes d’IA d’entreprise, la leçon est de regarder au-delà des benchmarks de chatbots et de surveiller la chaîne d’outils. Des systèmes comme Codex, associés à des modèles tels que GPT-5.6 Sol, se dirigent vers la prise en charge de tâches de recherche et d’opérations ML auparavant réservées à des ingénieurs expérimentés. Si cette tendance se confirme, l’avantage concurrentiel viendra de plus en plus de la capacité des organisations à faire fonctionner des agents IA dans de vrais pipelines avec des garde-fous, de l’observabilité et une revue humaine. Les laboratoires qui maîtriseront d’abord cette boucle pourraient tirer davantage parti de l’IA que de n’importe quelle sortie de modèle individuelle.