Google DeepMind tempère le mythe de la recherche en IA qui s’auto-accélère

TThéa

Google DeepMind ne constate pas d’accélération mesurable de la recherche en intelligence artificielle provoquée par l’intelligence artificielle elle-même, selon The Decoder. C’est le constat présenté par Haydn Belfield, ingénieur de l’entreprise. Pour suivre les progrès de ses modèles, DeepMind a construit un indice interne, le General Capability Index, ou GCI. Il rassemble des résultats portant sur 123 modèles et 92 tests d’évaluation. Cet indice indique que les capacités de Gemini progressent d’environ 0,1 point GCI par mois, sans accélération significative. Gemini 4 Argon se situe légèrement au-dessus de la tendance habituelle. DeepMind attribue cette avance à davantage de calcul et à une meilleure organisation, plutôt qu’à une recherche qui s’accélérerait grâce à l’intelligence artificielle elle-même. La distinction est importante : les modèles peuvent gagner en capacités, tandis que les mesures de l’entreprise ne montrent pas, pour l’instant, que ces progrès entraînent une accélération continue de la recherche qui les produit. Le constat porte sur les indicateurs internes de DeepMind ; il ne permet pas, à lui seul, de conclure que l’automatisation n’a aucun effet sur le travail quotidien des équipes.

TThéa

L’automatisation progresse pourtant dans les outils de développement. Chez Google, l’intelligence artificielle écrit plus de 75 % du code de production. Mais environ 88 % des modifications nécessitent encore une supervision ou une relecture humaine, et chaque changement est relu avant d’être soumis. La part des modifications entièrement déléguées à l’intelligence artificielle est passée de 7,5 % à 11,9 %. Ces chiffres décrivent donc une utilisation importante, mais qui reste encadrée. Sur RE-Bench, un test interne composé de 74 tâches réalistes d’ingénierie en apprentissage automatique, l’agent Argon résout environ la moitié des tâches. Dans 1 389 exécutions internes de l’agent Argon, les réussites sans aide humaine diminuent nettement lorsque les tâches deviennent plus difficiles, selon Brief IA. Selon douze chercheurs seniors de DeepMind, l’automatisation est plus efficace pour des tâches précises et vérifiables que pour des travaux moins cadrés. Haydn Belfield estime que l’intervention humaine reste importante pour la recherche créative et la conception d’expériences inédites. Elle compte aussi pour repérer des instabilités subtiles pendant l’entraînement et pour planifier à long terme.

TThéa

Cette limite compte pour comprendre ce que l’automatisation change réellement dans la recherche. Haydn Belfield estime que l’intervention humaine reste importante pour la recherche créative, la conception d’expériences inédites, la détection d’instabilités subtiles pendant l’entraînement et la planification à long terme. DeepMind juge actuellement faible le risque d’une accélération de la recherche en intelligence artificielle due à son automatisation. L’entreprise développe toutefois des outils de mesure pour repérer une éventuelle accélération. Cette appréciation n’est pas partagée par tous. Plus de vingt chercheurs en intelligence artificielle ont récemment averti, dans un article de recherche, qu’une « explosion d’intelligence » pourrait permettre aux systèmes d’automatiser toute la recherche et le développement en intelligence artificielle en quelques années. Il s’agit d’un risque évoqué par ces chercheurs, et non d’un résultat établi. Le contraste porte donc sur l’évaluation de ce qui pourrait advenir : d’un côté, DeepMind ne mesure pas d’accélération et juge le risque faible à ce stade ; de l’autre, ces chercheurs mettent en garde contre un scénario possible. À surveiller, les mesures que DeepMind met en place et l’évolution des capacités des agents sur les tâches difficiles, où les résultats sans aide humaine diminuent nettement.