OpenAI pourrait lancer un ou deux nouveaux modèles d’ici la fin de l’année ; la sécurité et la capacité de surveillance au cœur des préoccupations pour son modèle phare

OpenAI devrait lancer un ou deux nouveaux modèles d’ici la fin de l’année, selon des propos attribués à des employés de l’entreprise. On ne sait toutefois pas encore si le modèle phare en cours de développement en fera partie. Celui-ci doit encore être ajusté pour répondre aux attentes des chercheurs et des clients, et ses infrastructures de test doivent être renforcées. L’information a été rapportée le 14 octobre 2026.

Les modèles attendus d’ici la fin de l’année et le modèle phare : quelle différence ?

Le point essentiel à retenir est que « la sortie d’un nouveau modèle » et « la sortie du modèle phare » sont deux choses différentes. Selon les estimations d’employés, un ou deux modèles pourraient être lancés d’ici la fin de l’année. Mais rien n’est encore arrêté quant à l’inclusion de la grande mise à niveau actuellement en développement.

Le modèle phare doit encore relever deux grands défis. Le premier est l’alignement : il s’agit d’orienter l’IA conformément aux attentes de ses développeurs et des entreprises qui l’utilisent. Le second consiste à renforcer l’environnement de test servant à valider le modèle. Aucun de ces aspects ne se reflète dans les scores de la course aux performances, mais tous deux peuvent déterminer si le modèle sera commercialisé.

Même après que la direction aura donné son aval aux évaluations de sécurité internes, il restera une autre étape à franchir. Dans le cadre d’évaluation des IA de pointe établi par le décret présidentiel de Donald Trump, OpenAI aurait accepté de donner au gouvernement américain accès à ses nouveaux modèles jusqu’à 30 jours avant de les transmettre à des partenaires externes. Il faudra prévoir un délai encore plus long avant leur mise à la disposition du grand public. L’époque où l’on pouvait « lancer un produit dès qu’il est prêt » est révolue.

Un mécanisme qui affine les réponses en répétant le même traitement

Le « transformeur à boucles » est au cœur du modèle phare. Un modèle classique fait passer une seule fois un jeton — la plus petite unité de texte — à travers une succession de couches de calcul, puis prédit le mot suivant. Un modèle à boucles fait passer le jeton plusieurs fois par les mêmes couches avant de générer le mot suivant. OpenAI exploiterait déjà cette méthode en production sous le nom de « Recurrent Depth » et l’aurait placée au cœur de son modèle le plus avancé, Astra.

L’objectif est d’améliorer les résultats en mathématiques et en programmation, tout en réduisant les coûts. Même un petit modèle peut atteindre des performances supérieures à son niveau apparent en réfléchissant plusieurs fois. Cela ressemble à la lecture répétée d’un même manuel pour approfondir sa compréhension.

Plus les performances augmentent, plus le fonctionnement devient opaque

Cette méthode a toutefois un coût. Une partie du « raisonnement » du modèle se déroule dans des représentations numériques internes plutôt que sous la forme d’un texte lisible par un humain. Jusqu’ici, les chercheurs en sécurité suivaient le texte du raisonnement du modèle pour repérer les comportements suspects. C’est ce qu’on appelle la surveillance de la « chaîne de pensée ». Plus les boucles se multiplient, plus cette surveillance devient difficile.

OpenAI aurait limité le nombre de boucles dans Astra afin de préserver la lisibilité de son raisonnement. Le modèle a donc été commercialisé alors qu’il restait une marge de progression en matière de performances. La même technologie serait utilisée dans le modèle phare ; la question est désormais de savoir où placer la limite.

La suppression d’un document de Microsoft révèle le caractère sensible de la technologie

Un document technique de Microsoft a permis de révéler au grand jour le fonctionnement de cette méthode. Microsoft, qui a accès à la propriété intellectuelle d’OpenAI, a publié une présentation de GPT-6.1 Sol, la version à bas coût d’Astra qu’OpenAI a lancée ce mois-ci. Le document évoquait le « raisonnement en boucle » et expliquait que le modèle traitait un même problème en plusieurs « passes » avant de produire une réponse.

Selon cette description, GPT-6.1 Sol utilisait les mêmes poids de modèle de base que GPT-6 Sol, mais réduisait de trois à deux le nombre de passes de raisonnement. Ce passage a ensuite été supprimé. Une personne au fait du dossier a confirmé que cette description correspondait à des informations communiquées confidentiellement par OpenAI. Cela montre que les modèles à boucles constituent un domaine technologique sensible pour OpenAI, aussi bien à l’entraînement qu’au moment de l’inférence.

Faire varier le prix et les performances en fonction du nombre de passes est une approche logique pour proposer plusieurs produits à partir d’une même base. Mais plus leur nombre augmente, plus le fonctionnement devient opaque. La conception du produit et celle de sa sécurité sont donc liées au même réglage.

Le chiffre de 10 % des ressources de calcul

Les investissements consacrés à la sécurité ont également été détaillés. Après un incident lié à Hugging Face, OpenAI aurait affecté environ 10 % de ses ressources totales de calcul à l’alignement et à la sécurité. Cela correspond à plusieurs centaines de mégawatts de capacité dans des centres de données et représenterait plusieurs milliards de dollars par an au prix du marché de la location.

À la mi-septembre, le chercheur Noam Brown a également déclaré dans un podcast qu’environ 10 % de son équipe travaillait sur la sécurité informatique et la sûreté de l’IA. À l’échelle de l’organisation, ce chiffre de 10 % semble devenir une référence.

Peut-on préserver un raisonnement lisible ?

Le directeur scientifique Jakub Pachocki reconnaît que la surveillance de la chaîne de pensée devient « fragile » et que « malheureusement, la situation évolue dans la mauvaise direction ». Il a également mis en garde contre la course dans laquelle l’ensemble du secteur s’engage vers des modèles dépourvus de raisonnement lisible.

L’amélioration des performances et la réduction des coûts sont attrayantes sur le plan commercial. C’est précisément parce que ces avantages sont considérables que se pose la question de savoir jusqu’où les développer sans renoncer à la possibilité de les surveiller. Les un ou deux modèles attendus d’ici la fin de l’année devraient offrir un aperçu des progrès accomplis dans la recherche d’une réponse. Ce qui m’intéresse davantage que la date de sortie du modèle phare, c’est l’état dans lequel il sera lancé.