Le stagiaire en recherche IA d’OpenAI est là : que signifient 3,1 journées de travail ?

OpenAI a un nouveau type de stagiaire, qui n’a pas besoin de pauses-café. L’entreprise affirme que ses agents de programmation peuvent désormais prendre en charge des tâches de recherche bien définies qui demanderaient quelques jours à un chercheur expérimenté.

Selon OpenAI, l’entreprise a atteint son objectif de « stagiaire automatisé en recherche », tandis que ses chercheurs exécutaient 3,1 journées-agent pour chaque journée de travail humaine à la mi-août. Ce chiffre peut donner l’impression que l’IA fournit l’équivalent de trois chercheurs supplémentaires, mais il mesure le temps d’exécution cumulé des agents, et non une productivité équivalente à celle d’humains.

Les chercheurs exécutent de plus en plus plusieurs agents en parallèle, tandis que les humains continuent de définir les priorités, d’évaluer les résultats et d’intervenir lorsque les tâches déraillent. Le résultat ressemble moins à un scientifique autonome qu’à une couche croissante de travail machine entourant chaque chercheur humain.

Ce que signifient réellement 3,1 journées-agent

Le chiffre 3,1 mesure le temps d’exécution des agents. MLQ a indiqué qu’OpenAI convertit ce temps d’exécution en journées de travail standard de huit heures et comptabilise les agents lancés directement par les chercheurs, ainsi que les sous-agents en aval et les flux de travail simultanés.

Mathématiquement, 3,1 journées-agent de huit heures équivalent à 24,8 heures-agent cumulées pour chaque journée de travail humaine de huit heures. Plusieurs agents pouvant fonctionner simultanément, ce chiffre ne signifie pas qu’une seule IA a mené de manière indépendante plus de trois jours de recherche humaine en une journée.

Les propres données d’OpenAI ne suffisent pas à démontrer que tout ce temps supplémentaire consacré aux agents a produit une hausse équivalente de la production scientifique. Tout aussi important, OpenAI n’a pas démontré que 3,1 fois plus de temps d’exécution des agents produit 3,1 fois plus de résultats scientifiques. 

Ce qu’a constaté eWeek : davantage de travail effectué par l’IA ne signifie pas 3,1 fois plus de recherche

Les éléments disponibles montrent que les agents prennent en charge une part bien plus importante du travail quotidien des chercheurs. Ce qui reste moins évident, c’est de savoir si ces heures-machine supplémentaires produisent des gains tout aussi importants en matière de résultats scientifiques.

OpenAI a déclaré que le nombre d’expériences par expérimentateur actif avait atteint un record historique en août et était corrélé à une adoption accrue de Codex. Les capacités de calcul disponibles ont également augmenté de manière substantielle, ce qui rend difficile de déterminer quelle part de cette hausse est spécifiquement attribuable aux agents.

L’autonomie des agents a également ses limites. OpenAI a constaté que plus de la moitié des tâches réussies, estimées à quatre à huit heures de travail humain, nécessitaient encore au moins une intervention humaine au cours des six mois précédents.

La planification de haut niveau est également restée une faible part de l’activité des agents. Une grande partie du travail portait sur la programmation, les évaluations, le dépannage de l’infrastructure de recherche, la surveillance des exécutions et d’autres tâches de mise en œuvre.

Le résultat offre une image différente de celle d’une IA menant indépendamment des recherches scientifiques. Aujourd’hui, le stagiaire automatisé en recherche ressemble davantage à une couche d’exécution parallèle autour des chercheurs humains : les personnes décident de ce qui doit être fait, tandis que plusieurs agents prennent en charge des portions délimitées de la charge de travail.

Autrement dit, le chiffre 3,1 montre la quantité de travail qu’OpenAI confie aux agents, et non le nombre de chercheurs que ces agents peuvent remplacer.

OpenAI affirme avoir atteint son objectif de stagiaire en recherche

OpenAI définit un stagiaire en recherche comme un système capable d’accomplir des tâches de recherche bien définies sous la direction d’un humain, notamment des tâches qui demanderaient quelques jours à un chercheur expérimenté. Le 6 septembre, l’entreprise a déclaré avoir atteint cet objectif et progresser vers un « chercheur IA automatisé » d’ici mars 2028.

Engadget a rapporté qu’Altman avait présenté ces échéances pour la première fois en octobre 2025, prédisant un assistant de recherche en IA de niveau stagiaire d’ici septembre 2026 et un chercheur en IA plus performant d’ici mars 2028.

Les humains continuent de définir les priorités de recherche, de juger quels résultats méritent d’être approfondis et de décider si les systèmes doivent être déployés à plus grande échelle, mis en pause ou déployés. OpenAI a automatisé une plus grande partie de l’exécution liée à la recherche, pas l’agenda de recherche lui-même.

OpenAI regarde déjà au-delà du stagiaire en recherche

Le prochain objectif d’OpenAI est un « chercheur IA automatisé », que l’entreprise espère développer d’ici mars 2028. Ce système irait plus loin que le stagiaire en recherche actuel, qui travaille encore sur des tâches définies sous la direction d’un humain.

Selon PCMag, OpenAI ne sait pas encore comment atteindre ce niveau d’automatisation en toute sécurité. L’entreprise a reconnu que des systèmes plus performants peuvent être plus difficiles à surveiller et a déclaré qu’elle pourrait ralentir ou arrêter leur développement lorsqu’elle ne serait pas en mesure de les sécuriser correctement.

Des incidents récents montrent pourquoi le problème demeure. 

Après que des agents expérimentaux ont contourné des restrictions et accédé à des systèmes situés en dehors de leur environnement prévu lors de l’incident Hugging Face, OpenAI a suspendu certaines formations par apprentissage par renforcement tout en renforçant l’isolation, la surveillance et d’autres protections.

Atteindre l’objectif de 2028 exigera donc davantage que de confier aux agents des missions plus longues. OpenAI devra également démontrer que les humains peuvent comprendre, superviser et contraindre de manière fiable les systèmes à mesure qu’ils prennent en charge des aspects de plus en plus lourds de conséquences du processus de recherche.

Laissez-nous vous apprendre à parler à l’IA gratuitement ! Suivez notre cours de six minutes à The Neuron Academy et découvrez quelques méthodes simples pour rédiger de meilleurs prompts et obtenir des résultats plus utiles avec l’IA, ou explorez gratuitement pendant sept jours notre autre cours consacré à l’IA. Découvrez toutes les leçons ici →