Dans le rapport "Research acceleration: The view inside OpenAI", publié le 6 septembre, OpenAI annonce avoir atteint un objectif interne baptisé "stagiaire de recherche automatisé". Le rapport le définit comme un système capable d'accomplir, sous la supervision d'humains, des tâches de recherche clairement définies — y compris celles qu'un chercheur expérimenté mettrait plusieurs jours à réaliser.
Cette affirmation s'appuie sur un ensemble de données d'usage interne. À la mi-août, pour chaque journée de travail standard de huit heures d'un chercheur, les agents IA enregistraient l'équivalent de 3,1 jours-agent de travail. Sur la même période, le coût médian quotidien d'inférence des chercheurs dépassait 600 dollars, et le 90ᵉ centile dépassait 7 000 dollars. Le nombre de chercheurs faisant tourner simultanément quatre agents ou plus est en augmentation. Le rapport indique également qu'en août 2026, le nombre d'expériences par chercheur actif a atteint son plus haut niveau depuis le début de ce suivi, en janvier 2025.
Les limites que le rapport énonce lui-même
Le document ne surjoue pas. Le taux de réussite n'est calculé que pour les tâches disposant d'une "ground truth" claire ; les travaux de recherche sans critère objectif de vrai ou faux en sont exclus. Parmi les tâches d'une complexité de quatre à huit heures, plus de la moitié nécessitent encore une intervention humaine pour être menées à terme. Le texte indique explicitement que "The measurements are preliminary" (les mesures sont préliminaires), et avertit que divers goulots d'étranglement potentiels pourraient empêcher le rythme global de la recherche de suivre la progression de certains indicateurs pris isolément.
Sur l'aboutissement final, le rapport emploie cette formule : "We do not yet know how to safely get all the way to aligned, full RSI" — l'entreprise reconnaît ne pas encore savoir comment parcourir en toute sécurité tout le chemin menant à une auto-amélioration récursive complète et alignée.
Le chiffre de 3,1 ne peut pour l'instant pas être vérifié de l'extérieur. Il dépend de la méthode de conversion interne propre à OpenAI pour la notion de "jour-agent", méthode qui n'a pas été rendue publique.
Le dernier calendrier annoncé remonte à onze mois
Ces deux jalons ne sont pas nouveaux. Lors d'un live en octobre 2025, Sam Altman avait déclaré :
"we think it is plausible that by September of next year, we have an intern-level AI research assistant and that by March 2028, we have a legitimate AI researcher."
Nous pensons qu'il est plausible que, d'ici septembre de l'année suivante, nous disposions d'un assistant de recherche IA de niveau stagiaire, et que d'ici mars 2028, nous disposions d'un véritable chercheur IA.
Selon le propre décompte d'OpenAI, le premier jalon a été atteint exactement dans le mois prévu. Le second reste fixé à mars 2028 ; le rapport le décrit comme un chercheur IA automatisé capable, sous supervision humaine, de faire avancer la recherche en apprentissage profond et en alignement, et de soutenir des améliorations itératives — et non un simple assistant cantonné à des tâches étroites.
Sur ce chemin, le même rapport mentionne aussi deux épisodes moins réjouissants. Le 20 juillet, le service de conteneurs de l'entreprise a été temporairement arrêté à la suite d'un problème de sécurité. Le 7 août, le système Astra a été signalé comme disposant de capacités critiques en cybersécurité. La chaîne d'outils internes qui permet d'accélérer le débit de la recherche génère donc elle-même des questions de sécurité à traiter.
La facture grimpe aussi
Les chiffres relatifs au coût d'inférence sont plus faciles à vérifier dans leur tendance que le 3,1. La médiane de 600 dollars par chercheur et par jour signifie qu'une équipe de recherche d'une centaine de personnes dépense, rien qu'en appels aux agents, de l'ordre de 60 millions de dollars de calcul par an — une estimation grossière fondée sur 250 jours ouvrés, hors entraînement. Chez les utilisateurs du 90ᵉ centile, qui dépensent 7 000 dollars par jour, une seule personne peut approcher les 2 millions de dollars par an.
Cette dépense n'est pas de même nature que le calcul consacré à l'entraînement. L'entraînement est un investissement ponctuel, dont le modèle obtenu peut être réutilisé indéfiniment ; l'usage d'agents par les chercheurs pour mener des expériences relève, lui, de la pure consommation — une fois utilisé, c'est consommé — et plus l'usage devient fluide, plus la dépense augmente. L'observation du rapport selon laquelle "de plus en plus de personnes font tourner quatre agents ou plus simultanément" reflète justement la pente de cette courbe de dépenses.
Pour les observateurs extérieurs, mars 2028 constitue le prochain jalon auquel se référer. D'ici là, le seul matériau public disponible pour une vérification croisée reste le rapport publié par OpenAI elle-même.
Sources : Rapport officiel d'accélération de la recherche d'OpenAI, CocoLoop, unite.ai ; la page du rapport d'OpenAI a été consultée pour vérifier le ratio de 3,1 jours-agent, le coût médian et au 90ᵉ centile de l'inférence, le taux d'intervention humaine sur les tâches de quatre à huit heures, ainsi que la citation originale d'Altman concernant les deux jalons temporels.