Le 18 novembre, OpenAI a publié son deuxième rapport sur l'« accélération de la recherche », sous-titré « The jagged frontier » (la frontière en dents de scie), qui s'appuie sur des données internes pour mesurer l'effet des agents de programmation sur la recherche et le développement en IA. Le chiffre clé : sur les tâches de recherche qui demanderaient environ 2 à 4 heures à un humain, les agents en ont mené 46 % à bien seuls en octobre, contre 23 % en mars. Pour les tâches de 4 à 8 heures, la proportion est passée de 13 % à 35 % sur la même période.
Il s'agit d'estimations d'OpenAI elle-même. La manière dont l'« achèvement autonome » est établi n'est pas précisée dans les reprises de presse, et les documents publics actuels ne permettent pas de le vérifier.
Un même travail de recherche, des écarts considérables
Le sous-titre vient des écarts entre les tâches. Sur la période statistique du 1er août au 18 octobre, des tâches comme la surveillance de l'entraînement des modèles affichent un taux de réussite des agents de 79 % ; le lancement de tâches d'entraînement, 35 % ; l'écriture de code pour la pile d'inférence et de service, seulement 25 %.
La conclusion d'OpenAI est très mesurée :
« The agents are not taking over AI research. They are taking over specific slices. »
(Les agents ne prennent pas le contrôle de la recherche en IA. Ils reprennent des pans précis.)
Une personne, plus d'une dizaine d'agents en même temps
L'usage en parallèle s'approfondit. Selon le rapport, plus des deux tiers des chercheurs font tourner au moins 4 agents simultanément à leur pic quotidien, et plus de 10 % en font tourner 16 ou davantage. Par domaine de recherche, le nombre de semaines de travail enregistrées des chercheurs en sécurité et alignement a augmenté de 77 % de janvier à septembre, la plus forte hausse tous domaines confondus.
Le rapport contient aussi un sondage : on a demandé à 101 chercheurs combien de ressources ils accepteraient de céder pour continuer, pendant trois mois, à utiliser des agents plus puissants que GPT-5.2. La réponse médiane : 30 % de la puissance de calcul de l'équipe, ou 40 % de ses effectifs. Il s'agit d'une enquête de préférences hypothétique, et rien n'indique pour l'instant qu'OpenAI ajuste ses recrutements en conséquence.
2 400 dollars par personne et par jour
Le rapport convertit l'usage des agents en argent aux tarifs publics de l'API. En octobre, l'usage quotidien médian par chercheur s'élevait à environ 2 400 dollars, contre 1 500 en septembre ; le 90e centile est passé de 11 000 à 23 000 dollars.
Un calcul rapide, sur environ 250 jours ouvrés par an : l'usage d'agents d'un chercheur médian équivaut à quelque 600 000 dollars par an, celui du 90e centile à environ 5,75 millions. C'est un calcul aux tarifs publics externes ; le coût de calcul réel en interne chez OpenAI est bien inférieur, sans que le chiffre exact soit communiqué. Ce calcul ne donne donc qu'un ordre de grandeur de l'usage et ne permet pas d'en déduire la dépense réelle.
À lire avec le rapport précédent
Le rapport de septembre indiquait que les agents de recherche atteignaient à la mi-août une production de 3,1 journées de travail pour chaque journée de travail humaine, ce que nous avions couvert à l'époque. Deux mois plus tard, OpenAI change d'angle de mesure : de la production totale, elle passe à une ventilation des taux de réussite par durée et par type de tâche, et sa conclusion se fait elle aussi plus prudente. Le taux d'achèvement autonome des tâches longues progresse vite, mais pour des travaux d'ingénierie comme l'inférence et le service, environ trois quarts restent hors de portée d'une exécution indépendante.
Les limites du rapport sont également évidentes : les données sont internes, la difficulté des tâches est estimée par OpenAI elle-même et il manque une référence externe reproductible. Si le prochain rapport rend publique la méthode d'évaluation, le poids de ces 46 % pourra être mieux apprécié.
Sources : rapport d'OpenAI sur l'accélération de la recherche, AI Weekly, CocoLoop, Crypto Briefing ; recoupement des taux d'achèvement autonome par durée de tâche, des taux de réussite par domaine et de l'usage quotidien médian (converti aux tarifs publics de l'API).