Google admet que l'IA auto-améliorante reste lointaine

Résumé

Chez Google DeepMind, l’IA automatise déjà une partie du code, mais aucune accélération mesurable de la recherche en IA n’est encore observée.

Les faits

L’ingénieur de Google Haydn Belfield estime que l’IA auto-améliorante reste encore très éloignée. Selon lui, Google DeepMind n’a observé aucune accélération mesurable de la recherche en IA provoquée par l’IA elle-même. L’automatisation progresse néanmoins dans le développement logiciel : l’IA écrit désormais plus de 75 % du code de production. Environ 88 % des modifications nécessitent encore une supervision ou une vérification humaine, et chaque modification est examinée par un humain avant sa soumission. La part des changements entièrement délégués à l’IA est passée de 7,5 % à 11,9 %. Les performances diminuent lorsque les tâches deviennent plus complexes et chronophages. Sur 1 389 exécutions internes d’agents Argon, le taux de réussite sans intervention humaine a fortement baissé avec la complexité. Sur RE-Bench, un test interne composé de 74 tâches réalistes d’ingénierie en apprentissage automatique, Argon en résout environ la moitié, contre 27 % pour Gemini 3.7 Flash. Pour mesurer cette évolution, l’équipe a créé un General Capability Index couvrant 123 modèles et 92 tests. Les capacités des modèles Gemini progressent d’environ 0,1 point GCI par mois, à un rythme stable et sans changement significatif. L’équipe attribue la performance légèrement supérieure de Gemini 4 Argon à davantage de calcul et d’investissement organisationnel, plutôt qu’à une accélération provoquée par l’IA.

Pourquoi c’est important

Ces résultats distinguent deux phénomènes souvent confondus : l’automatisation croissante de tâches bien définies et l’auto-amélioration de la recherche en IA. La première est déjà visible dans la production de code, tandis que la seconde ne montre pas encore d’accélération mesurable. La supervision humaine reste particulièrement nécessaire pour la recherche créative, la conception d’expériences inédites, le diagnostic de problèmes subtils d’entraînement et la planification à long terme. Google évalue actuellement comme faible le risque lié à l’automatisation de la recherche par l’IA, tout en mettant en place des outils pour détecter d’éventuels signes d’accélération.

Questions fréquentes

L’IA auto-améliorante est-elle déjà une réalité chez Google DeepMind ?

Non. Haydn Belfield indique qu’aucune accélération mesurable de la recherche en IA provoquée par l’IA elle-même n’a été observée.

Quelle part du code de production est écrite par l’IA ?

L’IA écrit désormais plus de 75 % du code de production, mais environ 88 % des modifications nécessitent encore une supervision ou une vérification humaine.

Quelle est la progression des changements entièrement délégués à l’IA ?

La part des changements entièrement délégués à l’IA est passée de 7,5 % à 11,9 %.

Comment Argon se comporte-t-il sur RE-Bench ?

Argon résout environ la moitié des 74 tâches réalistes d’ingénierie en apprentissage automatique de RE-Bench, contre 27 % pour Gemini 3.7 Flash.

À quel rythme progressent les modèles Gemini selon le GCI ?

Leurs capacités progressent d’environ 0,1 point GCI par mois, sans changement significatif de vitesse.

Source

Auteur

Rédaction spécialisée dans la veille et l'analyse de l'actualité de l'intelligence artificielle, des puces IA, des robots, des agents IA et de la recherche.