Les indices s'accumulent, mais aucun n'est une annonce de lancement
Le modèle de nouvelle génération d'OpenAI, GPT-6.2, et son nom de code rapporté, Betelgeuse (surnommé « Bell »), ont suscité de nombreuses discussions en ligne, mais OpenAI n'a confirmé publiquement ni le modèle ni sa sortie. Les fuites fournissent néanmoins une chronologie convaincante, quoique non vérifiée, qui suggère un développement et des tests actifs.
Le nom de code Betelgeuse est apparu pour la première fois dans un outil de suivi interne d'OpenAI le 30 octobre, selon des comptes tels que Polify AI. Le lendemain, les utilisateurs de l'agent de programmation d'OpenAI, Codex, ont observé un identifiant inconnu, « GPT-6.2 Astra », dans leurs statistiques d'utilisation, représentant parfois près de 20 % de leur activité, alors même que l'interface indiquait toujours GPT-6 Astra. Cela suggérait des tests discrets en conditions réelles.
D'autres indices sont apparus le 3 novembre, lorsque Tibo Sottiaux, qui dirige Codex chez OpenAI, a publié sur X des messages énigmatiques tels que « Le GPT Fat » et « ChatBLT », largement interprétés comme des références à un grand modèle. Le lendemain, deux nouveaux identifiants d'API, RC-Ada-Or-VM et RC-Ada-SH-VM, sont brièvement apparus dans la liste officielle des modèles d'OpenAI avant de disparaître.
Ces préfixes « RC » sont généralement compris comme désignant le statut de « Release Candidate » (version candidate), c'est-à-dire une version d'un logiciel prête pour le déploiement final. Si ces éléments sont très évocateurs de tests internes avancés, ils ne constituent ni une annonce officielle ni la confirmation d'un lancement public imminent de GPT-6.2.
L'histoire des mille milliards de paramètres de Bell demande un retour à la réalité
Les rumeurs sur la prochaine génération d'IA d'OpenAI confondent souvent deux entités distinctes : GPT-6.2 Astra et Bell. GPT-6.2 Astra est décrit comme une mise à jour incrémentale, potentiellement une itération optimisée d'un modèle existant. Bell, à l'inverse, serait selon la rumeur un nouveau modèle de base fondamental, représentant un changement d'architecture plus important.
Les modèles de base sont soumis à un pré-entraînement, un processus très gourmand en ressources au cours duquel l'IA apprend des schémas à partir de vastes jeux de données. Les paramètres, les valeurs ajustables du modèle, stockent ces connaissances acquises. Un plus grand nombre de paramètres implique généralement une plus grande capacité de connaissance, mais les estimations de 10 à 12 trillions de paramètres rapportées pour Bell, relayées par Wccftech et 36Kr, ne sont pas confirmées officiellement.
Ces nombres colossaux de paramètres, ainsi que des scores présumés de 72 à l'Artificial Analysis Intelligence Index ou une tarification de 20 $ par million de tokens en entrée et de 100 $ par million de tokens en sortie, proviennent de publications sur les réseaux sociaux et d'informations non vérifiées. Sans documentation officielle détaillant l'architecture, la méthodologie d'entraînement ou les processus d'inférence, ces chiffres restent spéculatifs. Un nombre de paramètres plus élevé ne garantit pas à lui seul un modèle plus performant ; l'efficacité et la conception sont tout aussi déterminantes.
L'indice issu du benchmark est peut-être plus convaincant que les fuites
Si le nombre de paramètres et les noms de code alimentent souvent les spéculations, un résultat de benchmark rapporté offre un indice plus concret. Le récent article de blog d'OpenAI, « Accelerating Engineering R&D in the Physical World », a présenté BenchCAD 2.0, une évaluation spécialisée de l'IA dans la conception d'ingénierie. Il ne s'agit pas d'un test d'intelligence générale, mais d'une évaluation exigeante de la capacité d'une IA à générer du code pour :
- Pièces et assemblages 3D
- Connexions de cartes de circuits imprimés
Ce benchmark exige une compréhension approfondie du raisonnement spatial et des contraintes physiques, et va au-delà des tâches linguistiques habituelles.
Un graphique, largement attribué aux propres travaux d'OpenAI, compare les performances de GPT-6 Astra à celles d'un modèle interne non nommé sur BenchCAD 2.0. GPT-6 Astra aurait atteint un score maximal de 59,4 % même à son niveau de raisonnement le plus élevé. Le modèle interne, en revanche, aurait obtenu 75,8 % à son niveau le plus bas et un impressionnant 87,5 % à son niveau le plus élevé.
Point essentiel : le graphique n'identifie pas explicitement ce modèle interne supérieur comme étant Bell ou GPT-6.2. Bien que l'écart de performance soit important (16,4 points de pourcentage au niveau le plus bas), les résultats d'un benchmark sur une seule tâche spécialisée ne se traduisent pas automatiquement par une supériorité générale dans le monde réel. Pour plus de contexte sur les développements connexes, consultez OpenAI Teases GPT-6.1 Astra Amid Relentless Hype Around The Mysterious GPT-6.2 Betelgeuse Model. Les bons résultats sur BenchCAD 2.0 suggèrent une avancée significative dans un domaine précis et complexe, mais ses implications plus larges restent à déterminer.
Cet article vous plaît ? Recevez-en un comme celui-ci chaque matin.
un e-mail par jour · désinscription en deux clics · aucun traqueur tiers
Le vrai test est de savoir si un modèle peut faire plus qu'impressionner
Les propos attribués à Sam Altman au sujet d'un futur modèle GPT prennent leur sens dans le contexte des travaux en cours d'OpenAI en vue d'une preuve de Navier–Stokes formelle. Le modèle exact concerné et la portée de la preuve restent deux questions distinctes, mais un résultat spectaculaire en ingénierie ou en mathématiques pourrait annoncer une nouvelle ère de raisonnement fiable.
Obtenir une telle preuve démontrerait des capacités avancées en matière d'utilisation d'outils, de coordination multi-agents et de résolution de problèmes complexes. Ces qualités pourraient se traduire par un travail réellement utile, au-delà de démonstrations impressionnantes mais non vérifiées.
Les affirmations sur les prouesses d'un nouveau modèle exigent un examen rigoureux et indépendant. Les lecteurs doivent rechercher :
- une documentation officielle du modèle
- des system cards détaillant l'architecture et l'entraînement
- des méthodes de benchmark transparentes
- des évaluations indépendantes
- un accès public effectif au modèle
Jugez toute sortie selon ses capacités vérifiées, et non selon l'ampleur des rumeurs. Le véritable test pour Bell, ou pour tout modèle de nouvelle génération, sera la présence de preuves reproductibles de son utilité concrète, et non de simples fuites anecdotiques ou de scores internes impressionnants mais opaques.
Foire aux questions
OpenAI a-t-elle officiellement annoncé GPT-6.2 Bell ?
Non. Le nom du modèle et les spéculations sur sa sortie dans les articles reposent sur des fuites et des signaux indirects, et non sur une annonce officielle d'OpenAI.
Qu'est-ce que GPT-6.2 Bell, selon les informations rapportées ?
Bell, également associé au nom Betelgeuse, serait selon la rumeur un nouveau modèle de base d'OpenAI. Son architecture et sa taille annoncée n'ont pas été confirmées.
Que montrent les résultats de benchmark rapportés pour GPT-6.2 ?
Un graphique attribué à la recherche d'OpenAI montrerait un modèle interne non nommé surpassant GPT-6 Astra sur BenchCAD 2.0. OpenAI ne l'a pas identifié comme étant Bell.
Quand GPT-6.2 pourrait-il être lancé ?
Certains articles évoquaient un lancement à court terme, mais les calendriers de sortie peuvent changer. OpenAI n'a pas confirmé de date.