Le titre sur les 90 % comporte un astérisque crucial
Boris Power, responsable de la recherche appliquée chez OpenAI, a déclenché une vague de spéculations lorsqu'il a estimé que 80 % à 90 % de l'effort de recherche de l'entreprise est consacré à ce qui viendra après GPT-8. Cette remarque marquante, faite lors du Fellows Forum AI Summit le 23 septembre, décrit l'allocation de la recherche vers des modèles futurs comme GPT-7, GPT-8 et au-delà, et non un budget ou une répartition du personnel vérifiés indépendamment. Elle a fait surface alors que GPT-6 Astra d'OpenAI, son modèle déployé le plus performant, commençait tout juste à atteindre les utilisateurs.
La déclaration de Power est un indicateur crucial d'horizon de planification, mais elle n'établit pas que GPT-8 est presque terminé, en cours d'entraînement ou prévu pour une sortie prochaine. La recherche dans ce contexte englobe un large éventail d'activités très éloignées d'un produit fini. Elle comprend :
- Le test de nouvelles méthodes d'entraînement
- La construction de systèmes d'évaluation
- L'amélioration des pipelines de données
- La conception de contrôles de sécurité
- L'amélioration de la fiabilité des puces et des réseaux
- La réalisation d'expériences exploratoires plus petites
Le nom d'un futur modèle signifie souvent une direction de recherche à long terme, plutôt qu'un plan pour une sortie imminente. Ce pourcentage souligne la stratégie prospective d'OpenAI : la majeure partie de l'effort de recherche à long terme pointe au-delà de la génération de produits actuelle, et non que des milliers de personnes terminent secrètement GPT-8 en ce moment. Cette distinction est essentielle pour interpréter avec précision la feuille de route ambitieuse de l'entreprise.
La « recherche » n'est pas une seule exécution d'entraînement géante pour GPT-8
L'estimation de Power se concentre sur l'effort de recherche, et non sur une seule exécution d'entraînement en cours pour un futur modèle. Lorsque Power suggère que 80 à 90 % de la recherche pointe vers GPT-7, GPT-8 et au-delà, il décrit un large éventail de travaux préparatoires. Cela inclut des expériences fondamentales et de l'ingénierie qui précèdent tout pré-entraînement à grande échelle.
La recherche peut englober de nombreuses activités. Les équipes peuvent être en train de :
- Tester de nouvelles méthodes d'entraînement
- Construire des systèmes d'évaluation robustes
- Améliorer les pipelines de données
- Concevoir des contrôles de sécurité complets
- Améliorer la fiabilité des puces et des réseaux
Ces efforts jettent collectivement les bases des futurs systèmes. Certaines expériences peuvent directement informer des modèles ultérieurs, tandis que d'autres pourraient ne jamais donner lieu à un produit public. Le nom d'un futur modèle fonctionne souvent comme une direction de recherche, guidant ces diverses investigations, plutôt que d'étiqueter un plan de produit finalisé.
Par conséquent, la citation offre un aperçu des priorités d'investigation à long terme d'OpenAI. Elle nous en dit plus sur la perspective stratégique de l'entreprise et les problèmes qu'elle explore que sur les progrès d'un modèle spécifique, ses capacités projetées ou une date de lancement imminente. Cette distinction critique sépare la recherche exploratoire du développement de produits.
Le prochain modèle commence dans le réseau électrique
Les laboratoires d'IA de pointe doivent planifier à travers des générations de modèles qui se chevauchent, car les exigences fondamentales pour les systèmes futurs exigent de longs délais. Des éléments critiques tels que la capacité de calcul, les connexions au réseau électrique, l'infrastructure réseau, les pipelines de données étendus et des évaluations de sécurité robustes ne peuvent pas se matérialiser à la demande ; ils nécessitent des années de préparation à l'avance.
L'ambitieuse initiative Stargate d'OpenAI illustre parfaitement cette stratégie visionnaire, visant plus de 10 gigawatts de capacité d'IA prévue aux États-Unis. Cette infrastructure témoigne de l'ambition soutenue de l'entreprise et de sa préparation pour les futurs modèles, bien qu'elle ne confirme ni la taille ni le calendrier d'une quelconque sortie spécifique à venir. Un site phare à Abilene, au Texas, entraîne par exemple déjà des modèles comme GPT-5.5, illustrant à quel point les feuilles de route de recherche et la construction physique sont désormais étroitement liées.
Cette base technique est cruciale pour des cycles d'entraînement répétés et à enjeux élevés. Des clusters fiables et un réseau résilient, souvent repensés pour maintenir le fonctionnement même en cas de défaillance de certaines parties du système, réduisent considérablement les interruptions coûteuses. Une telle infrastructure soutient directement l'efficacité du research pipeline, garantissant que les cycles d'entraînement de plusieurs mois puissent se terminer sans encombre. Pour plus de détails sur les efforts de recherche plus larges d'OpenAI, consultez l'OpenAI Research Index.
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 véritable test est de savoir si la sécurité suit le rythme
La propre évaluation de sécurité d'OpenAI concernant GPT-6 Astra le décrit comme le premier modèle à atteindre le « niveau critique de capacité en cybersécurité » de l'entreprise. Cela signifie qu'Astra peut aider à découvrir des failles logicielles inconnues et à développer des exploits pour des systèmes protégés avec une intervention humaine réduite. Bien que l'entreprise affirme qu'Astra est globalement plus sûr que son prédécesseur et qu'il n'est pas incontrôlable, cette évaluation déplace le débat sur les risques au-delà des simples erreurs de chatbot.
Cette escalade souligne pourquoi la safety research doit être menée parallèlement au développement des capacités, et non comme une réflexion après coup. Le Frontier Governance Framework d'OpenAI décrit le suivi des risques graves tels que les cyberattaques, les menaces biologiques et la manipulation. Le cadre de préparation de l'entreprise dicte les protections requises avant tout déploiement.
Ces contrôles cruciaux — incluant les évaluations, les systèmes sécurisés et des règles d'arrêt claires — ne peuvent pas se matérialiser une fois qu'un modèle puissant est terminé ; les chercheurs doivent les concevoir pendant le développement. Cette approche intégrée garantit que les garde-fous évoluent avec les capacités croissantes, offrant un contrepoids essentiel au rythme rapide de déploiement des infrastructures.
Les lecteurs peuvent surveiller plusieurs indicateurs pour suivre les progrès sur ce front :
- Évaluations publiées
- Mises à jour des cadres de sécurité
- Publications de recherche
- Nouvelle infrastructure mise en service
Aucune spécification ou date de sortie vérifiée pour GPT-7 ou GPT-8 n'est publique, mais la trajectoire exige que les mesures de sécurité précèdent, et non suivent, les capacités qu'elles visent à régir.
Foire aux questions
OpenAI a-t-il confirmé que GPT-8 est en cours d'entraînement ?
Non. Boris Power a décrit une attention de recherche portée sur GPT-7, GPT-8 et au-delà ; cela ne confirme pas un cycle d'entraînement actif pour GPT-8.
Qu'a déclaré Boris Power au sujet de la recherche d'OpenAI ?
Lors du Fellows Forum AI Summit, Power a estimé que 80 % à 90 % de la recherche d'OpenAI se concentrait sur des générations au-delà de son modèle actuel.
Pourquoi OpenAI ferait-il des recherches sur les futurs modèles des années à l'avance ?
Les méthodes, les données, les évaluations, les systèmes de sécurité, le matériel informatique et la capacité des centres de données prennent tous du temps à développer et à coordonner.
Les dates de sortie de GPT-7 et GPT-8 sont-elles publiques ?
Non. OpenAI n'a publié aucune date de lancement vérifiée, aucune spécification ni aucune feuille de route publique pour l'un ou l'autre de ces modèles.