Sources : The Information, The Briefing, chronique de Cory Weinberg (7 octobre 2026) [Pas de lien disponible]
Mardi, OpenAI a publié des centaines de résultats mathématiques produits par un modèle interne, comme le racontait le numéro d'hier. Le lendemain, dans The Briefing, la chronique du soir de The Information, Cory Weinberg pose une question plus terre à terre : qu'est-ce que cela change pour ceux qui ne font pas d'algèbre tous les jours ? Selon lui, une question anime cette phase de la ruée vers l'IA : comment les entreprises vont-elles transformer une intelligence brute, impressionnante, en utilité concrète et démontrable ?
Weinberg relève trois signaux qui tempèrent l'enthousiasme. L'annonce d'OpenAI tombe alors que la presse fait état d'une nouvelle levée de fonds, une semaine après une journée des développeurs très attendue qui a surtout déçu. Les agents grand public, ces assistants censés agir en ligne à notre place, se heurtent à des sites qui veulent bloquer les robots. Enfin, les économistes ne voient pas encore, du moins dans les grandes statistiques, de signe que l'IA rende les gens plus productifs. Le chroniqueur reconnaît qu'il est difficile de séparer les prouesses techniques des annonces commerciales qui entretiennent l'afflux d'argent.
Pour illustrer le débat, il raconte une conférence organisée la semaine dernière à San Francisco par Modal, une entreprise qui vend de la puissance de calcul et des outils aux développeurs. Près de 800 développeurs y assistaient. En tête d'affiche figurait Scott Wu, fondateur de Cognition, une jeune entreprise d'agents de programmation valorisée 48 milliards de dollars le mois dernier. Cet ancien champion de concours de mathématiques a décrit des entreprises bientôt peuplées d'« employés virtuels », chargés d'atteindre des résultats plutôt que d'exécuter des tâches. Son déclic remonte à l'an dernier, quand les modèles ont commencé à battre les humains à l'AIME, un concours de mathématiques de haut niveau. « C'est là que j'ai su que c'était fini », dit-il, au sens où les humains ont perdu le monopole de l'intelligence (propos traduits).
Le même après-midi, Diogo Almeida, ancien chercheur d'OpenAI, a tenu un tout autre discours. Il dirige aujourd'hui TypeSafe AI, qui a lancé Jev, une alternative aux grands modèles de langage. « Mais où est passée, bon sang, toute l'automatisation ? », a-t-il lancé à la salle (propos traduits et adoucis). Son diagnostic tient en une idée. Les grands modèles actuels sont tous optimisés pour assister, grâce au RLHF, l'apprentissage par renforcement à partir de retours humains : on récompense le modèle quand ses réponses plaisent à des évaluateurs humains. Un modèle dressé à satisfaire l'humain qui le surveille excelle donc comme assistant. Il échoue dès qu'on le laisse travailler seul.
Même chez Anthropic, que Weinberg décrit comme l'entreprise la plus convertie à l'IA au monde, l'automatisation complète reste laborieuse. Cat Wu, responsable produit de Claude Code, l'outil de programmation d'Anthropic, pousse les équipes à repérer leurs tâches répétitives et à se demander pourquoi elles y interviennent encore. « Beaucoup d'automatisations restent bloquées au stade du semi-automatique, explique-t-elle. Claude fait 80 % du travail, je fais les 20 % restants, et on refait ces tâches encore et encore » (propos traduits). Dax Raad, développeur reconnu du logiciel libre et créateur d'OpenCode, décrit un autre écueil. Le dernier problème de son entreprise, dit-il, c'est que ses ingénieurs ne prêtent pas assez attention au code que l'IA écrit pour eux. « Comment faire pour que les gens s'en soucient davantage ? », se demande-t-il.
Pour qui utilise l'IA au travail sans être ingénieur, ces témoignages dessinent deux pièges. Le premier est celui du 80/20. L'outil fait l'essentiel, mais l'humain reste celui qui relance, corrige et termine à chaque fois, et le gain plafonne. Le second est celui de l'inattention. Plus on délègue, moins on relit, alors que l'erreur reste à la charge de l'humain. Weinberg note que les dirigeants entendus ce jour-là poussent à automatiser davantage, tout en reconnaissant que le changement sera difficile, et qu'ils ne semblent pas prêts à laisser les machines prendre la main. Devant un nouvel outil, la question utile devient donc double : que sait-il faire, et que fait-il sans moi ?