Un chercheur peut désormais confier plusieurs journées de programmation à des agents d'Intelligence artificielleEnsemble de techniques permettant à des machines d'accomplir des tâches nécessitant habituellement certaines capacités humaines, comme la reconnaissance, la prédiction ou la prise de décision. en seulement 24 heures. Chez OpenAI, cette pratique prend de l'ampleur. Selon les chiffres publiés par l'entreprise, l'utilisation de ces outils est passée de 0,5 à 5,7 jours-agents par chercheur et par jour en 2026. Une progression spectaculaire qui ne signifie pourtant pas que les machines savent tout faire.
Comment travailler plus de cinq journées en une seule ?
Pour mesurer cette activité, OpenAI utilise une unité particulière, le jour-agent. Elle correspond à huit heures d'exécution d'un agent informatique. Un chercheur qui lance plusieurs agents simultanément peut donc accumuler davantage de jours-agents que ne compte une journée de travail humaine.
Concrètement, pendant qu'un programme écrit du code, un autre peut analyser des résultats expérimentaux et un troisième surveiller une opération en cours. Le chercheur conserve ainsi la possibilité de travailler sur plusieurs problèmes sans attendre systématiquement la fin de chaque traitement.
Cette organisation se généralise dans les équipes étudiées. À la mi-octobre, plus des deux tiers des chercheurs atteignaient quotidiennement un pic d'au moins quatre agents actifs simultanément. Plus de 10 % en utilisaient au moins seize.
Les différences restent importantes selon les métiers. Les spécialistes du PretrainingPhase initiale d'entraînement permettant à un modèle d'acquérir des capacités générales avant une éventuelle spécialisation. et du postentraînement, deux étapes de développement des modèles, atteignent environ huit jours-agents quotidiens. Les équipes chargées des infrastructures et de la montée en puissance des systèmes se situent plutôt autour de quatre.
Des milliers de dollars de calcul chaque jour
Cette multiplication des agents représente une consommation informatique considérable. En valorisant leur utilisation aux tarifs publics de son API, OpenAI obtient une dépense équivalente médiane de 2 400 dollars par chercheur et par jour.
Pour les 10 % de chercheurs les plus consommateurs, cette valeur atteint au moins 23 000 dollars quotidiens. Attention toutefois à l'interprétation de ces montants. Il ne s'agit pas nécessairement de dépenses réellement facturées en interne, mais d'une estimation destinée à mesurer l'intensité des usages.
En septembre, cette consommation valorisée représentait environ le double de la rémunération des chercheurs hors actions. Pourtant, les outils Codex, ChatGPT et l'API ne comptaient ensemble que pour 2 % de la puissance de calcul totale consacrée à la recherche chez OpenAI.
Autrement dit, les agents de programmation occupent une place croissante dans le quotidien des équipes, mais leur consommation reste minoritaire à l'échelle des ressources informatiques du laboratoire.
Les agents réussissent certaines tâches et échouent sur d'autres
L'intérêt de ces outils dépend fortement du travail demandé. Entre le 1er août et le 18 octobre, OpenAI indique que ses agents ont terminé sans intervention humaine 79 % des tâches de surveillance des exécutions et 72 % des réponses aux questions techniques.
Les résultats restent encourageants pour la communication, avec 69 % de réussite, et pour l'analyse, avec 58 %. En revanche, construire des systèmes complets se révèle plus difficile, avec seulement 43 % des tâches achevées de manière autonome.
Les performances diminuent encore sur des opérations techniques spécialisées. L'écriture de code destiné à faire fonctionner ou servir les modèles atteint 25 %, tandis que la création d'environnements d'évaluation ou d'Reinforcement LearningMéthode d'apprentissage dans laquelle un agent améliore ses décisions en fonction des récompenses reçues lors de ses interactions. plafonne à 29 %.
Ces écarts illustrent une limite essentielle. Un agent peut accélérer plusieurs étapes d'un projet sans être capable de mener l'ensemble du travail jusqu'au bout. Un code produit rapidement peut nécessiter des corrections importantes, et une analyse apparemment convaincante peut reposer sur de mauvaises hypothèses.
Les chercheurs restent à l'origine des principales idées
OpenAI a également interrogé ses équipes sur la contribution des agents aux idées utilisées pour développer GPTFamille de modèles génératifs préentraînés reposant sur l'architecture Transformer, notamment utilisés pour produire du texte.-6 Astra et GPT-6.2 Astra.
Dans les domaines du postentraînement et de la sécurité, les chercheurs interrogés attribuent aux humains les principales idées retenues. Les modèles interviennent surtout pour faciliter leur réalisation.
Le constat est plus nuancé en préentraînement. Certains chercheurs expliquent avoir développé des idées au fil de conversations avec Codex. L'un attribue même à l'agent un élément déterminant de son approche, tandis qu'un autre évoque une modification proposée par l'outil qui aurait permis de la faire fonctionner.
Ces témoignages ne démontrent cependant pas que les agents peuvent conduire seuls des recherches scientifiques. Les équipes rapportent également des difficultés récurrentes, notamment du code de mauvaise qualité, des données inutilisables et des problèmes de recherche mal formulés.
La méthode privilégiée consiste donc à avancer par petites étapes, avec une vérification humaine entre les différentes opérations.
OpenAI présente ces observations comme des indicateurs possibles d'une accélération de la recherche grâce à ses propres modèles. Ces résultats restent issus de l'entreprise qui développe les outils évalués et ne constituent pas une validation indépendante de leur efficacité.
Le principal changement concerne finalement l'organisation du travail. Un chercheur ne délègue plus simplement une tâche à un assistant. Il supervise plusieurs processus en parallèle, chacun produisant des résultats à examiner. Plus leur nombre augmente, plus la capacité humaine à contrôler la qualité des travaux devient déterminante.




