Un nouveau test, baptisé TasteVal, mesure la capacité des modèles 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. à planifier et analyser leurs propres expériences scientifiques. Les premiers résultats indiquent que la progression de cette aptitude, qualifiée de « research taste », a presque doublé tous les trois mois depuis décembre 2025.

Un test centré sur la conduite d’expériences

TasteVal se compose de huit tâches issues du développement de modèles de langage : sélection de données d’TrainingProcessus durant lequel un modèle ajuste ses paramètres à partir de données afin d'améliorer ses performances., pré‑entraînement, réglage fin, optimisation des préférences humaines ou défense contre les prompts adverses. Pour chaque tâche, le modèle choisit l’expérience suivante, exécute le protocole sur un GPUProcesseur conçu pour effectuer de nombreux calculs en parallèle, notamment utilisé pour entraîner et exécuter des modèles d'IA. Nvidia H100 et interprète le résultat. Le processus s’arrête après 40 heures de calcul ou 120 heures réelles.

Comparaison avec les experts humains

Le groupe de référence comprend 24 spécialistes récemment passés par OpenAI, DeepMind, Nvidia ou Microsoft Research. Chaque tâche a été résolue par au moins deux personnes, la meilleure performance servant de repère. Le modèle Anthropic Opus 5.5 a atteint un « compute multiplier » de 2,3, c’est‑à‑dire qu’il a égalé les scores humains en dépensant moins de la moitié du budget de calcul. En moyenne, une exécution du modèle a coûté un trentième de celle d’un expert.

Une courbe de progression inattendue

Selon P‑Zero Research, le facteur de calcul nécessaire pour atteindre le niveau humain s’est multiplié par deux tous les trois mois depuis fin 2025, avec une fourchette de 1,7 à 5 mois selon les incertitudes. Avant 2025, l’amélioration était plus lente, la pente ne s’étant vraiment accentuée qu’autour du tournant 2025‑2026. Les auteurs soulignent toutefois que le benchmark ne couvre qu’une partie du travail scientifique et que les tâches sont faciles à automatiser, ce qui peut gonfler les performances affichées.

Implications pour l’auto‑amélioration des IA

Jack Clark, co‑fondateur d’Anthropic, a révisé à la hausse son horizon pour le RSI (recursive self‑improvement). Il estime désormais que des systèmes capables de créer leurs propres successeurs pourraient apparaître dès 2027, contre 2028 dans ses prévisions antérieures. Cette mise à jour s’appuie sur les gains constatés avec TasteVal, bien que Clark reconnaisse que le test ne prouve pas encore une amélioration autonome complète.

Les réserves des sceptiques

Certaines voix restent critiques. L’IA chercheur Herbie Bradley rappelle que, même si les modèles peuvent remplacer des chercheurs juniors pour des tâches techniques, les compétences plus élevées – intuition de recherche, créativité et planification à long terme – restent hors de portée. TasteVal ne teste que la capacité à concevoir et interpréter des expériences déjà définies, sans couvrir la sélection du problème de recherche, qui demeure le cœur de l’intuition scientifique.

Vers un nouveau paradigme d’évaluation

Traditionnellement, les performances des modèles sont jugées sur des tâches clairement délimitées comme le calcul mathématique ou la génération de code. TasteVal déplace le focus vers la capacité à prendre des décisions qui orientent la recherche. Si la tendance observée se confirme dans d’autres cadres, les cycles de développement d’IA pourraient devenir plus courts et moins coûteux, mais la vérifiabilité des travaux pourrait se compliquer, les modèles assumant davantage de responsabilités décisionnelles.

Un débat en cours

Anthropic a récemment déclaré que le RSI n’était pas encore atteint, mais qu’il pourrait survenir plus tôt que prévu, tandis que son PDG Dario Amodei préconise un ralentissement contrôlé du développement. OpenAI, de son côté, insiste sur la nécessité d’une Human in the LoopApproche intégrant une intervention humaine dans le fonctionnement, la validation ou les décisions d'un système automatisé. avant tout déploiement d’une IA capable d’auto‑amélioration. Le test TasteVal alimente ainsi le débat sur la façon dont la communauté doit encadrer ces avancées, en rappelant que la rapidité de progrès ne doit pas occulter les risques de perte de transparence.

En somme, le benchmark TasteVal ouvre une nouvelle façon d’évaluer les modèles, mais il reste limité à des scénarios où la direction de recherche est déjà imposée, laissant la porte ouverte à d’importantes questions sur la vraie portée de l’autonomie des IA.