La recherche en IA te passionne ?
Les papers et avancées qui comptent, expliqués simplement, chaque soir. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisis ton rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
Des systèmes d’IA automatisent déjà des morceaux de leur propre amélioration, mais le contrôle humain reste central et une auto-amélioration de niveau L5 n’a pas été démontrée. De A‑Evolve‑Training à ForgeTrain, des indices s’accumulent, tandis que GPT‑6 Astra occupe la tête d’un benchmark dédié sans pour autant s’auto-améliorer.
Le contrôle humain demeure et le L5 n’est pas atteint
Des humains fixent encore les objectifs, conçoivent l’évaluation, fournissent l’infrastructure et décident des publications. L’IA opère davantage à l’intérieur de ce cadre, sans prendre la main sur l’ensemble de la boucle d’amélioration. Une auto-amélioration complète de niveau L5 n’a pas été démontrée : seules des portions de la chaîne sont aujourd’hui automatisées. Si elle advenait, l’application serait bien plus vaste que l’IA actuelle et pourrait assister des domaines comme la santé, la sécurité ou l’intelligence émotionnelle.
Des systèmes concrets automatisent des étapes clés
Plusieurs projets montrent que des segments de la boucle d’amélioration peuvent être confiés à l’IA. Quatre cycles consécutifs d’entraînement post‑autonome ont été réalisés par A‑Evolve‑Training sur un Nemotron de 30 milliards de paramètres, le score externe progressant de 0,80 à 0,86. Ouroboros modifie un agent de codage en intervenant sur ses outils, ses prompts, la construction du contexte et la façon dont il est implémenté. Darwin Gödel Machine a vu sa performance sur un sous‑ensemble de SWE‑bench passer de 20% à 50%, malgré une partie fixe dans la sélection et le maintien des variantes. ForgeTrain a produit un cadre de pré‑entraînement depuis un répertoire vide, automatisant une phase normalement très ingénierée. L’ensemble dessine une trajectoire : moins de bricolage manuel, plus d’amélioration automatisée.
Le cadre RSI : de l’essai ponctuel au méta-apprentissage
Le cadre d’auto‑amélioration distingue plusieurs paliers. Au niveau B0, un système peut améliorer une réponse sans en conserver le gain. Au niveau L1, il suit une recette humaine où but, méthode et critères restent définis par des opérateurs. L2 lui permet de choisir une voie d’amélioration sous objectif fixé, par essais de prompts, d’outils ou d’expériences. L3 consiste à décider ce qu’apprendre ensuite en tirant parti des erreurs pour orienter tâches, données ou environnements. L4 implique d’apprendre de l’usage réel et de graver des changements utiles en mémoire, outils, compétences ou infrastructure. L5 vise l’amélioration du processus d’amélioration lui‑même, en bâtissant de meilleurs successeurs, une étape réputée difficile. Au cœur, il s’agit d’un système qui s’améliore et réexploite ces gains, la question clé restant la répartition du travail entre humains et machine et la capacité à retenir durablement les progrès.
Ce qui distingue l’optimisation de la RSI et les signaux à surveiller
Le critère différenciant est la rétention utile des leçons et leur réutilisation pour rendre les itérations futures meilleures ; sans cela, on reste dans l’optimisation classique. GPT‑6 Astra n’entre pas dans la catégorie des systèmes à auto‑amélioration récursive. Il agrège pourtant des capacités attendues chez de futurs modèles susceptibles de RSI, comme le raisonnement avancé, le codage, l’usage d’ordinateurs, la recherche scientifique et l’exécution de flux de travail longs et multi‑étapes. Sa position de tête dans le benchmark RSI‑Exam illustre ces traits, sans constituer une preuve d’auto‑amélioration récursive.
