Fable écrit le premier mégakernel GPU, et des experts évoquent une boucle d'auto-amélioration de l'IA

Le 6 juillet 2026, la société d'IA Fable a publié un résultat que Jack Clark, cofondateur d'Anthropic et auteur de la newsletter Import AI, a qualifié de « début d'une boucle d'auto-amélioration récursive » : son modèle a créé de lui-même le premier vrai mégakernel pour GPU de l'histoire et, selon ses auteurs, le plus rapide ayant jamais existé.

Qu'est-ce qu'un mégakernel GPU et pourquoi est-ce si difficile ?

Un kernel GPU est un programme exécuté simultanément sur des milliers de cœurs d'un processeur graphique. Écrire des kernels efficaces passe pour l'une des tâches les plus ardues de la programmation d'infrastructure : l'ingénieur doit comprendre en détail l'architecture d'un GPU précis, les schémas d'accès à la mémoire et les méthodes numériques. C'est pourquoi la plupart des frameworks d'IA, dont PyTorch, JAX et TensorFlow, reposent sur des kernels que des spécialistes de NVIDIA et de petites équipes, comme les développeurs de FlashAttention, peaufinent à la main depuis des années.

Un mégakernel représente le niveau de complexité suivant : il fusionne plusieurs opérations en une seule et supprime les accès intermédiaires à la mémoire. Cela permet de réduire la latence et d'augmenter le débit lors de l'entraînement de grands modèles. Avant le travail de Fable, l'écriture de mégakernels restait l'apanage de quelques experts.

• 6 juillet 2026 : date de publication du résultat dans la newsletter Import AI #464
• Premier « vrai » mégakernel écrit par un modèle d'IA
• Présenté comme le mégakernel le plus rapide à la date de publication
• Évaluation de Jack Clark, cofondateur d'Anthropic
• Le terme « RSI loop » est appliqué pour la première fois à une réalisation d'ingénierie concrète

Pourquoi parle-t-on de « boucle RSI » ?

L'auto-amélioration récursive (RSI, pour Recursive Self-Improvement) décrit une situation où l'IA se met à accélérer son propre développement : un modèle plus intelligent optimise le calcul sur GPU → des GPU plus rapides permettent d'entraîner un modèle encore plus puissant → celui-ci écrit de meilleurs kernels encore. Une boucle de rétroaction positive classique.

Pendant des années, la RSI est restée conceptuelle : philosophes et théoriciens de la sécurité de l'IA en débattaient, mais personne ne citait d'exemples concrets. Clark, l'un des commentateurs les plus prudents du secteur, n'a pas atténué ses termes et a directement qualifié le travail de Fable de « début » d'une telle boucle. Pour un observateur chevronné, c'est une appréciation inhabituellement enthousiaste.

«

The start of an RSI loop » : c'est ainsi que Clark a décrit le résultat dans le numéro 464 d'Import AI du 6 juillet 2026.

Il faut mesurer l'ampleur : il ne s'agit pas d'une IA qui aurait « un peu accéléré » l'écriture de code. Les mégakernels sont le socle d'infrastructure sur lequel se construisent les prochaines générations de systèmes d'IA. Si les modèles peuvent produire ce type de code de façon fiable, l'un des goulots d'étranglement fondamentaux disparaît : le manque d'ingénieurs capables d'optimiser le calcul au niveau du matériel.

Ce que cela signifie

La réalisation de Fable indique que l'automatisation du développement de l'IA passe de l'abstraction à la pratique. Si des benchmarks indépendants confirment les performances annoncées du mégakernel, l'événement fera figure de point de repère : le moment où l'IA a commencé à automatiser sérieusement sa propre infrastructure. L'industrie a intérêt à observer si d'autres laboratoires, comme Google DeepMind, Meta FAIR et Mistral, adoptent cette approche ou tentent de devancer Fable.

*Meta a été classée organisation extrémiste et est interdite en Russie.