Astra d'OpenAI : impressionnante, mais surévaluée — Marcus relève 8 à 9 idées fausses

Gary Marcus, professeur de sciences cognitives à NYU et l'un des critiques publics les plus constants du battage autour de l'IA, a publié sur Substack une analyse détaillée du nouveau modèle Astra d'OpenAI. Son verdict est à double face : sur le plan technologique, le modèle impressionne, mais dans la communication publique il est « démesurément surévalué » — c'est précisément ce que dit le titre de son article.

Ce que Marcus appelle des idées fausses

Marcus énumère huit ou neuf erreurs courantes dans la manière dont Astra est décrite et interprétée : dans la presse technique, chez les analystes et, selon lui, dans la communication d'OpenAI elle-même. En conclusion, il propose à ses lecteurs un exercice : trouver « l'erreur principale » parmi celles qu'il a listées, c'est-à-dire le piège logique clé sur lequel repose tout le récit entourant le modèle.

• Auteur : Gary Marcus — professeur à NYU, cofondateur de Robust.AI, coauteur du livre « Rebooting AI » (2019)
• Plateforme : Substack « Marcus on AI », avec des dizaines de milliers d'abonnés
• Caractérisation d'Astra par Marcus : « amazing, but vastly oversold »
• Nombre d'idées fausses identifiées : 8 à 9

«

Amazing — but vastly oversold » : c'est ainsi que Marcus qualifie Astra dans son titre, posant un cadre à double face : le succès technique et l'exagération marketing coexistent.

La méthode signature de Marcus consiste à séparer nettement deux questions : « le système fonctionne-t-il dans un scénario donné ? » et « possède-t-il les capacités annoncées publiquement ? ». Dans ses premières analyses de GPT-4 et de ChatGPT, il montrait comment des démonstrations publiques convaincantes engendrent systématiquement des conclusions exagérées sur la nature et l'étendue des capacités d'un modèle. Avec Astra, à en juger par ses formulations, le schéma est le même.

Pourquoi le battage autour de l'IA est dangereux

Dans l'histoire du hype de l'IA, la « surévaluation » se manifeste selon plusieurs schémas récurrents : l'accent mis sur des démos choisies plutôt que sur des tests systématiques ; l'attribution aux systèmes d'une capacité à « comprendre » et à « raisonner » là où il s'agit de pattern matching ; l'oubli des limites qui deviennent évidentes hors des scénarios contrôlés.

Pour Astra, présentée comme une nouvelle classe d'assistants IA multimodaux, ce type de critique est particulièrement pertinent : l'effervescence autour du lancement façonne les attentes des investisseurs, des utilisateurs et des régulateurs bien avant que le système n'ait prouvé ses capacités en conditions réelles, et non en démonstration.

Pourquoi Marcus reste un sceptique influent

Marcus est l'un des rares chercheurs dotés d'un poids académique à occuper de façon systématique une position critique dans le débat public sur l'IA. En 2023, il a témoigné devant une commission spécialisée du Sénat américain, avec des arguments en faveur de la régulation des systèmes d'IA. Dans le secteur, les avis sur lui sont partagés : les uns y voient un contrepoids nécessaire à l'optimisme des entreprises, les autres lui reprochent de sous-estimer les progrès réels.

« Huit ou neuf idées fausses sur Astra.

Voyez si vous parvenez à repérer l'erreur principale », écrit Marcus dans le sous-titre, transformant délibérément son analyse en exercice de pensée critique plutôt qu'en énième tour d'horizon d'actualité.

Ce que cela signifie

L'analyse de Marcus ne nie pas les progrès d'OpenAI : elle constate un écart structurel entre le récit marketing et les capacités mesurables. À court terme, les entreprises profitent de l'engouement, mais des attentes gonflées minent la confiance dans les avancées réelles. Savoir distinguer ces deux couches devient une compétence de base — pour les investisseurs, les journalistes et les développeurs.