Karpathy, d'Anthropic : 5000 personnes voient une IA que les autres ne voient pas

Andrej Karpathy, cofondateur d'OpenAI et désormais chez Anthropic, évoque un fossé croissant dans la connaissance de l'IA. Selon son estimation, environ 75% de la population mondiale n'a presque jamais eu affaire à de grands modèles de langage. À l'inverse, environ 5000 personnes ont accès à des systèmes frontier internes, où des essaims d'agents accomplissent un travail qui aurait demandé des années aux meilleurs experts. Le monde extérieur, dit Karpathy, n'a vu qu'un « aperçu » des capacités de l'IA. Au mieux, le public la perçoit comme un chatbot bizarre.

Trois couches de perception

Le tableau que dresse Karpathy répartit les gens en groupes selon leur proximité avec la technologie. Le groupe le plus vaste, les trois quarts de l'humanité, n'a presque jamais croisé de LLM. Ce n'est pas forcément un refus : beaucoup n'ont simplement jamais ouvert ChatGPT ni aucun équivalent. Tout en haut, un cercle étroit d'environ 5000 personnes travaille avec des systèmes inaccessibles de l'extérieur. Entre les deux se trouvent ceux qui utilisent des chatbots et des assistants de code, et qui jugent des limites du possible à partir de ces outils. Cette dernière couche est ma déduction : le compte rendu source ne la nomme pas explicitement.

La thèse principale concerne précisément cette couche intermédiaire. Un chatbot dans une fenêtre de navigateur ne montre qu'une partie de ce que savent faire les modèles lorsqu'on les lance en essaim, avec des outils et sur des tâches à long horizon. Selon Karpathy, à ce niveau, les agents font en quelques jours ce qui prendrait des années à des spécialistes de haut niveau.

Ce que l'on sait, et ce que l'on ignore

La source est brève ; il faut donc distinguer les déclarations des données vérifiées. Les chiffres de 75% et de 5000 ressemblent à des estimations de Karpathy, et le compte rendu n'en donne pas la méthodologie. On ne sait pas dans quelles entreprises travaillent ces cinq mille personnes. On ignore aussi de quelles tâches il s'agit et comment ont été mesurées les « années de travail d'experts ». À ce stade, ces affirmations ne peuvent pas être vérifiées de l'extérieur.

Points clés :

• environ 75% de la population mondiale n'a presque jamais utilisé de LLM ;
• environ 5000 personnes ont accès à des systèmes frontier internes ;
• des essaims d'agents accomplissent des tâches qui auraient demandé des années aux meilleurs experts ;
• l'image publique de l'IA reste celle d'un « chatbot bizarre ».

Pourquoi ces propos méritent l'attention

Karpathy a fait partie de l'équipe fondatrice d'OpenAI, a dirigé le développement de l'IA pour l'Autopilot chez Tesla et, en 2025, a popularisé le terme vibe coding. Il parle en homme de l'intérieur de l'industrie, et de tels témoignages sont rares. Mais le regard d'initié a aussi son revers. Les employés des laboratoires ont intérêt à ce que les capacités de leurs systèmes paraissent immenses et à ce que l'écart entre modèles fermés et modèles ouverts ressemble à un gouffre. Il est ici utile de combiner la confiance dans l'expérience de celui qui parle avec une exigence de preuves lucide.

Il existe aussi une raison indépendante de prendre cette thèse au sérieux. Si les systèmes d'agents internes devancent réellement les produits publics, les évaluations du marché, des régulateurs et des entreprises elles-mêmes reposent sur une image périmée. Les décisions sur l'emploi, la sécurité et l'investissement se prennent d'après ce que l'on voit de l'extérieur.

Comment en tirer parti

Pour les développeurs et les équipes, la conclusion pratique est simple : évaluez l'IA non pas à partir d'une conversation dans un chat, mais sur des tâches longues. Confiez à un agent un vrai ticket, un dépôt ou une question de recherche, puis observez combien de temps il travaille sans intervention et quelle est la précision du résultat.

Les entreprises gagneraient à mesurer leur propre fossé interne : qui, dans l'organisation, travaille déjà avec des agents de façon régulière, et qui se limite au chat. C'est généralement dans cet écart que se cache le gain de vitesse.

Enfin, mieux vaut traiter les déclarations fracassantes sur les systèmes fermés comme des hypothèses. Tant que les laboratoires ne montrent ni métriques ni exemples reproductibles, les propos de Karpathy restent le témoignage d'un acteur faisant autorité, et non un fait démontré. Surveillez les publications publiques : c'est à elles que l'on mesurera le retard de l'« aperçu » sur ce que voient les cinq mille personnes à l'intérieur.