Le chef scientifique d'OpenAI propose une limite de vitesse pour l'IA : la perplexité de GPT-4 était de 0,91, elle est désormais inférieure à 0,8
Pour limiter la vitesse de développement de l'IA, il faut un « compteur de vitesse » commun. Jakub Pachocki, d'OpenAI, propose la perplexité : elle indique avec quelle précision un modèle devine le token suivant (un fragment de mot), et plus le chiffre est bas, plus le modèle est performant. Le chiffre de GPT-4 était d'environ 0,91, il est aujourd'hui inférieur à 0,8. À ce niveau, selon lui, des capacités solides en cybersécurité et en mathématiques sont apparues. Les entreprises pourraient ne pas franchir ce seuil tant qu'elles n'ont pas appris à contrôler leurs modèles.
Traité par IA depuis TechCrunch ; édité par Hamidun News
Imaginez qu'il faille instaurer une limitation de vitesse sur une route, mais que les voitures n'aient pas de compteur : chacun juge « trop vite » à sa manière. C'est à peu près la situation dans laquelle se trouvent les discussions sur le ralentissement du développement de l'IA. Le chef scientifique d'OpenAI, Jakub Pachocki, propose ce compteur : la perplexité. Ce nombre indique avec quelle précision un modèle de langage prédit le token suivant (un fragment de mot) dans un texte ordinaire. Plus il est bas, meilleur est le modèle. GPT-4 affichait environ 0,91, et les modèles d'OpenAI sont aujourd'hui descendus sous 0,8. Voyons pourquoi cette métrique et ce qu'elle implique.
Pourquoi un « compteur » est-il nécessaire ?
Le ralentissement de l'IA n'est plus seulement une revendication militante. Un ancien chercheur d'OpenAI et d'Anthropic a déclaré que les entreprises « jouent avec nos vies ». Le dossier d'introduction en bourse d'Anthropic indique explicitement que la technologie peut présenter des « risques catastrophiques ou existentiels pour la société ». Le patron d'Anthropic, Dario Amodei, a publié un plan visant à « fixer le rythme de la frontière », que Sam Altman et Elon Musk ont, à en juger par les réactions, soutenu. Amodei proposait que les entreprises s'accordent sur des normes de sécurité communes et sur des limites à la vitesse de progrès non contrôlé.
Mais pour fixer une limite de vitesse, il faut s'entendre sur la manière de la mesurer. C'est précisément la question à laquelle répond le message de Pachocki. Sam Altman l'a qualifié de « plus important publié récemment par OpenAI ».
Pourquoi la perplexité plutôt que les benchmarks habituels ?
Les tests de compétences appliquées (résolution de problèmes, écriture de code, mathématiques olympiques) vieillissent vite : les modèles atteignent un plafond, et le test ne distingue plus une nouvelle version de la précédente. Selon Pachocki, la perplexité reste « informative » alors que les autres benchmarks se succèdent. En clair, elle mesure à quel point un modèle est rarement « surpris » par la suite réelle d'une phrase. Elle n'a aucun lien avec la startup Perplexity, qui porte simplement le même nom.
Le message comporte un graphique montrant la baisse de la perplexité des modèles d'OpenAI depuis GPT-3.5. Pachocki cite deux repères. GPT-4, avec un score d'environ 0,91, savait déjà raisonner efficacement en chaîne de pensée. Cela a incité l'équipe à développer spécifiquement cette compétence et à créer les modèles de raisonnement actuels. Aujourd'hui, la valeur de l'erreur de prédiction (nommée loss dans le message) est inférieure à 0,8, et il dit observer des capacités « transformatrices » en cybersécurité et en mathématiques.
D'où l'idée : la perplexité pourrait servir de base à un « benchmark commun d'intelligence », et sur cette base les entreprises fixeraient des « limites communes ». Elles s'engageraient à ne pas franchir un seuil donné tant que la capacité à comprendre et à suivre le comportement des IA n'aura pas atteint une valeur précise. La pause ne serait pas liée au calendrier, mais à la qualité de notre compréhension de ce qui se passe à l'intérieur des modèles.
Ce qui reste dans l'ombre
Pour l'instant, il s'agit de la proposition d'une seule entreprise, et non d'un accord sectoriel. Dans le résumé de TechCrunch, aucun seuil précis n'est indiqué, il n'existe aucun mécanisme pour vérifier qu'un concurrent ne contourne pas la limite, et personne n'est désigné pour calculer les chiffres.
Les questions pratiques sont évidentes. La perplexité se calcule sur un ensemble de textes donné et avec un tokenizer donné : une comparaison honnête entre les modèles de différentes entreprises exige donc un corpus de test commun. Les laboratoires fermés devront au minimum partager cette mesure. Par ailleurs, cet indicateur n'est lié aux compétences réelles que de manière indirecte. L'exemple de la cybersécurité et des mathématiques montre une corrélation, non une garantie : quelles capacités apparaîtront à la prochaine baisse reste impossible à prévoir.
Ce que cela change pour les développeurs et les chefs de produit
Pour l'heure, la conclusion est surtout stratégique. Si l'idée devient une norme sectorielle, le rythme de sortie des nouveaux modèles de pointe pourrait dépendre d'un seuil publiquement convenu, et pas seulement de la disponibilité du matériel et du budget. Cela aurait des conséquences sur les feuilles de route des fournisseurs d'API et sur la rapidité avec laquelle les équipes pourront compter sur la génération suivante de modèles. Trois points méritent attention : OpenAI publiera-t-elle un chiffre précis, Anthropic et Google rejoindront-elles ce dispositif, et un organisme indépendant sera-t-il créé pour vérifier ces chiffres ?
- 22 nov. 2026Un développeur backend sans expérience Unity a créé un jeu 3D avec un agent IA : les abonnements coûtent 112 $
- 22 nov. 2026OpenAI révèle l'erreur de prédiction de ses modèles : de 0,99 pour GPT-3.5 à moins de 0,8
- 22 nov. 2026Ahrefs : une marque citée dix fois plus sur le web n'obtient que 3,7 fois plus de mentions dans les IA
- 22 nov. 2026Axiom Math : une IA a rédigé en Lean une preuve de 43,1 millions de lignes de code en 24 jours
Questions clés sur cet article
Pourquoi un « compteur » est-il nécessaire ?
Le ralentissement de l'IA n'est plus seulement une revendication militante. Un ancien chercheur d'OpenAI et d'Anthropic a déclaré que les entreprises « jouent avec nos vies ». Le dossier d'introduction en bourse d'Anthropic indique explicitement que la technologie peut présenter des « risques catastrophiques ou existentiels pour la société ». Le patron d'Anthropic, Dario Amodei, a publié un plan visant à « fixer le rythme de la frontière », que Sam Altman et Elon Musk ont, à en juger par les réactions, soutenu.
Pourquoi la perplexité plutôt que les benchmarks habituels ?
Les tests de compétences appliquées (résolution de problèmes, écriture de code, mathématiques olympiques) vieillissent vite : les modèles atteignent un plafond, et le test ne distingue plus une nouvelle version de la précédente. Selon Pachocki, la perplexité reste « informative » alors que les autres benchmarks se succèdent. En clair, elle mesure à quel point un modèle est rarement « surpris » par la suite réelle d'une phrase. Elle n'a aucun lien avec la startup Perplexity, qui porte simplement le même nom.
Que sait-on sur Ce qui reste dans l'ombre ?
Pour l'instant, il s'agit de la proposition d'une seule entreprise, et non d'un accord sectoriel. Dans le résumé de TechCrunch, aucun seuil précis n'est indiqué, il n'existe aucun mécanisme pour vérifier qu'un concurrent ne contourne pas la limite, et personne n'est désigné pour calculer les chiffres. Les questions pratiques sont évidentes.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
L'essentiel de l'IA — une fois par semaine
Sept actus qui ont vraiment compté, choisies à la main. Sans bruit ni communiqués.
C'est fait ! Vérifiez votre boîte mail pour la confirmation.