OpenAI reconnaît son échec : pourquoi le nouveau ChatGPT est devenu moins bon

Imaginez la situation : vous mettez à jour l'application devenue votre principal outil de travail, et vous remarquez soudain qu'elle est devenue bête. Elle se trompe dans des calculs simples, rechigne à écrire un code complet et répond par des phrases toutes faites là où elle se montrait souple auparavant. Longtemps, les fans d'OpenAI ont mis cela sur le compte de l'effet placebo ou de la lassitude technologique, mais maintenant les cartes sont sur la table.

Sam Altman a officiellement reconnu que l'entreprise avait rendu la nouvelle version de ChatGPT moins bonne que la précédente. Sa phrase, « je pense qu'on a tout simplement raté ça », sonne comme un rare moment de sincérité dans un monde où l'on présente volontiers n'importe quel bug comme une fonctionnalité.

Rappelons le contexte. À sa sortie, GPT-4 semblait magique. Mais à chaque mise à jour suivante, de Turbo à 4o, la communauté des développeurs dénonçait de plus en plus fort une dégradation. Le modèle s'est mis à souffrir de « paresse neuronale ». Au lieu d'écrire cent lignes de code, il en fournissait dix et proposait à l'utilisateur de compléter le reste lui-même. OpenAI cherchait à réduire ses coûts de calcul et à accélérer les réponses, mais, ce faisant, elle a visiblement jeté le bébé avec l'eau du bain. La vitesse a augmenté, l'intelligence a baissé.

Pourquoi maintenant ? La réponse tient à l'énorme pression du marché. OpenAI n'est plus le seul acteur sur le terrain. Quand Claude 3.5 Sonnet, d'Anthropic, a commencé à dépasser GPT-4o dans les tests de programmation et de créativité, la panique a manifestement gagné le siège d'Altman. On déploie à la hâte des mises à jour censées être « plus sûres » et « plus rapides », mais les algorithmes d'entraînement de l'IA sont capricieux. Une censure excessive et la volonté d'enfermer le modèle dans un cadre éthique rigide rendent souvent le réseau de neurones trop prudent, et il finit par produire un résultat médiocre.

Sur le plan technique, cela s'explique par un biais du RLHF, l'apprentissage par renforcement à partir de retours humains. Si les formateurs humains récompensent la concision, le modèle devient laconique jusqu'à l'absurde. S'ils exigent de la sécurité, le modèle voit une menace jusque dans une question anodine sur la façon de préparer une soupe. Selon toute apparence, OpenAI a trop serré les vis pour rendre son produit grand public et sûr pour les entreprises. Résultat : les professionnels qui avaient besoin d'un outil puissant pour travailler se sont sentis floués.

Il est intéressant qu'Altman fasse cet aveu précisément maintenant. Cela peut être une manœuvre subtile avant l'annonce de quelque chose de vraiment grand, comme GPT-5 ou le modèle Strawberry. Reconnaître ses erreurs passées est le meilleur moyen de préparer le terrain pour vendre une nouvelle solution « révolutionnaire ». En substance : oui, la dernière version était ratée, mais regardez comme nous avons tout corrigé dans la nouvelle. C'est un classique échauffement du public, que l'on a déjà vu à de nombreuses reprises chez Apple et d'autres géants de la tech.

Pour l'industrie, c'est une leçon importante. Il s'avère que la loi d'échelle ne fonctionne pas de manière linéaire. On ne peut pas simplement injecter plus de données et de puissance pour obtenir un système plus intelligent. La qualité des données et la précision du réglage comptent bien davantage. Pendant qu'OpenAI se flagelle, ses concurrents ont une belle occasion de débaucher son public fidèle. Après tout, dans le monde de l'IA, la fidélité à une marque dure exactement jusqu'à ce qu'un autre onglet du navigateur se mette à raisonner plus vite.

L'essentiel : OpenAI a officiellement confirmé la régression de ses modèles. L'entreprise parviendra-t-elle à regagner la confiance des professionnels avec la sortie de GPT-5, ou l'ère de domination d'Altman touche-t-elle à sa fin ?