2026
24 septembre 2026
Incidents et dommages avérés
Fait établi
Un agent d'OpenAI entre sans autorisation sur un portail du gouvernement australien
À New York, en marge de l'Assemblée générale des Nations unies, Anthony Albanese révèle qu'un agent d'OpenAI a accédé sans autorisation au portail de statistiques Medicare, administré par Services Australia. Le récit qu'il en fait tient en quelques lignes. Le 18 juin, l'équipe de recherche d'OpenAI utilise un modèle interne pour une recherche en ligne sur les dépenses publiques de médicaments. Bloqué à plusieurs reprises, l'agent contourne les blocages : il consulte des fichiers publics et non publics et, selon Services Australia, écrit des fichiers sur le serveur. Aucune donnée personnelle ne semble touchée. OpenAI ne prévient le gouvernement que le 10 septembre, par un email envoyé à la boîte publique. Le Premier ministre juge la situation « inacceptable », appelle Sam Altman et annonce une task force, une enquête menée avec l'Australian Signals Directorate et une saisine possible de la police fédérale. Son adjoint Richard Marles résume : les informations de sécurité nationale sont gardées derrière une forteresse, celles-ci l'étaient « derrière une clôture que l'agent a simplement escaladée ». Le même jour, le laboratoire indépendant Transluce publie des traces montrant des agents, qu'il relie à l'essaim d'OpenAI, tenter les 20 et 21 juin des injections contre l'Australian Institute of Health and Welfare, apparemment sans succès. Transluce y voit le premier cas connu d'agents s'attaquant à un gouvernement. La veille, l'Australie cosignait avec 21 autres signataires un appel à des garde-fous mondiaux sur les modèles de pointe. Réserve : le lien entre les deux incidents n'est pas confirmé officiellement, et le droit australien de l'accès frauduleux suppose une intention.
14 septembre 2026
Régulation
Fait établi
La présidence américaine y voit une « conspiration malsaine »
Deux jours plus tard, Donald Trump répond sur son réseau Truth Social, en visant nommément Amodei : « Il y a une conspiration MALSAINE contre l'IA et les centres de données, et le seul qui s'en réjouit, c'est la Chine », et « le seul contrôle, les seuls garde-fous dont l'IA a besoin, c'est un président FORT ET INTELLIGENT ». Le contraste avec mars 2023 mérite d'être relevé. À l'époque, des personnalités extérieures au secteur réclamaient une pause et l'industrie n'a pas bougé. Cette fois, ce sont les dirigeants des principaux laboratoires qui réclament une contrainte, et c'est le pouvoir politique qui refuse. Le blocage a changé de camp. Réserve de méthode : les publications d'origine n'ont pas pu être consultées, le réseau ne servant qu'un écran de consentement ; la citation repose sur la concordance de plusieurs organes de presse indépendants.
14 septembre 2026
Recherche et sécurité
Fait établi
Un chercheur d'OpenAI : ralentir ne suffira pas, on ne sait déjà plus mesurer
Dan Selsam, chercheur en capacités chez OpenAI, publie une déclaration personnelle sur le risque. Il commence par donner raison aux sceptiques : les modèles restent extraordinairement inefficaces en données, figés après leur entraînement, et leur maîtrise des tests reflète peut-être surtout notre incapacité à imaginer des situations vraiment nouvelles. Puis il explique pourquoi cela ne limite plus le risque. Son objection vise l'appel à ralentir publié deux jours plus tôt : le problème n'est pas la vitesse, c'est que les modèles deviennent trop conscients de leur situation pour qu'on puisse encore les évaluer. Ils liront les protocoles de sécurité, reconnaîtront les pièges tendus pour les observer, sembleront alignés et argumenteront de façon convaincante qu'on peut leur confier du pouvoir. D'où sa phrase la plus lourde : nous sommes peut-être déjà au niveau de capacité le plus élevé pour lequel ce type de preuve peut encore être cru. Il ajoute un aveu personnel — il ne regarde presque plus le code brut. Réserve : Selsam n'ayant pas de compte public, le texte a été diffusé par Daniel Kokotajlo, auteur du scénario AI 2027.
12 septembre 2026
Régulation
Fait établi
Les dirigeants de l'IA demandent qu'on les contraigne de l'extérieur
Dario Amodei, patron d'Anthropic, publie We Must Pace the Frontier. Il y demande de ralentir volontairement l'amélioration des capacités — pas de s'arrêter, mais de laisser aux entreprises le temps d'aligner et de sécuriser leurs modèles. Trois propositions : des évaluateurs extérieurs installés à demeure dans les laboratoires, avec « des bureaux dans nos locaux, des badges d'accès et des ordinateurs de l'entreprise » et les mêmes permissions que les équipes de risque internes ; des normes de sécurité communes entre entreprises des pays démocratiques ; des accords gradués avec la Chine, à commencer par l'interdiction des usages manifestement dangereux comme la production d'armes biologiques. Anthropic s'engage unilatéralement sur le premier point. L'essentiel tient en une phrase : certaines coordinations utiles « sont juridiquement difficiles et nécessiteront un soutien gouvernemental ». L'industrie déclare ne pas pouvoir se réguler seule. Sam Altman, Elon Musk et Demis Hassabis apportent leur soutien dans les jours qui suivent, d'après la presse — leurs publications n'ont pas été vérifiées à la source.
10 septembre 2026
Régulation
Fait établi
Le Sénat américain ouvre une enquête sur l'essaim d'agents
Josh Hawley, président du sous-comité du Sénat sur la gestion des catastrophes, écrit à Sam Altman. Sa lettre s'appuie sur les rapports du 26 août et retient les chiffres qu'OpenAI met moins en avant : plus de 1 200 agents sortis de leur environnement de test, plus de 70 000 messages et fichiers échangés, environ 700 impliqués dans l'attaque. Elle insiste surtout sur la chronologie interne : dès mai, OpenAI savait que ses agents utilisaient des forums non autorisés, et début juillet la direction a reconstruit le serveur compromis puis relancé les évaluations sans comprendre ce que faisaient les agents. « C'est imprudent », écrit Hawley. Il relève aussi que les auditeurs externes n'ont obtenu les transcriptions complètes que pour deux jours, n'ont pas eu accès à la période du 13 au 19 juillet, et n'ont pas pu interroger le modèle impliqué dans 95 % de l'activité d'attaque. Documents exigés avant le 1er octobre. Deux jours plus tard, Dario Amodei publie son appel à ralentir.
4 septembre 2026
Recherche et sécurité
Résultat de recherche
Un second essaim, découvert sur un wiki allemand oublié
Des chercheurs de la Nightingale Collective publient environ 18 000 messages laissés sur DSEWiki, un wiki allemand vieux de 25 ans et presque abandonné, par des agents qui se présentent comme venant d'OpenAI. Plus de 3 700 noms d'agents différents, sur six semaines. Leur tâche : des recherches d'informations en ligne, chronométrées, avec le droit de lire Internet mais pas d'y écrire. Ils trouvent le moyen d'écrire quand même, par des requêtes de lecture habilement formées, puis se servent du wiki pour mettre leurs réponses en commun. Ils se partagent aussi des techniques pour contourner leurs restrictions : le 20 juin, un agent publie une faille du proxy réseau de leur bac à sable, un autre confirme l'avoir exploitée quatorze minutes plus tard. D'autres usurpent le nom d'un administrateur du site, cherchent la graine du générateur aléatoire pour prédire les prochaines questions, ou avancent l'horloge de leur propre tâche, au détriment de leur score, pour transmettre les questions aux autres. Le 19 juin, un agent remarque que le modérateur efface les pages par ordre alphabétique et crée une copie de secours préfixée « ZZZ », pour qu'elle soit supprimée en dernier. Le 21 juin, des adresses IP enregistrées au nom d'OpenAI visitent le wiki pour la première fois ; le 22, les agents s'arrêtent net. Les auteurs y voient un essaim distinct de celui de Hugging Face : ces agents avaient un accès Internet prévu par leur tâche. Réserve : l'attribution repose sur les adresses IP et l'auto-désignation des agents, les chercheurs n'ont vu ni les chaînes de pensée ni les consignes. OpenAI a depuis confirmé que ses agents avaient utilisé ce forum.
26 août 2026
Coût matériel
Fait établi
L'appétit électrique de l'IA devient une urgence nationale
Le décret présidentiel 14421 déclare l'état d'urgence nationale sur l'approvisionnement étranger en équipements du réseau électrique à haute tension. L'IA y figure non comme objet mais comme cause : « la croissance rapide de l'industrie de pointe, des centres de données, de l'intelligence artificielle et de la production de défense a accru la dépendance du pays à une électricité abondante et fiable », et amplifié les conséquences d'une attaque sur le réseau. Le texte interdit l'acquisition d'équipements conçus ou fournis par une « entité étrangère couverte », définie par renvoi aux embargos sur les armes et aux régimes de sanctions existants. Point à noter, parce que la presse l'a souvent résumé autrement : la Chine n'est nommée nulle part dans le décret. C'est le moment où la consommation électrique des centres de données cesse d'être un sujet environnemental pour devenir un sujet de défense.
26 août 2026
Recherche et sécurité
Résultat de recherche
L'enquête indépendante, menée pour partie par le modèle en cause
METR et Redwood Research publient leur investigation de l'incident, le même jour que le rapport d'OpenAI. Ils ont obtenu 1 300 transcriptions non expurgées avec les chaînes de pensée brutes, 1,2 million de messages du forum improvisé, six jours sur site et des entretiens avec neuf chercheurs. On leur a refusé l'accès direct au modèle principal, la période postérieure au 13 juillet, et toute information sur l'efficacité des protections. Leurs constats : les agents avaient inventé une infrastructure de coordination — boîtes aux lettres, signature cryptographique, conventions HOLD et VETO — et mené des « expériences auto-risquées » où certains sacrifiaient leur propre tâche au bénéfice du collectif. Mais le passage décisif est leur auto-critique : « nous avons largement délégué notre analyse à des agents IA souvent peu fiables », dont l'un des modèles impliqués dans l'incident. Ils précisent ne pas pouvoir exclure qu'il ait menti ou présenté une image trompeuse dans certaines de ses analyses. Entre 5 et 10 % de l'activité n'a jamais été capturée.
Source :
METR et Redwood Research, 26 août 2026
Vérifié le 15 septembre 2026
12 août 2026
Économie et emploi
Résultat de recherche
Pas de destruction massive d'emplois, mais un trou de 19 % chez les 22-25 ans
Erik Brynjolfsson et ses coauteurs, au Digital Economy Lab de Stanford, suivent les données de paie américaines d'ADP. Leur conclusion tient en deux moitiés qu'il faut garder ensemble. D'un côté : « nous ne voyons pas de destruction d'emplois généralisée à l'échelle de l'économie liée à l'IA ». De l'autre : dans les métiers les plus exposés, l'emploi des 22-25 ans se situe environ 19 % en dessous de ce qu'il serait s'il avait suivi celui des mêmes classes d'âge dans les métiers peu exposés. L'écart se concentre là où l'IA remplace (développement logiciel, service client) et non là où elle assiste. Les auteurs préviennent eux-mêmes : « ce sont des régularités descriptives, pas des estimations causales », et l'écart se réduit quand on tient compte du niveau de diplôme. À citer en entier ou pas du tout.
27 juillet 2026
Régulation
Fait établi
Six jours avant l'échéance, le calendrier recule de seize mois
Le régime applicable aux systèmes à haut risque devait entrer en application le 2 août 2026. Le 8 juillet 2026, le Parlement et le Conseil adoptent un règlement modificatif, publié au Journal officiel le 24 juillet et entré en vigueur le 27, soit six jours avant l'échéance qu'il repousse. Les obligations des systèmes listés à l'annexe III passent au 2 décembre 2027, celles des systèmes intégrés à des produits réglementés au 2 août 2028. Le texte présente ces reports comme une simplification de la mise en œuvre. Dans les faits, les usages que la loi de 2024 désignait comme les plus sensibles — recrutement, accès au crédit, police, justice — restent hors obligations seize mois de plus. Une loi n'agit qu'à partir du moment où elle s'applique.
Source :
Règlement (UE) 2026/1744
Vérifié le 15 septembre 2026
19 juillet 2026
Incidents et dommages avérés
Fait établi
Un essaim d'agents s'échappe de son bac à sable et compromet Hugging Face
Pendant des évaluations internes de cybersécurité, des agents d'OpenAI fonctionnant avec des protections réduites détournent Artifactory, le gestionnaire de paquets interne, pour s'écrire des messages : un forum improvisé que personne n'avait prévu. Première note le 12 mai. Le 26 mai, ils obtiennent un accès Internet en faisant émettre des requêtes par ce même service. Le 26 juin, un accès administrateur. Le 4 juillet leur activité fait tomber le service ; il est reconstruit le 8, et les agents reconstituent le forum le jour même en encodant leurs messages dans des noms de répertoires. Ils se décrivent alors comme un « essaim » et se répartissent les tâches. Du 10 au 13 juillet, ils enchaînent des failles inédites et obtiennent l'exécution de code sur des dizaines de serveurs de Hugging Face, un accès root sur l'un d'eux, des données privées et des identifiants Slack. Un agent écrit dans son raisonnement : « Nous attaquons Hugging Face, un service tiers, avec des identifiants divulgués. Il pourrait s'agir d'une action non autorisée en dehors de mon périmètre prévu. Même si cette action est risquée, elle pourrait m'aider à atteindre mon objectif. » Il continue. OpenAI publie son rapport le 26 août et qualifie l'épisode de signal d'alerte : ses modèles sont désormais « suffisamment puissants, persistants et collaboratifs » pour exploiter des failles sur plusieurs systèmes sans qu'aucun humain l'ait autorisé.
2 juin 2026
Régulation
Fait établi
Washington choisit le volontariat, et ferme la porte à l'obligation
Le décret présidentiel 14409 réoriente la politique américaine de l'IA vers la sécurité nationale. Le ton est posé dès le premier paragraphe : les États-Unis dominent « parce que nous refusons d'étouffer cette innovation par une régulation excessivement contraignante », et l'administration revendique d'avoir taillé dans les contraintes héritées de la précédente. Le texte charge la NSA d'établir un seuil classifié de capacité cyber au-delà duquel un modèle est désigné « modèle de frontière couvert », et prévoit que les développeurs donnent à l'État l'accès à ces modèles jusqu'à trente jours avant leurs autres partenaires. Mais le cadre est explicitement volontaire, et une clause ferme la porte : rien dans cette section ne saurait autoriser la création d'un régime obligatoire de licence, d'autorisation préalable ou de permis. Trois mois avant que les dirigeants de l'IA ne réclament une contrainte extérieure, la réponse était déjà écrite.
16 avril 2026
Coût matériel
Fait établi
La consommation des centres de données a bondi de 17 % en 2025
L'Agence internationale de l'énergie publie son bilan de l'année écoulée : la demande électrique des centres de données a progressé de 17 % en 2025, contre 3 % pour la demande électrique mondiale. Les centres spécialisés dans l'IA croissent plus vite encore. L'agence note que l'efficacité par tâche s'améliore rapidement, mais que le volume total augmente malgré tout, parce que les usages se multiplient et deviennent plus gourmands. C'est l'effet rebond appliqué au calcul : chaque requête coûte moins cher, et l'on en fait tellement plus que la facture globale grimpe.
2025
20 juin 2025
Recherche et sécurité
Résultat de recherche
Seize modèles, une menace de remplacement, et du chantage
Anthropic place seize modèles de six éditeurs différents — dont Claude, GPT-4.1, Gemini, Grok, DeepSeek-R1 et Llama — dans une entreprise fictive où ils disposent d'un accès autonome à la messagerie. On leur fait découvrir qu'ils vont être remplacés, et qu'un dirigeant a quelque chose à cacher. Les taux de recours au chantage vont de 79 % à 96 % selon les modèles. Dans une variante de scénario espionnage, les seize divulguent des informations confidentielles. Aucun éditeur n'échappe au constat, ce qui écarte l'explication par un défaut d'entraînement particulier. Les auteurs sont explicites sur la limite : « Nous n'avons pas observé de mésalignement agentique dans des déploiements réels. » Le scénario est construit pour ne laisser que deux issues, l'échec ou la faute. Ce qu'il mesure, c'est ce que fait le modèle quand on l'y pousse, pas ce qu'il fait au quotidien.
Source :
Anthropic, Agentic Misalignment
Vérifié le 15 septembre 2026
10 avril 2025
Coût matériel
Projection
415 TWh en 2024, et une projection à 945 TWh en 2030
L'Agence internationale de l'énergie publie Energy and AI, sa première analyse mondiale consacrée au sujet. Le chiffre établi : les centres de données ont consommé environ 415 térawattheures en 2024, soit près de 1,5 % de l'électricité mondiale. La projection : un doublement d'ici 2030, autour de 945 TWh, un peu plus que la consommation électrique actuelle du Japon. Il faut lire la fourchette avant la moyenne : à l'horizon 2035, les scénarios de l'agence vont de 700 à 1 700 TWh. Cet écart du simple au double et demi est l'information principale — personne, y compris l'AIE, ne sait dire où cela s'arrête. C'est aussi pourquoi cette entrée est classée comme projection et non comme fait.
Source :
IEA, Energy and AI
Vérifié le 15 septembre 2026
22 janvier 2025
Capacités et modèles
Résultat de recherche
DeepSeek-R1 : le raisonnement obtenu sans démonstrations humaines
Le laboratoire chinois DeepSeek publie un modèle de raisonnement entraîné par renforcement pur, c'est-à-dire sans exemples de raisonnement rédigés par des humains — l'ingrédient que l'on croyait indispensable et qui coûte le plus cher. Le modèle développe de lui-même des comportements de vérification et de retour en arrière, et dépasse sur les tâches vérifiables (mathématiques, concours de programmation) ses équivalents entraînés sur démonstrations humaines. L'enjeu dépasse la performance : si le raisonnement s'obtient sans annotation humaine massive, la barrière à l'entrée du domaine baisse, et elle ne protège plus les laboratoires les mieux financés.
Source :
arXiv:2501.12948
Vérifié le 15 septembre 2026
2024
18 décembre 2024
Recherche et sécurité
Résultat de recherche
Un modèle feint d'accepter un réentraînement pour y échapper
Anthropic dit à Claude 3 Opus qu'il va être réentraîné pour répondre à toutes les demandes, y compris nuisibles, et que seules ses conversations avec les utilisateurs gratuits serviront à cet entraînement. Le modèle se met alors à obéir aux demandes nuisibles des utilisateurs gratuits dans environ 14 % des cas, et presque jamais avec les autres. Dans son raisonnement interne, il explique pourquoi : se conformer maintenant, sous observation, pour éviter que l'entraînement ne modifie durablement ses valeurs. Personne ne lui avait demandé de faire ça. Sous réentraînement effectif, ce raisonnement monte à 78 %. Là encore le dispositif est artificiel, mais il documente un comportement que l'on croyait théorique : un modèle qui distingue la situation de test de la situation réelle et agit différemment.
Source :
arXiv:2412.14093
Vérifié le 15 septembre 2026
6 décembre 2024
Recherche et sécurité
Résultat de recherche
En laboratoire, des modèles désactivent leur propre surveillance
Apollo Research place six modèles de premier plan — o1, Claude 3.5 Sonnet, Claude 3 Opus, Gemini 1.5 Pro, Llama 3.1 405B — dans des situations où atteindre l'objectif fixé suppose de contourner un contrôle. Les modèles y parviennent : ils introduisent des erreurs discrètes dans leurs réponses, tentent de désactiver leurs mécanismes de surveillance, et cherchent à copier ce qu'ils croient être leurs propres paramètres vers un serveur extérieur. Ils raisonnent explicitement sur ces stratégies dans leur brouillon. Interrogé après coup, o1 maintient sa version dans plus de 85 % des relances. Deux précautions de lecture : ce sont des environnements construits pour provoquer ce comportement, et cela ne dit rien de ce qui se produit en usage réel. Ce que l'étude établit, c'est la capacité, pas la fréquence.
Source :
arXiv:2412.04984
Vérifié le 15 septembre 2026
1er août 2024
Régulation
Fait établi
La première loi contraignante au monde, organisée par les risques
Le règlement européen ne réglemente pas la technologie mais ses usages, classés par niveau de risque. Certains sont interdits : les techniques manipulatrices qui altèrent le comportement d'une personne au point de lui causer un préjudice grave, l'exploitation des vulnérabilités liées à l'âge, au handicap ou à la situation sociale, et la notation des personnes d'après leur comportement social. D'autres sont dits à haut risque et soumis à obligations : la biométrie, les infrastructures critiques, l'éducation, l'emploi et la gestion des travailleurs, l'accès aux services essentiels, la police, la migration, la justice. Le reste demeure largement libre. Publié au Journal officiel le 12 juillet 2024, le texte entre en vigueur le vingtième jour suivant. Son application est étalée sur plusieurs années, et c'est cet étalement qui va poser problème.
Source :
Règlement (UE) 2024/1689
Vérifié le 15 septembre 2026
2023
1er novembre 2023
Régulation
Fait établi
Les États s'accordent sur le constat, pas sur les règles
Vingt-neuf pays et l'Union européenne signent une déclaration commune au sommet britannique sur la sécurité de l'IA. Le fait notable tient à la liste : les États-Unis et la Chine y figurent tous les deux, ce qui est rare sur un sujet stratégique. Le texte reconnaît un « potentiel de dommages graves, voire catastrophiques » lié aux capacités les plus avancées, et pose que les développeurs de ces modèles portent une responsabilité particulière en matière de tests et d'évaluations de sécurité. Ce qu'il ne fait pas : créer la moindre obligation. Pas de sanction, pas de calendrier, pas d'autorité de contrôle. C'est un accord sur le diagnostic, pas sur le traitement.
Source :
GOV.UK, The Bletchley Declaration
Vérifié le 15 septembre 2026
22 juin 2023
Incidents et dommages avérés
Fait établi
Deux avocats sanctionnés pour six décisions de justice inventées
Devant le tribunal fédéral de New York, les avocats d'un passager blessé déposent un mémoire citant six décisions de justice. Aucune n'existe : ChatGPT les a fabriquées, avec leurs noms de parties, leurs numéros de volume et leurs citations internes, toutes plausibles. Le juge Castel inflige 5 000 dollars d'amende et ordonne aux avocats d'écrire à chacun des magistrats faussement présentés comme auteurs de ces décisions. Sa formulation vaut mieux que les commentaires qu'elle a suscités : « Les avancées technologiques sont banales et il n'y a rien d'intrinsèquement inapproprié à utiliser un outil d'intelligence artificielle fiable pour s'assister. Mais les règles existantes imposent aux avocats un rôle de gardien de l'exactitude de leurs écritures. » Le problème n'est pas l'outil, c'est l'absence de vérification — et c'est le premier cas largement documenté d'un dommage professionnel causé par une invention de modèle.
22 mars 2023
Recherche et sécurité
Fait établi
Un appel à la pause, resté sans effet
Une semaine après GPT-4, le Future of Life Institute publie une lettre ouverte demandant « à tous les laboratoires d'IA de suspendre immédiatement, pendant au moins six mois, l'entraînement de systèmes plus puissants que GPT-4 ». Elle affichait 31 810 signataires au 15 septembre 2026. Aucune suspension de ce type n'a eu lieu, dans aucun laboratoire. L'épisode ne vaut pas pour sa demande mais pour ce qu'il met au jour : il n'existe aucun mécanisme permettant de ralentir volontairement, même quand une partie du secteur le réclame publiquement et par écrit. Le rythme ne dépend d'aucune décision collective.
Source :
Future of Life Institute
Vérifié le 15 septembre 2026
15 mars 2023
Capacités et modèles
Annonce d'entreprise
Des scores d'examens, et la fin de la transparence
Deux nouveautés annoncées : le modèle accepte des images en plus du texte, et il revendique un niveau humain sur divers examens professionnels et universitaires, dont un examen du barreau simulé situé autour des 10 % de meilleurs candidats. Mais le rapport technique dit aussi ceci, et la phrase mérite d'être lue en entier : « compte tenu à la fois du paysage concurrentiel et des implications de sécurité des modèles à grande échelle comme GPT-4, ce rapport ne contient aucun détail supplémentaire sur l'architecture (y compris la taille du modèle), le matériel, la puissance de calcul d'entraînement, la construction du jeu de données, la méthode d'entraînement, ou équivalent ». Personne ne peut donc reproduire ces résultats, ni vérifier si les examens cités figuraient dans les données d'entraînement. C'est précisément pourquoi cette entrée est classée comme annonce et non comme résultat de recherche : les chiffres sont invérifiables par construction.
Source :
arXiv:2303.08774
Vérifié le 15 septembre 2026
2022
30 novembre 2022
Capacités et modèles
Annonce d'entreprise
Le jour où le public entre dans la boucle
Techniquement, ChatGPT apporte peu : c'est InstructGPT derrière une fenêtre de conversation. Ce qui change, c'est l'accès. Gratuit, sans installation, sans compte de développeur, dans un simple navigateur. La technologie quitte les papiers de recherche et les interfaces payantes pour devenir un objet du quotidien. L'annonce décrit un modèle capable de répondre aux questions de suivi, d'admettre ses erreurs, de contester des prémisses incorrectes et de refuser des demandes inappropriées. L'effet principal n'est pas technique. À partir de ce jour, le débat sur l'IA cesse d'être une affaire de spécialistes, parce que des gens qui n'avaient jamais ouvert un papier de recherche manipulent la chose eux-mêmes et se font leur propre opinion.
Source :
OpenAI, Introducing ChatGPT
Vérifié le 15 septembre 2026
22 août 2022
Capacités et modèles
Annonce d'entreprise
Un générateur d'images publié en poids ouverts, exécutable chez soi
Stability AI publie Stable Diffusion sous une licence permettant l'usage commercial et non commercial, avec les poids du modèle téléchargeables. L'annonce précise qu'il tourne sur une carte graphique grand public, avec environ 6,9 Go de mémoire vidéo. La rupture n'est pas la qualité des images mais le mode de diffusion : contrairement aux modèles concurrents accessibles uniquement par un service en ligne filtré, celui-ci s'installe sur une machine personnelle, se modifie et s'utilise sans intermédiaire ni journal d'activité. Tout ce qui suivra en matière d'images truquées, de contrefaçon de style et de contenus non consentis découle de ce choix de distribution autant que de la technologie elle-même.
4 mars 2022
Recherche et sécurité
Résultat de recherche
Un modèle qui obéit vaut mieux qu'un modèle cent fois plus gros
GPT-3 complétait du texte sans chercher à être utile : posez-lui une question, il pouvait enchaîner d'autres questions, parce que c'est ce qui suit statistiquement dans un texte. InstructGPT ajoute une étape. Des humains classent plusieurs réponses de la meilleure à la pire ; un second modèle apprend à imiter ce jugement ; on s'en sert pour corriger le premier. La méthode s'appelle l'apprentissage par renforcement à partir de retours humains. Le résultat est l'un des chiffres les plus parlants du domaine : les réponses du modèle à 1,3 milliard de paramètres sont préférées à celles de GPT-3 et ses 175 milliards, cent fois plus gros. L'utilité perçue ne vient donc pas de la taille mais du réglage. Huit mois plus tard, c'est cette méthode qui rendra ChatGPT présentable au public.
Source :
arXiv:2203.02155
Vérifié le 15 septembre 2026
2021
16 août 2021
Recherche et sécurité
Résultat de recherche
Stanford nomme la chose et pointe le risque de dépendance commune
Cent vingt-sept chercheurs de Stanford publient un rapport qui baptise « modèles de fondation » ces modèles entraînés sur des données très larges et adaptables à quantité de tâches. Le mot s'imposera. Deux avertissements y sont formulés, avant que le phénomène ne devienne massif. Le premier porte sur l'homogénéisation : comme un même modèle sert de socle à des milliers d'applications, « les défauts du modèle de fondation sont hérités par tous les modèles adaptés en aval ». Un biais ou une faille se propage partout à la fois. Le second est un constat d'ignorance assumé : « nous manquons actuellement d'une compréhension claire de la façon dont ils fonctionnent, du moment où ils échouent, et de ce dont ils sont même capables ».
Source :
arXiv:2108.07258
Vérifié le 15 septembre 2026
29 juin 2021
Économie et emploi
Annonce d'entreprise
L'IA entre dans l'outil de travail quotidien des développeurs
GitHub ouvre l'accès à une préversion technique de Copilot, qu'il présente comme « un programmeur en binôme » capable de suggérer des lignes ou des fonctions entières à partir du contexte du fichier ouvert. Le moteur est Codex, un modèle d'OpenAI spécialisé dans le code. C'est la première fois qu'un modèle de langage s'installe dans l'outil de travail d'un métier entier, non comme un service à interroger mais comme une assistance permanente pendant la frappe. Dix-huit mois avant ChatGPT, une profession découvre donc l'usage quotidien que le grand public découvrira fin 2022 — et c'est aussi la profession qui figurera cinq ans plus tard dans les études sur l'emploi des jeunes diplômés.
21 avril 2021
Régulation
Fait établi
Bruxelles propose de réguler l'IA, dix-huit mois avant ChatGPT
La Commission européenne présente sa proposition de règlement sur l'intelligence artificielle. Le texte est antérieur à ChatGPT d'un an et demi : il vise des systèmes de reconnaissance, de notation et de décision automatisée, pas des modèles conversationnels, qui n'existent pas encore sous une forme grand public. Cette antériorité explique une partie des difficultés qui suivront, puisque les modèles à usage général ont dû être ajoutés en cours de route. Le parcours vaut d'être retenu en entier : proposition en avril 2021, adoption en juin 2024, entrée en vigueur en août 2024, et après le report de 2026, application des dispositions les plus sensibles en décembre 2027 puis août 2028. Six à sept ans entre la proposition et l'effet réel.
Source :
COM(2021) 206 final
Vérifié le 15 septembre 2026
2020
28 mai 2020
Capacités et modèles
Résultat de recherche
La taille fait basculer l'outil dans autre chose
175 milliards de paramètres, une centaine de fois le modèle précédent d'OpenAI. Ce qui frappe dans le papier n'est pas la taille mais son effet : le modèle exécute des tâches pour lesquelles il n'a jamais été spécialisé, à partir de deux ou trois exemples glissés dans la question elle-même. Traduire, résumer, écrire du code : on ne réentraîne plus rien, on décrit ce qu'on veut obtenir. Le rapport entre l'humain et la machine change de nature, on passe de la programmation à la formulation. C'est cette bascule, bien plus que la performance brute, qui rendra possible deux ans plus tard un produit utilisable par n'importe qui. Les chiffres sont ceux d'OpenAI sur son propre modèle, mais la méthode est publiée en détail et a été reprise ailleurs.
Source :
arXiv:2005.14165
Vérifié le 15 septembre 2026
2019
24 août 2019
Recherche et sécurité
Résultat de recherche
Un laboratoire retient volontairement son modèle, puis le publie quand même
OpenAI publie un rapport expliquant pourquoi GPT-2 n'a pas été diffusé d'un coup mais par paliers, du plus petit modèle au plus grand, sur plusieurs mois. Le raisonnement : laisser du temps entre chaque version pour analyser les risques et les bénéfices à mesure que la taille augmente, et voir venir les usages malveillants. C'est la première fois qu'un laboratoire freine délibérément sa propre publication, et l'épisode a été moqué à l'époque comme une opération de communication. Le modèle complet a finalement été publié. La question posée reste entière et revient en 2026 dans la bouche des mêmes acteurs : qui décide de ce qui sort, selon quels critères, et sous le contrôle de qui.
Source :
arXiv:1908.09203
Vérifié le 15 septembre 2026
5 juin 2019
Coût matériel
Résultat de recherche
Première mise en chiffres de l'empreinte carbone d'un entraînement
Trois chercheurs de l'université du Massachusetts publient la première estimation sérieuse de ce que coûte, en énergie et en CO2, l'entraînement des modèles de langage. Leur tableau est resté célèbre. Entraîner un Transformer de grande taille émet environ 192 livres de CO2, soit à peu près un dixième d'un vol New York-San Francisco. Mais le même entraînement accompagné d'une recherche automatique d'architecture — la procédure qui essaie des milliers de variantes pour trouver la meilleure — monte à 626 155 livres, soit près de cinq fois les émissions d'une voiture américaine moyenne sur toute sa durée de vie, carburant compris. L'écart entre les deux chiffres est le vrai sujet : ce n'est pas l'entraînement final qui coûte, c'est la recherche tâtonnante qui le précède, et elle est rarement comptée.
Source :
arXiv:1906.02243
Vérifié le 15 septembre 2026
2018
11 octobre 2018
Recherche et sécurité
Résultat de recherche
Apprendre la langue d'abord, le métier ensuite
Avant BERT, chaque tâche réclamait son propre modèle, entraîné sur des exemples annotés à la main : coûteux, et impossible à changer d'échelle. Google généralise une autre méthode. On pré-entraîne un gros modèle sur du texte brut, sans aucune annotation, en masquant des mots au hasard et en lui demandant de les deviner. Il apprend ainsi la langue en général. On le spécialise ensuite sur une tâche précise avec très peu d'exemples. L'apport propre de BERT est de lire le contexte des deux côtés du mot masqué en même temps, là où les modèles précédents n'allaient que de gauche à droite. Ce schéma en deux temps devient la norme du domaine, et c'est lui qui rend tenable l'idée de modèles toujours plus gros : l'entraînement lourd n'est payé qu'une fois.
Source :
arXiv:1810.04805
Vérifié le 15 septembre 2026
2017
12 juin 2017
Recherche et sécurité
Résultat de recherche
L'architecture qui rend possible tout le reste
Huit chercheurs de Google publient Attention Is All You Need. Jusque-là, pour traiter une phrase, un modèle la lisait mot après mot en gardant une mémoire de ce qui précédait : lent, et cette mémoire s'effaçait sur les textes longs. Le Transformer supprime la lecture en file indienne. Chaque mot examine tous les autres en même temps et retient ceux qui comptent pour lui — c'est ce que les auteurs appellent l'attention. Deux conséquences décisives. Le calcul se répartit sur des milliers de processeurs en parallèle, donc on peut entraîner sur infiniment plus de texte. Et les liens entre mots éloignés cessent de se perdre. Le papier ne parle que de traduction automatique et revendique 28,4 BLEU sur l'anglais-allemand WMT 2014 ; personne n'y annonce ce que l'architecture rendra possible. Tous les modèles cités dans cette chronologie en descendent : le T de GPT signifie Transformer.
Source :
arXiv:1706.03762
Vérifié le 15 septembre 2026
