Les laboratoires frontaliers sont obsédés. Ils se précipitent vers des modèles auto-améliorables, convaincus que c’est le seul moyen d’y parvenir. La logique est circulaire mais séduisante : l’IA améliore l’IA. Ça tourne en spirale. Cela nous dépasse. Cela pourrait même nous piéger.
Cela semble génial pour une dystopie. Inutile pour une newsletter.
J’avais besoin de faire passer les mots. Rapide. Je me suis donc posé une question pratique. Puis-je utiliser l’auto-amélioration récursive pour automatiser mon propre travail ? Pas pour une intelligence divine. Juste pour le gros travail.
J’ai passé une semaine à le tester.
La réponse est oui. Étonnamment, oui.
Plus important encore, cela suggère une voie différente. Une solution qui ne dépend pas du fait que cinq sociétés possèdent le ciel.
Commencer petit (et casser les choses)
J’ai commencé par former un petit modèle de langage à partir de zéro. Par « entraînement », je veux dire que j’ai confié toute la réflexion à Claude.
J’ai utilisé la recherche automatique. Le projet favori d’Andrej Karpathy. Vous le connaissez. Fondateur d’OpenAI, responsable de Tesla AI, maintenant chez Anthropic. Cet outil aide les IA du commerce à créer des versions meilleures et plus petites d’elles-mêmes.
J’ai tapé la commande. * « Bonjour, regarde program.md, lançons une nouvelle expérience. »*
Ensuite, j’ai fourni le reste. Matériel (un superordinateur de bureau Nvidia DGX). Électricité (chaude toute la nuit). Et une volonté imprudente de laisser le code se déchaîner, en contournant les contrôles de sécurité standards.
Laissez-le cuisiner.
Toutes les quelques heures, j’y jetais un coup d’œil. Claude ajustait les paramètres. Ajuster les régimes de formation. Regarder comment le plus petit modèle a réagi. Puis peaufiner à nouveau. C’était une boucle. Autonome. Sans relâche.
J’ai testé les premières sorties. Invite : « Au début… »
Sortie : « Au début du début du et à la fin de la fin de la fin du début… »
Un non-sens. Bruit répétitif.
Mais plus tard ? Au fur et à mesure que Claude peaufinait le processus, le charabia s’est calmé. Les phrases avaient du sens. Toujours pas GPT-5. Mais la trajectoire était claire. Le modèle s’améliorait en accomplissant le travail d’amélioration.
Quelque chose d’utile (réellement utile)
Entraîner un modèle de jouet était amusant. Mais j’écris sur les articles sur l’IA. J’en ai des piles.
J’avais besoin d’un conservateur.
Je suis passé à Prime Intellect. Une startup visant à démocratiser la formation des modèles. Leur argumentaire est simple. Créez des modèles personnalisés pour des tâches spécifiques. Pas des géants en général. Outils tranchants.
Je leur ai donné 100 entrées de ma rubrique « Ailleurs à la frontière ». Des petits trucs. Faits saillants de la recherche. Ensuite, j’ai demandé à Claude de m’aider à construire un modèle nommé Frontier_Paper_Curator. Son travail ? Trouvez et résumez des articles intéressants.
C’est ici que les choses sont devenues complexes. Claude trouva d’autres papiers. Il a généré des données synthétiques. Ensuite, il a utilisé un autre modèle pour critiquer son propre travail. L’apprentissage par renforcement est entré en jeu. L’environnement lui-même est devenu l’enseignant.
Vincent Weisser dirige Prime Intellect. Son entreprise vient de lever 15 millions de dollars. Il déteste le récit de la centralisation.
“Nous ne voulons pas d’une intelligence divine. Nous voulons un milliard d’intelligences.”
Il croit aux niches. Des outils spécialisés créés par tout le monde, pas seulement par les laboratoires. Si chaque entreprise se dote d’une infrastructure frontalière, la créativité collective du marché l’emportera sur quelques monopoles. Il soutient que l’IA centralisée constitue un goulot d’étranglement. La décentralisation est belle.
D’autres startups sont d’accord. Adaption vend un outil appelé AutoScientist. La PDG Sara Hooker note que les grandes entreprises brûlent de l’argent en jetons. Ils manquent d’experts en interne. Ils ont besoin d’une automatisation qui fonctionne réellement.
Ensuite, il y a le facteur de risque. Lorsqu’Anthropic bloque certaines demandes de Claude, cela met en lumière la fragilité de la dépendance. Alex Karp de Palantir en met en garde. Utiliser les laboratoires frontaliers signifie renoncer aux données. Cela signifie perdre le contrôle.
Je voulais le contrôle. Ou du moins, un effet de levier.
J’ai passé moins d’une journée avec Prime Intellect. Le résultat était un agent de conservation fonctionnel.
Il a produit ce résumé pour iFLYTEK :
Les chercheurs d’iFLYTEK ont développé iFLYTEK-Embodied-Ai, un modèle multimodal fusionnant vision, langage et action. Les anciennes méthodes séparaient ces tâches. Ce modèle partage l’attention entre eux. Comme un cerveau et un cervelet qui parlent directement. Cela réduit les cascades d’erreurs. Il s’entraîne sur diverses données vidéo. Le résultat est un agent capable de raisonner et de contrôler simultanément. Un nouveau paradigme architectural pour la robotique.
Est-ce parfait ? Non.
C’est trop impatient. Il sélectionne les articles que je sauterais. Les résumés sont légèrement génériques.
Mais ça marche.
Cela m’a libéré d’une partie de la corvée. Ce n’est pas devenu un dieu. C’est devenu un outil.
Et c’est peut-être le meilleur résultat. Nous ne construisons pas de dieux. Nous construisons de meilleures ébauches.
Qui sait ce qui se passera lorsqu’ils s’affineront à nouveau.
