Des chercheurs chinois définissent un plan en 5 étapes pour parvenir à la « dernière IA construite par des humains ».
infohightech ·
L'automatisation de la recherche en IA est devenue un champ de bataille, bien que les entreprises américaines aient une longueur d'avance grâce à un accès supérieur aux ressources de calcul.
Des chercheurs des plus grandes universités et des géants technologiques chinois concentrent leurs efforts sur un nouveau front crucial dans la course à l'IA avec les États-Unis : développer des systèmes capables de construire de meilleures versions d'eux-mêmes sans intervention humaine.
Dans un article commun publié jeudi, des chercheurs de ByteDance, de l'université Tsinghua et du laboratoire d'intelligence artificielle de Shanghai, entre autres, ont présenté une feuille de route en cinq étapes pour l'auto-amélioration récursive (RSI). (Recursive self-improvement)
L’étude, intitulée « The Last AI Built by Humans: Toward Genuine Recursive Self-Improvement » ou « La dernière IA construite par des humains : vers une véritable auto-amélioration récursive », met en lumière l’intérêt croissant de l’industrie pour l’automatisation du cycle de vie laborieux de la formation, de l’évaluation et du réglage fin des modèles d’IA.
L'article décrit cinq étapes progressives d'autonomie. Dans la phase initiale, une IA se contente d'exécuter des procédures d'amélioration conçues par des ingénieurs. Elle commence ensuite à choisir comment s'améliorer, au lieu de simplement exécuter des instructions préprogrammées.
Dans les phases ultérieures, le système détermine les nouvelles informations ou expériences qu'il doit acquérir, en s'adaptant aux changements survenus après son déploiement. La phase finale permettrait à une IA d'affiner en permanence les méthodes mêmes utilisées pour améliorer l'IA elle-même.
Contrairement à un chatbot corrigeant une réponse individuelle, la RSI nécessite des améliorations qui perdurent au-delà d'une seule tâche et sont héritées par les systèmes suivants.
Les auteurs affirment que la capacité d'automatiser certaines étapes de la recherche en IA pourrait devenir une source d'avantage concurrentiel pour les développeurs de modèles.
Si elle se concrétisait, cette évolution de paradigme pourrait raccourcir les cycles de développement tout en réduisant considérablement les coûts de main-d'œuvre et de calcul nécessaires à la construction des modèles de base, selon les auteurs.
Des visiteurs passent devant une exposition représentant l'intelligence artificielle et une main humaine lors du Salon international de la Supply Chain de Chine à Pékin, le 22 juin 2026. Photo : AP
L'automatisation de la recherche en IA est devenue un enjeu majeur de la compétition technologique sino-américaine. Si les institutions chinoises continuent de réaliser des progrès pratiques rapides, les experts constatent que les entreprises américaines conservent une longueur d'avance, principalement grâce à un accès supérieur aux ressources de calcul.
« Les entreprises américaines semblent toujours avoir plusieurs mois d'avance sur la Chine et disposent d'une puissance de calcul supérieure pour leurs déploiements », a déclaré Erich Grunewald, chercheur principal à l'Institut de politique et de stratégie en IA. « Les chercheurs chinois sont très performants avec du matériel limité, mais ces contraintes de calcul restent un frein. »
Malgré les difficultés, les entreprises chinoises investissent massivement dans les infrastructures de formation autonomes.
Z.ai, connue en Chine sous le nom de Zhipu AI, a déclaré dimanche qu'elle consacrerait environ 60 % des recettes nettes de sa dernière levée de fonds de 5 milliards de dollars américains au développement de ses modèles de fondation GLM de nouvelle génération et de son « système d'auto-apprentissage complet ».
Les chercheurs à l'origine de MiniMax 2.7 ont déclaré dans un article intitulé « Premiers échos de l'auto-évolution » plus tôt cette année que le modèle pouvait mettre à jour sa mémoire et développer des compétences complexes tout en exécutant des expériences d'apprentissage par renforcement, l'expérience résultante étant réinjectée dans son processus d'apprentissage.
Le mois dernier, DeepSeek a développé Harness, qui marque son tournant stratégique vers une IA agentive autonome. Elle confère donc aux modèles une plus grande autonomie pour naviguer dans des tâches à plusieurs étapes, exécuter du code et interagir avec des logiciels externes.
Dans leur article, les auteurs ont constaté que la progression à travers les cinq étapes variait considérablement selon le domaine de l'IA. Le génie logiciel offrait une voie relativement claire, tandis que la robotique et la découverte scientifique se heurtaient à des obstacles plus importants.
La sécurité demeure une préoccupation majeure. Les chercheurs ont indiqué que les véritables mises à jour du RSI nécessitaient des garanties strictes, notamment des environnements de test vérifiés afin de s'assurer que les mises à jour étaient sûres et bénéfiques avant leur déploiement.
Les auteurs n'ont fourni aucun calendrier quant à la date à laquelle la RSI pourrait être mise en œuvre.