Andrej Karpathy : les humains sont désormais le goulot d'étranglement de la recherche en IA face à des résultats faciles à mesurer

Andrej Karpathy, l'un des chercheurs les plus influents du domaine de l'intelligence artificielle et cofondateur d'OpenAI, a fait une révélation qui illustre un basculement profond dans la recherche en IA : il a laissé un agent autonome optimiser sa configuration d'entraînement pendant une nuit, et celui-ci a identifié des améliorations qu'il n'avait pas su trouver lui-même — malgré deux décennies d'expérience dans le domaine.

Ce constat dépasse l'anecdote personnelle. Karpathy pointe un phénomène structurel : dans les tâches de recherche où les résultats sont facilement mesurables — optimisation de hyperparamètres, benchmarks standardisés, réglage de pipelines d'entraînement — les agents IA surpassent désormais la capacité humaine d'exploration. Le chercheur suggère que l'humain n'est plus le moteur de ces cycles d'amélioration, mais le goulot d'étranglement qui les ralentit.

L'expérience de Karpathy s'inscrit dans une tendance plus large : les laboratoires de recherche comme OpenAI, Google DeepMind ou Anthropic investissent massivement dans des systèmes capables de s'auto-améliorer sur des métriques précises. Ce que Karpathy décrit de façon concrète — un agent qui travaille en continu, sans fatigue, en explorant un espace de solutions bien plus vaste qu'un humain ne pourrait le faire — valide expérimentalement ce que beaucoup pressentaient théoriquement.

La question qui s'ouvre est celle des limites de cette automatisation : là où les métriques sont ambiguës ou les objectifs difficiles à formaliser, le jugement humain reste irremplaçable. Mais pour tout ce qui peut être mesuré clairement, la recherche en IA entre dans une nouvelle ère où les machines optimisent les machines.