OpenAI : sur GPT-5.6, Sol a post-entraîné en autonomie le plus petit modèle Luna avec une consigne "assez peu spécifiée
OpenAI a annoncé que son modèle GPT-5.6 Sol a mené de façon autonome le post-entraînement d'un modèle plus petit, baptisé Luna, à partir d'une seule instruction qualifiée par l'entreprise de "plutôt sous-spécifiée". Concrètement, Sol a reçu une consigne volontairement vague et a lui-même déterminé la démarche à suivre pour affiner Luna, sans supervision détaillée d'un ingénieur humain à chaque étape. Sur le benchmark interne d'OpenAI mesurant l'auto-amélioration récursive des systèmes d'IA, Sol obtient un score supérieur de 16,2 points à celui de GPT-5.5, son prédécesseur direct. OpenAI présente ce résultat comme une étape significative dans la progression de ses modèles.
Cette capacité marque un changement potentiel dans la manière dont les modèles d'IA sont développés et améliorés. Si un modèle peut concevoir et exécuter lui-même le post-entraînement d'un autre modèle à partir d'une consigne minimale, cela réduit la dépendance aux équipes d'ingénieurs pour orchestrer ces processus, avec des gains possibles en vitesse et en coût pour l'industrie. Cela soulève aussi des questions sur le contrôle et la supervision humaine à mesure que les systèmes gagnent en autonomie.
Ce développement s'inscrit dans la course plus large à l'auto-amélioration récursive, un objectif de longue date pour les laboratoires d'IA de pointe. OpenAI évoque désormais la perspective d'un "chercheur automatisé", un système capable de mener ses propres travaux de recherche et développement sans intervention humaine constante. Reste à voir comment cette annonce sera reçue par la communauté scientifique, souvent prudente face aux benchmarks internes propriétaires.
Sol qui post-entraîne Luna avec une consigne vague, c'est la première fois qu'on voit un labo publier un chiffre sur de l'auto-amélioration récursive et pas juste en parler au futur. Bon, sur le papier ça donne 16,2 points sur un benchmark maison qu'on ne peut pas vérifier, donc prudence. Mais le signal est clair : si un modèle peut piloter le post-training d'un autre sans ingénieur dans la boucle, la question n'est plus "est-ce que l'IA peut s'améliorer elle-même" mais "qui la supervise pendant qu'elle le fait".
Vu une erreur factuelle dans cet article ? Signalez-la. Toutes les corrections valides sont publiées sur /corrections.
