L'audit interne de Google ne trouve pas le volant d'inertie de l'IA que son cofondateur dit avoir démarré

Google a publié cette semaine deux documents qui se contredisent, et un seul décrit ce qu'achètent les dépenses d'Alphabet▲+1.14% — Alphabet, up 1.14 percent today. Le 14 octobre 2026, Google DeepMind a rendu public le premier audit interne consacré à la question de savoir si l'IA accélère la recherche en IA↗, glissé dans le rapport de sécurité de son nouveau modèle de pointe Gemini 4 Argon. Verdict : pas la moindre accélération dont les machines puissent revendiquer le mérite ¹².

Le lendemain, le cofondateur de Google Sergey Brin a déclaré, lors d'une table ronde, que ses chercheurs et leurs modèles « travaillent main dans la main » et que Google est « en train de monter sur ce tapis roulant de la RSI↗ » ³⁴. L'auto-amélioration récursive (recursive self-improvement, ou RSI) désigne la boucle dans laquelle l'IA aide à construire l'IA qui la remplace, chaque génération étant censée arriver plus vite que la précédente ³.

L'audit trouve une droite, pas un volant d'inertie

L'évaluation, menée par le chercheur de DeepMind Haydn Belfield, suit la capacité des modèles de pointe sur un indice général de capacité (General Capability Index) : un chiffre unique par modèle, agrégé à partir des scores de 123 modèles et de 92 benchmarks, une sorte de QI pour l'IA ¹². Depuis fin 2024, le score grimpe d'environ 0,1 point par mois : une droite d'une régularité remarquable ². Pour ses modèles publics, le gain mensuel s'élevait à 0,091 point avant avril 2026. Il a atteint 0,118 ensuite, et le rapport ne relève aucune différence statistiquement significative entre les deux ¹.

Argon lui-même se situe légèrement au-dessus de la tendance, mais l'équipe l'attribue à un surcroît de puissance de calcul et à un investissement organisationnel plutôt qu'à une auto-accélération ¹². Comme le résume Belfield : « Il n'existe actuellement aucune accélération significative de bout en bout de la R&D en apprentissage automatique, qu'elle soit portée par l'IA ou non↗ » ². Une réserve joue dans les deux sens : ces chiffres ne décrivent que le laboratoire de DeepMind, pas ceux d'OpenAIPVT$1.18T — OpenAI, private, latest valuation $1.18T ni d'AnthropicPVT$350B — Anthropic, private, latest valuation $350B ².

L'IA écrit le code, l'humain pilote encore presque chaque modification

C'est au milieu de la chaîne que le volant d'inertie devrait s'enclencher, et c'est précisément là qu'il patine. Les outils d'IA écrivent désormais plus des trois quarts du code de production de DeepMind, mais environ 88 % des modifications de code exigent encore qu'un humain pilote l'IA ou écrive du code avant la moindre mise en production ¹². La part que l'IA mène à bien de bout en bout n'est passée que de 7,5 % à 11,9 % entre avril et septembre ².

Sur RE-Bench, une suite interne de 74 tâches d'ingénierie en apprentissage automatique, l'agent Argon en a terminé environ la moitié ¹. Gemini 3.7 Flash, la génération précédente, plafonnait à 27 %. Les deux résultats restent très loin du score de 90 % que DeepMind considère comme un signal d'alarme pour l'automatisation complète ¹². Sur les 1 389 exécutions d'agents passées en revue, plus la tâche était vaste, moins le modèle avait de chances de la terminer seul ².

Une enquête auprès de 12 chercheurs seniors de DeepMind situe l'automatisation au plus haut dans l'exécution de tâches bien spécifiées et vérifiables, et au plus bas dans la génération d'idées sans cadre imposé comme dans le flair qu'exige la recherche de long terme ¹². Ce qui reste rare, c'est la vérification, la revue et le jugement pour décider quelle idée mérite de la puissance de calcul.

Les dépenses d'investissement prennent le cofondateur au mot

Brin affirme que Google possède déjà, en interne, quelques modèles d'avance sur Argon et s'attend à ce que le rythme ne fasse qu'accélérer ³⁴. Vihan Jain, responsable RSI pour Gemini chez DeepMind, a écrit en ligne qu'au stade du post-entraînement — la phase où un modèle de base achevé est affiné à partir de retours et de données —, la demande avait délaissé les puces brutes au profit du « quota Argon » ³.

La thèse fait bouger de vrais capitaux. Les valeurs de la semi-conduction ont reculé de près de 6 % il y a un mois, après que Dario Amodei, PDG d'Anthropic, a soutenu que l'auto-amélioration récursive accélérait déjà ². Mercredi, un rapport publié par Gladstone AI↗, cabinet qui conseille le gouvernement américain en matière de politique de l'IA, constatait que la plupart des chercheurs interrogés prévoient l'arrivée de la RSI dans les trois à douze mois ³⁵⁶. De son côté, Alphabet a engagé environ 45 milliards de dollars de dépenses d'investissement au deuxième trimestre↗, alors que, selon les mesures disponibles, chaque point de capacité provient encore des puces et des effectifs ⁷.

Lire le grand livre avant de coter le volant d'inertie

Rien de tout cela ne constitue un réquisitoire contre l'IA. L'indice progresse régulièrement, les agents existent bel et bien, et Argon, dévoilé le 30 septembre achève réellement des travaux d'ingénierie de long terme dans l'ensemble de Google ²⁸. Cela plaide pour séparer la mesure du récit : selon les propres chiffres de DeepMind, chaque point de capacité gagné jusqu'ici remonte à la puissance de calcul et aux effectifs, et non à des machines capitalisant leurs propres progrès.

Deux lignes du grand livre de DeepMind trancheront la question : la pente mensuelle de l'indice de capacité, et la part des modifications de code entièrement déléguées. Une pente qui se raidit sans nouvelle puissance de calcul, des modifications qui n'attendent plus la revue : voilà ce qui annoncerait l'arrivée du volant d'inertie. D'ici là, la valeur ira à ceux qui construiront la couche de revue et de confiance entre ce que l'IA écrit et ce qu'une organisation met en production.