La déclaration qui fait réfléchir
Début avril 2026, Brad Lightcap, le directeur des opérations d'OpenAI, a lâché une phrase qui a fait le tour d'internet : "D'ici la fin de l'année, on se moquera des modèles actuels. Ils sembleront banals."
Pour mettre les choses en perspective : il parlait de GPT-5.4, un modèle sorti quelques jours plus tôt seulement, qui traitait déjà 5 000 milliards de tokens par jour et qu'une bonne partie des développeurs mondiaux considèrent aujourd'hui comme l'état de l'art absolu. Et selon son propre créateur, il sera périmé avant Noël.
Ce n'est pas qu'OpenAI qui accélère
Ce qui rend cette déclaration crédible, c'est qu'elle ne concerne pas qu'une seule entreprise. En décembre 2025, Anthropic, Google et OpenAI ont chacun sorti des mises à jour majeures de leurs modèles phares dans le même mois, du jamais vu dans l'histoire de l'industrie. Depuis, le rythme ne s'est pas ralenti.
OpenAI est passé de GPT-5.1 à GPT-5.4 en moins de quatre semaines. Anthropic a sorti Claude Opus 4.7 deux mois et demi après Opus 4.6. Google a multiplié ses variantes Gemini 3.1 à une cadence hebdomadaire. Et pendant ce temps, DeepSeek a prouvé qu'on peut entraîner un modèle rivalisant avec les meilleurs pour seulement 294 000 dollars, là où GPT-5 a coûté des centaines de millions.
Selon le cabinet Deloitte, le coût pour faire "réfléchir" une IA a été divisé par 280 en deux ans. Ce qui coûtait 280 euros en 2024 coûte aujourd'hui 1 euro. Et pourtant, les dépenses globales en IA augmentent, parce que l'utilisation croît encore plus vite que les prix ne baissent.
Pourquoi ça va de plus en plus vite ?
La raison est simple, presque vertigineuse : les laboratoires utilisent maintenant leurs propres IA pour construire les versions suivantes. L'IA s'améliore parce qu'elle s'aide elle-même à progresser. Chaque nouvelle version accélère la création de la prochaine. C'est ce que Brad Lightcap appelle "l'effondrement des cycles d'entraînement".
En 1965, un ingénieur nommé Gordon Moore avait observé que la puissance des ordinateurs doublait tous les 18 mois. Cette règle a structuré 50 ans d'innovation. Ce que nous vivons avec les modèles d'IA en 2026 est une version bien plus compressée de ce phénomène : le doublement ne prend plus 18 mois, parfois quelques semaines suffisent.
Ce que ça change concrètement
Pour un particulier, c'est plutôt une bonne nouvelle : les outils s'améliorent sans que le prix augmente. Pour une entreprise, c'est plus compliqué. Miser sur un modèle précis aujourd'hui, c'est accepter qu'il soit dépassé avant la fin de l'année. La vraie compétence en 2026 n'est plus de choisir le bon modèle, c'est d'être capable d'en changer rapidement quand le suivant arrive.
Certains développeurs ont déjà tiré la leçon : au lieu de construire des produits autour d'un modèle spécifique, ils construisent des systèmes capables de brancher n'importe quel modèle en quelques heures. L'architecture devient plus importante que l'IA elle-même.
La question que personne ne pose encore
Il y a quelque chose de troublant dans cette accélération que les annonces de produits ne mentionnent jamais. Si une technologie évolue plus vite que notre capacité à la comprendre et que même les ingénieurs qui la construisent ne peuvent plus prédire exactement ce qu'un modèle va faire avant de le tester, est-on encore vraiment aux commandes ?
Ce n'est plus une question de science-fiction. C'est une question très concrète que les plus grands laboratoires du monde se posent en ce moment même. Anthropic a d'ailleurs construit toute son image de marque autour d'une réponse à ce problème. Mais construire des garde-fous sur quelque chose qu'on ne comprend pas entièrement, c'est un peu comme concevoir les freins d'une voiture dont on ignore encore la vitesse maximale.
C'est précisément ce débat, et ses implications pour nous tous que nous approfondirons dans un prochain article.