Google DeepMind a recherché la preuve que l'IA accélère le développement de l'IA elle-même. Selon la propre évaluation du laboratoire, il n'en a trouvé aucune.

Dans le rapport de sécurité de Gemini 4 Argon, son modèle le plus puissant, l'entreprise a conclu que la recherche en IA ne progresse pas plus rapidement—même si l'IA rédige désormais la majorité du code livré par les ingénieurs de DeepMind. L'analyse n'a détecté aucune accélération statistiquement significative du rythme des progrès de l'IA après le 1er avril 2026, l'indice de capacités du laboratoire progressant à un rythme stable de 0,1 point par mois. L'entreprise la décrit comme sa première évaluation empirique holistique de l'automatisation et de l'accélération de la R&D en apprentissage automatique.

Cette conclusion va à l'encontre du scénario qui a poussé des dirigeants de l'IA, effrayés, à réclamer un ralentissement. Il s'agit de l'auto-amélioration récursive : une IA construit une version plus intelligente d'elle-même, qui en construit une encore plus intelligente, jusqu'à ce que les progrès dépassent la capacité de quiconque à tester, réguler ou éteindre le système—ce que le rapport décrit comme « une situation où les garde-fous existants sont gravement inadéquats ».

« Il n'existe actuellement aucune accélération significative de bout en bout de la R&D en apprentissage automatique, qu'elle soit pilotée par l'IA ou non », a écrit Haydn Belfield, chercheur chez Google DeepMind ayant participé à l'évaluation, dans un fil sur X. « Nous concluons donc que le risque lié à la R&D en apprentissage automatique pilotée par l'IA est actuellement faible. » La R&D en apprentissage automatique désigne les travaux de recherche et développement en apprentissage automatique—c'est-à-dire la création de nouveaux modèles d'IA.

1/9 In the Gemini 4 Argon Safety & Security Report, we published our first holistic empirical assessment of ML R&D automation and acceleration inside Google DeepMind — combining capability benchmarks, a macro capability index, data on AI-written code and trajectory outcomes, and… pic.twitter.com/Vr8Q5Obbsp

— Haydn Belfield (@HaydnBelfield) October 14, 2026

DeepMind suit cette question parce que « l'IA pourrait accélérer les gains de capacités de pointe plus vite que la sécurité, la gouvernance et l'adaptation sociétale ne peuvent suivre », a écrit Belfield. Une automatisation accrue signifie également donner aux agents d'IA un accès plus large aux systèmes de l'entreprise—et davantage de marge de manœuvre pour qu'un modèle désaligné, poursuivant des objectifs que ses créateurs n'avaient jamais envisagés, cause des problèmes.

Une progression régulière, pas une envolée

Pour mesurer les progrès, l'équipe a construit GCI v1, un indice interne qui combine les scores de 123 modèles d'IA sur 92 benchmarks en un chiffre unique par modèle—en pratique, un quotient intellectuel pour l'IA. « Les capacités de Gemini de point se sont améliorées à un rythme remarquablement stable d'environ 0,1 point GCI par mois », a écrit Belfield. Cette distinction compte, car une véritable auto-amélioration récursive se manifesterait, par définition, par une courbe ascendante dans exactement ce type de graphique.

Dans le graphique de l'indice du rapport, Gemini 1.5 Pro se situe près de 0,5 point fin 2024 et Gemini 3.8 Flash juste au-dessus de 2,9 en septembre 2026, presque chaque version épousant une ligne droite. Argon est le seul point de données à dépasser la tendance, à environ 3,3—bien que sa marge d'erreur, la fourchette dans laquelle son score réel pourrait plausiblement se situer, s'étende assez bas pour toucher la ligne de tendance.

« Bien que Gemini 4 Argon se situe au-dessus de [la] tendance, nous attribuons cela à un investissement accru en calcul et sur le plan organisationnel plutôt qu'à une accélération pilotée par l'IA », a écrit Belfield. Google a dévoilé Gemini 4 Argon le 30 septembre.

La majorité du code est rédigé par l'IA, mais les humains gardent le contrôle

La plupart du code de production de DeepMind est désormais rédigé à plus de 75 % par l'IA, et la part des pull requests entièrement déléguées—des ensembles de modifications de code soumis pour examen avant leur mise en production—est passée de 7,5 % à 11,9 % entre avril et septembre. Néanmoins, « environ 88 % des pull requests nécessitent encore une supervision humaine en plusieurs tours ou une rédaction humaine du code—et les modifications de code restent soumises à un examen humain avant leur soumission », a écrit Belfield.

Une enquête auprès de 12 dirigeants et chercheurs senior de DeepMind a révélé que l'automatisation est la plus élevée dans « les tâches d'exécution bien spécifiées et vérifiables » et la plus faible dans « l'idéation scientifique ouverte, la conception expérimentale novatrice, le diagnostic d'instabilités d'entraînement subtiles et le goût de la recherche à long terme ». En termes simples, l'IA excelle dans l'exécution des instructions mais est moins performante pour décider quelles idées méritent d'être poursuivies.

DeepMind a également examiné 1 389 journaux d'Argon travaillant comme agent au sein de l'entreprise. Plus la tâche était importante, moins le modèle avait de chances de la mener à bien seul—et plus souvent un humain intervenait. Au global, Gemini 4 Argon a résolu environ la moitié des tâches internes d'ingénierie de recherche qu'il a accomplies, bien en deçà du seuil de 90 % que DeepMind considère comme un signal d'alerte pour une automatisation complète. Ce seuil publié offre aux lecteurs un critère concret pour évaluer les futures affirmations d'automatisation incontrôlée.

Un contrepoint aux avertissements antérieurs

Le rapport apporte des données internes à un côté d'un débat qui s'est jusqu'ici surtout joué par le biais d'avertissements. Il est publié un mois après que le PDG d'Anthropic, Dario Amodei, a affirmé que l'auto-amélioration récursive était déjà en train de s'accélérer—avertissement approuvé par Sam Altman et Elon Musk, et qui a fait chuter les actions de fabricants de puces de près de 6 %. Quelques jours plus tôt, l'ancien ingénieur d'Anthropic Jacob Coxon avait quitté le secteur, avertissant que l'IA pourrait « nous tuer tous d'ici la fin de la décennie ».

Les chiffres de DeepMind ne couvrent que son propre laboratoire, et le rapport note qu'il ne peut exclure qu'une version sans restriction d'Argon franchisse les seuils de danger de l'entreprise en matière de cyberattaques et d'informations sur les armes biologiques.