jsonscraper
Marchés
Retour au journal

Les chercheurs d’OpenAI confient davantage de tâches aux agents, mais leur réussite dépend du travail

Dans un rapport publié le 18 novembre, les taux d’exécution autonome varient fortement selon les tâches. Ces résultats aident à déterminer ce qu’on peut déléguer à un agent et ce qui nécessite une vérification particulièrement rigoureuse.

Politique éditoriale Signaler une erreur

Peut-on confier un travail de recherche à un agent de programmation et compter sur un résultat prêt à l’emploi ? Tout dépend de la tâche précise : dans les données d’OpenAI couvrant la période du 1er août au 18 octobre 2026, les agents sans intervention humaine ont le mieux réussi à surveiller les entraînements, et nettement moins bien à écrire du code d’inférence et de service des modèles.

Dans son rapport du 18 novembre, l’entreprise a comparé les tâches confiées par les chercheurs aux agents et décrit l’évolution de leur utilisation au sein d’OpenAI. La principale leçon pratique est de considérer le « travail d’un agent » comme un ensemble de tâches différentes, avec des critères d’acceptation distincts. Une moyenne calculée en heures ou l’impression que le modèle « écrit bien du code » ne remplacent pas la vérification du résultat concret.

Ce qui a changé dans l’évaluation

Le précédent rapport d’OpenAI sur l’accélération de la recherche a été publié en septembre. La nouvelle version élargit l’analyse : l’entreprise y a ajouté des données sur l’utilisation des agents, les enquêtes auprès des employés, les processus de travail et la répartition des réussites par type de tâche. Les résultats présentés décrivent toutefois l’organisation de recherche interne d’OpenAI, et non une évaluation universelle de tous les modèles ou de toutes les entreprises.

L’un des indicateurs comparatifs les plus faciles à comprendre est la part des tâches accomplies par un agent sans intervention humaine. Pour les tâches estimées à deux à quatre heures de travail humain, ce taux est passé de 23 % en mars à 46 % en octobre. Dans la catégorie des tâches de quatre à huit heures, il est passé de 13 % à 35 %. Ces catégories mesurent la capacité à mener à bien des tâches individuelles sans intervention, et non la part de l’ensemble du travail de recherche que l’on peut confier à un modèle.

Une précision méthodologique importante s’impose : à mesure que les capacités des agents évoluaient, les tâches qui leur étaient confiées changeaient aussi. OpenAI souligne explicitement que la hausse du taux de réussite au sein des catégories de durée peut refléter à la fois l’amélioration des modèles et l’évolution de la composition des tâches déléguées. Les comparaisons par durée sont donc utiles pour suivre une tendance interne, mais ne permettent pas, à elles seules, de distinguer la contribution du modèle des choix des chercheurs concernant les tâches à lui confier.

Pourquoi le type de tâche compte plus que sa durée

Dans un aperçu des différents types de travail, OpenAI indique un taux de réussite sans intervention humaine de 79 % pour la surveillance des entraînements, de 35 % pour leur lancement et de 25 % pour l’écriture du code d’inférence et de la pile de service. Même deux opérations voisines autour de l’entraînement d’un modèle ont donné des résultats très différents.

Article : Les chercheurs d’OpenAI confient davantage de tâches aux agents, mais leur réussite dépend du travail. Résumé : OpenAI a évalué les agents de programmation au sein de son organisation de recherche : ils réussissent de nombreuses tâches de surveillance et d’analyse, mais s’en sortent nettement moins bien pour lancer des entraînements et écrire du code d’inférence. En pratique, il vaut mieux choisir les tâches en fonction de résultats vérifiables que de l’intitulé général du métier. Rôle de l’image : illustration complémentaire 2 — un aspect spécifique différent. Section : Pourquoi le type de tâche
Part des tâches accomplies par les agents sans intervention humaine, pour trois types de travail, d’après les données d’OpenAI d’août à octobre 2026.© jsonscraper · illustration générée par IA
Article : Les chercheurs d’OpenAI confient davantage de tâches aux agents, mais leur réussite dépend du travail. Résumé : OpenAI a évalué les agents de programmation au sein de son organisation de recherche : ils réussissent de nombreuses tâches de surveillance et d’analyse, mais s’en sortent nettement moins bien pour lancer des entraînements et écrire du code d’inférence. En pratique, il vaut mieux choisir les tâches en fonction de résultats vérifiables que de l’intitulé général du métier. Rôle de l’image : couverture — l’idée centrale. Section : Pourquoi le type de tâche compte
Part des tâches accomplies par les agents sans intervention humaine, pour trois types de travail, d’après les données d’OpenAI d’août à octobre 2026.© jsonscraper · créé avec l’IA

Cela explique pourquoi une catégorie générale comme « aider à la recherche » convient mal à la planification. Surveiller un entraînement pour repérer un problème relève de l’observation et du signalement. Lancer un entraînement suppose de préparer correctement les actions et les conditions d’exécution. Le code d’inférence et de service relève d’un autre domaine technique. Regrouper ces tâches dans un seul indicateur ferait disparaître des différences importantes pour le travail quotidien.

L’entreprise donne également des taux plus élevés pour les catégories « communication » (69 %) et « analyse » (58 %) que pour le « développement » (43 %). Mais même ces catégories larges masquent des différences entre les tâches. Pour choisir quoi confier à un agent, mieux vaut définir un résultat vérifiable — par exemple détecter une défaillance prédéfinie dans le journal d’un entraînement — et préciser séparément ce qu’une personne doit valider.

Une utilisation intensive ne garantit pas des gains équivalents

Le rapport montre que les agents sont devenus une composante notable des processus de travail internes d’OpenAI. Selon l’estimation de l’entreprise, calculée aux tarifs de l’API, le chercheur médian a utilisé en octobre des outils d’agent pour environ 2 400 dollars par jour ; le chiffre correspondant au 90e percentile était d’environ 23 000 dollars. Dans les deux cas, il s’agit d’un équivalent calculé aux tarifs publiés de l’API, et non d’informations sur le coût réel ou d’une preuve d’économies budgétaires.

Un autre indicateur est celui des « jours-agent » : huit heures d’utilisation d’un agent comptent pour une journée de travail. La moyenne est passée de 0,5 à 5,7 jours-agent par chercheur et par jour. Dans les équipes de préentraînement et de post-entraînement, le travail total moyen des agents représentait environ huit de ces journées par chercheur et par jour civil. Plusieurs agents pouvant travailler en parallèle, cet indicateur décrit leur temps de travail cumulé, et non la durée de la journée d’un employé ; OpenAI précise aussi qu’il porte principalement sur l’utilisation interactive et peut sous-estimer l’automatisation.

La hausse de l’utilisation montre que les employés intègrent activement les agents à leur travail. Mais elle ne suffit pas à évaluer leur utilité pour une autre équipe : le budget, les modèles choisis, la durée des sessions des agents et la nature des tâches peuvent varier. Les données d’OpenAI sont surtout utiles comme exemple des indicateurs à recueillir, et non comme norme toute faite pour chaque équipe de recherche.

La place du travail humain

À partir d’entretiens avec dix chercheurs, OpenAI décrit les aspects pratiques de la délégation : les agents les aidaient à écrire et déboguer du code, analyser des expériences et examiner de grands ensembles de données. Dans le même temps, les employés ont signalé des artefacts de mauvaise qualité, des hypothèses erronées dans les analyses et des tentatives inefficaces de lancer des expériences. L’entreprise précise que les idées citées par les employés pour les versions de GPT‑6 Astra leur étaient attribuées, tandis que les modèles contribuaient à leur mise en œuvre.

Une méthode de travail décrite par un chercheur est particulièrement facile à adopter par une équipe : demander à l’agent de réaliser un exemple, le vérifier et le corriger, puis lui confier une série de tâches similaires. Cette approche permet de repérer rapidement une erreur dans la consigne ou le format des données avant qu’elle ne se propage à l’ensemble du lot. Pour les tâches difficiles à vérifier, c’est souvent plus utile que d’en augmenter immédiatement l’ampleur.

Comment appliquer ces conclusions à votre équipe

Commencez par une tâche répétitive dont le résultat est observable et le critère d’acceptation clair. Notez le nombre d’interventions nécessaires, les erreurs rencontrées et le temps consacré à la vérification. Ces informations permettront de distinguer les tâches réellement prises en charge par l’agent de celles pour lesquelles il ne fait qu’accélérer le travail préparatoire.

Pour les opérations à fort enjeu, définissez une limite distincte de ses prérogatives. Par exemple, l’agent peut détecter une anomalie ou préparer une commande de lancement, tandis que sa validation et son exécution restent sous la responsabilité de l’ingénieur. Il ne s’agit pas d’une règle de sécurité universelle, mais d’une manière d’adapter le niveau d’autonomie au risque concret et aux possibilités de vérification.

Le rapport d’OpenAI propose une distinction utile : il vaut mieux déléguer des tâches précises dont le résultat peut être vérifié que « la recherche » ou « le développement » en général. D’après les données de l’entreprise, la surveillance des entraînements se prêtait davantage à une exécution autonome que leur lancement ou l’écriture du code d’inférence. Pour une équipe, l’étape suivante consiste à mesurer les mêmes différences sur ses propres tâches et à élargir la délégation là où les résultats résistent à la vérification.

Personnes

Aucune personne répertoriée pour cet article pour le moment.

Continuez à lirePourquoi les agents doivent voir au-delà du texte : le benchmark MKA teste les plans et les fichiers
Lire le prochain article

Transformez vos lectures en intégration fonctionnelle

Explorez les API de données sociales de jsonscraper, testez des requêtes et créez votre prochain workflow.

Explorer les API