Le laboratoire "Superintelligence Sûre" (Safe Superintelligence, SSI) fondé par Ilya Sutskever pourrait lancer son premier modèle révolutionnaire dès cette semaine !
Des figures influentes du milieu évoquent frénétiquement que SSI va publier son premier grand modèle perturbateur.
Les grands noms de la Silicon Valley en disent trop : « L'IA va être complètement bouleversée ! »
Le célèbre investisseur et partenaire d'a16z, Martin Casado, est surexcité, laissant directement entendre qu'il a récemment été en contact avec « le nouveau modèle le plus important de l'année ».
Le milieu a immédiatement explosé, les regards se braquant instantanément sur le SSI d'Ilya.
La raison est simple : a16z est l'un des principaux investisseurs derrière SSI. Même si certains supposent que ce que Casado a vu pourrait être le prochain modèle Astra d'OpenAI.
Mais les rumeurs de percée venant de "non-géants" se multiplient.
L'observateur technologique renommé Andrew Curran souligne avec émotion que cette percée majeure ne provient apparemment pas d'un géant dominant (comme OpenAI ou Google), mais d'un laboratoire indépendant, ce qui lui semble « très réel ».
Le plus exagéré est l'observateur de l'IA Dan McAteer, qui déclare carrément : « Ilya a véritablement créé une superintelligence, les règles du jeu ont changé ! »
Début du mois, l'investisseur Gavin Baker déclarait sans ambages dans un podcast :
SSI a dit qu'ils publieraient leur modèle en août.
Si vous pensez que ce ne sont que des paroles en l'air, regardez où va l'argent réel.
Le 27 juillet de cette année, NVIDIA a soudainement annoncé un partenariat stratégique à long terme avec cette société mystérieuse sans revenus ni produits, et prévoit de multiplier par 10 l'échelle de puissance de calcul de SSI dans les 12 prochains mois.
Une révélation encore plus fracassante : cet investissement s'élèverait à 5 milliards de dollars, et NVIDIA aurait accordé à SSI un accès exclusif au système de nouvelle génération Vera Rubin !
Pourquoi Jensen Huang est-il prêt à investir une somme aussi colossale ?
Dans le communiqué de presse, NVIDIA a déclaré que la décision de miser lourdement avait été prise « après avoir obtenu un accès rare (rare access) à ses recherches jalousement gardées ».
Qu'a vu Jensen Huang ? En croisant avec les fuites d'aujourd'hui, la réponse semble évidente.
Bouleverser le bon sens : L'IA a appris à « apprendre en réfléchissant »
Pour comprendre à quel point ce nouveau modèle de SSI est impressionnant, nous devons d'abord comprendre comment fonctionnent les IA actuelles (comme ChatGPT, Claude).
Les modèles d'IA actuels, quelle que soit leur taille, figent essentiellement les connaissances dans leurs poids lors de la phase de « pré-entraînement ». Une fois l'entraînement terminé, leur « cerveau » est gelé.
Pour permettre aux modèles de traiter de nouvelles informations, les grands acteurs augmentent frénétiquement la taille de la « fenêtre contextuelle » (Context Window), de 100k à des millions.
C'est comme un examen avec documents autorisés – le cerveau du modèle ne devient pas plus intelligent, on lui permet simplement d'emporter de plus en plus de « notes » (le contexte) dans la salle d'examen.
Même les modèles de raisonnement comme l'o1 d'OpenAI, axés sur le « calcul au moment du test » (Test-time Compute), ne font essentiellement que prendre plus de temps pour réfléchir sur un brouillon (consommer plus de Tokens) ; les connexions de son réseau neuronal, ses « cellules cérébrales », restent statiques.
Mais ce qui a fuité de SSI cette fois, c'est une toute nouvelle architecture basée sur l'entraînement au moment du test (Test-Time Training, TTT).
Qu'est-ce que cela signifie ?
Lorsque ce modèle lit un long document que vous lui donnez, il ne se contente pas de le fourrer dans ses « notes » ; il « l'apprend » véritablement, produit des gradients de mise à jour, modifiant la structure de son propre cerveau.
Après la lecture, il est devenu une IA nouvelle, extrêmement légèrement modifiée mais évoluée.
Il n'a plus besoin d'une énorme fenêtre contextuelle, car ce qu'il a lu est devenu sa véritable « connaissance intériorisée ».
Il n'est plus limité par le monopole de la puissance de calcul du pré-entraînement ; un modèle petit, fin et capable de s'adapter et d'évoluer continuellement sur le terrain pourrait largement surpasser ces monstres massifs produits par des tonnes de calculs mais incapables de s'adapter.
L'industrie rivalise actuellement sur « combien de temps le modèle peut réfléchir », tandis qu'Ilya mise sur la capacité du modèle à « se modifier lui-même ».
La vision folle d'Ilya
En revenant sur les deux dernières années, l'état de SSI, « zéro produit, zéro article », a fait douter de son éventuel enlisement.
Mais si on relie la chronologie, on voit qu'Ilya a toujours joué un jeu plus vaste.
Ilya a transmis d'innombrables fois une idée centrale au public : l'ère du pré-entraînement (Pretraining) telle que nous la connaissons touche à sa fin.
Lors de la conférence NeurIPS 2024, il a fait cette prédiction stupéfiante.
En novembre 2025, dans le podcast de Dwarkesh Patel, il est allé plus loin : « Nous passons de l'ère du Scaling (Mise à l'échelle) à l'ère de la Recherche (Research). »
Ilya pense que toute l'industrie a été détournée par les deux mots « AGI » et « pré-entraînement ». Les humains ne naissent pas avec la connaissance.
La véritable superintelligence dans son esprit n'est pas une machine massive qui a mémorisé toutes les données du web à la sortie d'usine ; c'est un « génie de 15 ans extrêmement intelligent, d'une curiosité infinie ».
Cet enfant de 15 ans ne sait peut-être rien au début, mais si vous le placez dans n'importe quel poste, grâce à des essais, erreurs et apprentissages constants, il peut maîtriser rapidement la programmation, la médecine, le droit, voire n'importe quelle compétence inconnue.
Il explique ensuite : les humains eux-mêmes ne sont pas des AGI « prêts à tout à la sortie d'usine », mais dépendent d'un apprentissage continu (continual learning).
La véritable superintelligence devrait être pareille : le déploiement lui-même est un processus d'apprentissage, évoluant constamment grâce aux retours de la réalité, et non un « achèvement » après un pré-entraînement unique.
Cette vision détermine directement la stratégie de SSI : ne pas rechercher de produit à court terme, ne pas publier de modèle intermédiaire, viser uniquement « straight shot to safe superintelligence » (directement vers une superintelligence sûre), centrer la recherche sur l'apprentissage continu efficace et l'alignement.
Pour atteindre cet objectif, le « méta-apprentissage » (Meta-learning) est la seule solution – le modèle doit non seulement maîtriser des compétences, mais surtout maîtriser « la méthode pour acquérir des compétences ».
Cela explique parfaitement pourquoi SSI est si discret. Si vous construisez une nouvelle espèce bouleversant complètement le paradigme existant, vous n'irez pas faire étalage de blogs alors que le paradigme est encore en construction.
Mais la vérité finit toujours par éclater, les indices étaient déjà là.
En juillet 2024, les chercheurs Yu Sun et d'autres ont publié le premier article sur le TTT.
Le plus crucial est que le cofondateur de Stellar et investisseur de SSI, Jed McCaleb, a coécrit un article affirmant directement :
La modélisation linguistique à long contexte n'est pas du tout un problème d'architecture, mais un problème d'apprentissage continu !
Alignement des axes de recherche, implication directe des investisseurs dans la co-rédaction d'articles, puis les fuites actuelles, tous les indices pointent vers le même fait : SSI a transformé le TTT d'un concept académique de laboratoire en une véritable arme commerciale.
Conclusion : La seconde moitié de l'IA ne fait que commencer
Désormais, tous les regards se concentrent sur ce mois d'août.
Que ce soit une version bêta accessible uniquement à une poignée de geeks, ou un lancement public fracassant, si le premier modèle de SSI possède véritablement la capacité d'« entraînement au moment du test » et de « mise à jour en temps réel des poids », toute la logique de l'industrie de l'IA sera renversée.
Les barrières de puissance de calcul entassées dans les data centers des géants, les modèles économiques facturés au million de Tokens, voire les débats sur l'open-source des poids, subiront un coup dévastateur d'une dimension supérieure.
Cela prouve une chose : la course à l'IA n'est en aucun cas à l'étape finale où « l'argent et la puissance de calcul garantissent la victoire ». Les véritables bonds technologiques se cachent encore dans ces esprits d'élite qui osent défier le bon sens.
Cette fois-ci, Ilya Sutskever se retrouve à nouveau à un carrefour de l'Histoire. Autrefois, c'est une ligne de code de lui qui a fait renaître l'apprentissage profond ; aujourd'hui, c'est peut-être lui qui mettra fin de ses propres mains à « l'ère du pré-entraînement » des grands modèles.
Pensez-vous qu'Ilya puisse à nouveau atteindre le statut de légende ? Si l'IA peut vraiment « évoluer en étant utilisée », à quelle distance sommes-nous d'une perte totale de contrôle par l'humanité ?
Références :
https://x.com/hakmgpt/status/2091855200713638146
https://x.com/daniel_mac8/status/2091891607641440598
https://x.com/AndrewCurran_/status/2091890441465499995
https://x.com/martin_casado/status/2091650951736361073
https://aimidday.com/ssis-first-model-reportedly-trains-itself-while-it-thinks/
Cet article provient du compte WeChat officiel "新智元" (XinZhiYuan), auteur : ASI启示录 ; éditeur : 大卫 (David). Traduction.
