JS Denain tempère le doublement mensuel de Codex

Un débat public Le 22 septembre 2026, le podcast Interconnects a publié un épisode avec Jean-Stanislas « JS » Denain, chercheur senior chez Epoch AI. Il dirige l’équipe Insights de l’organisation. L’entretien avec Nathan Lambert porte sur l’accélération de la recherche en IA, l’écart entre les États-Unis et la Chine, la robotique et les risques existentiels. Denain distingue les observations actuelles des scénarios plus rapides. Il estime que les publications d’OpenAI et d’Anthropic ne constituent pas une preuve solide d’une accélération auto-entretenue imminente. L’épisode complet est disponible sur Interconnects et dans le profil de JS Denain chez Epoch AI.

Les signaux restent partiels OpenAI a signalé une hausse mensuelle d’un facteur deux des dépenses Codex réalisées par ses chercheurs. Denain considère cette évolution comme un indice d’une valeur importante produite par l’outil. Il refuse toutefois d’y voir une preuve d’une explosion de l’intelligence logicielle dans les six mois. Les dépenses Codex d’autres équipes d’OpenAI ont fortement augmenté au printemps, puis ont plafonné durant l’été. Celles des chercheurs, de l’équipe de données et des ingénieurs ont continué de progresser. Denain souligne aussi que les laboratoires peuvent suivre des indicateurs internes différents. Ces indicateurs pourraient concerner les gains de calcul ou les performances des équipes de pré-entraînement.

Les chercheurs gagnent du temps

La productivité a plusieurs niveaux L’entretien distingue la vitesse d’exécution d’une expérience et la progression globale d’un laboratoire. Un chercheur peut réaliser certaines tâches dix fois plus vite sans que l’entreprise avance dix fois plus rapidement. Les ressources de calcul peuvent devenir un goulot d’étranglement. D’autres contraintes peuvent aussi limiter le rythme d’Anthropic ou d’un autre laboratoire. Denain évoque également l’écart entre la productivité d’un chercheur médian et celle de l’ensemble des chercheurs. Nathan Lambert compare cette situation aux doctorants juniors. Ceux-ci pourraient produire davantage, tandis que l’agenda scientifique de leur directeur progresserait moins vite.

Les capacités structurent le désaccord Denain relie une grande partie des divergences aux attentes concernant l’ampleur et la rapidité des capacités des systèmes d’IA. Il estime que les scénarios les plus rapides impliquent l’automatisation de la recherche en IA. Ils supposent aussi des progrès importants en robotique et une expansion industrielle. Des systèmes capables de gérer des usines pourraient, selon ce scénario discuté, accélérer la production scientifique. Denain ajoute que l’intelligence générale ne suffit pas nécessairement. Les systèmes devraient aussi gérer des projets efficacement et utiliser leurs possibilités d’action avec discernement. Les contraintes matérielles resteraient déterminantes.

La robotique reste déterminante

Les risques restent incertains Denain se dit très incertain sur le risque existentiel lié à l’IA. Il juge néanmoins raisonnable de considérer un risque d’au moins 10 % sur une période d’une décennie, en reprenant une estimation associée à Evan Hubinger. Il relie principalement les désaccords aux attentes sur les capacités futures des systèmes. D’autres facteurs interviennent toutefois, notamment la diffusion des technologies et leur alignement. L’entretien ne présente donc pas les premiers indicateurs d’usage comme une confirmation d’un scénario extrême. Il les traite comme des éléments à suivre, tandis que le calendrier d’une boucle d’accélération reste discuté.