Le 28 septembre 2026, un groupe de vingt-deux chercheurs et dirigeants de laboratoires d'IA publie un document de travail dont le titre est une question : « What if automating AI R&D triggers an intelligence explosion ? » Traduit et décrypté ici pour les équipes d'entreprise, il part d'un fait empirique précis et en tire deux demandes concrètes aux gouvernements.
Ce papier n'est pas un appel au moratoire ni une prise de position idéologique. Il documente une trajectoire mesurable à l'intérieur même des grands laboratoires, formule un raisonnement sur ce qu'elle pourrait provoquer, et propose deux garde-fous institutionnels. Il fait partie de la série Frontier AI Working Paper, publiée par le Centre for the Governance of AI (GovAI) et le Centre for the Study of Existential Risk (CSER) de l'Université de Cambridge. Les auteurs principaux sont Alan Chan (GovAI) et Soren Mindermann (CASP, Cambridge).
Parmi les cosignataires : Geoffrey Hinton et Yoshua Bengio, lauréats du prix Turing 2018 reconnus comme les pères de l'apprentissage profond moderne. Mais aussi Jakub Pachocki, Chief Scientist d'OpenAI, Eric Horvitz, Chief Scientific Officer de Microsoft, et Jack Clark, cofondateur d'Anthropic. Ce ne sont pas des chercheurs retraités ni des figures marginales : ce sont des personnes qui pilotent ou ont fondé les principaux laboratoires d'IA en exercice.
Pour les entreprises qui expérimentent ou déploient des solutions d'automatisation basées sur l'IA, ce texte change plusieurs paramètres. Il documente une accélération interne qui est déjà en cours — pas hypothétique. Il prédit ce qu'elle pourrait devenir. Et il demande aux gouvernements de se doter de mécanismes capables de la ralentir si nécessaire. « La fenêtre pour agir pourrait se fermer », écrivent les auteurs.
De 1 % à 26 % : les faits documentés
La statistique centrale du papier vient d'une mesure interne chez Anthropic, partagée pour l'occasion par les co-auteurs : entre mars et août 2026, la part des tâches de recherche et développement en IA effectuées par des systèmes d'IA avec seulement une supervision légère est passée de 1 % à 26 %. Cinq mois. Un facteur vingt-six.
Pour mettre ce chiffre en contexte : en janvier 2025, la part du code approuvé en production chez Anthropic rédigé par des systèmes d'IA était dans les chiffres d'un seul chiffre. Elle dépasse 80 % en mai 2026. La tendance n'est pas linéaire — elle s'accélère.
Ces données concernent Anthropic, mais le papier indique clairement que la trajectoire est similaire chez les autres laboratoires de premier rang. Jakub Pachocki (OpenAI) et Eric Horvitz (Microsoft) figurent parmi les co-auteurs, ce qui indique qu'ils reconnaissent des dynamiques comparables dans leurs propres équipes — même si les chiffres précis d'OpenAI et Microsoft ne sont pas publiés dans le document.
Ce que cela signifie concrètement : les systèmes d'IA ne se contentent plus d'assister les chercheurs humains dans des tâches bien délimitées. Ils prennent en charge des cycles entiers de recherche — formulation d'hypothèses, expérimentation, analyse de résultats, proposition d'améliorations — avec seulement un regard humain de haut niveau. Et cette capacité progresse à un rythme qui surprend manifestement ceux qui la mesurent depuis l'intérieur.
Note de prudence : les chiffres Anthropic proviennent des co-auteurs du papier, non d'une publication auditée indépendamment. Le papier lui-même est un working paper, pas un article à comité de lecture. Il convient de le lire comme un document d'alerte fondé sur des données internes rapportées de bonne foi, pas comme une étude scientifique rigoureusement certifiée.
Qui a signé et pourquoi leur poids compte
Le poids d'un papier d'alerte dépend d'abord de qui le signe. Sur ce point, ce document est exceptionnel.
- Geoffrey Hinton — prix Turing 2018, pionnier des réseaux de neurones profonds, démissionné de Google en 2023 pour pouvoir parler librement des risques de l'IA. Sa présence dans ce type de papier est devenue un marqueur de crédibilité scientifique.
- Yoshua Bengio — prix Turing 2018, professeur à l'Université de Montréal, directeur de Mila. Il a co-présidé en juillet 2026 le premier panel scientifique mondial de l'ONU sur la gouvernance de l'IA, à Genève.
- Jakub Pachocki — Chief Scientist d'OpenAI, responsable de la direction de la recherche du laboratoire qui a produit GPT-6 et ses déclinaisons. Sa présence parmi les signataires est inédite : il s'agit du pilote de la recherche d'une entreprise en pleine accélération commerciale.
- Eric Horvitz — Chief Scientific Officer de Microsoft, groupe qui a investi des dizaines de milliards de dollars dans OpenAI. Il supervise l'ensemble de la stratégie de recherche IA du groupe.
- Jack Clark — cofondateur d'Anthropic avec Dario et Daniela Amodei. Ancien policy director d'OpenAI. Longtemps actif sur les questions de gouvernance IA.
Ce qui rend cette liste singulière : ce ne sont pas des chercheurs déconnectés des réalités industrielles ou des figures de l'effective altruism seuls. Pachocki et Horvitz sont au cœur des décisions qui accélèrent l'IA aujourd'hui. Leur signature indique qu'ils voient eux-mêmes une dynamique qui justifie, de leur point de vue, un cadre institutionnel de sécurité — même si leur propre laboratoire fait partie du problème décrit.
Le mécanisme : comment la parallélisation crée une explosion
Le raisonnement central du papier tient en une observation : l'IA peut être copiée et exécutée en parallèle à très grande échelle. Cette propriété n'existe pas pour les chercheurs humains.
Aujourd'hui, quelques milliers de chercheurs humains travaillent sur la recherche en IA de pointe dans le monde entier. Ces chercheurs ne peuvent pas être copiés. Ils ont besoin de sommeil, de formation initiale longue, de salaires, de locaux. La croissance du nombre de chercheurs humains est nécessairement lente — de l'ordre de quelques pourcents par an.
Les systèmes d'IA qui font de la recherche n'ont pas ces contraintes. Si un système d'IA peut effectuer 1 % du travail de recherche avec une supervision légère — comme c'était le cas en mars 2026 — on peut simplement l'exécuter en parallèle sur 100 clusters de serveurs et obtenir l'équivalent de plusieurs centaines de chercheurs additionnels. Si la proportion monte à 26 % — comme en août 2026 — l'équivalent devient des milliers.
Le mécanisme d'une explosion : si les systèmes d'IA atteignent un niveau suffisant pour améliorer significativement les systèmes d'IA suivants — autrement dit, pour faire de la recherche en IA sur l'IA de manière substantielle — et si chaque génération de modèles accélère la production de la génération suivante, alors la boucle se referme. La vitesse de progrès peut dépasser rapidement toute capacité de supervision humaine.
Le papier emprunte le terme d'« explosion de l'intelligence » à l'économiste I.J. Good (1965), qui avait théorisé la possibilité d'une machine capable de surpasser l'intelligence humaine dans toutes les tâches cognitives, en produisant des machines encore plus intelligentes dans une boucle auto-amplificatrice.
Ce que les auteurs ne disent pas : ils ne prédisent pas que cette explosion aura lieu. Ils documentent que les conditions structurelles pour qu'elle puisse se produire sont en train d'être réunies, et que la trajectoire actuelle — de 1 % à 26 % en cinq mois — pourrait atteindre des niveaux critiques avant que les gouvernements aient les mécanismes pour y répondre.
Les deux exigences concrètes
Le papier formule deux demandes concrètes aux gouvernements et régulateurs, distinctes des appels généraux à « réguler l'IA » :
1. Des auditeurs embarqués dans les laboratoires
Les auteurs demandent que des auditeurs indépendants disposent d'un accès en temps réel à l'intérieur des grands laboratoires d'IA — pas uniquement à leurs publications ou à leurs APIs, mais à leurs processus internes de recherche et développement. L'objectif est de détecter si et quand les systèmes d'IA franchissent des seuils critiques d'autonomie dans la production de recherche, avant qu'une réaction gouvernementale soit trop tardive.
Ce mécanisme est explicitement inspiré des inspections nucléaires, où des auditeurs externes disposent d'un accès aux installations. La demande est provocatrice pour l'industrie : elle implique une visibilité sur des processus que les laboratoires considèrent comme leur avantage concurrentiel principal.
2. La capacité technique de suspendre la recherche au niveau des centres de données
Les auteurs demandent que les gouvernements se dotent de la capacité technique et légale de suspendre des projets de recherche IA à très grande échelle, si les auditeurs concluaient à un risque critique. Concrètement, cela implique un accès possible aux infrastructures de calcul — les centres de données qui hébergent les entraînements de modèles.
Cette deuxième demande est plus controversée. Elle touche à la propriété privée des infrastructures. Elle est aussi conditionnelle : les auteurs ne demandent pas un frein permanent, mais l'existence d'un mécanisme d'urgence opérationnel — comparable à un coupe-circuit — que les gouvernements auraient la capacité d'activer s'ils en jugeaient la nécessité.
Ces deux demandes s'inscrivent dans un contexte réglementaire déjà actif en Europe. L'AI Act est en application depuis août 2026 et certaines de ses dispositions concernant les modèles à usage général (GPAI) vont précisément dans le sens d'une transparence accrue sur les processus de développement.
Ce que ça implique pour les équipes qui déploient des agents
Pour une entreprise qui déploie des outils internes basés sur des modèles d'IA ou des applications sur mesure connectées à des APIs de modèles, ce papier pose plusieurs questions pratiques qui méritent d'être intégrées dans vos décisions d'architecture.
La stabilité des interfaces fournisseurs
Si la trajectoire décrite dans le papier est exacte, les capacités des modèles que vous intégrez aujourd'hui pourraient évoluer à un rythme sans précédent dans les douze à dix-huit prochains mois. Les comportements de raisonnement, les politiques d'usage des APIs, les garde-fous intégrés peuvent changer. Concevoir des applications fortement dépendantes d'un comportement précis des modèles augmente un risque d'ingénierie non négligeable. La couche d'abstraction entre votre application et le modèle sous-jacent n'est pas seulement une bonne pratique — c'est une nécessité dans ce contexte.
La gouvernance de vos propres agents IA
Le papier documente un glissement de la supervision humaine dans les processus de R&D des grands laboratoires. Ce glissement peut exister aussi dans les entreprises qui déploient des agents IA internes. Si vos processus d'automatisation confient à un agent le soin de « faire de la recherche », « analyser des données » ou « proposer des optimisations » — et que la supervision humaine réelle se réduit progressivement par habitude ou manque de temps — vous êtes face à la même dynamique, à plus petite échelle.
La recommandation pratique est de définir explicitement, dans vos processus de déploiement d'agents IA, ce que signifie concrètement « supervision légère » versus « supervision effective » — et de ne pas laisser ce curseur glisser sans décision explicite de votre équipe.
Le signal pour vos politiques IA d'entreprise
Un DSI qui peut montrer que sa gouvernance des agents IA est explicite, documentée et cohérente avec les obligations de l'AI Act est mieux positionné si les régulateurs amplifient leurs exigences dans les mois à venir. Ce papier, cosigné par les dirigeants des principaux laboratoires, envoie un signal fort aux régulateurs européens : les acteurs eux-mêmes reconnaissent qu'une supervision institutionnelle est nécessaire. Il est probable que les demandes de transparence sur les processus d'automatisation IA se renforcent.
Ce papier n'est pas une raison de ralentir vos projets IA. C'est une invitation à les gouverner avec la même rigueur que vous attendez de vos fournisseurs. Si vous souhaitez une évaluation de votre posture de gouvernance IA, notre équipe peut vous accompagner — prenez contact avec nous.
FAQ — Le 28 septembre, Hinton, Bengio et les chefs scientifiques des labs documentent 26 % de R&D IA autonome — mécanisme d'une possible explosion et deux exigences aux gouvernements
Qu'est-ce qu'une « explosion de l'intelligence » au sens du papier ?
Le terme désigne un scénario où les systèmes d'IA deviennent suffisamment capables pour améliorer significativement la prochaine génération de systèmes d'IA, créant une boucle auto-amplificatrice. Chaque génération accélère la production de la suivante. Le concept est emprunté à l'économiste I.J. Good (1965). Les auteurs ne prédisent pas que ce scénario est inévitable — ils documentent que les conditions structurelles pour qu'il se produise commencent à être réunies.
Ce papier demande-t-il d'arrêter le développement de l'IA ?
Non. Les auteurs ne demandent ni moratoire ni arrêt. Ils formulent deux demandes institutionnelles précises : des auditeurs embarqués dans les laboratoires pour mesurer en temps réel le niveau d'autonomie des systèmes IA dans la R&D, et la capacité technique pour les gouvernements de suspendre des projets à très grande échelle si une situation d'urgence était identifiée. C'est un filet de sécurité, pas un frein permanent.
Quelle est la différence entre ce papier et l'accord Superintelligence signé à la Maison-Blanche le 29 septembre 2026 ?
Les deux événements se sont produits à un jour d'intervalle, mais ils sont de nature très différente. L'accord Maison-Blanche du 29 septembre est un engagement politique volontaire signé par six entreprises (OpenAI, Anthropic, Google, Microsoft, Meta, Amazon), sans contrainte légale. Le papier du 28 septembre est un document académique de recherche qui formule des demandes aux gouvernements, pas aux entreprises. Les signataires du papier agissent en tant que chercheurs, pas en tant que représentants de leurs entreprises.
Les données sur les 26 % de R&D IA autonome sont-elles vérifiables de façon indépendante ?
Non, pas à ce stade. Les chiffres proviennent d'Anthropic, rapportés par ses propres dirigeants dans le papier. Ce n'est pas une étude publiée avec comité de lecture ni un audit externe. Le papier lui-même est classé « working paper ». Les auteurs présentent ces données comme des faits internes de bonne foi, et le fait que des dirigeants d'OpenAI et Microsoft cosignent le papier renforce la crédibilité des tendances décrites — mais une vérification indépendante reste à faire.
Ce papier a-t-il une valeur légale ou réglementaire directe pour les entreprises européennes ?
Non, pas en lui-même. C'est un document de recherche académique, pas un acte réglementaire. Cependant, il est susceptible d'influencer les futures orientations de la Commission européenne sur l'AI Act, notamment sur les obligations de transparence des fournisseurs de modèles à usage général (GPAI). Pour les entreprises françaises soumises à l'AI Act depuis août 2026, il s'agit davantage d'un signal d'orientation sur la direction probable de la réglementation que d'une contrainte opérationnelle immédiate.
Faut-il revoir les contrats avec les fournisseurs de modèles IA à la lumière de ce papier ?
Ce papier suggère que les capacités des modèles IA pourraient évoluer très rapidement dans les mois à venir. Si vous avez des contrats API qui supposent une stabilité de comportement ou de performance, il est raisonnable de vérifier que vos clauses SLA et vos mécanismes d'abstraction applicative sont suffisamment flexibles. Ce n'est pas une urgence, mais c'est un critère de conception à intégrer dans les nouvelles intégrations.