Gemini 3 et Claude Opus 4.5 l’emportent sur le test time compute d’OpenAI

La thèse de Gary Marcus, qui dès 2024 annonçait que la course à la taille des LLM allait se heurter à des rendements décroissants, fait désormais consensus. Yann Le Cun, peut-être échaudé par l’échec de Llama 4, n’est que le plus récent converti à la thèse. Ilya Sutskever, cocréateur du deep learning et cofondateur d’OpenAI, puis de Safe Super Intelligence a rejoint le mouvement en début d’année. Même Marc Andreessen, cofondateur du VC a16z et grand « accélérationniste », a déclaré publiquement que les modèles d’IA semblent tous converger vers le même plafond de capacités. Mais cela n’empêche pas l’IA générative de progresser : même si OpenAI semble patiner, Gemini 3 Pro et Claude Opus 4.5, ouverts cette semaine et la précédente, présentent de réelles avancées.

GPT-5.1, TTC

Les données d’Epoch AI indiquent que les coûts d’entraînement des frontier models ont augmenté d’environ trois fois par an depuis 2020, mais les gains de performance ne suivent plus ce rythme exponentiel. Face à ces rendements décroissants du pré-entraînement, l’industrie pivote massivement vers le test-time compute scaling. En fin d’année dernière, OpenAI a constaté que la performance de son modèle o1 s’améliorait de manière cohérente avec plus de reinforcement learning (« train-time compute ») et plus de temps consacré à la réflexion (« test-time compute »). Le test‑time compute consiste ainsi à allouer du calcul à l’inférence : une étude du début d’année (Yixin Ji et al.) détaille les gains de performance, via l’échantillonnage supplémentaire, l’exploration d’arbres et l’auto‑vérification.

En allouant plus de temps de calcul aux problèmes difficiles, les modèles génèrent des chaînes de raisonnement intermédiaires, qui améliorent drastiquement la performance sur les tâches complexes. Cette approche offre un nouveau vecteur de scaling qui contourne partiellement les limitations du pré-entraînement. Les derniers modèles d’OpenAI, GPT-5 et GPT-5.1, introduisent un raisonnement adaptatif qui alloue dynamiquement le calcul d’inférence. Le modèle répond rapidement aux requêtes simples tout en consacrant plus de profondeur aux tâches complexes, une approche baptisée test-time compute scaling. 

GPT-5.1 offre un contexte de 128 000 tokens avec 128 000 tokens de sortie ; il présente une amélioration notable en termes d’adhésion aux instructions et un style de conversation plus naturel par rapport à GPT-5. L’architecture intègre des mécanismes de génération de chaînes de pensée qui permettent au modèle de générer des étapes de raisonnement intermédiaires, progressivement, pendant l’inférence. De quoi satisfaire le grand public, mais pas assez pour faire face à la concurrence de Google Gemini et, surtout, Claude d’Anthropic. 

Anthropic soutient son raisonnement B-to-B

Claude Opus 4.5 adopte une philosophie différente, privilégiant un moteur de raisonnement amélioré capable de gérer la planification multi-phase, les workflows d’exécution de code et le comportement d’agent autonome. Anthropic a développé un système qui maintient la cohérence du raisonnement sur des dizaines d’étapes sans dérive ni perte de contexte. Cela rend le modèle particulièrement adapté aux environnements d’entreprise nécessitant précision et fiabilité opérationnelle.

L’innovation majeure d’Opus 4.5 réside dans son paramètre d’effort, qui permet de contrôler le nombre de tokens que le modèle utilise lors de la réponse. Ce mécanisme offre un compromis entre exhaustivité de la réponse et efficacité en tokens, avec trois niveaux : l’analyse complexe maximale ; une approche équilibrée pour la production et des réponses plus rapides pour l’automatisation à haut volume.

Avec une fenêtre de contexte de 200 000 tokens et une limite de sortie de 64 000 jetons, Opus 4.5 se concentre sur la qualité du raisonnement plutôt que sur les contextes géants de Gemini, même Claude Sonnet 4.5 atteint désormais le million de tokens. Le modèle montre également des capacités améliorées d’utilisation d’ordinateur : zoom sur zone d’écran, recherche et appel de milliers d’outils, exemples d’usage pour réduire les erreurs de paramétrage. Couplé au paramètre effort, ce volet vise la robustesse dans des scénarios où l’IA modifie du code et opère un système. 

Gemini et la matrice creuse

Gemini 3 Pro adopte une architecture « sparse MoE transformer », qui marque une rupture avec les réseaux neuronaux « denses » traditionnels, où chaque neurone d’une couche est connecté à tous les neurones de la couche suivante. Cette conception permet au modèle d’activer uniquement un sous-ensemble d’experts pour chaque token d’entrée, découplant ainsi la capacité totale des paramètres du coût de calcul par token (la matrice, ou plutôt le tenseur ainsi créé, comprend de nombreuses cases vides : il est « creux », clairsemé, sparse). Google a implémenté un système de routage dynamique qui oriente chaque token vers les experts les plus pertinents, permettant une fenêtre de contexte d’1 million de tokens avec 64 000 tokens en sortie.

Gemini 3 capitalise sur sa multimodalité native : lecture de documents longs, vision scientifique, vidéo, avec des scores élevés sur MMMU‑Pro et Video‑MMMU. La fenêtre de contexte à 1 million soutient des intégrations d’agent capables d’absorber logs, specs et captures multimédias dans une même session. Mais l’innovation clé réside dans l’optimisation de ce routage sparse. Contrairement aux premières générations de MoE qui souffraient de déséquilibres et de goulots d’étranglement de communication, Gemini 3 Pro utilise des techniques telles que l’augmentation du ratio de couches d’attention locale versus globale et la réduction de la portée de l’attention locale. Ces ajustements permettent de gérer efficacement la mémoire KV-cache qui explose typiquement avec des contextes longs, un problème critique pour les applications multimodales.

Le modèle a été entraîné sur un corpus massif combinant données publiques web, code multilingue, images, audio, vidéo, ainsi que des données sous licence et synthétiques. Le post-training incorpore du fine-tuning multimodal par instructions et du reinforcement learning avec feedback humain et critique, spécifiquement pour améliorer le raisonnement multi-étapes, la résolution de problèmes et la preuve de théorèmes. 

Claudius imperator

Anthropic domine largement les benchmarks, du raisonnement abstrait et la capacité à raisonner à partir des connaissances humaines plutôt que la simple mémorisation (et donc pour la progression vers l’IA générale), jusqu’aux questions scientifiques et la culture générale. Pour ce qui est de générer du code informatique, qui est à la base de l’IA agentique, les résultats sont saisissants.

SWE-bench Verified, qui mesure la résolution réelle de bugs dans des dépôts GitHub réels, couronne Claude Opus 4.5 avec 80,9%, surpassant Gemini 3 Pro (76,2%) et GPT-5.1 (76,3%). Ce franchissement de la barre des 80% marque une étape significative vers le patching autonome fiable. Sur Terminal-Bench 2.0, qui teste la capacité à opérer un ordinateur via un terminal, Claude Opus 4.5 obtient 59,3%, devant Gemini 3 Pro (54,2%), GPT-5.1 (47,6%), et Gemini 2.5 Pro (32,6%). Il s’améliore de 15 points par rapport à Sonnet 4.5, ce qui devient particulièrement sensible lors de sessions de codage autonome de 30 minutes.

Gemini ne dépasse Claude, d’une tête, que pour les mathématiques avancées, le multilinguisme et la compréhension multimodale : Google garde une réelle avance en matière d’image et de vidéo. GPT-5.1 se voit généralement relégué à la troisième place des podiums. Souvent, juste avant les Chinois.

L’adoption des architectures MoE, inaugurées par GPT-4, s’élargit en effet. Qwen 2.5‑Max, modèle MoE propriétaire d’Alibaba, s’appuie sur plus de 20 000 milliards de tokens. Il vise des performances « near‑frontier » et revendique des premières places sur des tableaux récents de préférence humaine et de live benchmarks. 

Le Chat-GPT de Schrödinger

Rien de tout cela n’est susceptible de miner l’avance d’OpenAI dans le grand public, ni l’emprise de Nvidia sur le marché, même si les résultats de Gemini 3 ont fait changer d’avis sur la performance de puces de Google, les TPU. Mais s’il se confirme qu’OpenAI maîtrise moins bien la vague du test-time compute que ses deux rivaux, ce n’est pas la course à la puissance de calcul qu’elle a engagée qui la sauvera. 

Certaines projections d’Epoch AI suggèrent que si les tendances actuelles se maintiennent, d’ici 2027, les plus grands entraînements pourraient dépasser 1 milliard de dollars en coûts totaux incluant le calcul amorti, l’énergie, le matériel et les dépenses associées. Sans gains d’efficacité continus, obtenir des performances avancées pourrait finir à terme par nécessiter des millénaires d’entraînement ou des flottes de GPU irréalistes.

Cisco • General Agents • Google Deepmind • Harmonic • Humain • IBM • Luma • Meta • NDRC • Paradromics • Project Prometheus • Q-CTRL • Ribbit Capital • Riverlane • Rolls-Royce • Xanadu

• Prométhée se déchaîne • Project Prometheus, la startup d’IA co-dirigée par Jeff Bezos, vient de faire l’acquisition de General Agents, un laboratoire d’« agentic computing » fondé en 2024 par le chercheur Sherjil Ozair, issu de DeepMind et Tesla. L’opération apporte à Prometheus un « pilote d’ordinateur » temps réel capable d’exécuter à très grande vitesse des tâches complexes en contrôlant directement clavier et souris, baptisé Ace, ainsi qu’une partie de l’équipe de General Agents. À partir de ce noyau d’agents logiciels, Prometheus entend construire un laboratoire d’IA « pour l’économie physique », qui vise à appliquer l’IA à l’ingénierie et à la fabrication d’ordinateurs, de véhicules automobiles et de systèmes aérospatiaux et spatiaux. Fondée par Jeff Bezos et Vik Bajaj, ancien cadre de Google, Prometheus réunit déjà environ 100 spécialistes issus notamment d’OpenAI, DeepMind, Meta, Nvidia et Google, et dispose de 6,2 milliards de dollars de financements, dont une part importante vient de Bezos lui-même.
• Robots : la Chine s’inquiète d’une «bulle humanoïde » • L’agence chinoise de planification National Development and Reform Commission (NDRC) met en garde contre le risque d’une « bulle » dans le secteur des robots humanoïdes, en soulignant que plus de 150 sociétés sont aujourd’hui actives dans le domaine, souvent en concurrence féroce. Elle appelle ces entreprises à éviter de produire des machines trop similaires, au risque d’étouffer l’innovation et de sacrifier la recherche et le développement au profit de la vitesse ou de l’effet d’annonce. Le message des autorités chinoises constitue un signal clair, qui pourrait conduire à un resserrement du marché, à un recentrage des financements vers les technologies différenciantes, voire à des consolidations d’acteurs.
• Luma s’illumine dans un Halo saoudien • La startup californienne annonce une série C de 900 millions de dollars, dirigée par la société d’investissement saoudienne Humain, avec la participation AMD Ventures, Andreessen Horowitz, Amplify Partners et Matrix Partners. Le financement s’accompagne du lancement du projet Project Halo : un « super-cluster » IA de 2 gigawatts en Arabie saoudite, qui deviendra l’un des plus vastes centres de calcul au monde, destiné à entraîner des « World Models » multimodaux et d’alimenter l’initiative Humain Create, qui veut créer des modèles culturellement alignés pour le monde arabe. La technologie phare de Luma AI, Ray3 — présenté le premier modèle vidéo de « reasoning », en réalité un modèle de diffusion avec une surcouche pour préciser les prompts — est déployée notamment dans des produits d’Adobe. Grâce au nouveau financement, Luma AI ambitionne d’étendre ses applications aux domaines de la simulation, du design, de la robotique, de l’éducation personnalisée, du divertissement, du jeu vidéo et de la publicité.
• Les millions d’Aristote • Le laboratoire californien d’IA Harmonic, qui développe une « Super-intelligence mathématique » (MSI) incarnée par le modèle Aristotle (Aristote), vient de lever 120 M$ lors d’un tour de table de série C mené par Ribbit Capital, portant sa valorisation à 1,45 Md$. Aristote est capable de raisonner via des preuves formelles rédigées en Lean 4, offrant ainsi une vérification mathématique du raisonnement pour éliminer les hallucinations fréquentes des modèles génératifs. Les cas d’usage visés concernent les domaines où la rigueur et la certitude des calculs ou raisonnements sont essentielles – finance, assurance, aérospatial, santé, régulation – principalement pour la validation de modèles, la vérification de contrats, ou des calculs complexes. Selon la start-up, Aristote atteint des performances comparables à celles de médaillés d’or à l’Olympiade internationale de mathématiques, et l’accès à son API est déjà ouvert gratuitement aux chercheurs et mathématiciens.
• Nouvelle donne météo • Google DeepMind vient de dévoiler WeatherNext 2, une IA capable de générer des prévisions jusqu’à deux semaines sur des variables comme la température, la pression et le vent, avec une résolution horaire et une rapidité multipliée par 8 par rapport à la version précédente. Le modèle utilise une architecture dite « Functional Generative Network » (FGN), qui injecte du bruit pour générer des scénarios météo multiples à partir d’un seul point de départ. Grâce à cette approche, WeatherNext 2 est désormais utilisé dans des services tels que Gemini, Pixel Weather ou l’API météo de Google Maps Platform, et ses données sont accessibles via BigQuery, Earth Engine et la plateforme Vertex AI pour les entreprises. Le modèle devrait intéresser tout particulièrement les acteurs de l’énergie, de l’assurance, du transport maritime et de l’agriculture, qui recherchent des décisions plus précises face aux aléas climatiques.
• Quantique en boussole • Comme alternative au GPS, le Pentagone investira quelque 25 millions de dollars, dans les capteurs quantiques de Q-CTRL. Lors d’un vol test, ces capteurs ont permis de localiser l’avion avec une précision meilleure que celle d’un système inertiel classique, sans dérive dans le temps — environ 620 pieds d’erreur moyenne sur 80 milles. L’approche de Q-CTRL, baptisée « MagNav », combine un magnétomètre quantique avec un algorithme de “map-matching” : les mesures en temps réel sont comparées à une carte d’anomalies magnétiques pré-établie pour déterminer la position (Muradoglu et al., 2025). Dans un contexte de brouillage ou de falsification des signaux GPS – comme en Ukraine, où cela constitue une menace réelle pour les opérations militaires puis civiles – la navigation quantique offre une solution passive, non détectable, et insensible aux interférences externes.

• Internet quantique • IBM et Cisco viennent d’annoncer une collaboration destinée à bâtir un réseau d’ordinateurs quantiques tolérants aux erreurs, interconnectés sur longue distance, avec un déploiement à grande échelle d’ici le début des années 2030. IBM apporte son expertise en matériel quantique (processeurs quantiques tolérants aux pannes) tandis que Cisco fournit le savoir-faire réseau : des transducteurs micro-ondes/optique, des répéteurs quantiques, un empilement matériel et logiciel capable de préserver l’intrication des qubits à travers des liaisons cryogéniques et fibre optique, et des protocoles de synchronisation sub-nanoseconde. L’objectif est de permettre à plusieurs ordinateurs quantiques de fonctionner ensemble comme un seul super-ordinateur quantique distribué, capable de traiter des calculs sur des dizaines à centaines de milliers de qubits – ce qui ouvrirait des perspectives importantes en optimisation combinatoire, simulation de matériaux, chimie quantique, et autres applications inaccessibles à un seul QPU. Sans parler de l’enjeu cryptographique.

• Réacteur quantique • Le motoriste Rolls-Royce, et les start-up Xanadu et Riverlane viennent de clore un projet commun visant à appliquer le calcul quantique à la simulation des flux d’air dans les moteurs à réaction. En combinant les algorithmes quantiques de Xanadu et Riverlane, avec compilateur pour optimiser le workflow hybride, les partenaires ont réussi à ramener certains temps de pré-traitement et de prototypage – normalement mesurés en semaines – à moins d’une heure. Cette réduction, pouvant atteindre un facteur 1 000, ouvre la voie à des cycles d’itération beaucoup plus rapides dans la conception aérodynamique des moteurs. Le projet a été soutenu par un financement public conjoint du Canada et du Royaume-Uni.

• Paroles de puces • Paradromics vient de recevoir des autorités de santé américaine (FDA) une exemption pour un dispositif expérimental (IDE) autorisant une étude de faisabilité sur deux patients pour son interface cerveau‑machine implantable Connexus, destinée à restaurer la parole et le contrôle d’ordinateur chez des personnes paralysées. Le système associe un implant cortical à un boîtier thoracique qui relaie sans fil l’activité du cortex moteur vers un ordinateur externe, où des modèles de machine learning prédictifs décodent les signaux d’intention de parler en texte ou en voix de synthèse, avec un débit visé d’environ 60 mots par minute. L’essai doit documenter la sécurité, la durabilité de l’implant et la capacité à soutenir une communication et un usage informatique autonomes.
• Meta lorgne les TPU de Google • Le groupe Meta Platforms serait en pourparlers avancés avec Google pour acquérir des puces TPU – ou en louer via Google Cloud –, en vue de les déployer dans ses data centers à partir de 2027, avec une location possible dès 2026. Ce virage viserait à réduire la dépendance de Meta vis-à-vis de Nvidia, jusqu’ici principale fournisseur de GPU pour l’intelligence artificielle chez le géant des réseaux sociaux. La perspective d’un tel partenariat a fait bondir le cours de Bourse de Google.