Les labos IA réduisent à 44 jours les sorties de modèles…
Les indicateurs internes chez Anthropic et OpenAI montrent une automatisation qui réduit les fenêtres de sécurité et augmente le risque de politique et de sécurité.
Les principaux laboratoires d'IA américains et chinois ont réduit l'intervalle moyen entre les sorties de modèles haute performance à 44 jours depuis avril 2026, contre 125 jours entre janvier 2023 et mars 2026.
Ce changement est entraîné par des agents d'IA qui effectuent une plus grande partie du travail de construction des modèles de nouvelle génération, resserrant les délais de vérification de la sécurité dans une course compétitive qui peut déborder sur les marchés à risque.
De 125 jours à 44 : Le nouveau tempo de sortie des modèles dans les laboratoires américains et chinois
Une enquête sur les sorties de modèles haute performance couvrant cinq entreprises américaines d'IA et quatre entreprises chinoises a révélé que l'intervalle moyen de sortie est tombé à 44 jours d'avril 2026 à septembre 2026, contre 125 jours de janvier 2023 à mars 2026. L'ensemble comprenait des laboratoires américains tels qu'Anthropic et OpenAI et des entreprises basées en Chine, y compris Alibaba Group et Moonshot AI.
La cadence n'est plus une moyenne abstraite. Début septembre a fourni un exemple groupé : Anthropic a dévoilé "Claude Fable 5.1" le 1er septembre, Google a lancé "Gemini 3.8 Flash" le 2 septembre, et OpenAI a sorti "GPT-6 Astra" le 3 septembre. La sortie de Google du 2 septembre a été décrite comme le troisième modèle Flash en six semaines.
Le même schéma apparaît comme un calendrier de base plutôt qu'un sprint ponctuel. Meta met à jour son modèle "Muse Spark" chaque mois depuis juillet, et DeepSeek, basé en Chine, a publié de nouvelles versions chaque mois depuis juillet, avec Alibaba et Zhipu AI décrits comme rejoignant la course aux sorties plus rapides.
Pour les marchés, le mécanisme qui compte n'est pas seulement "plus de modèles". Un cycle de 44 jours signifie moins de temps pour les tests externes, moins de temps pour que les intégrateurs en aval renforcent les déploiements, et des moments plus fréquents où des différends en matière de politique, de sécurité ou de sûreté peuvent devenir des catalyseurs à court terme.
IA construisant de l'IA : Métriques d'automatisation de la R&D interne chez Anthropic et OpenAI
Le moteur décrit pour le cycle compressé est un passage de l'IA en tant qu'assistant de codage à l'IA en tant qu'exécuteur de R&D.Les agents d'IAsont utilisés pour mener des expériences, gérer des boucles d'évaluation et analyser des résultats, ce qui permet aux laboratoires de paralléliser un travail qui était auparavant bloqué par l'attention humaine.
Le rapport d'Anthropic du 17 septembre a indiqué que Claude était responsable de 26 % des tâches de R&D en IA de l'entreprise le mois dernier, contre 0 % en février 2026. Anthropic a également déclaré, textuellement, "Claude n'opère pas encore de manière totalement autonome."
Le rapport a présenté cette mesure comme un moyen d'évaluer la proximité de l'auto-amélioration récursive, ce qui signifie un système itérant sur sa propre conception ou son processus de formation d'une manière qui peut accélérer les gains de capacité sans supervision humaine proportionnelle.
Les métriques internes d'OpenAI dans le document vont dans la même direction, mais avec un proxy différent : le travail et les dépenses. Le mois dernier, les agents IA de l'organisation de recherche d'OpenAI ont enregistré un total d'heures de travail équivalent à 3,1 fois le travail quotidien des chercheurs humains.
Les dépenses en jetons IA par chercheur d'OpenAI, une mesure du coût d'utilisation liée à la quantité de sortie de modèle consommée par les chercheurs, sont passées d'environ 1 $ par jour pour un chercheur typique en février 2026 à plus de 600 $ par jour le mois dernier, avec les 10 % supérieurs dépassant 7 000 $ par jour.
Les indicateurs du côté de la production ont évolué avec cela. Le document indique que le volume de code de programmation écrit chez OpenAI le mois dernier a augmenté pour atteindre sept fois la moyenne de l'année dernière, tandis que le code d'Anthropic adopté dans des produits réels au T2 a atteint huit fois la moyenne de 2021 à 2025.
C'est ce à quoi ressemble "l'IA construisant l'IA" opérationnellement : plus de tentatives parallèles, une itération plus rapide et moins de temps mort entre les sauts de capacité.
Les fenêtres de sécurité se rétrécissent alors que la concurrence se transforme en un "dilemme du prisonnier".
La préoccupation en matière de sécurité est simple : si la vitesse d'itération augmente, le temps disponible pour que les humains comprennent le comportement du modèle et vérifient la sécurité se réduit. Le document lie cela à la peur que l'auto-amélioration récursive déclenche une "explosion d'intelligence", une augmentation hypothétique incontrôlable de la capacité qui dépasse le contrôle et la gouvernance humains.
Le risque de sécurité se resserre selon sa propre courbe. L'Institut britannique de la sécurité de l'IA a estimé en novembre 2025 que le temps de doublement pour la durée des tâches de cyberattaque que l'IA peut effectuer était d'environ huit mois.
En février 2026, l'institut a estimé que ce temps de doublement avait été réduit à 4,7 mois, ce qui implique une amélioration plus rapide de la capacité offensive et une fenêtre plus étroite pour l'adaptation défensive.
Le problème réside dans les incitations. L'environnement concurrentiel est décrit comme un "dilemme du prisonnier", où chaque laboratoire a des raisons de continuer à courir même si tous seraient plus en sécurité en ralentissant, car une décélération unilatérale risque de perdre du terrain.
Le document inclut également un point de données sur la pression concurrentielle non vérifié : il cite Reuters disant qu'Anthropic envisage d'accélérer le lancement de son prochain modèle pour contrer Astra d'OpenAI avant une introduction en bourse.
Les signaux à court terme qui confirmeraient le régime de 44 jours sont concrets. Des changements de calendrier confirmés pour la prochaine sortie d'Anthropic montreraient si "envisager l'accélération" devient un véritable mouvement de calendrier.
Les mises à jour des métriques d'intensité d'automatisation interne, y compris si le multiple d'heures d'agent de 3,1x d'OpenAI se maintient ou augmente et si les dépenses typiques en jetons par chercheur restent au-dessus de 600 $ par jour, indiqueraient si l'accélération se stabilise ou est encore en cours d'augmentation.
De nouvelles évaluations de capacité cybernétique de l'Institut britannique de la sécurité de l'IA ou de pairs qui prolongent l'estimation de huit mois à 4,7 mois seraient également importantes, car c'est le type de courbe de risque externe sur lequel les régulateurs et les acheteurs d'entreprise peuvent s'ancrer.
Mon avis : Des cycles plus rapides augmentent la probabilité d'événements de risque soudains que les traders ne peuvent ignorer.
La partie qui décide cela est de savoir si le rythme de 44 jours est un cluster de lancement temporaire ou un nouveau rythme opérationnel dicté par l'automatisation.
La part de 26 % de R&D dirigée par l'IA d'Anthropic et le multiple d'heures d'agent de 3,1x d'OpenAI ressemblent à un changement de paradigme dans la quantité de travail exécuté par des machines, et non seulement assisté, et ce type de débit tend à comprimer le temps de vérification même si les budgets de sécurité augmentent.
Le seuil qui importe est de savoir si les laboratoires continuent de publier des indicateurs montrant que l'intensité de l'automatisation reste élevée tandis que les sorties continuent de se regrouper dans des délais de jours ou de semaines.
Si cela se maintient, la configuration commence à sembler structurelle plutôt que guidée par le récit, et la conséquence pratique est une fréquence plus élevée de chocs politiques et de sécurité qui peuvent se répercuter sur une tarification des risques plus large.
