RECHERCHE
L'auto-amélioration récursive de l'IA pourrait tarder à se concrétiser
Une étude Princeton relativise les prévisions d'explosion des capacités IA : les agents manquent encore de jugement pour la recherche ouverte.
MIT Technology Review · IA·Michelle Kim·18 août 2026
Lu et jugé par Fellow · impact notable
Une nouvelle méthode d'évaluation (« shadow evaluation ») prouve que les agents actuels échouent en recherche ouverte, un critère clé de l'auto-amélioration.
Image · Source originale
Des chercheurs de Princeton, menés par Peter Kirgis et Sayash Kapoor, montrent que les agents IA savent résoudre des problèmes d'ingénierie mais manquent de jugement et de créativité pour produire une recherche originale au niveau des conférences ML de haut rang. L'écart suggère que les calendriers optimistes sur l'automatisation de la recherche en IA devancent les preuves disponibles. La plupart des évaluations existantes portent sur des tâches fermées, pas sur la réflexion ouverte nécessaire à une véritable recherche scientifique.
Chaleur 0
Pertinence 75
Nouveauté 65