IA auto-améliorante dès 2027 : Jack Clark revoit sa prédiction à la hausse, et les chiffres donnent de l'épaisseur à cette thèse
Le co-fondateur d'Anthropic ne parle plus de demain de façon abstraite. Il donne une date, un mécanisme, et un benchmark pour appuyer son raisonnement. Pour les entreprises qui misent sur l'IA dans leurs processus, il serait dommage de rater ce tournant.
Pourquoi cette prédiction mérite votre attention aujourd'hui
Il y a une différence entre une prédiction lancée en l'air lors d'une conférence et une révision de calendrier basée sur des données mesurables. Ce que vient de faire Jack Clark, co-fondateur d'Anthropic, appartient à la seconde catégorie. Il a avancé son estimation d'arrivée d'une IA à amélioration récursive auto-suffisante — ce que les spécialistes appellent le RSI, ou Recursive Self-Improvement — à l'horizon 2027.
Ce n'est pas un chiffre sorti du chapeau. Il s'appuie sur le nouveau benchmark TasteVal, développé par le laboratoire P-Zero Research, et sur une progression des capacités de l'IA qui, franchement, va vite. Très vite.
Pour les professionnels qui construisent dès maintenant leurs workflows autour de l'automatisation par IA, comprendre ce que signifie concrètement le RSI — et pourquoi les signaux actuels pointent dans cette direction — n'est plus optionnel. C'est une question de stratégie d'entreprise.
RSI : de quoi parle-t-on exactement ?
Le terme RSI — Recursive Self-Improvement — désigne la capacité d'un système d'IA à améliorer lui-même ses propres performances, de façon autonome et en boucle, sans intervention humaine significative à chaque itération. En d'autres termes : une IA qui se rend elle-même plus intelligente, de manière autonome, et qui recommence.
Jusqu'ici, ce concept relevait surtout de la théorie et des discussions de chercheurs en sécurité de l'IA. Ce qui change aujourd'hui, c'est qu'on dispose pour la première fois d'un outil de mesure concret pour suivre l'évolution des capacités qui rendent le RSI possible.
Ce benchmark, c'est TasteVal. Et ses résultats sont pour le moins éloquents.
TasteVal : le benchmark qui change la conversation
Créé par le lab P-Zero Research, TasteVal mesure quelque chose de précis : la capacité d'un modèle d'IA à concevoir et interpréter ses propres expériences scientifiques. Ce n'est pas un test de QI, ni un concours de génération de texte. C'est une évaluation de la compétence à faire de la recherche autonome — concevoir une hypothèse, structurer une expérience, analyser les résultats, en tirer des conclusions.
Les résultats depuis décembre 2025 sont saisissants :
| Indicateur | Valeur |
|---|---|
| Rythme de doublement des capacités TasteVal | Tous les 3 mois depuis décembre 2025 |
| Comparaison avec les experts humains | Le meilleur modèle surpasse déjà 24 experts humains |
| Coût comparatif | Une fraction du coût d'un expert humain |
| Part de l'IA en R&D légèrement supervisée (mars → août 2026) | De 1 % à 26 % |
Ce dernier chiffre est particulièrement révélateur. En cinq mois, la part de l'IA dans les travaux de recherche et développement nécessitant seulement une supervision légère a été multipliée par 26. Ce n'est pas une progression linéaire. C'est une accélération.
Pour en savoir plus sur les détails du benchmark TasteVal et ses implications, vous pouvez consulter l'analyse complète publiée sur TechTimes.
Ce que Jack Clark dit exactement — et pourquoi c'est différent
Jack Clark n'est pas un commentateur extérieur au secteur. Il a co-fondé Anthropic, l'un des laboratoires d'IA les plus sérieux du moment. Quand il révise sa prédiction sur le RSI et avance la date à 2027, c'est qu'il dispose d'informations internes, de données de terrain et d'une vision des capacités actuelles des modèles que peu de personnes ont.
"La vitesse à laquelle les capacités d'auto-recherche progressent dans les modèles actuels nous oblige à revoir nos estimations temporelles."
Ce que Clark souligne, c'est que la progression mesurée par TasteVal n'est pas anodine. La capacité à concevoir et interpréter des expériences scientifiques de manière autonome est précisément le type de compétence qui, combinée à d'autres, ouvre la voie à un cycle d'auto-amélioration. Un modèle capable de structurer une expérience scientifique peut potentiellement structurer une expérience sur lui-même.
La source complète de cette déclaration et du raisonnement de Clark est disponible sur The Decoder.
La courbe qui doit alerter les décideurs
Le doublement tous les trois mois des capacités mesurées par TasteVal est un signal structurel, pas un artefact. Rappelons le contexte : en décembre 2025, ces capacités étaient encore embryonnaires. En octobre 2026, le meilleur modèle dépasse 24 experts humains sur des tâches de conception expérimentale. Si la trajectoire se maintient même partiellement jusqu'en 2027, la barre du RSI autonome devient plausible.
Parallèlement, la percée des 26 % en R&D légèrement supervisée entre mars et août 2026 montre que ce n'est plus un phénomène de laboratoire. Les modèles entrent dans des pipelines de travail réels, produisent des résultats utilisables, et le font avec une supervision humaine réduite. Les entreprises qui testent déjà ces approches le confirment dans leurs retours d'expérience.
Ce glissement progressif de la supervision vers l'autonomie, c'est exactement ce que les équipes R&D, les directions techniques et les responsables de l'innovation doivent suivre de près.
Ce que ça change pour votre entreprise
Si vous intégrez déjà l'IA dans vos processus — automatisation de workflows, analyse de données, recherche documentaire, support client — voici ce que la trajectoire décrite ci-dessus implique concrètement pour vous :
- Vos investissements en automatisation vont gagner en autonomie plus vite que prévu. Les tâches qui nécessitent aujourd'hui une validation humaine systématique pourraient être traitées en supervision légère d'ici 12 à 18 mois.
- La R&D interne est directement concernée. Si votre entreprise conduit des cycles d'expérimentation ou de test — produit, marketing, opérations — la capacité des modèles à structurer ces cycles de façon autonome va changer la composition de vos équipes projets.
- Le coût de l'expertise va continuer de se comprimer. Un modèle qui surpasse 24 experts humains sur des tâches de recherche à une fraction du coût, c'est une réalité économique que les DAF et les directeurs opérationnels ne pourront pas ignorer longtemps.
- La gouvernance de vos systèmes IA doit évoluer maintenant. Avant que les modèles n'atteignent un niveau d'autonomie RSI, définir vos lignes de supervision et vos politiques d'usage devient un avantage compétitif, pas seulement une obligation réglementaire.
- Le benchmark TasteVal devient un indicateur à suivre. Si vous pilotez une roadmap IA, intégrer ce type de mesure dans votre veille technologique vous donnera un avantage d'anticipation sur vos concurrents moins attentifs à ces signaux.
Un mot sur la prudence nécessaire
Prendre cette prédiction au sérieux ne veut pas dire la traiter comme une certitude. L'histoire des prévisions en IA est jalonnée de délais sous-estimés et de caps franchis plus tard que prévu. Jack Clark lui-même a revu sa date — dans ce cas, en l'avançant, ce qui est plus rare.
Ce qui est notable, c'est que sa révision s'appuie sur des données mesurables et publiques, pas sur une intuition. TasteVal existe. Les chiffres de progression existent. La percée des 26 % en R&D supervisée existe. Ce sont des faits vérifiables, pas des projections spéculatives.
La prudence ne consiste pas à ignorer ces signaux. Elle consiste à les intégrer dans votre stratégie avec discernement — ni panique, ni inertie.
Ce que cela révèle sur l'état du secteur
Au-delà de la prédiction de Clark, ce qui est frappant dans cet ensemble d'informations, c'est la vitesse à laquelle les outils de mesure eux-mêmes apparaissent. TasteVal n'existait pas avant 2026. Le fait qu'un laboratoire comme P-Zero Research ait conçu un benchmark spécifiquement pour mesurer les capacités de conception expérimentale autonome montre que le secteur se structure autour de cette question.
On ne parle plus seulement de modèles qui génèrent du texte ou analysent des données existantes. On parle de modèles capables de produire de nouvelles connaissances de façon autonome. C'est un changement de nature, pas seulement de degré.
Pour les entreprises technologiques, les cabinets de conseil, les équipes produit et les directions de l'innovation, ce changement de nature est exactement le type de rupture qui redessine les avantages compétitifs. Ceux qui l'auront anticipé auront une longueur d'avance sur la structuration de leurs équipes et de leurs processus.
FAQ — Vos questions sur le RSI et les prédictions de Jack Clark
Qu'est-ce que le RSI (Recursive Self-Improvement) et pourquoi est-ce un cap important ?
Le RSI désigne la capacité d'une IA à s'améliorer elle-même de manière autonome et en boucle, sans intervention humaine à chaque étape. C'est un cap important car une fois ce seuil franchi, la vitesse d'amélioration du système n'est plus limitée par le rythme de travail des équipes humaines qui le développent. Cela change fondamentalement la dynamique de progression des capacités des modèles — et donc l'ensemble des équilibres économiques et compétitifs liés à l'IA.
Le benchmark TasteVal est-il reconnu dans l'industrie ou s'agit-il d'un outil marginal ?
TasteVal est récent — il a été développé par P-Zero Research en 2026 — mais sa méthodologie répond à un besoin réel que les benchmarks existants ne couvraient pas : mesurer la capacité à concevoir et interpréter des expériences scientifiques de façon autonome. Sa reconnaissance dans l'industrie est en cours de construction. Le fait que Jack Clark, co-fondateur d'Anthropic, s'appuie explicitement sur ses résultats pour réviser une prédiction majeure lui confère déjà une crédibilité significative dans les cercles de recherche en IA.
Comment une PME ou une ETI doit-elle se préparer à l'arrivée du RSI sans sur-investir dans l'incertain ?
La bonne approche n'est pas d'attendre 2027 pour agir, ni de tout restructurer immédiatement. Elle consiste à construire dès maintenant une culture de supervision intelligente de l'IA — former vos équipes à auditer les outputs de l'IA, à définir des règles claires sur les décisions qui restent humaines, et à documenter vos workflows actuels pour identifier rapidement lesquels bénéficieront le plus d'une automatisation accrue. Ce socle de gouvernance vous donnera la flexibilité d'adapter rapidement votre organisation lorsque les capacités des modèles franchiront les seuils qui changent la donne.
2027 est demain. La question n'est pas de savoir si vous serez prêt à accueillir une IA qui s'améliore elle-même, mais de savoir ce que vous aurez mis en place d'ici là pour que cette autonomie travaille dans le sens de votre organisation — et pas à côté d'elle.