OpenAI lance “Deep Research”, propulsé par le modèle o3, représente une innovation technique remarquable dans notre domaine. Ayant passé des années à développer et évaluer des modèles similaires, je peux affirmer que la capacité à accomplir en 10 minutes le travail d’analyse qui prendrait plusieurs heures à un humain est véritablement impressionnante.
Intégration et Complexité Technique
L’intégration via un simple bouton dans ChatGPT masque une complexité technique considérable. La capacité de l’agent à naviguer, analyser et synthétiser des centaines de sources en ligne, tout en maintenant une traçabilité rigoureuse des citations, démontre une sophistication algorithmique exceptionnelle.
Accès et Ressources Computationnelles
Du point de vue technique, le choix de restreindre l’accès aux abonnés Pro avec une limite de 100 requêtes mensuelles est parfaitement logique, étant donné les ressources computationnelles massives requises par le modèle o3. Cette décision reflète les contraintes réelles de l’infrastructure ML sous-jacente.
Contexte Technologique et Risques
Cette évolution s’inscrit dans une course technologique fascinante, notamment face à DeepSeek. Les observations de Yoshua Bengio sur les implications potentielles du modèle o3 en termes de risques IA sont particulièrement pertinentes, surtout concernant ses performances en raisonnement abstrait.
Nécessité d’une Supervision Humaine
Néanmoins, je rejoins l’avis d’Andrew Rogoyski sur la nécessité d’une supervision humaine. En tant que développeur ML, je sais que même les systèmes les plus avancés nécessitent une validation experte de leurs résultats.
