GPT-4 : l'IA franchit un cap de fiabilité et devient multimodale

Le 14 mars 2023, un peu plus de trois mois après le lancement de ChatGPT, OpenAI présentait GPT-4 : un grand modèle qui, pour la première fois dans cette lignée, ne se contentait plus de lire du texte mais savait aussi analyser une image. Le laboratoire ne le vendait pas comme une révolution spectaculaire, mais comme un pas de plus, mesuré et documenté, vers un système « plus fiable, plus créatif et capable de suivre des consignes bien plus nuancées » que son prédécesseur. Ce jour-là, la conversation avec une machine changeait de dimension : elle pouvait désormais s'appuyer sur ce que l'on écrit autant que sur ce que l'on montre. Cet article revient sur ce moment précis, sur ce qui l'a préparé, et sur ce que la sortie de GPT-4 pourrait rendre possible dans les mois à venir.

L'idée qu'un assistant puisse commenter une photographie, décrypter un graphique ou lire le tableau d'un rapport relevait, il y a peu encore, de la démonstration de laboratoire. Ce qui change aujourd'hui masque, comme souvent, un basculement plus profond. Jusqu'à cette annonce, les modèles grand public d'OpenAI restaient cantonnés au texte : on leur écrivait, ils répondaient par écrit. GPT-4 ouvre une porte supplémentaire, celle de la vision, tout en resserrant nettement la qualité et la constance des réponses. Comprendre ce cap éclaire la manière dont ces outils sont en train de passer d'une curiosité conversationnelle à des instruments de travail utilisables au quotidien.

Un mot de méthode avant d'entrer dans le détail. Autour de GPT-4 circulent beaucoup d'affirmations, dont certaines invérifiables. Les dates, les capacités et les chiffres présentés ici proviennent de l'annonce officielle d'OpenAI, du rapport technique publié sur l'archive scientifique arXiv, de la presse technologique reconnue et des pages de référence encyclopédiques. Point essentiel : OpenAI a choisi de ne pas divulguer la taille du modèle ni les données de son entraînement. Ce silence assumé sera dit clairement, car il fait partie de l'histoire. Et les scores d'examens souvent cités sont ceux rapportés par OpenAI elle-même : ils sont présentés ici comme des résultats annoncés, à lire avec le recul qui s'impose.

Ce que c'était : un modèle qui lit le texte et l'image

Le 14 mars 2023, OpenAI publie une annonce et, simultanément, un document baptisé « GPT-4 Technical Report ». Le message central tient en une phrase : GPT-4 est, selon les termes du rapport, « un grand modèle multimodal capable d'accepter des entrées image et texte et de produire des sorties texte ». Concrètement, on peut lui soumettre une consigne écrite accompagnée d'une image, et il raisonne sur les deux. Cette aptitude visuelle constitue la nouveauté la plus visible par rapport à GPT-3.5, le modèle qui animait alors ChatGPT.

Sur le plan de l'usage courant, l'autre progrès tient à la constance. OpenAI le formule sans emphase : la différence entre GPT-4 et son prédécesseur devient sensible « lorsque la complexité de la tâche atteint un seuil suffisant ». Pour une question simple, les deux modèles se valent souvent ; pour une consigne longue, à plusieurs contraintes, ou exigeant un raisonnement en plusieurs étapes, GPT-4 tient mieux la route. Le laboratoire résume l'ensemble par trois qualificatifs : le modèle est « plus fiable, plus créatif et capable de gérer des instructions bien plus nuancées » que GPT-3.5.

Nous avons créé GPT-4, la dernière étape des efforts d'OpenAI pour faire monter en échelle l'apprentissage profond. GPT-4 est un grand modèle multimodal capable d'accepter des entrées image et texte et de produire des sorties texte.
— OpenAI, rapport technique GPT-4, 14 mars 2023

La vision, une capacité introduite avec prudence

L'analyse d'images n'a pas été ouverte à tout le monde le premier jour. OpenAI a d'abord éprouvé cette fonction avec un partenaire unique, l'application Be My Eyes, qui met en relation des personnes malvoyantes avec des volontaires pour décrire leur environnement. L'idée : confier à GPT-4 le soin de décrire une scène, de lire une étiquette ou d'aider à s'orienter à partir d'une photo prise par l'utilisateur. Ce choix d'un déploiement progressif, sur un cas d'usage à forte valeur d'accessibilité, illustre une méthode : introduire une capacité nouvelle par une porte étroite et surveillée, avant de l'élargir.

Le type d'analyse visuelle que GPT-4 rendait possible dépassait la simple reconnaissance d'objets. Le modèle savait interpréter le contenu d'une image en relation avec une question : expliquer pourquoi une scène est amusante, décrire les étapes suggérées par un schéma, lire les axes d'un graphique ou restituer le texte d'une capture d'écran. Cette compréhension conjointe du visuel et du langage ouvrait un champ d'applications que le seul texte ne permettait pas d'atteindre.

Deux tailles de fenetre de contexte

Un modèle de langage ne « voit » qu'une quantité limitée de texte à la fois : c'est ce que l'on nomme la fenêtre de contexte, mesurée en jetons, ou tokens, ces fragments de mots que le système manipule. Plus la fenêtre est large, plus on peut soumettre de matière d'un seul tenant — un long document, un historique de conversation étendu, un dossier volumineux.

GPT-4 est arrivé en deux variantes sur ce point. La version standard offrait une fenêtre d'environ 8 192 jetons ; une variante spécialisée, proposée via l'interface de programmation, portait cette capacité à 32 768 jetons, soit environ quatre fois plus. Pour donner un ordre de grandeur, cette seconde option permettait de traiter d'un coup l'équivalent de plusieurs dizaines de pages. Cet élargissement, modeste au regard de ce qui suivrait, répondait à un besoin concret : analyser des textes longs sans les découper artificiellement.

Un systeme entraine a predire, puis aligne

Sur son principe de fonctionnement, GPT-4 s'inscrit dans la continuité de ses aînés. Le rapport le décrit comme « un modèle de type Transformer, pré-entraîné à prédire le prochain jeton dans un document ». Autrement dit, sa compétence de base consiste à deviner la suite d'un texte, apprise en digérant d'énormes quantités d'écrits. Cette prédiction statistique, poussée à très grande échelle, produit une connaissance remarquable de la langue et du monde.

Mais un prédicteur de texte brut n'est pas encore un assistant serviable. C'est pourquoi GPT-4 a été affiné après son pré-entraînement, notamment par apprentissage par renforcement à partir de retours humains — la méthode désignée par l'acronyme RLHF, déjà au cœur de ChatGPT. Des évaluateurs humains ont orienté le comportement du modèle vers des réponses utiles, honnêtes et conformes aux consignes de sûreté. OpenAI indique avoir consacré six mois à ce travail d'alignement, en s'appuyant sur un programme de tests adverses interne et sur les enseignements tirés de l'usage de ChatGPT. Le résultat annoncé : les « meilleurs résultats jamais obtenus » par le laboratoire en matière de factualité, de pilotabilité et de respect des garde-fous.

Le contexte : une course engagee et un public en eveil

GPT-4 n'est pas apparu dans le vide. Sa sortie s'inscrit dans une séquence dense, où l'intérêt du grand public pour l'IA venait d'exploser et où plusieurs laboratoires accéléraient leurs propres travaux. Pour saisir l'importance du moment, il faut le replacer dans son fil.

Juste avant : le raz-de-marée ChatGPT

Fin novembre 2022, OpenAI avait lancé ChatGPT, propulsé par un modèle de la famille GPT-3.5. En quelques semaines, l'assistant conversationnel était devenu un phénomène planétaire : selon une note de la banque UBS relayée par Reuters, ChatGPT avait déjà atteint environ 100 millions d'utilisateurs actifs mensuels en janvier 2023, soit environ deux mois après son lancement — un rythme de croissance alors inédit pour une application grand public. Ce succès avait démontré une chose : le public était prêt à dialoguer avec une machine, pourvu que l'expérience soit simple et fluide.

Ce contexte a nourri une immense attente. Chacun avait pu constater par lui-même ce que GPT-3.5 savait faire, mais aussi ses ratés : réponses plausibles mais fausses, sensibilité à la formulation, raisonnements qui déraillaient. La question qui flottait était limpide : la génération suivante saurait-elle corriger ces fragilités ? GPT-4 arrivait précisément comme la réponse d'OpenAI à cette interrogation, avec l'ambition affichée de resserrer la fiabilité là où elle comptait le plus.

Une compétition qui s'intensifiait

Le succès de ChatGPT avait aussi rebattu les cartes du côté des grands acteurs de la technologie. Au début de l'année 2023, Google présentait son propre assistant conversationnel, Bard, tandis que Microsoft — partenaire stratégique d'OpenAI — intégrait une technologie voisine de celle de ChatGPT dans son moteur de recherche. La course aux grands modèles de langage était pleinement engagée, et l'exactitude des réponses en constituait déjà le nerf.

Cette émulation a un effet direct sur la manière dont GPT-4 a été présenté, et sur ce que son rapport technique a choisi de taire. Dans un domaine où chaque laboratoire cherche à préserver son avance, la transparence complète sur les recettes internes devient un enjeu concurrentiel. GPT-4 marque, de ce point de vue, un tournant : celui d'une recherche de pointe qui publie ses résultats tout en gardant ses ingrédients secrets.

Le silence assumé du rapport technique

Il faut le dire nettement, car c'est un fait marquant : le rapport technique de GPT-4 ne divulgue ni la taille du modèle, ni son architecture détaillée, ni le matériel utilisé, ni la puissance de calcul mobilisée, ni la composition des données d'entraînement. OpenAI l'écrit sans détour.

Compte tenu à la fois du paysage concurrentiel et des implications de sûreté des modèles de grande taille comme GPT-4, ce rapport ne contient aucun détail supplémentaire sur l'architecture (y compris la taille du modèle), le matériel, la puissance de calcul d'entraînement, la construction du jeu de données, la méthode d'entraînement, ou éléments similaires.
— OpenAI, rapport technique GPT-4, 14 mars 2023

Ce choix a suscité un débat nourri dans la communauté scientifique. Pour une part des chercheurs, un document intitulé « rapport technique » qui n'expose ni la taille ni les données du système s'éloigne de la tradition de publication ouverte qui avait marqué les débuts d'OpenAI et du domaine. Pour d'autres, ce retrait se comprend au vu de la compétition et des considérations de sûreté invoquées. Quoi qu'on en pense, une conséquence est certaine : beaucoup de chiffres qui circulent sur la taille de GPT-4 relèvent de l'estimation extérieure, jamais de la confirmation officielle. Ce média s'en tient donc à ce qui est établi, et signale ce qui ne l'est pas.

Ce que ça a changé : fiabilité, examens et usages professionnels

L'apport de GPT-4 se mesure moins à une prouesse unique qu'à un relèvement général du niveau. Sur une série de tâches, le modèle a franchi un seuil qui l'a rendu utilisable dans des contextes où GPT-3.5 restait trop irrégulier. Trois terrains illustrent ce progrès : les examens standardisés, la fiabilité des réponses et l'ouverture aux usages professionnels.

Les scores d'examens, tels qu'annoncés par OpenAI

Pour situer les capacités de GPT-4, OpenAI a fait passer au modèle une batterie d'examens conçus pour des humains, puis publié les résultats. Le plus commenté concerne l'examen du barreau américain, dans une version simulée : selon OpenAI, GPT-4 y obtient un score le plaçant « autour des 10 % les meilleurs » des candidats — soit environ le 90e centile, avec un résultat rapporté de 298 sur 400. Le contraste avec GPT-3.5 est frappant, puisque ce dernier se situait, sur le même exercice, dans le bas du classement.

Une précision de méthode s'impose. Ces résultats sont ceux rapportés par OpenAI, dans les conditions qu'elle a définies. Ils indiquent une capacité réelle à traiter des questions d'examen, mais ne signifient pas qu'un modèle « comprend » une discipline comme le ferait un professionnel formé. Un examen mesure la performance sur un format précis ; il ne recouvre pas l'exercice d'un métier. Ces chiffres se lisent donc comme des repères de progrès, non comme un brevet de compétence professionnelle. C'est dans cet esprit qu'il faut les recevoir. Précision utile, apportée après coup par la recherche : une réévaluation académique publiée en 2024 dans la revue Artificial Intelligence and Law (Eric Martínez, MIT) a nuancé le chiffre du 90e centile, en pointant un biais dans la population de référence utilisée par OpenAI ; comparée à l'ensemble des candidats d'une session réelle du barreau plutôt qu'à ce sous-groupe, la performance de GPT-4 se situerait plutôt entre le 48e et le 69e centile selon la méthode de calcul retenue.

Examen (résultats annoncés par OpenAI)	Score de GPT-4	Centile indicatif
Barreau américain (simulé)	298 / 400	~90e centile
SAT — lecture et écriture	710 / 800	~93e centile
SAT — mathématiques	700 / 800	~89e centile
GRE — verbal	169 / 170	~99e centile
GRE — quantitatif	163 / 170	~80e centile
Olympiade de biologie (USABO, demi-finale 2020)	87 / 150	99e-100e centile
AP Biologie	note 5	85e-100e centile

Une fiabilité en hausse, mais pas absolue

Le gain le plus utile au quotidien tient à la régularité des réponses. Sur les mesures internes de factualité conduites par OpenAI, GPT-4 se montrait sensiblement plus exact que GPT-3.5, avec une propension moindre à s'écarter des garde-fous ou à produire des contenus problématiques. Pour un utilisateur, cela se traduit par un assistant qui se trompe moins souvent, tient mieux compte des consignes et reste plus stable sur des tâches exigeantes.

OpenAI a néanmoins pris soin de tempérer l'enthousiasme, et cette honnêteté mérite d'être soulignée. Le laboratoire rappelait que GPT-4 restait « moins capable que les humains dans de nombreux scénarios du monde réel ». Le rapport technique est tout aussi direct sur les limites persistantes.

Malgré ses capacités, GPT-4 présente des limites similaires à celles des modèles GPT antérieurs : il n'est pas pleinement fiable (il peut par exemple souffrir d'« hallucinations »), dispose d'une fenêtre de contexte limitée et n'apprend pas de l'expérience.
— OpenAI, rapport technique GPT-4, 14 mars 2023

Ce mot d'« hallucinations » désigne ces affirmations fausses énoncées avec assurance, qui restent le point de vigilance principal de ces systèmes. GPT-4 en produisait moins que ses aînés, mais n'en était pas exempt. La leçon, valable hier comme aujourd'hui, est simple : un modèle de langage est un remarquable auxiliaire de rédaction et de raisonnement, pas une source de vérité autonome. Dès qu'une décision en dépend, la vérification humaine demeure indispensable.

Un travail de sûreté rendu visible

Un point mérite d'être développé, car il distingue la sortie de GPT-4 des lancements précédents : l'ampleur du travail de sûreté conduit en amont, et la manière dont OpenAI l'a documenté. Le laboratoire a fait appel à des experts externes, chargés de sonder le modèle sur des sujets délicats afin d'en révéler les comportements problématiques avant l'ouverture au public. Cette évaluation adverse, menée sur des domaines variés, visait à repérer les réponses risquées et à ajuster le modèle en conséquence. Les enseignements de ces tests ont nourri l'entraînement final, contribuant à la baisse mesurée des productions indésirables.

OpenAI a accompagné le rapport technique d'un document séparé consacré aux aspects de sûreté, décrivant les vecteurs de risque identifiés et les mesures d'atténuation retenues. Cette pratique de publication d'un tel document pourrait bien s'imposer, dans les mois à venir, comme une convention pour les grands modèles. Elle traduit une évolution de fond : la sûreté cesse d'être un supplément pour devenir une composante à part entière de la conception, documentée au même titre que les performances. Sur ce plan, GPT-4 s'annonce comme une référence méthodologique autant que technique.

Comparer GPT-3.5 et GPT-4, concrètement

Pour qui manipulait déjà ChatGPT au début de 2023, le passage à GPT-4 s'est ressenti moins comme un saut spectaculaire que comme une amélioration continue de la qualité. Sur une requête anodine — une définition, une reformulation courte, une question simple —, les deux modèles produisaient des réponses proches. C'est sur les tâches denses que l'écart se creusait : une consigne assortie de plusieurs contraintes, un raisonnement à dérouler pas à pas, un texte long à analyser dans son ensemble. Là où GPT-3.5 perdait parfois le fil ou négligeait une contrainte, GPT-4 tenait l'ensemble avec davantage de constance.

Cette différence de comportement explique pourquoi GPT-4 a séduit en priorité les usages professionnels et techniques. Un rédacteur pressé, un développeur, un analyste : ces profils travaillent précisément sur des tâches complexes, où la régularité des réponses fait la valeur de l'outil. La chronique de ce média consacrée aux mesures l'a souvent répété — un modèle ne se juge pas à sa meilleure réponse, mais à la stabilité de ses réponses moyennes. Sur ce critère, GPT-4 marquait un progrès net, et c'est cette solidité, plus que tout exploit isolé, qui a assis sa réputation.

L'ouverture aux usages professionnels

La combinaison d'une meilleure fiabilité, d'une fenêtre de contexte élargie et de la compréhension d'images a déplacé le curseur des usages. Là où GPT-3.5 servait surtout à des tâches ponctuelles et tolérantes à l'erreur, GPT-4 a rendu crédibles des applications plus exigeantes, dans lesquelles une réponse approximative aurait coûté cher. Plusieurs familles d'usages se sont affirmées à partir de ce moment :

• L'analyse de documents longs — synthétiser un rapport, comparer des contrats, extraire les points saillants d'un dossier, en profitant de la fenêtre de contexte étendue.
• L'assistance au code — écrire, corriger et expliquer des programmes plus complexes, avec un taux d'erreur réduit qui rendait l'aide plus dépendable au fil d'un projet.
• Le travail sur l'image et le texte conjoints — décrire une scène, lire un schéma, restituer le contenu d'une capture, ouvrant la voie à l'accessibilité et à l'analyse visuelle assistée.
• La rédaction spécialisée — produire des textes structurés dans des registres techniques ou réglementaires, avec une meilleure tenue sur des consignes détaillées.
• Le raisonnement en plusieurs étapes — décomposer un problème, suivre une logique longue, aborder des questions qui exigeaient jusque-là un pilotage humain serré.

Cette montée en gamme s'est doublée d'une mise à disposition rapide. GPT-4 est devenu accessible aux abonnés de la formule ChatGPT Plus, avec un plafond d'usage, tandis que les développeurs pouvaient s'inscrire sur une liste d'attente pour accéder à l'interface de programmation. Côté tarifs, OpenAI a fixé le prix à 0,03 dollar pour mille jetons en entrée et 0,06 dollar pour mille jetons en sortie sur la version à 8 000 jetons de contexte — un modèle de facturation à l'usage qui allait devenir la norme du secteur.

Une diffusion par deux canaux complémentaires

La double distribution — grand public via ChatGPT, développeurs via l'interface de programmation — a joué un rôle déterminant. D'un côté, les abonnés de ChatGPT Plus découvraient un assistant plus solide dans leur usage quotidien. De l'autre, les entreprises et les indépendants pouvaient intégrer GPT-4 dans leurs propres applications, à leur rythme et selon leurs besoins. Ce second canal a multiplié les points de contact entre le modèle et le monde réel : chaque développeur devenait un relais possible, chaque application un terrain d'expérimentation.

Cette architecture de diffusion explique en partie pourquoi GPT-4 a laissé une empreinte durable. Un modèle enfermé dans un seul produit touche un public restreint ; un modèle proposé aussi comme une brique intégrable irrigue une multitude de services, du support client à l'analyse documentaire, en passant par les outils d'aide à la rédaction ou au code. La valeur ne venait plus seulement de l'assistant officiel, mais de tout l'écosystème d'applications qui s'est construit autour.

Les perspectives : une lignée qui pourrait s'affiner

Dès à présent, le 14 mars 2023 se dessine comme une étape structurante plus que comme une rupture. GPT-4 consolide les acquis de ChatGPT tout en ajoutant deux ingrédients — la vision et une fiabilité accrue — qui pourraient s'imposer comme des standards. Surtout, il laisse entrevoir une cadence de progrès soutenue, chaque avancée à venir étant susceptible d'élargir le champ du possible. Ce que la suite réserve reste incertain ; on peut néanmoins esquisser, avec prudence, les directions qu'elle pourrait emprunter.

Une fenêtre de contexte qui devrait continuer de s'élargir

Si l'on prolonge la trajectoire tracée par GPT-4, une direction paraît probable : l'agrandissement de la fenêtre de contexte. La version standard plafonne à environ 8 192 jetons, la variante spécialisée à 32 768 ; ces chiffres, déjà en progrès par rapport aux générations antérieures, restent modestes au regard des besoins. On peut raisonnablement anticiper que les prochaines itérations chercheront à repousser cette limite, afin de soumettre d'un seul tenant des ensembles bien plus vastes — un dossier complet, une base documentaire, un historique de conversation étendu. Un tel élargissement rendrait praticables des usages aujourd'hui malaisés : analyse de corpus volumineux, dialogues très longs conservant tout leur fil, traitement de documents entiers sans découpage artificiel. Rien ne garantit le rythme de cette progression, mais la demande, elle, est déjà là.

Vers des modalités toujours plus intégrées

GPT-4 introduit la lecture d'images aux côtés du texte. Il serait cohérent que les développements ultérieurs poursuivent dans cette voie, en unifiant davantage les modalités au sein d'un même système. On peut imaginer des assistants capables de manipuler, dans un flux continu, non seulement le texte et l'image mais aussi d'autres formes d'entrée, pour se rapprocher d'une interaction plus naturelle — où l'on montrerait autant que l'on écrirait. La trajectoire esquissée par GPT-4 va dans ce sens : d'un modèle textuel augmenté de la vision, on pourrait tendre vers un assistant multimodal de bout en bout. Ce n'est qu'une hypothèse, mais elle s'appuie sur une logique lisible dès aujourd'hui : chaque modalité ajoutée élargit le champ des tâches que la machine peut prendre en charge.

Un raisonnement qui pourrait gagner en profondeur

La troisième direction plausible touche au raisonnement. GPT-4 tient mieux la route que son prédécesseur sur les tâches complexes, celles qui exigent de suivre une logique en plusieurs étapes. Il n'est pas déraisonnable d'imaginer que les efforts à venir porteront précisément sur cette faculté : mieux décomposer un problème, dérouler un enchaînement plus long sans perdre le fil, distinguer les questions simples, qui appellent une réponse immédiate, des problèmes difficiles, qui méritent un traitement plus approfondi. Une telle évolution rapprocherait ces systèmes d'un usage où l'on pourrait leur confier des tâches de plus en plus exigeantes. Là encore, il s'agit d'une perspective, non d'une certitude : le progrès en la matière est difficile à prédire, et l'histoire récente invite à la prudence autant qu'à l'attente.

Quelle que soit la forme précise que prendront ces développements, la place de GPT-4 se dessine déjà. Il est le modèle qui rend la multimodalité crédible pour le grand public et qui fait de la fiabilité un critère de premier plan. Les générations suivantes, si elles poussent ces deux axes — modalités plus intégrées, raisonnement plus poussé —, le feront sur des fondations qu'il aura posées. GPT-4 n'est pas un aboutissement ; il pourrait bien être le socle sur lequel la suite se construira.

Axe	État avec GPT-4 (mars 2023)	Direction possible
Fenêtre de contexte	8 192 jetons (standard), 32 768 (variante)	Un élargissement, pour traiter d'un seul tenant des ensembles plus vastes
Modalités	Entrée texte et image, sortie texte	Une intégration plus poussée, vers un flux multimodal continu
Raisonnement	Meilleure tenue sur les tâches à plusieurs étapes	Une capacité à dérouler des logiques plus longues et plus difficiles
Fiabilité	En hausse, mais faillible (« hallucinations »)	Une réduction attendue des erreurs, sans garantie d'infaillibilité

Un jalon dans la manière de publier

La portée de GPT-4 ne se lit pas seulement dans ses capacités. Elle tient aussi à ce qu'il révèle des tensions du domaine. En publiant un rapport riche sur les performances mais muet sur les recettes, OpenAI rend visible un dilemme qui s'annonce durable : comment concilier l'exigence de transparence scientifique, la préservation d'un avantage concurrentiel et les précautions de sûreté ? Ce débat, ouvert avec GPT-4, promet de structurer longtemps les discussions sur la publication des grands modèles.

Ce jalon met aussi en avant une pratique salutaire : documenter les limites autant que les réussites. En annonçant d'emblée que son modèle « hallucine » encore et reste faillible, OpenAI contribue à installer une culture de l'usage éclairé. Cette lucidité affichée pourrait faciliter l'adoption raisonnée de ces outils dans les organisations, à condition qu'elles apprennent à en tirer parti tout en encadrant leurs zones d'incertitude.

Le débat sur la nature même du rapport a nourri une réflexion utile pour la suite. Plusieurs membres de la communauté scientifique ont fait observer qu'un document dépourvu de détails reproductibles se prête mal à la vérification indépendante, laquelle constitue le socle de la démarche scientifique. D'autres ont rappelé que les considérations de sûreté et de compétition invoquées n'étaient pas dénuées de fondement, s'agissant de systèmes coûteux à entraîner et aux usages étendus. Sam Altman, dirigeant d'OpenAI, a d'ailleurs indiqué publiquement que l'entraînement de GPT-4 avait représenté un coût supérieur à cent millions de dollars — un ordre de grandeur qui éclaire les enjeux économiques sous-jacents, sans lever le voile sur les données ou l'architecture. Ce point de tension entre ouverture et protection n'a pas été tranché ; il s'est installé comme une caractéristique durable du domaine.

Un autre apport de GPT-4 tient à la façon dont il a été évalué. En publiant des scores sur des examens conçus pour des humains, OpenAI a popularisé une manière parlante de communiquer sur les capacités d'un modèle. Cette approche a ses vertus pédagogiques : un centile au barreau se comprend d'emblée. Elle a aussi ses limites, que ce média tient à rappeler. Un examen mesure une performance sur un format donné, souvent à choix multiples ou à réponse courte, dans des conditions maîtrisées. Il ne dit rien de la capacité à exercer un métier, à naviguer dans l'incertitude ou à rendre compte d'un raisonnement. Il est probable que la communauté développe, dans le sillage de cette annonce, des jeux d'épreuves plus spécifiques, pensés pour distinguer les progrès réels des effets de format. GPT-4 apparaît, à cet égard, comme un révélateur : il montre à la fois la puissance et les angles morts de l'évaluation par examens.

Ce que GPT-4 pourrait rendre ordinaire

Plusieurs gestes que GPT-4 est susceptible de rendre courants méritent d'être nommés. Soumettre une photo de tableau blanc pour en obtenir la transcription, faire commenter un graphique par un assistant, confier l'analyse d'un long document à une machine, intégrer un modèle de langage fiable au cœur d'une application métier : autant d'usages qui, jusqu'ici, tenaient de la démonstration, et qui pourraient devenir des pratiques établies. Ce passage possible du prototype à la routine serait peut-être la trace la plus profonde de ce modèle.

Il faut aussi anticiper un effet plus discret. En relevant la barre de la fiabilité, GPT-4 est de nature à faire évoluer les attentes du public et des professionnels. Ce qui est toléré aujourd'hui comme un défaut compréhensible chez GPT-3.5 — une erreur occasionnelle, une réponse imprécise — pourrait devenir demain une exigence de qualité pour les modèles à venir. GPT-4 participerait ainsi à définir un nouveau standard, celui d'un assistant sur lequel on pourrait réellement s'appuyer pour un travail sérieux, à condition d'en connaître les limites.

Une lecture à chaud : le cap plutôt que le sommet

Dès sa sortie, GPT-4 se lit comme un point d'inflexion. Il ne clôt pas une histoire ; il en ouvre un chapitre qui s'annonce décisif, celui d'une IA conversationnelle capable de croiser le texte et l'image, et suffisamment constante pour entrer dans des usages exigeants. La suite, quelle qu'elle soit, devrait prolonger cette dynamique en approfondissant les directions qu'il vient de tracer — sans que l'on puisse encore en dessiner les contours précis.

Ce qui frappe d'emblée, c'est la sobriété avec laquelle OpenAI présente ce cap. Pas de promesse démesurée, mais un constat mesuré : un modèle plus fiable, plus nuancé, doté d'un sens de l'image, et dont les limites sont nommées sans détour. Cette tonalité, à rebours des emballements, pourrait contribuer à installer durablement l'outil dans les pratiques. On adopte plus volontiers un instrument dont on connaît le mode d'emploi et les angles morts.

Reste une question ouverte, celle de la transparence. Le choix d'OpenAI de ne pas divulguer la taille ni les données de GPT-4 risque de faire école, et il alimente déjà un débat légitime sur ce que la recherche doit rendre public. Ce média n'a pas à trancher ce débat ; il a en revanche le devoir de le signaler, et de rappeler que, sur ce modèle comme sur d'autres, une part significative de ce qui se raconte relève de l'estimation plutôt que du fait établi. La rigueur, ici, consiste à distinguer les deux.

Le 14 mars 2023 restera peut-être comme le jour où l'assistant a appris à regarder autant qu'à lire, et où la fiabilité s'est imposée comme un critère de premier plan. Ni sommet indépassable, ni simple mise à jour, GPT-4 se présente comme le palier à partir duquel l'IA conversationnelle pourrait devenir un instrument de travail à part entière. La suite, comme toujours, dépendra de la manière dont chacun choisira de s'en servir — avec méthode, avec discernement, et sans jamais confondre la fluidité d'une réponse avec la garantie de sa justesse.

Sources

• OpenAI — « GPT-4 Technical Report » (arXiv 2303.08774, 14 mars 2023) : multimodalité, examens, limites, non-divulgation de l'architecture
• GPT-4 Technical Report — version HTML (citations verbatim : « hallucinations », scores d'examens, paysage concurrentiel)
• Wikipedia — GPT-4 (date de sortie, contexte 8k/32k, ChatGPT Plus, tarifs API, lignée)
• TechCrunch — « OpenAI releases GPT-4 » (14 mars 2023) : multimodalité, Be My Eyes, tarifs, fiabilité