OpenAI o1 : les modèles qui prennent le temps de raisonner

Le 12 septembre 2024, OpenAI a présenté une famille de modèles construite autour d'une idée simple à énoncer et difficile à réaliser : laisser une intelligence artificielle réfléchir avant de répondre. Baptisée o1, cette première série — o1-preview et o1-mini — inaugurait une manière nouvelle de faire progresser les grands modèles de langage. Non plus seulement en les entraînant davantage, mais en leur accordant du temps de calcul au moment de répondre, pour dérouler un raisonnement pas à pas. Sur les mathématiques de compétition, les sciences de niveau doctoral et la programmation, les progrès annoncés étaient nets. Voici, pour « Le Paper du lundi », ce que cet événement a réellement introduit, d'où il venait, et ce qu'il a ouvert.

Ce que c'était : une famille qui réfléchit avant de répondre

Le 12 septembre 2024, OpenAI a mis à disposition des abonnés ChatGPT Plus et Team deux modèles : o1-preview et o1-mini. Le nom marquait une rupture de nomenclature volontaire. Après la lignée GPT-4, GPT-4o et leurs déclinaisons, ce « o1 » ouvrait une série distincte, la série « o », dédiée au raisonnement. OpenAI la présentait comme « le premier d'une nouvelle série de modèles de raisonnement ».

La différence de fond tient en une phrase : ces modèles passent du temps à réfléchir avant de produire leur réponse. Là où un modèle conversationnel classique enchaîne les mots quasi immédiatement, o1 commence par générer, en interne, une longue chaîne de raisonnement — une suite d'étapes intermédiaires où il pose le problème, teste des pistes, revient sur ses erreurs, affine sa stratégie. Ce n'est qu'ensuite qu'il rédige la réponse finale. OpenAI résume l'analogie ainsi : de la même manière qu'une personne réfléchit longuement avant de répondre à une question difficile, o1 mobilise une chaîne de raisonnement pour aborder un problème.

« Nous avons entraîné ces modèles à passer plus de temps à réfléchir aux problèmes avant de répondre, comme le ferait une personne. Grâce à cet entraînement, ils apprennent à affiner leur processus de pensée, à essayer différentes stratégies et à reconnaître leurs erreurs. » — OpenAI, présentation d'o1, 12 septembre 2024

Les deux modèles avaient des vocations complémentaires. o1-preview était la version la plus complète, taillée pour les tâches lourdes de raisonnement général. o1-mini, plus compact et plus rapide, ciblait la programmation et les tâches scientifiques et techniques (STEM) où la vaste culture générale compte moins que la rigueur du raisonnement. OpenAI indiquait qu'o1-mini coûtait environ 80 % de moins qu'o1-preview à l'usage, tout en restant très performant sur le code — un compromis pensé pour les usages où le rapport performance/coût prime.

Ce positionnement de o1-mini avait un sens précis. En concentrant les ressources sur le raisonnement plutôt que sur l'étendue des connaissances, il permettait de rendre le nouveau paradigme accessible à des usages plus quotidiens du côté développeurs, là où interroger la version la plus lourde aurait été surdimensionné. Deux tailles, deux régimes de coût : la même idée de raisonnement, déclinée pour ne pas dépenser plus de calcul que nécessaire selon la tâche.

Il faut aussi noter ce que ces premiers modèles n'étaient pas. À leur sortie, o1-preview et o1-mini n'égalaient pas GPT-4o sur certains terrains : la préversion ne prenait pas encore en charge tous les usages multimodaux ni certaines options d'outillage disponibles ailleurs. OpenAI présentait ces modèles comme une première étape, appelée à mûrir. Cette franchise sur les limites initiales — un produit qui s'assume comme préversion — participait de la crédibilité de l'annonce.

Des résultats mesurés, pas seulement annoncés

L'intérêt d'o1 ne tenait pas au discours mais aux écarts chiffrés sur des épreuves publiques et reconnues. Trois familles de tests résument l'ampleur du saut.

• Mathématiques de compétition (AIME 2024). Sur l'American Invitational Mathematics Examination, une épreuve exigeante réservée aux meilleurs lycéens américains, o1 résolvait environ 83 % des problèmes (par consensus sur 64 échantillons, selon OpenAI), contre à peine 13 % pour GPT-4o. Le modèle se plaçait ainsi parmi les meilleurs candidats du pays sur un qualificatif pour l'Olympiade mathématique des États-Unis.
• Sciences de niveau doctoral (GPQA Diamond). Sur ce jeu de questions ardues de physique, chimie et biologie, o1 dépassait la précision d'experts humains titulaires d'un doctorat recrutés pour répondre aux mêmes questions. C'était, selon OpenAI, la première fois qu'un modèle franchissait ce seuil sur ce test.
• Programmation compétitive (Codeforces). o1 se hissait dans le 89e percentile des participants sur cette plateforme de concours d'algorithmique, un terrain où la moindre erreur de logique se paie cash.

Ces chiffres traçaient un profil cohérent : le gain d'o1 se concentrait là où le raisonnement structuré fait la différence — démonstrations, problèmes à plusieurs étapes, code exigeant — plutôt que sur les questions de connaissance ou de style, où GPT-4o restait un excellent choix. OpenAI le disait d'ailleurs sans détour : o1 n'était pas censé remplacer GPT-4o partout, mais l'emporter nettement sur les tâches de raisonnement intensif.

Sur la programmation, les chiffres méritent une précision de lecture. Le modèle général o1 atteignait un classement Elo de l'ordre de 1673 sur Codeforces, soit le fameux 89e percentile. OpenAI a par ailleurs présenté une variante spécialisée pour la compétition, entraînée spécifiquement pour ce type d'épreuves, qui montait plus haut encore — un Elo autour de 1807, au-dessus de la grande majorité des participants humains. Sur l'Olympiade internationale d'informatique (IOI) 2024, une version d'o1 a obtenu 213 points, se plaçant autour du 49e percentile dans les conditions du concours. Ces résultats situent le modèle au niveau d'un très bon compétiteur — remarquable pour une machine —, sans en faire un champion imbattable : la nuance compte, et OpenAI ne l'a pas gommée.

Ce que valent — et ne valent pas — ces scores

Un mot de prudence s'impose sur l'interprétation. Les benchmarks comme AIME ou GPQA sont des épreuves fermées, aux réponses vérifiables, idéales pour mesurer un progrès de raisonnement. Mais ils ne disent pas tout d'un usage réel. Un modèle qui résout 83 % de problèmes d'olympiades ne se transforme pas mécaniquement en assistant infaillible sur une question ouverte, ambiguë, ou dépendante d'un contexte que le test ne capture pas. Les scores d'o1 marquaient un vrai bond sur des tâches ciblées ; les lire comme une compétence générale absolue serait une extrapolation. OpenAI présentait d'ailleurs ces résultats comme des jalons de raisonnement, pas comme un verdict sur toutes les capacités du modèle. C'est cette honnêteté de cadrage qui rend les chiffres crédibles.

Épreuve	GPT-4o	o1-preview / o1	Nature
AIME 2024 (maths)	~13 % de problèmes résolus	~83 % (o1, cons@64)	Mathématiques de compétition
GPQA Diamond (sciences)	Sous le niveau expert	Dépasse les experts doctorants	Physique, chimie, biologie
Codeforces (code)	Bien plus bas	89e percentile ; 1673 Elo (o1)	Programmation compétitive

Comprendre le mécanisme : calcul au moment du test et chaîne de raisonnement

Pour saisir ce qu'o1 changeait, il faut distinguer deux moments dans la vie d'un modèle : l'entraînement et l'utilisation. Historiquement, on améliorait un grand modèle de langage surtout à l'entraînement — plus de données, plus de paramètres, plus de calcul dépensé avant qu'il ne soit mis entre les mains des utilisateurs. o1 déplace une partie de l'effort de l'autre côté : au moment où l'on pose la question.

Le « test-time compute », ou calcul à l'inférence

L'inférence, c'est l'instant où le modèle répond. Le test-time compute — littéralement le calcul dépensé au moment du test — désigne l'idée de laisser le modèle « réfléchir » plus longtemps sur une question donnée, en générant davantage de jetons de raisonnement intermédiaires avant de trancher. Concrètement, o1 s'autorise à produire une longue réflexion interne : reformuler l'énoncé, décomposer le problème, explorer plusieurs voies, vérifier ses calculs, corriger une piste qui ne mène nulle part. Plus il consacre de temps à cette étape, meilleure tend à être sa réponse sur les problèmes complexes.

OpenAI a formulé ce constat de manière frappante : les performances d'o1 s'améliorent régulièrement à la fois avec davantage d'apprentissage par renforcement (le calcul dépensé à l'entraînement) et avec davantage de temps de réflexion (le calcul dépensé au moment de répondre). Autrement dit, deux leviers de progression coexistent désormais, au lieu d'un seul. Cette observation a nourri l'idée d'un nouvel axe de mise à l'échelle — le reasoning scaling ou inference scaling — dont nous reparlerons.

La chaîne de raisonnement (chain-of-thought)

Le concept de chain-of-thought, ou chaîne de pensée, n'était pas neuf en 2024. Depuis quelques années, les praticiens savaient qu'inviter un modèle à « raisonner étape par étape » dans son texte améliorait souvent ses réponses sur les problèmes logiques : c'est le chain-of-thought prompting, une technique où l'on demande explicitement au modèle de détailler ses étapes intermédiaires. La force d'o1 est d'avoir intériorisé cette démarche. Le raisonnement pas à pas n'est plus une astuce de formulation à ajouter dans la consigne ; il est appris par le modèle lui-même, qui le déploie spontanément et le raffine.

Ce basculement a une conséquence pratique notable : avec o1, il devenait souvent inutile — voire contre-productif — de rédiger des consignes élaborées demandant au modèle de « penser à voix haute ». Puisqu'il raisonne déjà en interne, mieux valait poser la question clairement et le laisser travailler. Une manière d'écrire les instructions plus sobre, pour un modèle qui fait le gros du travail cognitif de lui-même.

Un point technique mérite d'être clarifié pour bien comprendre la nature de la chaîne de raisonnement. Elle est faite de jetons — les unités de texte que le modèle produit —, exactement comme la réponse finale. La différence tient à leur destination : ces jetons de réflexion servent au modèle à cheminer, puis restent en coulisses, tandis que seuls les jetons de la réponse (et, dans ChatGPT, un résumé de la réflexion) parviennent à l'utilisateur. C'est aussi ce qui explique une part du coût : réfléchir, c'est générer beaucoup de jetons intermédiaires, facturés et calculés même s'ils ne s'affichent pas. Le temps de réflexion n'est donc pas sans coût — il se paie en calcul —, mais il achète de la justesse là où elle compte.

Comment o1 a appris à raisonner : l'apprentissage par renforcement

La méthode d'entraînement décrite par OpenAI reposait sur un algorithme d'apprentissage par renforcement à grande échelle. En simplifiant : plutôt que de seulement montrer au modèle des textes à imiter, on le récompense lorsqu'il produit des raisonnements qui mènent à la bonne réponse. À force d'essais, il apprend quelles stratégies de pensée sont fécondes — quand décomposer, quand vérifier, quand revenir en arrière — et lesquelles sont des impasses. OpenAI décrit un processus d'entraînement particulièrement efficace du point de vue des données, où le modèle apprend à « penser productivement » à l'aide de sa chaîne de raisonnement.

« Notre algorithme d'apprentissage par renforcement à grande échelle apprend au modèle à raisonner de manière productive en utilisant sa chaîne de pensée, dans un processus d'entraînement très efficace en données. Nous avons constaté que les performances d'o1 s'améliorent constamment avec plus d'apprentissage par renforcement et avec plus de temps passé à réfléchir. » — OpenAI, « Learning to reason with LLMs », 12 septembre 2024

Une analogie pour saisir l'idée

Prenons une comparaison simple. Face à une question de culture générale — « quelle est la capitale d'un pays ? » —, une personne répond du tac au tac, par réflexe. Face à un problème de logique — « combien de poignées de main si dix personnes se saluent toutes une fois ? » —, la même personne s'arrête, pose le calcul, vérifie. Les deux régimes coexistent en nous. Jusqu'à o1, les grands modèles de langage fonctionnaient surtout sur le premier mode : une réponse rapide, fluide, mais sans arrêt délibéré pour les questions qui l'exigent. o1 ajoute le second mode. Il ne répond pas plus vite ; il répond après avoir réfléchi, quand la question le mérite.

Cette lenteur assumée a un prix, qu'il faut nommer sans détour : o1 répond plus lentement et consomme plus de calcul par question qu'un modèle conversationnel. C'est le compromis central. On échange de la rapidité et de la ressource contre de la justesse sur les problèmes difficiles. Pour rédiger un courriel, l'arbitrage penche vers un modèle rapide ; pour vérifier une démonstration ou déboguer un algorithme retors, il penche vers o1. La bonne pratique consiste donc à choisir le régime en fonction de la difficulté réelle de la tâche, plutôt que d'employer systématiquement le modèle le plus lourd.

Le contexte : où en était l'IA en septembre 2024

o1 n'est pas tombé du ciel. Il répondait à un plafond que la communauté connaissait bien, et il portait un nom de code qui alimentait les rumeurs depuis des mois.

GPT-4o et la limite du raisonnement immédiat

Quatre mois plus tôt, le 13 mai 2024, OpenAI avait dévoilé GPT-4o (« o » pour omni), un modèle multimodal capable de traiter en temps réel texte, image et audio, avec une latence réduite. GPT-4o était un excellent généraliste, rapide et polyvalent. Mais, comme tous les modèles de langage de sa génération, il produisait sa réponse d'un trait, sans phase de réflexion dédiée. Sur les problèmes qui exigent plusieurs étapes de déduction — une démonstration mathématique, un raisonnement scientifique fin, un algorithme délicat —, cette réponse immédiate montrait ses limites : erreurs de logique, étapes sautées, calculs approximatifs.

La recherche avait déjà identifié des palliatifs : le chain-of-thought prompting, l'auto-vérification, le fait de générer plusieurs réponses et de garder la meilleure. Mais ces techniques restaient externes au modèle, appliquées au coup par coup. Il manquait un modèle qui intègre nativement la réflexion. C'est précisément ce créneau qu'o1 venait occuper — non pas en remplaçant GPT-4o, mais en le complétant sur son point faible.

Du « Q* » à « Strawberry »

o1 avait une préhistoire médiatique. Fin 2023, un nom de code interne — « Q* » (prononcé « Q-star ») — avait circulé, associé à des résultats prometteurs sur des épreuves mathématiques et à la période mouvementée du départ puis du retour de Sam Altman à la tête d'OpenAI. Ce projet fut ensuite désigné sous le nom de « Strawberry ». La presse spécialisée y voyait une tentative de doter les modèles d'un mode de pensée plus lent et délibéré, parfois comparé au « Système 2 » de la psychologie cognitive — cette façon analytique et posée de raisonner, par opposition aux réponses réflexes du « Système 1 ». La sortie d'o1 le 12 septembre 2024 a donné un visage public et vérifiable à ces rumeurs.

Pourquoi ce virage arrivait à ce moment

Le calendrier n'avait rien d'un hasard. Plusieurs signaux convergeaient. D'un côté, la génération des grands modèles généralistes montrait des rendements moins spectaculaires : agrandir encore les modèles apportait des gains réels mais de plus en plus coûteux à obtenir. De l'autre, la recherche publique accumulait des indices qu'on pouvait tirer bien davantage d'un modèle en le faisant raisonner explicitement — via le chain-of-thought prompting, l'auto-cohérence (générer plusieurs raisonnements et retenir la réponse majoritaire), ou des méthodes d'exploration d'arbres de solutions. Toutes ces pistes pointaient dans la même direction : le raisonnement était un gisement de performance sous-exploité.

o1 est la synthèse industrielle de ces intuitions. Plutôt que de laisser l'utilisateur bricoler des consignes pour faire raisonner le modèle, OpenAI a intégré la capacité de raisonner dans le modèle lui-même, par l'entraînement. Le moment était mûr : les briques conceptuelles existaient, la puissance de calcul suivait, et la demande d'assistants plus fiables sur les tâches complexes était forte. Il fallait quelqu'un pour assembler le tout à l'échelle d'un produit. C'est ce qu'o1 a fait.

Une zone d'ombre assumée : la chaîne de raisonnement n'est pas montrée

Il serait malhonnête de présenter o1 sans son point le plus discuté. Le raisonnement interne qui fait la force du modèle n'est pas montré tel quel à l'utilisateur. Ce que l'on voit dans l'interface, c'est la réponse finale et, dans ChatGPT, un résumé des étapes — pas la chaîne de raisonnement brute, celle où le modèle explore réellement, se trompe et se corrige.

OpenAI a expliqué ce choix ouvertement, en assumant qu'il résultait d'un arbitrage. L'entreprise voulait laisser au modèle la liberté de « penser » sans contrainte, sans y appliquer les règles de politesse ou de conformité imposées à la réponse visible — ce qui suppose de ne pas exposer directement cette pensée non filtrée. S'y ajoutaient une considération d'expérience utilisateur et une raison plus stratégique.

« Après avoir pesé plusieurs facteurs, dont l'expérience utilisateur, l'avantage concurrentiel et la possibilité de superviser la chaîne de pensée, nous avons décidé de ne pas montrer les chaînes de raisonnement brutes aux utilisateurs. » — OpenAI, « Learning to reason with LLMs », 12 septembre 2024

Trois motifs ressortent de l'explication d'OpenAI. D'abord la supervision : garder une chaîne de raisonnement non altérée permet à l'entreprise de mieux comprendre ce que fait le modèle et, à terme, d'y repérer d'éventuels signaux de comportement problématique. Ensuite l'avantage concurrentiel : ne pas exposer ce raisonnement évite qu'il serve à d'autres pour entraîner des modèles rivaux. Enfin le fait de ne pas rendre visible une pensée brute qui n'a pas été alignée sur les règles habituelles.

Ce choix a une contrepartie qu'il faut nommer clairement. Pour l'utilisateur et le chercheur extérieur, o1 est plus opaque qu'un modèle qui déroule tout son raisonnement à l'écran. On juge la réponse et un résumé, pas le cheminement complet. C'est un compromis réel entre performance, sûreté et transparence — un point à garder en tête quand on lit les résultats spectaculaires du modèle, et une limite qu'OpenAI n'a pas cachée.

Ce que ça a changé : un nouvel axe de progrès

Au-delà des scores, la portée d'o1 tient à un déplacement de perspective sur la manière dont l'IA progresse.

Un troisième levier de mise à l'échelle

Pendant des années, deux leviers avaient dominé : agrandir les modèles (plus de paramètres) et les nourrir de plus de données. o1 a popularisé un troisième axe : dépenser davantage de calcul au moment de l'inférence, en laissant le modèle réfléchir plus longtemps. Ce reasoning scaling ouvrait une piste séduisante — sur un problème difficile, on peut échanger un peu de temps de réponse contre une réponse nettement plus juste, sans forcément réentraîner un modèle plus gros. Pour des tâches à forte valeur (recherche, ingénierie, analyse), ce compromis est souvent avantageux.

Une répartition des rôles plus fine

o1 a aussi installé, dans les usages, une distinction utile entre deux régimes. Pour une réponse rapide, conversationnelle, multimodale, GPT-4o restait le bon outil. Pour un problème dur qui mérite qu'on prenne le temps — une preuve, un audit de code, un raisonnement scientifique —, o1 devenait le recours. Cette complémentarité a structuré la manière de choisir un modèle : non plus « le plus gros pour tout », mais « le bon régime selon la difficulté ». Une logique de sobriété, au fond : réserver le calcul intensif aux questions qui le justifient.

Ce dernier point a une portée qui dépasse le confort d'usage. Faire réfléchir un modèle mobilise davantage de calcul par requête, donc plus d'énergie et de coût. Le fait qu'o1 pousse à choisir le régime en fonction de la difficulté réelle est donc vertueux : on n'engage la réflexion approfondie que là où elle apporte quelque chose. Loin d'être un détail, cet arbitrage — dépenser du calcul avec discernement — pourrait devenir une question centrale des systèmes à venir : on imagine des assistants qui décideraient eux-mêmes quand il vaut la peine de prendre le temps de réfléchir. o1 pose la question ; reste à savoir si la génération suivante saura y répondre de manière plus automatique.

Un signal envoyé à tout le secteur

Enfin, o1 agit comme un aiguillon. En montrant qu'un modèle entraîné à raisonner par renforcement peut franchir des seuils réputés difficiles, OpenAI oriente une partie de l'attention de la recherche vers les modèles de raisonnement. On peut s'attendre à ce que l'idée de modèles « qui réfléchissent » devienne un thème de travail pour d'autres acteurs. o1 n'a pas des allures de fin de course, mais plutôt de point de bascule.

Des usages où la réflexion change la donne

Concrètement, à quoi o1 servait-il le mieux ? Les retours d'usage ont vite dessiné une carte des terrains où le raisonnement pas à pas apporte le plus.

• Sciences et recherche. Vérifier une chaîne de déductions, décomposer un problème de physique ou de chimie, contrôler la cohérence d'un raisonnement scientifique : autant de tâches où l'arrêt délibéré du modèle réduit les erreurs de logique.
• Programmation exigeante. Sur les algorithmes délicats, les cas limites, la relecture de code complexe, o1 et surtout o1-mini — pensé pour le code — offraient une aide plus fiable qu'un modèle qui répond d'un trait. Une erreur de raisonnement se traduit vite en bogue ; réfléchir avant de coder aide à l'éviter.
• Mathématiques et démonstrations. Résoudre un problème en plusieurs étapes, poser une preuve, éviter les sauts logiques : c'est le domaine où l'écart avec les modèles antérieurs était le plus spectaculaire.
• Analyse structurée. Dès qu'une question demande de peser plusieurs éléments, d'ordonner un raisonnement ou de suivre une contrainte fil par fil, le mode réflexion se révélait utile.

À l'inverse, pour une conversation légère, une reformulation rapide ou une tâche multimodale en temps réel, mobiliser o1 revenait à sortir l'artillerie pour un travail de dentelle : plus lent, plus coûteux en calcul, sans bénéfice réel. Cette lucidité sur le bon outil au bon moment fait partie de l'héritage pratique d'o1.

Les perspectives : ce qu'o1 laisse entrevoir

À l'heure où OpenAI présente o1-preview et o1-mini, ce 12 septembre 2024, la série « o » se lit comme une première marche. OpenAI lui-même annonce que « o1-preview » n'est qu'une préversion : une version plus complète du modèle est explicitement promise pour la suite, et l'entreprise parle d'une « nouvelle série de modèles de raisonnement », au pluriel. Voici, en restant prudent, ce que cette première pierre laisse anticiper.

• Une version aboutie d'o1, attendue. Le nom « o1-preview » le dit sans détour : ce que l'on a sous les yeux est une préversion. On peut raisonnablement s'attendre à ce qu'OpenAI livre ensuite un o1 plus complet, aux réponses plus fiables sur les tâches complexes, comblant une partie des limites initiales (multimodalité, outillage) que l'entreprise reconnaît elle-même à ce stade.
• Des successeurs au raisonnement renforcé, probables. Puisque OpenAI décrit une « série » et affirme que les performances progressent à la fois avec plus d'entraînement par renforcement et plus de temps de réflexion, il serait logique que des modèles de raisonnement plus poussés suivent. Jusqu'où ? Nul ne peut le dire aujourd'hui ; l'annonce d'un axe de progrès n'est pas la garantie d'un rythme.
• Une convergence possible des deux régimes. Aujourd'hui, l'utilisateur doit choisir entre un modèle rapide (GPT-4o) et un modèle qui réfléchit (o1). On peut imaginer qu'à terme, ces deux régimes se rapprochent au sein d'un même système — un dispositif qui déciderait seul, selon la difficulté, s'il faut répondre vite ou prendre le temps. Ce n'est, à ce jour, qu'une hypothèse séduisante, pas une feuille de route annoncée.

Date	Jalon	Apport
13 mai 2024	GPT-4o	Généraliste multimodal temps réel
12 sept. 2024	o1-preview et o1-mini	Premiers modèles de raisonnement, réflexion avant réponse
À venir	Suite de la série « o » (annoncée)	Version complète d'o1 attendue ; axe de raisonnement à approfondir

Un thème qui pourrait essaimer dans tout le secteur

o1 ne définit pas seul la suite, mais il cristallise une tendance qui pourrait gagner l'ensemble des laboratoires. L'idée de modèles « qui réfléchissent » — avec un budget de calcul modulable au moment de répondre — a tout pour devenir un axe de travail partagé. On peut s'attendre à ce que différents acteurs du secteur explorent à leur manière des approches de raisonnement, chacun avec ses choix techniques. Sans en faire le procès ni l'éloge, on peut poser l'hypothèse : le raisonnement à l'inférence est en train de passer du statut de piste de recherche à celui de brique potentiellement standard. o1 aura peut-être été l'un des déclencheurs visibles de ce mouvement.

« Raisonner » : de quoi parle-t-on vraiment ?

Un dernier point de fond, pour rester juste. Dire qu'o1 « raisonne » est une commodité de langage, utile mais à manier avec soin. Le modèle ne pense pas comme un être humain ; il produit des séquences de texte qui ressemblent à un raisonnement et qui, statistiquement, mènent plus souvent à la bonne réponse parce qu'il a été entraîné pour cela. Ce n'est ni magique ni conscient : c'est un mécanisme d'optimisation qui a appris que dérouler des étapes intermédiaires paie sur les problèmes complexes. Le résultat n'en est pas moins réel et utile. Mais garder cette distinction en tête évite deux écueils symétriques : sous-estimer la portée de l'avancée, ou lui prêter une compréhension qu'elle n'a pas. o1 raisonne au sens fonctionnel — il exécute un processus qui produit de meilleures réponses —, et c'est déjà considérable.

Comment le lire dès aujourd'hui

Deux enseignements se dégagent déjà. Le premier : le raisonnement à l'inférence a tout pour devenir un pilier. L'idée qu'on puisse améliorer une réponse en laissant le modèle réfléchir davantage n'est plus une simple curiosité de laboratoire ; o1 en offre, dès maintenant, une démonstration publique. Reste à voir jusqu'où elle irriguera les systèmes courants.

Le second enseignement invite à la mesure. Les scores d'o1 impressionnent sur des épreuves ciblées — AIME, GPQA, Codeforces —, mais un modèle qui excelle en concours de mathématiques n'est pas pour autant infaillible sur une question ouverte du quotidien. Le raisonnement pas à pas réduit certaines erreurs sans les supprimer, et l'opacité de la chaîne interne rappelle qu'on juge un résultat plus qu'un cheminement complet. o1 fait avancer l'IA d'un vrai cran ; le lire avec justesse, c'est saluer l'avancée en gardant en tête ses contours réels.

Reste l'essentiel, et c'est une bonne nouvelle pour qui aime la science : en 2024, une équipe a fait le pari qu'apprendre à une machine à réfléchir plus longuement, plutôt qu'à répondre plus vite, valait la peine. Les premiers résultats donnent à ce pari toutes les raisons de tenir. Et c'est ce déplacement discret — du réflexe vers la délibération — qui pourrait bien rester comme l'apport durable d'o1.

Sources

• OpenAI — Introducing OpenAI o1-preview (12 septembre 2024)
• OpenAI — Learning to reason with LLMs (12 septembre 2024)
• OpenAI — o1-mini : advancing cost-efficient reasoning (12 septembre 2024)
• Wikipedia — OpenAI o1 (benchmarks AIME, GPQA, Codeforces)
• OpenAI — Hello GPT-4o (13 mai 2024)
• TechCrunch — OpenAI unveils o1 (12 septembre 2024)