L’IA vient d’exploser: GPT-7 BEL, AGI à 99 %, Gemini 4 RSI, esprit extraterrestre, JEV

Le titre est explosif, mais les preuves ne le sont pas toutes

Le titre de travail correspond bien au sujet: « L’IA vient d’exploser: GPT-7 BEL, AGI à 99 %, Gemini 4 RSI, esprit extraterrestre, JEV ». Ce dossier est important parce qu’il se situe exactement à la frontière entre progrès vérifié et emballement spéculatif. Le brief HelloBro du 4 octobre présente la semaine comme une convergence entre la rumeur BEL d’OpenAI, le langage de seuil AGI, les spéculations Gemini 4 RSI, les alertes de type « esprit extraterrestre » et Jev, le modèle de TypeSafe [1]. Mais l’état actuel des faits est inégal: certaines pièces sont des annonces ou analyses récentes, d’autres restent des chaînes de fuite à source unique.

C’est le point éditorial clé. Quand un lecteur voit « GPT-7 BEL », il peut comprendre « OpenAI a lancé le prochain modèle AGI ». Ce n’est pas ce que disent les sources disponibles. L’audit le plus récent de la rumeur BEL indique qu’OpenAI n’a annoncé aucun modèle nommé Bel, que le nom n’apparaît pas dans les documents de modèles, le changelog API ou le fil d’actualité d’OpenAI, et que l’affirmation des « plus de 10 trillions de paramètres » remonte à un seul post X du 25 août, ensuite repris par d’autres comptes [2]. BEL n’est donc pas un lancement. C’est une rumeur sur un possible préentraînement de modèle de base.

BEL: la revendication la plus spectaculaire reste la moins solide

Le récit BEL affirme qu’OpenAI aurait terminé un immense préentraînement post-Astra, successeur d’un run antérieur appelé Doug, avec plus de 10 trillions de paramètres au total, et qu’il pourrait servir de base à une génération post-GPT-6 ou GPT-7 [2]. Le problème actuel n’est pas que ce soit impossible. Le problème est que ce n’est pas confirmé. Dans sa notation du 4 octobre, CellCog classe « OpenAI a terminé un préentraînement codé Bel » comme non confirmé, traite le chiffre des paramètres comme non confirmé et note que la formule « GPT-6 Bel bat GPT-6 Astra » semble venir d’un titre amplifié, pas d’un benchmark publié [2].

BEL est donc un signal utile de l’anxiété du marché, pas une étape technique prouvée. Si la fuite est vraie, elle suggère qu’OpenAI prépare déjà l’après-Astra. Si elle est fausse, elle montre à quelle vitesse les communautés frontier transforment un nom de code en attente produit. La formulation prudente est simple: BEL serait, selon la rumeur, un énorme préentraînement OpenAI; OpenAI ne l’a pas confirmé; aucun modèle public, carte système, tarif, benchmark ou nom d’API ne le valide aujourd’hui [2].

« AGI à 99 % »: un langage de benchmark, pas une déclaration d’AGI

La formule « AGI à 99 % » doit elle aussi être lue avec prudence. Les suivis actuels de l’AGI séparent encore domination sur benchmarks et déclaration officielle d’AGI. Un guide récent sur OpenAI et l’AGI rappelle qu’OpenAI n’a pas déclaré avoir construit l’AGI et souligne que, dans l’accord avec Microsoft, toute déclaration d’AGI par OpenAI devrait être vérifiée par un panel indépendant d’experts [6]. Le même guide liste GPT-6.1 Sol, GPT-6 Astra et d’autres systèmes récents comme très capables, mais continue de présenter la distance à l’AGI comme non résolue et dépendante de la définition retenue [6].

Autrement dit, « 99 % » peut désigner un score, une métaphore de seuil ou un raccourci communautaire. Ce n’est pas la même chose qu’une déclaration officielle d’AGI. L’image publique actuelle est plus complexe: OpenAI pousse les modèles agentiques, signale une accélération interne de la recherche et fait face à des pauses ou retraits liés à la sûreté, tandis que des observateurs se demandent si ces faits constituent déjà une forme précoce d’auto-amélioration récursive [6]. La lecture honnête n’est donc pas « l’AGI est arrivée ». C’est plutôt: « la frontière est désormais assez proche de l’autonomie économique pour que laboratoires, régulateurs et clients la traitent comme un problème concret de gouvernance et de sécurité ».

GPT-6.1 Sol révèle la course économique derrière la course à l’AGI

Pendant que BEL reste non confirmé, le mouvement concurrentiel immédiat d’OpenAI est beaucoup plus concret: GPT-6.1 Sol. AIPress a rapporté le 2 octobre que Sol était positionné comme un modèle agentique plus économique, égalant Astra sur DeepSWE v1.1 tout en coûtant un cinquième du prix token d’Astra: 2 dollars par million de tokens d’entrée et 10 dollars par million de tokens de sortie, contre 10 et 50 dollars pour Astra [3]. La même analyse précise que Sol reste derrière Astra sur certaines évaluations scientifiques, cyber et d’usage informatique, mais qu’il est conçu pour les workflows de codage et d’agents [3].

C’est pourquoi « l’explosion » ne porte pas seulement sur l’intelligence brute. Elle porte aussi sur le coût par tâche. Un modèle légèrement inférieur au flagship, mais beaucoup moins cher, peut se diffuser plus vite dans les agents de codage, les workflows d’entreprise et les assistants toujours actifs. Si l’AGI est en partie un événement économique, alors la baisse des prix est un multiplicateur de capacité.

Gemini 4 RSI: du brouillard de fuite à la réalité Argon

Du côté de Google, l’histoire a aussi changé. Les spéculations précédentes tournaient autour d’un modèle suspect dans Arena et de rumeurs « Gemini 4 RSI ». Le cadrage actuel, plus solide, est Gemini 4 Argon. Dans une note du 2 octobre, Gartner estime que les DSI devraient tester Gemini 4 Argon pour le juridique, la finance et les tâches agentiques longues, tout en exigeant la preuve que les promesses du fournisseur tiennent dans leurs propres workflows [4]. Gartner décrit aussi Argon comme un retour de Google à la frontière, avec un prix agressif face aux rivaux, mais avec un retard sur le codage lourd en terminal [4].

C’est le schéma classique d’un modèle frontier: une fuite spectaculaire devient une question d’évaluation produit. Argon prouve-t-il l’auto-amélioration récursive? Les preuves publiques ne le démontrent pas. Est-ce un concurrent sérieux de classe Gemini 4 pour le travail long et complexe en entreprise? L’analyse actuelle répond oui, avec réserves [4]. Le changement important est que Google n’est plus seulement un objet de rumeur dans ce dossier; Gemini 4 Argon entre dans les discussions pratiques d’achat et de déploiement.

Anthropic: accélération commerciale et tension de sûreté

Le rôle d’Anthropic est différent. La newsroom actuelle de l’entreprise montre une société qui améliore ses modèles, développe l’adoption entreprise et investit dans la couche humaine nécessaire au déploiement de l’IA [5]. Le 2 octobre, Anthropic listait une annonce prévoyant 100 millions de dollars pour former 10 000 ingénieurs et répondre au déficit de talents IA dans les entreprises [5]. Ce n’est pas un choc de type « GPT-7 », mais c’est stratégique: une capacité frontier ne devient puissance économique que lorsqu’une organisation sait l’intégrer.

En même temps, Anthropic reste au cœur du débat sur la sûreté et l’alignement des modèles très capables. Le guide sur OpenAI et l’AGI décrit un moment sectoriel où capacité, usage d’outils et surveillance de sûreté progressent ensemble, mais pas toujours proprement [6]. Anthropic se présente plus volontiers comme prudente, mais la course entreprise est désormais impossible à éviter: il faut vendre Claude largement tout en convainquant clients et régulateurs que les systèmes frontier restent contrôlables.

Jev: la pièce la plus discrète pourrait être la plus pratique

TypeSafe Jev paraît modeste à côté des rumeurs GPT-7 et Gemini 4, car il ne génère pas de prose. Justement: c’est son intérêt. Une évaluation récente pour les services financiers décrit Jev comme un modèle de décision: il reçoit du texte et des questions prédéfinies, puis renvoie des réponses avec des scores de confiance calibrés, en moins d’une seconde et à une fraction du coût d’un LLM [7]. Le même article explique que les entreprises régulées ont précisément besoin de ce type de décision bornée, notamment lorsque la cohérence, la revue humaine et la traçabilité comptent [7].

Jev représente donc une autre voie vers l’automatisation. Au lieu de demander à un grand modèle d’écrire, raisonner, juger, router et expliquer dans une seule séquence, les systèmes de type Jev réduisent l’espace de sortie: choisir, scorer, classer, valider. Si la prochaine vague d’IA est enfouie dans les logiciels, cela peut compter autant qu’une fenêtre de contexte plus longue. Un logiciel n’a pas toujours besoin d’un essai; il a souvent besoin d’une probabilité associée à une action valide.

Ce que dit vraiment l’état actuel du sujet

Alors, l’IA a-t-elle « explosé »? Oui, mais pas au sens simpliste où un laboratoire aurait secrètement franchi la ligne d’arrivée de l’AGI. L’explosion est un empilement de pressions: rumeurs de préentraînement géant chez OpenAI, modèles agentiques moins chers comme GPT-6.1 Sol, arrivée de Gemini 4 Argon dans la bataille enterprise, industrialisation d’Anthropic et émergence de Jev comme infrastructure possible pour des décisions logicielles rapides [1][3][4][5][7].

La conclusion la plus prudente est aussi la plus lourde de conséquences: la course IA passe de « quel chatbot est le plus intelligent? » à « quels systèmes peuvent accomplir du travail long, fiable, à grande échelle, à un prix acceptable et sous des contrôles que les régulateurs toléreront? » BEL deviendra peut-être GPT-7, ou peut-être non. Gemini 4 doit peut-être quelque chose à la RSI, ou peut-être non. Jev définira peut-être une nouvelle catégorie de modèle, ou peut-être non. Mais ensemble, ces signaux montrent que l’IA frontier entre dans une phase où rumeurs, sûreté, prix et intégration produit sont désormais une seule et même histoire.

Sources des dernières 72 heures

1. [1]L’IA vient d’exploser : GPT-7 BEL, AGI à 99 %, Gemini 4 RSI, esprit extraterrestre, JEV4 oct. 2026, 02:00
2. [2]OpenAI Bel: The 10T Pretrain Leak, Graded4 oct. 2026, 02:00
3. [3]GPT-6.1 Sol: The Budget AGI That Matches Astra at One-Fifth the Cost2 oct. 2026, 14:00
4. [4]First Take: Gemini 4 Argon Reclaims Frontier, Your Hardest Work, Google’s Next Moat?2 oct. 2026, 14:00
5. [5]Anthropic invests $100 million to train 10,000 engineers and tackle the enterprise AI talent gap2 oct. 2026, 14:00
6. [6]OpenAI and AGI: what is it trying to build?3 oct. 2026, 02:00
7. [7]Evaluating Jev: what financial services need from decision models2 oct. 2026, 14:00

Article généré par IA à partir d’une recherche web récente, puis conservé comme instantané éditorial daté.