Retour

News · Logiciel

RSI chez Google : l’auto-amélioration récursive expliquée

Le RSI de Google n’est pas un indicateur boursier. C’est l’auto-amélioration récursive : une IA qui participe à fabriquer la suivante. On démêle Gemini 3.8, AlphaEvolve, Brin et les rumeurs de septembre 2026.

Par 13 septembre 202611 min de lecture1 vue
RSI chez Google : l’auto-amélioration récursive expliquée

Le sigle RSI revient partout dès qu’il est question de Google et d’intelligence artificielle. Ce n’est pas l’indicateur boursier de l’action Alphabet. Ce n’est pas non plus l’easter egg de la recherche Google, qui propose « recursion » quand on tape « recursion ». RSI veut dire recursive self-improvement : auto-amélioration récursive.

L’idée tient en une phrase. Une IA ne se contente plus de répondre à des questions : elle participe à concevoir, coder ou entraîner la version suivante d’elle-même. Si cette nouvelle version est aussi meilleure pour améliorer, le tour suivant peut aller plus vite. Voilà la récursivité.

Au 13 septembre 2026, Google n’a pas annoncé avoir « atteint le RSI » au sens d’une machine qui s’améliore toute seule, sans humain, jusqu’à une explosion d’intelligence. En revanche, l’entreprise en a fait un objectif stratégique : boucles d’agents autour de Gemini 3.8, agent AlphaEvolve déjà utilisé en interne, pression de Sergey Brin relayée par Reuters. Ce dossier trie les faits, les précurseurs déjà visibles, et les rumeurs de septembre.

Couverture : visuel officiel de l’annonce Gemini 3.8 Flash (ouvre blog.google dans un nouvel onglet), blog Google, 2 septembre 2026.

RSI en une minute

On entendCe que ça veut dire vraimentStatut au 13 septembre
Une IA de Google devenue incontrôlablePersonne n’a publié la preuve d’une telle basculeRumeur
Une IA qui aide à construire la suivanteC’est le cœur du termeEn cours chez Google et ailleurs
Une explosion d’intelligence sans humainVersion « forte », héritée d’I. J. Good (1965)Non démontrée
Un indicateur boursier de l’action GoogleAutre RSI, sans rapportHors sujet

Info

Récursif, en informatique, désigne un procédé qui se rappelle lui-même. Une fonction récursive s’appelle jusqu’à une condition d’arrêt — sinon elle tourne en boucle. Le RSI applique la même logique à l’intelligence : le système qui s’améliore est aussi l’outil qui produit la prochaine amélioration. La condition d’arrêt, aujourd’hui, ce sont encore les équipes humaines, les tests et la mise en production.

Une idée de 1965, un mot de 2026

Le scénario n’est pas né avec Gemini. En 1965, le mathématicien britannique I. J. Good, qui avait travaillé à Bletchley Park, écrivait dans Advances in Computers :

Let an ultraintelligent machine be defined as a machine that can far surpass all the intellectual activities of any man however clever. Since the design of machines is one of these intellectual activities, an ultraintelligent machine could design even better machines; there would then unquestionably be an “intelligence explosion,” and the intelligence of man would be left far behind.

Traduction utile : une machine plus intelligente que n’importe quel humain pourrait concevoir des machines encore meilleures. L’intelligence humaine resterait alors loin derrière. Good ajoutait une réserve souvent oubliée : à condition que la machine soit assez docile pour nous dire comment la contrôler.

En 2026, les laboratoires ont raccourci ça en RSI. Sundar Pichai, PDG de Google, le plaçait encore en mai sur un continuum : des progrès nets sur le code et les agents, mais, « in the way people describe RSI », un cran d’accélération avec beaucoup d’implications, « we aren’t quite there yet ». C’est l’entretien Hard Fork repris par le New York Times le 22 mai 2026 (ouvre nytimes.com dans un nouvel onglet).

À quoi ressemble la boucle

Le schéma ci-dessous n’est pas un document interne de Google. C’est une lecture éditoriale de ce que les textes officiels décrivent.

Schéma de la boucle RSI : un modèle, des agents qui testent, un gain vérifié, puis le modèle suivant.

Schéma original Yatofix, 13 septembre 2026. Les chiffres AlphaEvolve viennent du billet DeepMind du 14 mai 2025 (ouvre deepmind.google dans un nouvel onglet).

Deux précisions évitent de tout mélanger.

D’abord, améliorer un résultat n’est pas encore du RSI. Un modèle qui écrit un meilleur e-mail n’améliore pas la machine qui écrit les e-mails. Le RSI commence quand on touche à l’appareil d’amélioration lui-même : code d’entraînement, algorithmes, agents de recherche, éventuellement l’architecture.

Ensuite, un humain peut rester dans la boucle. C’est même le cas de tout ce que Google a publié. AlphaEvolve propose, des métriques automatiques notent, des ingénieurs déploient. Ce n’est pas « plus personne aux commandes ».

AlphaEvolve : le précurseur le plus concret

Le 14 mai 2025, Google DeepMind a présenté AlphaEvolve, un agent de code alimenté par Gemini. Il propose des programmes, les fait évaluer automatiquement, garde les meilleurs, recommence. DeepMind écrit explicitement qu’il a amélioré l’efficacité des data centers, de la conception de puces et des processus d’entraînement d’IA, y compris l’entraînement des grands modèles qui sous-tendent AlphaEvolve lui-même.

Les chiffres officiels du billet :

  • un kernel de multiplication de matrices dans l’architecture Gemini accéléré de 23 %, soit environ 1 % de temps d’entraînement en moins ;
  • jusqu’à 32,5 % de gain sur une implémentation de FlashAttention ;
  • une heuristique de planification pour Borg, en production plus d’un an, qui récupère en moyenne 0,7 % des ressources de calcul mondiales de Google.

Un pour cent d’un entraînement Gemini, à l’échelle de Google, n’est pas cosmétique. Ce n’est pas non plus une IA qui s’est réécrite toute seule. DeepMind le dit : il faut des fonctions d’évaluation automatiques. Sans note claire, la boucle ne ferme pas.

C’est exactement le type de précurseur dont parlait plus tard Jasjeet Sekhon, directeur de la stratégie de DeepMind : après les machines à vapeur, on a utilisé des machines à vapeur pour en construire de meilleures.

Gemini 3.8 : trois Flash en six semaines

Le 2 septembre 2026, Google a lancé Gemini 3.8 Flash et Gemini 3.8 Flash Cyber. Troisième Flash en six semaines, après 3.7 trois semaines plus tôt. Le billet officiel (ouvre blog.google dans un nouvel onglet) contient la phrase que le débat RSI a retenue :

both of today's releases are powered by the same foundational intelligence, and further accelerated by long-running agentic loops designed to recursively evaluate and refine the underlying models.

Autrement dit : des boucles d’agents qui tournent longtemps, conçues pour évaluer et affiner récursivement les modèles sous-jacents. Google ne dit pas « nous avons l’AGI ». Il dit que le rythme de 3.8 n’est pas seulement un entraînement classique.

Le tarif de lancement reste celui de 3.7 Flash : **0,75 * le million de tokens d’entrée, **3,75 * en sortie, jusqu’au 31 décembre 2026, puis le double. Sur DeepSWE v1.1, épreuve de génie logiciel de longue haleine, la fiche modèle (ouvre deepmind.google dans un nouvel onglet) affiche 73,7 % pour 3.8 Flash, contre 65,3 % pour 3.7 Flash. Google affirme que ce Flash dépasse la plupart des modèles frontière plus gros, pour une fraction du coût.

Graphique officiel Google : Gemini 3.8 Flash sur DeepSWE v1.1, score en fonction du coût moyen par tâche.

Crédit : Google, annonce Gemini 3.8 (ouvre blog.google dans un nouvel onglet), 2 septembre 2026. Source des points indiquée par Google : Datacurve AI. Ce n’est pas un benchmark réalisé par Yatofix.

Le graphique officiel raconte surtout une cadence. De 3.5 Flash à 3.8 Flash, la famille grimpe vers le coin « plus capable, moins cher par tâche ». C’est cohérent avec des boucles d’agents qui raccourcissent le temps entre deux versions. Ce n’est pas, à lui seul, la preuve d’une explosion.

Le chercheur DeepMind Shunyu Yao a commenté le lancement sur X : « That’s one small step for model, one giant leap for RSI :) ». C’est une boutade du 2 septembre (ouvre x.com dans un nouvel onglet), pas un communiqué. Elle dit surtout que, dans l’équipe, 3.8 est lu comme un pas de RSI, pas seulement comme un numéro de version.

Brin pousse, Hassabis recule du quotidien, Sekhon assume le pari

Sergey Brin sur scène à TED, en 2010.

Sergey Brin en 2010. Photo Steve Jurvetson (ouvre commons.wikimedia.org dans un nouvel onglet), CC BY 2.0 (ouvre creativecommons.org dans un nouvel onglet). Ce n’est pas une photo de 2026.

Le 12 août 2026, Reuters (ouvre reuters.com dans un nouvel onglet) a décrit, d’après des sources internes, comment Sergey Brin a pressé les équipes IA de tout miser sur Gemini. Brin n’a plus de titre exécutif. Reuters écrit qu’il s’en sert pour orienter des ressources vers l’auto-amélioration récursive : le point où la technique peut s’améliorer sans intervention humaine. Google n’a pas rendu Brin disponible pour un entretien.

Vue aérienne du campus Google à Mountain View, en Californie.

Campus Google à Mountain View, 25 mai 2013. Photo Austin McKinley (ouvre commons.wikimedia.org dans un nouvel onglet), CC BY 3.0 (ouvre creativecommons.org dans un nouvel onglet).

Le 5 août, DeepMind a été réorganisé : Demis Hassabis est devenu président, avec moins de gestion quotidienne ; Koray Kavukcuoglu a pris davantage de pouvoir opérationnel. Hassabis n’est pas « parti ». Il n’est plus le chef d’orchestre du jour.

Demis Hassabis durant la semaine Nobel 2024 à Stockholm.

Demis Hassabis, cofondateur de DeepMind, prix Nobel de chimie 2024, à Stockholm le 8 décembre 2024. Photo Arthur Petron (ouvre commons.wikimedia.org dans un nouvel onglet), CC BY-SA 4.0 (ouvre creativecommons.org dans un nouvel onglet).

Entrée des bureaux Google / DeepMind à Londres, 6 Pancras Square.

6 Pancras Square, Londres, 21 décembre 2017. Photo Gciriani (ouvre commons.wikimedia.org dans un nouvel onglet), CC BY-SA 4.0 (ouvre creativecommons.org dans un nouvel onglet).

Début août, Jasjeet Sekhon, directeur de la stratégie de DeepMind, a dit tout haut ce que le capex de 2026 est censé acheter. Lors d’un sommet à Berkeley, repris par The Information puis par The Next Web (ouvre thenextweb.com dans un nouvel onglet) : les revenus de l’IA « don’t sustain the capital expenditures we’re making so far ». Le pari, c’est le RSI. Il comparait ça aux machines à vapeur, et jugeait « malavisé » de parier contre, parce qu’il y a déjà « les prémices » du RSI. Dans la conversation filmée RSI: Demystifying the "Foom", il précise aussi que ce que l’on observe n’est pas le RSI au sens formel de von Neumann : ce sont des précurseurs. Il situait une possible émergence plutôt dans les « deux prochaines années ».

Alphabet a porté son guidage d’investissement 2026 jusqu’à 205 milliards de dollars, après 44,9 milliards de capex sur un seul trimestre, d’après The Next Web. Ces montants mesurent une foi industrielle. Ils ne mesurent pas une explosion d’intelligence.

La rumeur de septembre : un acrostiche, une capture, zéro confirmation

Attention

Le 11 septembre 2026, le compte X lyra (@lyraxana) a publié « huge congRatulationS Indeed! » en taguant Google DeepMind. Les capitales R, S, I forment RSI. Un autre compte, Lentils, a ensuite montré une capture au format API Google, avec un modèle nommé « rsi-model-liverl-le » / « RSI Model LiveRL LE », fenêtre d’entrée 1 048 576 tokens. Lyra a affirmé que Google lui avait retiré ses clés API. Google et DeepMind n’ont pas confirmé l’existence de ce modèle. La capture n’a pas été authentifiée de façon indépendante. Un acrostiche et une capture JSON ne suffisent pas à écrire « Google a atteint le RSI ».

Le terrain était prêt : phrase officielle sur les boucles récursives de 3.8, tweet de Yao, article Reuters sur Brin. La communauté a branché les fils. Brancher n’est pas vérifier.

Le 12 septembre, Dario Amodei, PDG d’Anthropic, a publié l’essai We Must Pace the Frontier (ouvre darioamodei.com dans un nouvel onglet). Il y écrit que, depuis l’été, l’IA avance beaucoup plus vite, « driven primarily by AI’s growing ability to build the next generation of AI ». Il appelle ça du RSI, et dit que cela commence dans toute l’industrie, y compris chez Anthropic. Sam Altman et Elon Musk ont abondé dans son sens. Ce n’est pas une confirmation du modèle fantôme de Google. C’est le même mot, utilisé au même moment, par des concurrents qui demandent de ralentir.

Ce que ça change, concrètement

Pour quelqu’un qui code avec Gemini, le signal utile n’est pas le sigle. C’est la cadence : trois Flash en six semaines, un modèle de milieu de grille qui rattrape des flagships plus chers sur des tâches d’agents et de logiciel, des boucles qui tournent plus longtemps. Si ces boucles tiennent, les versions suivantes peuvent arriver plus vite que le calendrier « un gros modèle par an ».

Pour le matériel, le lien est indirect mais réel. AlphaEvolve a déjà touché l’ordonnancement des data centers, un kernel d’entraînement et du Verilog de TPU. Une IA qui aide à concevoir les puces et à raccourcir l’entraînement, c’est précisément le genre de boucle que Sekhon compare à la machine à vapeur. Cela ne dit pas quand, ni si, le laboratoire humain sortira de la boucle.

La lecture honnête, au 13 septembre 2026, tient en trois phrases. Google pousse le RSI comme objectif. Des précurseurs mesurés existent. L’explosion d’intelligence, elle, n’est pas un fait établi — malgré les acrostiches.

Sources

Informations vérifiées le 13 septembre 2026. Rédaction fondée sur les pages officielles et les articles cités. Nous n’avons pas d’accès interne à DeepMind, et nous ne revendiquons aucun benchmark indépendant.

TagsIntelligence artificielleGoogleGeminiDeepMindRSI

Laisser un avis

Ta note :

Anti-robots : recopie le code

Avis des lecteurs

Pas encore de note. La première est pour toi.

Aucun avis publié pour le moment.

À lire aussi