Sam Altman : 730 Milliards$, AGI avant 2030 et GPT-5 Buggé — Le Pari Fou d'OpenAI

Sam Altman est probablement l'homme le plus ambitieux de la tech en 2026. Sa vision : transformer OpenAI en un service public de l'intelligence, comme l'électricité ou l'eau — facturé au compteur, à l'échelle planétaire. La valorisation : 730 milliards de dollars. L'objectif : l'AGI avant 2030. Les moyens : 600 milliards de dollars de dépenses de calcul. En tant que développeur qui utilise ChatGPT et Claude quotidiennement, je vis cette ambition de l'intérieur. Et ce que je vois, c'est un contraste saisissant entre la grandeur de la vision et les ratés bien réels de l'exécution. GPT-5 lancé avec des erreurs factuelles massives, la qualité d'écriture de GPT-5.2 volontairement sacrifiée, des enquêtes réglementaires aux États-Unis et en Europe. L'histoire d'OpenAI en 2026, c'est celle d'un géant qui court plus vite que ses jambes.

La fin de l'ère du scaling

Le virage stratégique

C'est peut-être la déclaration la plus importante d'Altman en 2026 : les progrès futurs ne proviendront plus de l'agrandissement des modèles. L'ère du "on empile plus de paramètres et ça s'améliore" est terminée. Les progrès sur les Transformers résident désormais au-delà de la mise à l'échelle.

La nouvelle direction : le fine-tuning avancé. Altman prévoit que de nouvelles entreprises prendront un modèle volumineux existant et l'ajusteront — pas seulement du fine-tuning classique, mais tout ce qu'on peut faire pour spécialiser un modèle. OpenAI déploie déjà le "reinforcement fine-tuning", une technique utilisée en interne pour améliorer ses modèles, désormais accessible aux développeurs pour créer des modèles experts sur des domaines spécifiques.

Pour un développeur comme moi qui utilise l'API OpenAI, ce virage est concret. Le message est clair : arrêtez d'attendre le prochain GPT-X qui résoudra tous vos problèmes. Prenez le modèle actuel et ajustez-le à votre cas d'usage. C'est là que la vraie valeur se crée.

L'architecture qui change tout

Des Transformers au RLHF

ChatGPT repose sur une architecture Transformer de type "decoder-only" avec auto-attention masquée — le modèle prédit les tokens séquentiellement pour générer du texte cohérent. Mais ce qui a réellement transformé la qualité, c'est le Reinforcement Learning from Human Feedback (RLHF) : des humains évaluent les réponses et le modèle apprend à s'aligner sur leurs préférences.

C'est le RLHF qui a permis le passage de GPT-3 (impressionnant mais souvent incohérent) à InstructGPT puis ChatGPT (capable de suivre des instructions complexes). La prochaine étape qu'OpenAI pousse : permettre à chaque entreprise de faire son propre RLHF sur ses données — c'est ça, le "reinforcement fine-tuning" démocratisé.

La course à l'AGI

"Nous savons comment la construire"

En janvier 2026, Altman a publié un texte qui a secoué l'industrie : "Nous sommes maintenant confiants que nous savons comment construire l'AGI comme nous l'avons traditionnellement comprise." Et OpenAI commence déjà à tourner son attention vers la superintelligence — une IA qui surpasserait les humains dans tous les domaines cognitifs.

L'horizon : AGI avant 2030. Altman a même déclaré que d'ici la fin 2028, plus de capacité intellectuelle du monde pourrait résider dans les data centers qu'à l'extérieur. C'est une affirmation vertigineuse — et volontairement provocante. La timeline cible pour un "chercheur IA autonome" : mars 2028.

L'IA comme service public

La vision commerciale d'Altman est aussi ambitieuse que sa vision technique. Il prédit qu'OpenAI et d'autres fournisseurs finiront par fonctionner comme des compagnies de services publics — l'intelligence vendue au compteur, comme l'électricité ou l'eau. Avec des prix "très élevés" s'il ne peut pas satisfaire la demande.

Les chiffres donnent le vertige. Altman a déclaré : "Vous devriez vous attendre à ce qu'OpenAI dépense des billions de dollars en construction de data centers dans un futur proche." L'entreprise se recadre : non plus une startup logicielle, mais un acteur d'infrastructure à l'échelle des services publics. Pour financer ça, Altman vise une transformation d'OpenAI en actif investissable — certains projets ambitieux ont été mis en attente, et OpenAI accepte son rôle d'acheteur massif de capacité cloud plutôt que de constructeur de ses propres data centers.

Les ratés qui tempèrent l'enthousiasme

GPT-5 : le lancement difficile

L'ambition, c'est bien. L'exécution, c'est autre chose. Le lancement de ChatGPT-5 s'est avéré difficile : les utilisateurs ont signalé une augmentation des erreurs factuelles, des violations de confidentialité et des réponses trompeuses liées aux capacités élargies du modèle. Les régulateurs aux États-Unis et dans l'Union européenne ont ouvert des enquêtes sur la protection des données et la transparence.

"On a foiré" — l'aveu sur GPT-5.2

Plus révélateur encore : Altman a reconnu qu'OpenAI "a foiré" la qualité d'écriture de GPT-5.2. L'explication ? La décision délibérée de concentrer l'effort sur l'intelligence, le raisonnement et le codage — au détriment de la qualité rédactionnelle. C'est un choix stratégique compréhensible, mais qui affecte directement les millions d'utilisateurs qui utilisent ChatGPT pour écrire.

Je l'ai constaté personnellement : depuis GPT-5, j'utilise de plus en plus Claude pour la rédaction et le code créatif, et ChatGPT pour le raisonnement structuré et l'analyse de données. Les deux outils se complètent — mais le fait qu'OpenAI ait volontairement sacrifié une dimension de qualité pour en améliorer une autre montre les limites actuelles de l'approche.

Ce que ça signifie pour les développeurs

Le message d'Altman aux développeurs est clair : le fine-tuning est le nouveau paradigme. Plutôt que d'attendre un modèle magique qui fait tout, prenez un modèle existant et spécialisez-le sur votre domaine. Le "reinforcement fine-tuning" d'OpenAI permet maintenant de créer des modèles experts sans réentraîner depuis zéro.

En pratique, ça signifie que la valeur se déplace. Il y a deux ans, le développeur IA avait besoin de comprendre l'architecture des Transformers. Aujourd'hui, il a besoin de comprendre le fine-tuning, l'alignement et l'orchestration d'agents. Demain, avec l'AGI annoncée, la question sera : comment superviser des systèmes plus intelligents que nous ?

Conclusion

Sam Altman pilote OpenAI vers une transformation sur trois fronts simultanés : technique (du scaling au fine-tuning), commercial (de la startup au service public de l'intelligence) et existentiel (de l'IA étroite à l'AGI puis la superintelligence). C'est une ambition sans précédent dans l'histoire de la tech.

Mais l'histoire de la tech nous enseigne aussi que les plus grandes ambitions produisent les plus grands échecs quand l'exécution ne suit pas. GPT-5 buggé, qualité sacrifiée, enquêtes réglementaires — ce sont des signaux que la vitesse d'OpenAI dépasse parfois sa capacité d'exécution. L'affirmation d'Altman que "le monde n'est pas préparé" pour l'AGI est peut-être vraie. Mais OpenAI l'est-il lui-même ?

Mon conseil de développeur : utilisez les outils d'OpenAI — ils sont puissants et en constante amélioration. Mais ne mettez pas tous vos œufs dans le même panier. L'écosystème IA est assez riche pour diversifier : Claude, Gemini, Mistral, Ollama. Et gardez un œil critique sur les promesses. 730 milliards de valorisation, ça impressionne. Mais 800 millions d'utilisateurs satisfaits, ça compte plus.