Les ingénieurs d'OpenAI ne comprennent plus leur propre code, mais l'IA si
Les ingénieurs d'OpenAI ne comprennent plus leur propre code, mais l'IA si
Jordan Nanos de SemiAnalysis révèle que le cœur du code d'OpenAI est devenu si complexe que ses créateurs eux-mêmes ne peuvent plus l'analyser ligne par ligne. Pourtant, l'intelligence artificielle maîtrise parfaitement cette architecture générative.
Jordan Nanos, analyste chez SemiAnalysis, a révélé une réalité troublante lors de la revue du code source principal d'OpenAI : les ingénieurs qui ont développé ces systèmes ne comprenaient pas, ligne par ligne, ce que faisait réellement le code. Et cela n'avait aucune importance, car l'intelligence artificielle, elle, le comprenait.
« Ce n'est pas du code poubelle puisqu'il fonctionne. Mais essentiellement, il s'agit littéralement d'un assembleur généré par IA, déversé dans Gluon — un langage de programmation bas niveau pour les cœurs qu'ils ont construit au-dessus de Triton et qui utilise un modèle de programmation très intéressant. »
« L'essentiel est que les personnes qui examinaient ce code avec nous comprenaient très bien le matériel et les concepts globaux du système, mais elles n'avaient aucune idée de ce que faisait exactement ce cœur MLA pour DeepSeek, qu'elles nous ont montré. »
« Vous pouvez parcourir le code ligne par ligne, et là, littéralement : non, je ne sais pas, je ne sais pas. »
« Mais cela n'a pas d'importance. L'IA le comprend, l'IA le teste, et les résultats sont visibles. Elle génère des cœurs corrects qui fonctionnent vraiment bien. »
« Et je pense que c'est simplement un autre signe de ce qui nous attend ensuite. »
« Le code lui-même ne doit pas nécessairement être quelque chose qu'une personne doit comprendre en profondeur et disséquer si l'IA sait gérer les flux de données et les éléments de calcul sur le matériel que vous lui avez fourni. »
Pourquoi c'est important
AnalyseCette dynamique souligne l'émergence d'une nouvelle ère où l'automatisation logicielle dépasse la compréhension humaine directe, ouvrant la voie à une optimisation radicale des infrastructures de calcul sans dépendre d'une auditabilité traditionnelle.
Discuter dans la communauté
Partagez vos questions et vos idées avec les développeurs
Lié dans l'écosystème
Guides pratiques, terminologie clé et compétences d'agents
Quatre conseils de CV du responsable du développement IA appliquée chez OpenAI
Wulfie Bain, responsable du développement IA appliquée chez OpenAI, a partagé quatre règles : brièveté, pertinence, mise en avant des résultats et réalisations clés en premier.
AI Radar : GPT-6.1 Terra, Gemini 4 Carbon, Mistral Large 4 et changements tarifaires d’OpenAI et d’Anthropic
Tour d’horizon des actualités IA : nouveaux modèles LLM, changements d’abonnements OpenAI et Anthropic, modèles de monde, générateurs vidéo et détails d’entreprise.
Codex Skills pour débutants : comment automatiser les scénarios de travail des agents IA
Guide pratique pour créer et utiliser les Skills dans Codex : anatomie du fichier SKILL.md, activation explicite et automatique, différences entre les compétences, les scripts et les outils, l'API Skills et la configuration des limites de sécurité.
OpenAI GPT (Modèles phares de la série GPT)
La gamme principale et polyvalente des grands modèles de langage d'OpenAI (GPT-4, GPT-4o). Optimisée pour l'analyse textuelle complexe, la programmation, la création et le travail intellectuel quotidien.