OpenAI a déployé cette semaine o3 en accès général et présenté o4-mini, une version optimisée pour le rapport performance/coût. Ces deux modèles, axés sur le raisonnement approfondi, ouvrent des possibilités inédites pour les applications nécessitant une réflexion structurée et multi-étapes. Ce que cela change concrètement pour les développeurs et les entreprises.

La famille « o » : une approche radicalement différente

Les modèles de la série « o » d’OpenAI (o1, o2, o3, o4) ne sont pas de simples améliorations de GPT. Ils utilisent une technique appelée « chain-of-thought prolongé » : avant de répondre, le modèle génère un raisonnement interne invisible qui peut durer de quelques secondes à plusieurs minutes selon la complexité du problème. Ce processus de réflexion préalable lui permet de vérifier ses propres hypothèses, de revenir sur des erreurs et d’explorer des approches alternatives — imitant le processus cognitif humain face à un problème difficile.

Les performances de o3 sur les tâches complexes

Sur ARC-AGI (Abstraction and Reasoning Corpus), considéré comme un test de généralisation de l’intelligence, o3 atteint 87,5 % en mode « haute computation » — un score qui dépasse le niveau humain moyen de 85 %. Sur SWE-bench Verified (résolution autonome de bugs dans des projets logiciels réels GitHub), o3 résout 71,7 % des problèmes — un niveau qui permettrait théoriquement à une IA de travailler de manière autonome sur des corrections de code de complexité intermédiaire. Ces résultats ont provoqué des débats animés dans la communauté IA sur ce que ces chiffres signifient réellement pour l’AGI.

o4-mini : la puissance à prix réduit

o4-mini est la réponse d’OpenAI aux critiques sur le coût prohibitif des modèles o. Avec des performances proches de o3 sur les tâches mathématiques et de codage, mais un coût d’inférence de 1,10 dollar pour un million de tokens en sortie contre 15 dollars pour o3, o4-mini ouvre le raisonnement avancé à des cas d’usage où le coût était jusqu’ici rédhibitoire : tuteurs adaptatifs, outils d’analyse juridique ou médicale, agents de support technique complexes.

Les nouvelles capacités multimodales

o3 et o4-mini intègrent une capacité visuelle native : ils peuvent raisonner sur des images, des diagrammes, des graphiques et du code source visuel. Un ingénieur peut soumettre une capture d’écran d’un message d’erreur et obtenir un diagnostic raisonné et une solution étape par étape. Un médecin peut charger une image d’IRM et recevoir une analyse différentielle structurée. Ces capacités, combinées au raisonnement profond, représentent une avancée qualitative significative pour les applications professionnelles à haute valeur ajoutée.

xAI a publié les résultats de benchmark de Grok 3, sa dernière génération de modèle de langage. Les chiffres sont spectaculaires : Grok 3 surpasse GPT-4o sur plusieurs évaluations académiques clés en mathématiques, en sciences et en codage. Une percée qui confirme que la compétition dans l’IA générative se joue désormais à plusieurs acteurs de premier rang.

Les résultats qui font parler

Sur AIME 2025 (compétition mathématique de haut niveau), Grok 3 atteint un taux de résolution de 93,3 %, contre 83,3 % pour GPT-4o et 86,7 % pour Gemini 1.5 Pro. Sur GPQA Diamond, qui évalue des questions de niveau doctorat en chimie, biologie et physique, Grok 3 obtient 84,6 % — un record pour un modèle commercial. Sur HumanEval (codage Python), Grok 3 atteint 88,4 %, se positionnant derrière Claude 3.7 Sonnet mais devant la majorité des concurrents.

L’infrastructure qui rend cela possible

Ces performances reposent sur Colossus, le supercalculateur d’entraînement de xAI basé à Memphis, Tennessee. Avec 200 000 GPU NVIDIA H100, Colossus est l’un des clusters d’entraînement les plus puissants au monde. L’avantage d’Elon Musk : sa capacité à lever des capitaux massifs rapidement et à construire une infrastructure matérielle à une vitesse que peu d’organisations peuvent égaler. La phase 2 de Colossus, avec un million de GPU, est en cours de déploiement.

Les forces et limites de Grok 3

Grok 3 excelle dans les tâches qui nécessitent un raisonnement structuré et des connaissances scientifiques précises. En revanche, les évaluateurs indépendants notent une tendance à l’assurance excessive sur des sujets politiquement sensibles et un alignement aux valeurs moins rigoureux que ses concurrents. La politique délibérément moins restrictive de xAI sur les contenus — voulue par Musk — est un différenciateur commercial mais aussi une source de risques réputationnels.

L’accès et le modèle économique

Grok 3 est disponible via l’abonnement X Premium+ à 16 dollars par mois, ainsi qu’une API destinée aux développeurs. La version « Grok 3 Reasoning » (équivalent d’o3 chez OpenAI) sera lancée dans les prochaines semaines. La stratégie de distribution via X donne à xAI un accès immédiat à plus de 500 millions d’utilisateurs actifs — un canal de diffusion unique que ne possède aucun autre acteur de l’IA.

Deux ans après le déploiement massif des outils d’IA générative dans les entreprises, les premiers données robustes sur l’impact réel sur l’emploi commencent à émerger. La réalité est plus nuancée que les prophéties catastrophistes ou les optimismes béats : oui, des métiers disparaissent ; oui, de nouveaux émergent. Mais la transition est douloureuse pour ceux qui en font les frais.

Les métiers les plus impactés (en baisse)

Les données du Bureau International du Travail (BIT) pour 2025-2026 montrent des baisses significatives dans plusieurs catégories : les centres d’appels et service client (-34% d’effectifs en 2 ans dans les grandes entreprises), la traduction et l’interprétation de documents standard (-28%), la rédaction de contenu web générique (-41%), la saisie de données et le back-office administratif (-38%), et les fonctions de modération de contenu en ligne (-52%).

Les métiers en forte croissance

En contrepartie, de nouveaux métiers explosent : l’ingénierie de prompt et l’optimisation des LLM (+340% d’offres d’emploi), la gouvernance IA et la conformité à l’AI Act (+180%), la formation et l’évaluation de modèles d’IA (+220%), les spécialistes en cybersécurité IA (+165%), et de manière plus surprenante, les métiers artisanaux et relationnels (plombiers, électriciens, soignants, enseignants) dont la valeur augmente précisément parce que l’IA ne peut pas les remplacer facilement.

La réponse des politiques publiques

Face à ces mutations, les gouvernements déploient des programmes massifs de reconversion. En France, le « Plan Compétences IA » finance la reconversion de 500 000 travailleurs sur 3 ans. L’Allemagne expérimente un revenu de transition garanti pour les salariés dont le poste est supprimé par automatisation. Et la discussion sur le revenu universel de base, longtemps marginale, revient au centre du débat politique européen.