Le rapport annuel de Stanford sur l'IA est sorti. Pas besoin de lire les 400 pages, voici les faits les plus importants 👇

💻 De nombreux benchmarks de programmation explosés
La métrique SWE-bench Verified, qui évalue la capacité à résoudre des issues réelles sur GitHub, est passée de 60 % à près de 100 % en seulement un an. Les tests conçus pour durer des années se saturent en quelques mois. Dans Terminal-Bench (travail d'un agent dans une console réelle : de la compilation au déploiement de serveurs), la précision est passée de 20 % à 77,3 %.

🗑 Internet est mort, la synthétique ne sauve pas
Depuis janvier 2025, >50 % du nouveau contenu sur Internet est généré par l'IA. Pourtant, entraîner des LLM uniquement sur des données synthétiques ne fonctionne toujours pas — la qualité n'augmente pas. Toute la magie réside désormais dans l'approche centrée sur les données. Le modèle OLMo 3.1 Think 32B montre des résultats au niveau de Grok 4, avec 90 fois moins de paramètres. Le secret : un élagage sévère, une déduplication et une curation de l'ensemble d'entraînement, plutôt qu'une augmentation aveugle des poids.

⚔️ Fin du monopole américain et ère de l'opacité
L'écart technologique entre les États-Unis et la Chine a pratiquement disparu. Les modèles chinois sont presque au niveau des fleurons américains. La différence entre les 4 meilleurs modèles est microscopique.
Parallèlement, l'industrie est devenue totalement opaque. Pour les systèmes les plus puissants, on ne divulgue plus ni l'architecture, ni les scripts d'entraînement, ni la taille des ensembles de données.

🤡 Frontière dentelée (Jagged Frontier)
Les réseaux de neurones remportent l'or aux Olympiades internationales de mathématiques (Gemini Deep Think a obtenu 35 points), mais ne peuvent pas simplement lire l'heure sur une horloge analogique (ils se trompent dans 49,9 % des cas, l'erreur médiane est d'une à trois heures). Sur OSWorld (gestion d'applications de bureau), les agents échouent une tâche sur trois. La capacité à résoudre des mathématiques très complexes n'implique pas le bon sens.

📉 Le marché pour les juniors s'effondre
L'augmentation prouvée de la productivité des développeurs (+26 % de pull requests fermées avec l'IA) frappe les postes débutants. Le nombre de programmeurs employés âgés de 22 à 25 ans aux États-Unis a chuté de près de 20 % par rapport à 2024. Les chercheurs appellent cela un « changement technologique biaisé en faveur des seniors » — l'IA remplace le travail des juniors, tandis que l'embauche de développeurs plus âgés continue de croître.

🔌 Fragilité infrastructurelle
La puissance de calcul mondiale pour l'IA augmente de 3,3 fois chaque année (atteignant 17,1 millions d'équivalents H100). Les États-Unis possèdent plus de 5 400 centres de données (10 fois plus que tout autre pays), mais presque toutes les puces d'IA avancées au monde sont produites dans une seule usine de TSMC à Taïwan. La consommation énergétique des centres de données d'IA a atteint 29,6 GW, soit l'équivalent de la consommation de pointe de l'ensemble de l'État de New York.
L'inférence n'est pas en reste : la consommation annuelle d'eau rien que pour la génération de GPT-4o équivaut aux besoins en eau potable de 1,2 million de personnes.