L'IA va-t-elle soudainement « évoluer » ? Paradigm vous donne la réponse à travers un jeu.

Paradigm a lancé un simulateur RSI, vous permettant de découvrir la courbe d'explosion intelligente de la récursivité et de l'auto-amélioration de l'IA, révélant le jeu entre la puissance de calcul, les ressources humaines et les données, et permettant également de comprendre pourquoi les VC crypto investissent massivement dans les technologies de pointe.

Le célèbre fonds de capital-risque crypto Paradigm a lancé hier un jeu web intitulé RSI Simulator.

Les joueurs incarnent le directeur d'un laboratoire d'IA dont l'objectif est de créer une superintelligence à partir de rien.

Vous disposez de trois ressources : les ressources humaines, la puissance de calcul et les données. Vous devez décider du montant à investir dans la R&D, dans l’entraînement et dans le déploiement à grande échelle. Après chaque série de décisions, les capacités du modèle évolueront, ce qui influencera l’efficacité de la R&D, jusqu’à un point critique où l’IA accélérera son auto-amélioration et où la courbe s’élèvera brusquement.

Cela ressemble à un jeu passif. En réalité, c'est un outil pédagogique qui transforme les cours d'économie en une expérience interactive.

Paradigm l'utilise pour répondre à une question que tout le monde se pose, mais que peu abordent de manière quantitative : à quelle vitesse l'IA va-t-elle progresser de manière autonome ? Va-t-elle exploser soudainement ? Quels facteurs déterminent son potentiel maximal ?

Qu'est-ce que l'amélioration personnelle récursive ?

L'auto-amélioration récursive, ou RSI en abrégé, est l'un des sujets les plus fondamentaux dans le domaine de la recherche sur la sécurité de l'IA.

En termes simples : lorsqu’un modèle d’IA est suffisamment puissant pour aider les humains à améliorer la génération suivante de modèles d’IA, un cycle se forme où l’IA participe à la création d’une IA plus performante, et l’IA plus performante participe ensuite à la création d’une IA encore plus performante.

Une fois ce cycle enclenché, il peut théoriquement produire une accélération exponentielle, également connue sous le nom d'« explosion intelligente ».

Ce n'est plus de la science-fiction. En février 2026, lors de la publication de GPT-5.3-Codex par OpenAI, l'institut a reconnu qu'une version préliminaire du modèle avait « joué un rôle significatif » dans sa création, contribuant au débogage du processus d'entraînement, à la gestion du déploiement, ainsi qu'au diagnostic et à l'évaluation des défaillances. C'était la première fois qu'un laboratoire de pointe admettait officiellement qu'un modèle avait participé de manière substantielle au processus d'ingénierie menant à la création de son successeur.

Comment joue-t-on à ce jeu ?

La partie jeu de RSI Simulator simule les décisions d'allocation de ressources dans un laboratoire d'IA.

À chaque étape, il est nécessaire de répartir les ressources selon trois axes. Investir davantage de puissance de calcul permet d'entraîner des modèles plus complexes ; investir davantage de ressources humaines dans la recherche peut améliorer l'efficacité des algorithmes (obtenir le même résultat avec une puissance de calcul moindre) ; investir dans la collecte de données permet d'élargir le champ des ressources d'entraînement.

Le mécanisme clé est le suivant : lorsque les capacités du modèle atteignent un certain niveau, il commence à « contribuer à la recherche », et l’efficacité de vos chercheurs humains s’améliore grâce à l’assistance de l’IA. C’est le point de départ du cycle RSI. Il vous faut déterminer à quel moment faire passer les ressources du mode d’expansion à un mode qui « laisse l’IA mener ses propres recherches ».

Si vous effectuez la transition trop tôt, les capacités du modèle seront insuffisantes et l'IA sera moins efficace que les humains pour mener des recherches, gaspillant ainsi de la puissance de calcul. Si vous attendez trop longtemps, vous risquez d'être dépassé par d'autres laboratoires (hypothétiques).

Paradigm comprend également un « Explorateur » qui permet aux utilisateurs d'ajuster directement les paramètres du modèle économique sous-jacent, tels que le « coefficient d'élasticité de la capacité du modèle par rapport à la vitesse de R&D », et d'observer comment la courbe de progression de l'IA évolue en fonction des différents paramètres.

Cette section s'adresse à un public plus averti, transformant essentiellement les modèles mathématiques des articles universitaires en tableaux de bord interactifs.

Quatre idées que le jeu souhaite transmettre

Dans l'article de recherche qui accompagne cet article, Paradigm a résumé quatre enseignements tirés des modèles et des jeux.

Le goulot d'étranglement réside toujours dans le maillon le plus faible. La recherche et le développement en IA nécessitent trois éléments complémentaires : les ressources humaines, la puissance de calcul et les données. Même si l'intelligence artificielle s'améliore indéfiniment, les limites physiques de la puissance de calcul et des données persisteront. L'amélioration autonome et itérative peut être limitée par la puissance de calcul disponible ou la qualité des données, plutôt que par l'intelligence elle-même.

L'amélioration de l'autonomie sera probablement intermittente, plutôt que de suivre une croissance exponentielle continue. L'IA pourrait connaître une période d'accélération autonome, puis stagner avant d'atteindre ses limites physiques si la puissance de calcul devient le facteur limitant. L'essor de l'intelligence ne suivra probablement pas une courbe ascendante linéaire, mais plutôt une succession de phases rapides entrecoupées de périodes de stagnation.

L'essor de l'intelligence artificielle spécialisée pourrait précéder celui de l'intelligence générale. L'IA pourrait d'abord connaître une amélioration autonome accélérée dans le domaine précis de la « recherche en IA », mais cette capacité ne serait pas nécessairement généralisable à toutes les tâches cognitives. On peut imaginer une IA très performante pour améliorer les programmes d'entraînement, mais incapable de réaliser la même percée dans la gestion d'une chaîne d'approvisionnement ou l'écriture d'un roman.

Tout dépend des paramètres. Les performances du modèle sont fortement influencées par un ensemble de paramètres appelés « élasticité ». L'élasticité mesure l'augmentation des performances lorsque les performances augmentent de 1 %. Dans le cadre de l'amélioration autonome récursive, l'élasticité la plus critique est le pourcentage d'accélération des nouvelles découvertes obtenu lorsque les capacités du modèle actuel s'améliorent de 1 %. Cette valeur pouvant évoluer, il est essentiel de suivre ses variations en temps réel.

Pourquoi un paradigme ?

Paradigm n'est plus seulement un simple VC cryptographique.

Il y a un mois, Paradigm a finalisé la levée d'un nouveau fonds de 1,2 milliard de dollars. L'orientation d'investissement de ce fonds est radicalement différente de celle des trois précédents. Dans leur communiqué, Matt Huang (ancien associé de Sequoia Capital), cofondateur, et Alana Palmedo, associée gérante, ont indiqué que le fonds « débutera avec les cryptomonnaies et s'étendra ensuite à l'IA, à la robotique et à d'autres domaines de pointe ».

Depuis sa création en 2018, Paradigm a levé plus de 4 milliards de dollars et investi dans des projets emblématiques du secteur des cryptomonnaies tels que Uniswap, Optimism, Hyperliquid et Kalshi.

Le portefeuille d'investissements de Paradigm s'est désormais clairement diversifié au-delà de ses domaines d'expertise principaux. En mars, la société a mené le tour de table de série H de Zipline, entreprise spécialisée dans la livraison par drones, et en avril, elle a participé au tour de table de série D de True Anomaly, société de défense spatiale. Elle a également investi dans le laboratoire de recherche en intelligence artificielle Nous Research.

En interne, les outils s'étendent également à l'IA. Paradigm a développé Centaur (une suite d'outils pour agents d'IA) et EVMbench (un projet d'évaluation de la sécurité de la blockchain en collaboration avec OpenAI), avec une composante blockchain et une composante déjà présente dans l'infrastructure de l'IA.

Dans ce contexte, RSI Simulator n'est plus seulement un projet de relations publiques ; Paradigm investit 1,2 milliard de dollars de nouveaux fonds au « carrefour des technologies de pointe », à savoir l'accélération de l'IA, l'informatique décentralisée et l'infrastructure automatisée.

Comprendre l'économie du RSI, c'est comprendre la logique sous-jacente de son pari maximal. Si le rythme d'amélioration autonome de l'IA correspond à la courbe définie par certains paramètres du jeu, le cycle de mise à jour de l'ensemble de la pile technologique sera raccourci, et des projets qui semblent avoir trois ans d'avance aujourd'hui pourraient être obsolètes dans six mois.

Paradigm conclut son article en indiquant son intérêt pour tout travail repoussant les frontières de la modélisation RSI et encourage les chercheurs du domaine à collaborer. Ce projet est une vitrine, derrière laquelle se cachent 1,2 milliard de dollars et une société d'investissement en pleine transformation.