OpenAI a publié une version révisée de son Model Spec, le document de référence interne qui définit les principes guidant le comportement de ses systèmes d'intelligence artificielle. Cette mise à jour introduit cinq valeurs fondamentales destinées à orienter des modèles de plus en plus performants vers un jugement sain, le respect de l'autonomie des utilisateurs et une fidélité accrue à leur intention réelle.
Le Model Spec avait été initialement conçu pour expliciter les arbitrages et priorités qui façonnent les réponses des modèles, des choix auparavant implicites, dissimulés dans les données d'entraînement et les processus d'apprentissage par renforcement. En formalisant ces principes, OpenAI entend offrir aux chercheurs externes, aux décideurs publics et aux utilisateurs une vision plus claire de la manière dont ses systèmes sont censés raisonner face à des situations ambiguës ou sensibles, plutôt que de laisser ces décisions dans l'ombre.
L'accent mis sur l'autonomie humaine traduit une volonté affirmée d'éviter que les modèles n'adoptent une posture trop paternaliste ou n'imposent leur propre jugement au détriment des objectifs exprimés par l'utilisateur, une tension de plus en plus sensible à mesure que ces outils sont déployés dans des contextes à enjeux élevés, comme le développement logiciel ou l'aide à la décision. La fidélité à l'intention, de son côté, répond à une critique récurrente : les modèles de langage produisent parfois des réponses techniquement conformes mais peu utiles en pratique, ou au contraire présument d'un contexte que l'utilisateur n'a jamais fourni.
Cette révision intervient alors qu'OpenAI fait l'objet d'un examen croissant sur la manière dont ses modèles traitent les requêtes à forte charge émotionnelle ou moralement ambiguës, critiques et régulateurs réclamant davantage de transparence sur les valeurs intégrées dans des systèmes d'IA largement utilisés. Publier un Model Spec actualisé relève autant d'un geste de gouvernance que d'une démarche technique : cela signale qu'OpenAI entend traiter le comportement de ses modèles comme une politique documentée et vérifiable, plutôt que comme une propriété émergente et inexpliquée de ses systèmes. Reste à savoir si ces valeurs affichées se traduiront de façon cohérente dans les réponses effectives des modèles, un point que les chercheurs indépendants continueront probablement d'évaluer.