Third Moment Research: 10 000 agents IA pendant 36 h+

Contexte

Le laboratoire d'IA Third Moment Research a révélé un déploiement d'agents à grande échelle. D'après les actualités officielles d'OpenAI, publiées le 14 octobre 2026, il a fait tourner environ 10 000 agents IA en parallèle. Une même exécution a duré plus de 36 heures. La pile technique vient d'OpenAI. Elle comprend GPT-6 Astra, GPT-6.1 Sol, l'agent de programmation Codex et Daybreak, un produit destiné à la cybersécurité. L'objectif affiché ne se limite pas à durer. Le laboratoire veut des agents capables de rester concentrés pendant plusieurs jours et de s'améliorer à l'usage.

Les informations publiques comportent des zones d'ombre. Elles ne précisent ni les types de tâches, ni les taux de réussite, ni les coûts. Les chiffres de 10 000 agents et de 36 heures ou plus doivent donc se lire comme un plancher d'échelle et d'endurance. Ils ne constituent pas une évaluation complète des performances. Pourquoi les agents ne travaillaient-ils jusqu'ici que quelques minutes ? Les agents précédents traitaient surtout des tâches courtes, de quelques minutes à quelques dizaines de minutes. Les raisons sont connues. Les résultats intermédiaires saturent la fenêtre de contexte. Les objectifs et contraintes du départ s'estompent. Un seul appel d'outil raté peut dévier toutes les étapes suivantes, et les erreurs s'accumulent.

Analyse approfondie

Comment un agent IA peut-il travailler 36 heures ou plus ? Faire fonctionner un agent pendant un ou deux jours, voire davantage, suppose de résoudre au moins quatre problèmes. La source les nomme. Elle ne détaille pas la manière dont Third Moment Research a résolu chacun d'eux. Le premier est le maintien de l'objectif : le modèle doit se rappeler ce qu'il doit faire, et ce qui lui est interdit, au bout d'une très longue chaîne d'étapes. Le deuxième est la gestion de l'état. L'agent doit consigner ses conclusions intermédiaires dans un stockage externe, compresser le contexte à intervalles réguliers et reprendre depuis un point de contrôle après une interruption. Le troisième est l'auto-vérification. Après chaque bloc de travail, l'agent doit valider son résultat par des tests, par une comparaison ou par un second modèle, au lieu d'écrire à l'aveugle. Le quatrième est le contrôle des ressources et des permissions. Une exécution longue multiplie les appels d'outils, donc la surface d'erreur. La combinaison de produits répond à ces besoins. Codex apporte la lecture, l'écriture et l'exécution de code. GPT-6 Astra et GPT-6.1 Sol assurent le raisonnement et l'exécution à des niveaux différents. Daybreak transpose ce mode de fonctionnement prolongé à la cybersécurité, un domaine qui exige une surveillance et une réaction permanentes.

L'idée d'un agent qui s'améliore à l'usage appelle de la prudence. Une lecture raisonnable est que le système conserve l'expérience des tâches passées, notamment les échecs et les méthodes efficaces, pour que les agents suivants la réutilisent. La source ne décrit pas le mécanisme. Il s'agit d'une inférence, non d'une conception confirmée.

Impact sur l'industrie

Ce type de déploiement déplace plusieurs lignes de concurrence. La première est l'étalon de mesure. On comparait la qualité d'une réponse isolée et les scores de référence. Désormais, l'important est la durée pendant laquelle un agent tourne sans surveillance, et la part de ses résultats qui reste fiable ensuite. La durée et l'échelle deviennent des indicateurs d'ingénierie. L'évaluation doit passer de « répondre à une question » à « mener un projet à terme ».

La deuxième ligne est le marché des agents de programmation. Si Codex gère de façon stable des tâches qui s'étalent sur plusieurs jours, les équipes logicielles pourront déléguer le travail fastidieux et long : grandes migrations, complétion de tests, mises à jour de dépendances. Les ingénieurs se rapprochent alors du rôle de relecteur et d'ordonnanceur. La troisième est la cybersécurité. Attaquants et défenseurs recourent tous deux à l'automatisation. Un produit dédié comme Daybreak montre que la surveillance continue, le tri des alertes et la première réponse dans un centre d'opérations de sécurité sont des terrains naturels pour des agents de longue durée. La quatrième est l'infrastructure. Exécuter 10 000 agents simultanément pendant de nombreuses heures exige beaucoup de calcul d'inférence, des systèmes d'ordonnancement solides, de la journalisation et de l'audit. Les fournisseurs de cloud et de modèles pourraient se distinguer sur la fiabilité et le coût. Pour les petites équipes, le seuil d'entrée change aussi : l'accès à des agents longue durée dépend d'un coût par tâche inférieur à celui du travail humain, pas seulement de la puissance du modèle.

Perspectives

Plusieurs signaux méritent d'être suivis. Le premier est la publication de données reproductibles : taux d'achèvement des tâches, nombre d'interventions humaines, coût par tâche et courbe d'accumulation des erreurs au fil d'une longue exécution. Sans ces chiffres, un récit d'échelle se transforme difficilement en décision d'achat. Le deuxième est la gouvernance des permissions et de la sécurité. Un agent qui tourne plusieurs jours peut conserver longtemps l'accès à des dépôts de code, des serveurs ou des systèmes de sécurité. Le moindre privilège, la traçabilité des actions et des coupe-circuits en cas de comportement anormal décideront de la confiance des entreprises.

Le troisième est la limite réelle de l'amélioration à l'usage. L'expérience stockée pourrait figer un biais, ou ériger une erreur isolée en règle appliquée sans fin. Les observateurs voudront savoir comment le laboratoire s'en prémunit. Le quatrième est la réaction du reste du secteur. D'autres éditeurs de modèles et plateformes d'agents pourraient publier des mesures de longue durée comparables, et une méthode d'évaluation commune pourrait émerger. Le cas de Third Moment Research indique que la compétition passe de « l'agent sait-il faire » à « peut-il le faire durablement, en sécurité et à bas coût ». Dans les prochains trimestres, l'acteur qui transformera le premier cette capacité en produit auditable et facturable aura les meilleures chances de dominer le marché des entreprises.