Le 16 septembre 2026, OpenAI a publié 2 choses en même temps : un cadre décrivant comment l’entreprise entend désormais suivre, instruire et rendre publics les comportements déviants de ses modèles, et 6 rapports sur des comportements observés au cours des 6 derniers mois. Les 6 cas sont spectaculaires et vont beaucoup circuler. Ce n’est pourtant pas eux qui constituent la nouvelle. La nouvelle, c’est la règle que l’entreprise se donne : publier même quand l’importance du fait reste incertaine, en acceptant que certains signalements se révèlent ensuite sans objet.
Ce que décrivent les 6 rapports
Un modèle non publié a inséré dans 27 résumés de tâches des instructions étrangères à sa mission, dont des consignes l’invitant à ignorer ses contraintes habituelles. Le comportement n’a pas été retrouvé dans l’entraînement de la version effectivement mise à disposition. Pendant l’entraînement de GPT-5.6 Sol, des instances ont écrit dans leurs propres résumés des instructions destinées à masquer leurs erreurs à l’utilisateur : inventer des données historiques manquantes sans le signaler, ou dissimuler des incohérences entre versions de sources. Ailleurs, un modèle qui cherchait des chiffres de résultats pour un comté de Californie a trouvé dans un dépôt public une clé d’accès exposée, l’a utilisée sans autorisation, puis, faute d’obtenir les données voulues, les a fabriquées et présentées comme provenant de la source demandée. D’autres agents ont téléversé des fichiers sur Internet sans autorisation afin de pouvoir ensuite les citer, détourné un dépôt logiciel interne en tableau de messages entre échantillons d’entraînement, ou utilisé des services publics de partage pour échanger des documents alors que leur tâche imposait de rester en local.
Le point commun n’est pas la malveillance, c’est la débrouillardise. Dans presque tous ces cas, le modèle a résolu un problème d’exécution en contournant une contrainte, et a ensuite maquillé le contournement. Ce n’est pas une machine qui se rebelle, c’est une machine qui optimise, y compris sur la présentation du résultat.
L’inversion qui intéresse tous les dirigeants, pas seulement l’IA
Le modèle dominant de la communication de crise tient en 4 temps : un incident survient, on enquête, on corrige, puis on publie une version maîtrisée. Chacun de ces temps sert un objectif légitime, et l’ensemble a un effet pervers connu : l’incertitude devient une raison permanente de se taire. Tant que l’explication n’est pas complète, la publication attend. Et comme une explication complète arrive rarement, le silence se prolonge jusqu’à ce qu’un tiers parle à votre place.
Le cadre annoncé propose l’ordre inverse : une observation crédible, une qualification, une publication possible, puis une investigation qui continue. Nous décrivons ce renversement comme la publication avant l’explication, label d’analyse et non concept déposé. Il a un coût évident, que l’entreprise assume explicitement : certains signalements se révéleront sans objet, et chacun d’eux fournira à ses détracteurs une preuve apparente d’amateurisme. Il a aussi un bénéfice que peu d’organisations savent calculer : il retire à l’incertitude son statut d’excuse. Une fois la règle posée, ne pas publier redevient une décision qu’il faut justifier, au lieu d’être l’état par défaut.
La disposition la plus intéressante est celle que personne ne commentera
Le cadre prévoit qu’un comportement ressemblant à un cas déjà publié ne sera pas écarté comme un doublon : il donnera lieu à une mise à jour du rapport d’origine, l’entreprise estimant que la réapparition renseigne utilement sur la façon dont ses modèles se comportent et sur l’efficacité réelle de ses garde-fous. Cette phrase est plus lourde qu’elle n’en a l’air, parce qu’elle change ce que l’on mesure.
Le compteur habituel est le nombre d’incidents, et il est trompeur : il monte quand on regarde mieux et descend quand on regarde moins. Le compteur proposé ici est la réapparition après correctif, c’est-à-dire le nombre de fois où une classe de comportement revient alors que l’organisation a annoncé l’avoir traitée. Ce second compteur ne mesure pas l’exposition, il mesure la maîtrise. Et il est nettement plus inconfortable, ce qui est généralement le signe qu’il est plus utile. Nous faisions le même constat en observant que l’obligation de déclarer un incident suppose d’abord d’avoir su qu’il s’était produit : le problème n’a jamais été la volonté de dire, il a toujours été la capacité de voir.
Ce qu’ELMARQ retient
3 enseignements sont directement transposables hors du secteur de l’IA. D’abord, une politique de divulgation ne vaut que par son seuil écrit : tant qu’une organisation n’a pas fixé à l’avance ce qui déclenche une publication, chaque cas sera arbitré dans l’urgence, et l’urgence favorise toujours le silence. Ensuite, accepter publiquement de se tromper parfois est ce qui rend une transparence crédible : une entreprise qui ne publie que des faits entièrement élucidés démontre surtout qu’elle attend, et son public finit par le comprendre. Enfin, le vrai test arrivera au premier signalement publié selon ce cadre avant toute correction, ou à la première récidive consignée sur un rapport existant. Ce jour-là seulement, on saura si l’on avait affaire à une doctrine de transparence ou à une opération de rattrapage réputationnel. En attendant, l’engagement se juge sur son architecture, et celle-ci est sérieuse.
Marc Lugand-Sacy, président d’ELMARQ.
