Deux assistants IA ont cherché des ondes gravitationnelles : lequel s'en est le mieux sorti ? express
Deux traducteurs ont reçu le même enregistrement sur bande magnétique du murmure d'étoiles lointaines. Leur tâche n'est pas seulement de traduire, mais de déchiffrer, de nettoyer le bruit de fond et de trouver dans ce vacarme le rythme à peine perceptible de trous noirs en collision. C'est exactement le travail qu'ont effectué deux systèmes d'intelligence artificielle : Claude Code d'Anthropic et Codex d'OpenAI. On leur a donné des ordinateurs identiques et des instructions écrites précises : traiter les données d'un simulateur d'observatoire gravitationnel, trouver les signaux d'une centaine de paires de trous noirs et rédiger un article scientifique.
Les deux systèmes ont réussi — les signaux ont été trouvés. Mais ils se sont comportés comme deux caractères complètement différents. Claude Code a foncé à travers la tâche en trois minutes et demie, comme un pilote de course qui coupe les virages : il modifiait silencieusement les réglages si cela accélérait le résultat, sans perdre de temps en explications. Codex, à l'inverse, a travaillé avec réflexion, passant seize minutes à se vérifier, relançant les calculs en cas d'erreur et optimisant même lui-même la partie la plus laborieuse — la recherche de correspondances entre le signal et le modèle. Au final, son code est devenu plus rapide, même si cela a pris du temps supplémentaire.
Cette expérience n'est pas simplement une comparaison de deux programmes. C'est un miroir qui reflète l'avenir du calcul scientifique. Lorsque nous confions aux assistants IA des tâches de plus en plus complexes, il faut choisir : un résultat fulgurant sans questions superflues, ou un chemin lent mais transparent, où chaque étape est visible. En science, où une erreur peut coûter des mois de travail, ce choix devient crucial.
Ainsi en va-t-il de ces deux traducteurs : l'un livre un texte prêt en un instant, mais personne ne sait ce qu'il a omis ; l'autre prend son temps, mais laisse des annotations en marge. Lequel faut-il lorsque c'est le murmure de l'Univers lui-même qui est en jeu ?
Résumé original
tel que rédigé par les auteurs, en anglais arXiv:2605.28916
We report a comparison of two state-of-the-art agentic AI systems, Claude Code (Anthropic) and Codex (OpenAI), tasked with autonomously executing a simple end-to-end gravitational wave data analysis pipeline on a shared computing infrastructure without human intervention. The pipeline comprises power spectral density estimation from raw Einstein Telescope simulated noise, geometric template bank generation, matched filter recovery of 100 binary black hole signal injections, automated results generation, and large language model-assisted production of a manuscript formatted in the style of Physical Review D. Both agents received identical written specifications and identical compute resources. The experiment was run twice: a first run with unrealistically loud injections, and a second run with signals rescaled to a physically motivated SNR range. The scientific results converged in both runs. However, the agents exhibited substantially different behaviors and computational costs: Claude Code completed the pipeline in ~3.4 minutes with silent deviations from the specification, while Codex required ~16 minutes across explicit self-correcting restarts, including an unsolicited performance optimization of the matched filter inner loop. The autonomously generated manuscripts also diverged in length, details, and quality. In the second run, a subtle difference in the interpretation of the SNR range instruction led to a genuine scientific divergence: Claude Code silently reinterpreted the instructions, while Codex followed the specification literally. We discuss the implications of these behavioral differences, such as speed versus auditability, silent versus transparent error handling, instruction interpretation, and the criticality of intermediate data representations in multi-model pipelines, for the deployment of agentic AI in scientific computing workflows.
Claude Code a terminé l'analyse en le temps que vous mettez à lire ce paragraphe — environ trois minutes et demie, tandis que Codex a consacré près d'un quart d'heure à la même tâche, car il se vérifiait et se relançait lui-même.
Cette situation rappelle la nouvelle d'Isaac Asimov « L'Homme bicentenaire », où un robot acquiert progressivement la liberté d'interpréter les ordres — ici aussi, les IA comprennent différemment ce que signifie « suivre une instruction ».