OpenAI s'associe au laboratoire du DOE pour réduire de 15 % les délais d'autorisation fédérale

Tony Kim 04 mars 2026 17h29

OpenAI et le Pacific Northwest National Laboratory lancent DraftNEPABench, montrant que les agents d'IA pourraient économiser 1 à 5 heures par sous-section sur les examens environnementaux fédéraux.

OpenAI et le Pacific Northwest National Laboratory du Département de l'Énergie des États-Unis ont développé un indicateur montrant que les agents de codage pilotés par l'IA pourraient réduire jusqu'à 15 % les projets d'autorisation environnementale fédérale. La collaboration, annoncée le 26 février 2026, a produit DraftNEPABench, un cadre de test automatique qui a évalué les performances de l'IA sur 102 tâches de rédaction provenant de 18 agences fédérales.

L'indicateur cible spécifiquement les flux de travail de la National Environmental Policy Act, un processus vieux de 50 ans exigeant que les agences fédérales documentent les impacts environnementaux avant d'approuver des projets d'infrastructure comme les centrales électriques, les ponts et les installations de fabrication. Ces examens prennent souvent des années et impliquent des centaines de pages de rapports techniques.

Ce que les tests ont montré

Dix-neuf experts en la matière NEPA ont évalué les projets générés par l'IA sur une échelle de 1 à 5 mesurant la structure, la clarté, la précision et l'utilisation appropriée des références. Les agents, fonctionnant sur le Codex CLI d'OpenAI avec GPT-5, ont démontré un potentiel d'économie de 1 à 5 heures par sous-section de document.

Cela ne semble pas spectaculaire jusqu'à ce que vous considériez l'échelle. Les déclarations d'impact environnemental contiennent des dizaines de sous-sections, chacune nécessitant des renvois croisés aux rapports techniques, aux exigences réglementaires et à de multiples sources de données. Quelques heures économisées par section s'additionnent rapidement sur des projets qui prennent actuellement des mois ou des années à être approuvés.

Les agents d'IA devaient lire et synthétiser des documents couvrant des centaines de pages, vérifier les faits à travers des sources environnementales et réglementaires, et produire des rapports structurés répondant à des critères juridiques spécifiques. Les tâches couvraient des sections de documents d'agences du gouvernement fédéral.

Limites à noter

PNNL et OpenAI ont été francs sur ce que cet indicateur ne prouve pas. Il évalue les performances sur des tâches de rédaction bien spécifiées où le contexte pertinent est disponible, et non l'ambiguïté confuse des décisions d'autorisation réelles.

Lors de la révision manuelle des cas d'échec, les chercheurs ont constaté que certaines « erreurs » provenaient de références obsolètes et de critères d'évaluation faibles plutôt que d'erreurs de modèle. Les déploiements réels impliqueraient des boucles de rétroaction d'experts censées améliorer les performances au-delà des résultats de l'indicateur.

Si les matériaux sources sont incomplets ou incohérents, les modèles ne signaleront pas nécessairement les problèmes sans instructions explicites. La surveillance humaine reste essentielle.

Vue d'ensemble

Ce partenariat s'inscrit dans l'initiative plus large PermitAI de PNNL, financée par le Bureau de la politique du Département de l'Énergie. L'objectif n'est pas de remplacer les examinateurs humains, mais de donner aux employés du gouvernement des équipes d'IA qui gèrent le travail documentaire chronophage afin qu'ils puissent se concentrer sur les décisions de jugement et les décisions complexes.

OpenAI affirme que la collaboration continuera à affiner les applications PermitAI. Les entreprises s'attendent à ce que les délais d'approbation moyens pour les projets d'infrastructure examinés au niveau fédéral passent éventuellement de mois à semaines, bien qu'aucun calendrier spécifique n'ait été fourni pour atteindre cette réduction.

Pour l'industrie de l'IA, cela représente un autre cas d'utilisation de validation gouvernementale, démontrant que les modèles de pointe peuvent gérer les flux de travail réglementaires réels, et pas seulement les conversations de chatbot. La traduction de cela en adoption fédérale plus large de l'IA dépend de la façon dont les pilotes ultérieurs fonctionnent dans les conditions d'autorisation réelles.

• openai
• intelligence artificielle
• autorisation fédérale
• nepa
• technologie gouvernementale