Qu’est-ce que l’AGI ? Comment on définit l’intelligence artificielle générale et pourquoi les échéances divergent

Qu’est-ce que l’AGI ?

L’intelligence artificielle générale (AGI) est un type hypothétique d’IA capable d’accomplir un large éventail de tâches intellectuelles à un niveau égal ou supérieur à celui des humains, au lieu d’exceller dans une seule tâche spécialisée comme la traduction ou les échecs. Toutes les définitions sérieuses partagent cette idée de généralité, mais les détails varient : un article de recherche de 2025 s’ouvre sur l’argument selon lequel l’absence de définition concrète masque l’écart entre l’IA spécialisée actuelle et la cognition de niveau humain ^[3].

Trois versions largement citées illustrent cette diversité :

• Économique : la Charte d’OpenAI définit l’AGI comme des « systèmes hautement autonomes qui surpassent les humains dans la plupart des travaux ayant une valeur économique » ^[1].
• Par niveaux : des chercheurs de Google DeepMind évaluent les systèmes selon deux axes, la profondeur des capacités (performance) et leur étendue (généralité), et décrivent l’AGI comme un chemin jalonné de niveaux plutôt que comme une ligne d’arrivée unique ^[2].
• Psychométrique : un article de 2025 dirigé par Dan Hendrycks définit l’AGI comme le fait d’égaler la polyvalence et la maîtrise cognitives d’un adulte instruit, et la teste dans dix domaines cognitifs ^[3].

Certains dirigeants évitent complètement le terme. Dario Amodei, directeur général d’Anthropic, juge l’expression AGI imprécise, chargée de références de science-fiction et de battage médiatique, et lui préfère celle d’« IA puissante » (powerful AI), qu’il décrit comme plus intelligente qu’un lauréat du prix Nobel dans la plupart des domaines pertinents ^[4].

En quoi l’AGI diffère-t-elle de l’IA actuelle et de la superintelligence ?

Les chatbots actuels sont polyvalents, mais inégaux. L’International AI Safety Report 2026 relève que les systèmes les plus avancés ont atteint un niveau de médaille d’or sur des problèmes des Olympiades internationales de mathématiques tout en échouant encore à certaines tâches apparemment simples ^[13]. La superintelligence désigne le dépassement du niveau humain ; dans les niveaux de DeepMind, l’échelon général le plus élevé est appelé Artificial Superintelligence (ASI), la performance Superhuman étant définie comme le fait de surpasser 100 % des humains ^[2].

Quels sont les niveaux de l’AGI ?

L’article « Levels of AGI » de Meredith Ringel Morris, Shane Legg et leurs collègues de Google DeepMind, publié dans les actes d’ICML 2024, propose un cadre de classification des modèles d’AGI et de leurs précurseurs, conçu comme un langage commun pour comparer les systèmes et suivre les progrès ^[2]. Il énonce six principes, parmi lesquels juger l’AGI à ce qu’un système sait faire plutôt qu’à la façon dont il fonctionne, se concentrer sur les tâches cognitives et métacognitives plutôt que physiques, et considérer l’AGI comme un chemin plutôt que comme un point d’arrivée ^[2].

Ses niveaux d’IA générale sont les suivants ^[2] :

1. Emerging (émergent) : égal ou légèrement supérieur à un humain non qualifié. L’article cite comme exemples ChatGPT, Bard, Llama 2 et Gemini.
2. Competent (compétent) : au moins le 50e centile des adultes qualifiés.
3. Expert : au moins le 90e centile des adultes qualifiés.
4. Exceptional (exceptionnel) : au moins le 99e centile des adultes qualifiés (appelé « Virtuoso » dans les versions antérieures).
5. Superhuman (surhumain) : surpasse 100 % des humains.

Un article de 2025 de Google DeepMind consacré à la sûreté s’appuie sur cette échelle et se concentre sur l’AGI Exceptional, qu’il définit comme un système égalant ou dépassant le 99e centile des adultes qualifiés sur un large éventail de tâches non physiques ^[10].

Comment les chercheurs mesurent-ils les progrès vers l’AGI ?

Puisque les définitions diffèrent, les instruments de mesure diffèrent aussi. Deux initiatives récentes illustrent les approches possibles.

Un « score d’AGI » cognitif

Le cadre dirigé par Hendrycks adapte à l’IA des batteries de tests psychométriques humains et les fonde sur la théorie de Cattell-Horn-Carroll des capacités cognitives humaines ^[3]. Il attribue des scores d’AGI de 27 % à GPT-4 et de 57 % à GPT-5 ^[3]. Les auteurs décrivent un profil « en dents de scie » : de bonnes performances dans les domaines exigeant beaucoup de connaissances, mais des lacunes critiques dans des capacités fondamentales, en particulier le stockage en mémoire à long terme ^[3]. Le score dépend des domaines et de la pondération choisis par les auteurs : il s’agit donc de la mesure d’un groupe de recherche, et non d’une note officielle.

Des énigmes faciles pour les humains

Le banc d’essai de l’ARC Prize, ARC-AGI, est décrit par ses organisateurs comme une mesure de la généralisation à partir de quelques exemples sur des tâches inédites ^[14]. Lors du concours 2025 sur le jeu de données ARC-AGI-2, 1455 équipes ont soumis 15154 propositions, et le meilleur score a atteint 24 % sur l’ensemble d’évaluation privé ^[14]. Les organisateurs ont présenté en avant-première ARC-AGI-3, qui ajoute des tâches interactives testant l’exploration, la planification, la mémoire et l’acquisition d’objectifs ^[14].

Les bancs d’essai ont une faiblesse connue : le rapport de l’ARC Prize soutient que le raisonnement des modèles de pointe est limité par l’étendue de leurs connaissances, ce qui crée de nouvelles formes de contamination des bancs d’essai ^[14]. L’International AI Safety Report ajoute que les méthodes permettant d’estimer comment et quand de nouvelles capacités apparaissent restent peu fiables ^[13].

Quand l’AGI arrivera-t-elle, selon les dirigeants de l’IA ?

Les prévisions publiques des dirigeants d’entreprise sont des déclarations de conviction, et non des preuves, et elles reposent souvent sur des définitions différentes. Au 3 novembre 2026, elles couvrent un large éventail :

• Sam Altman (OpenAI) écrivait en janvier 2025 : « Nous sommes désormais convaincus de savoir comment construire l’AGI telle que nous l’avons traditionnellement comprise » ^[5].
• Dario Amodei (Anthropic) écrivait en octobre 2024 qu’une IA puissante pourrait apparaître dès 2026, même si cela pourrait prendre beaucoup plus de temps ^[4]. En janvier 2025, il a déclaré à CNBC qu’une IA meilleure que presque tous les humains dans presque toutes les tâches pourrait apparaître d’ici deux ou trois ans ^[6].
• Demis Hassabis (Google DeepMind) a déclaré en mars 2025 que l’AGI, qu’il décrivait comme un système capable de manifester toutes les capacités complexes dont disposent les humains, commencerait à émerger au cours des cinq à 10 prochaines années ^[6].
• L’équipe de sûreté de Google DeepMind écrivait en avril 2025 qu’elle était très incertaine quant aux échéances, mais jugeait plausible que des systèmes d’IA puissants soient développés d’ici 2030 ^[10].
• Yann LeCun, qui a quitté Meta pour fonder la start-up AMI, a déclaré à MIT Technology Review en janvier 2026 que les grands modèles de langage ne peuvent pas véritablement raisonner ni planifier parce qu’ils n’ont pas de modèle du monde, et qu’une IA de niveau humain n’arrivera ni l’an prochain ni dans deux ans et ne sera pas construite sur des LLM ^[7].
• Robin Li (Baidu) a déclaré en 2024 que l’AGI était à plus de 10 ans, selon CNBC ^[6].

Que disent les enquêtes menées auprès des chercheurs en IA ?

Les enquêtes auprès des chercheurs permettent utilement de confronter les prédictions des dirigeants, même si elles mesurent elles aussi des opinions plutôt que des faits.

La plus vaste est une enquête menée auprès de 2778 chercheurs ayant publié dans les meilleures conférences et revues d’IA, publiée par Katja Grace et ses collègues en 2024 ^[8]. Les répondants estimaient à 10 % la probabilité que les machines surpassent les humains dans toutes les tâches possibles d’ici 2027, et à 50 % d’ici 2047, une date avancée de 13 ans par rapport à l’enquête menée par la même équipe en 2022 ^[8]. Pour l’automatisation complète de tous les métiers humains, l’estimation à 50 % portait sur 2116 ^[8].

L’Association for the Advancement of Artificial Intelligence (AAAI) a interrogé 475 répondants, dont environ deux tiers issus du monde universitaire, pour son rapport 2025 du Presidential Panel ^[9]. Dans cette enquête, 76 % ont jugé improbable ou très improbable que le passage à l’échelle des approches actuelles de l’IA aboutisse à l’AGI ^[9]. La plupart des répondants (77 %) jugeaient plus prioritaire de concevoir des systèmes au rapport bénéfices-risques acceptable que de viser directement l’AGI, et 70 % s’opposaient à l’arrêt de la recherche sur l’AGI tant que des mécanismes de sûreté complets n’existent pas ^[9].

Ces deux résultats ne sont pas forcément contradictoires : des chercheurs peuvent s’attendre à une IA très performante d’ici quelques décennies tout en doutant que les méthodes actuelles, simplement agrandies, y parviennent ^[8][9].

Pourquoi les experts sont-ils en désaccord sur l’AGI ?

Plusieurs désaccords distincts se mêlent dans le débat sur l’AGI :

• Les définitions. Un test fondé sur le travail ayant une valeur économique ^[1], un centile d’adultes qualifiés ^[2] et un profil psychométrique ^[3] peuvent aboutir à des conclusions différentes pour un même système.
• Les méthodes. Certains dirigeants s’attendent à ce que les approches actuelles continuent de progresser rapidement ^[5], tandis que LeCun estime que de nouvelles architectures fondées sur des modèles du monde sont nécessaires ^[7] et que la plupart des répondants de l’AAAI doutent que le passage à l’échelle suffise à lui seul ^[9].
• Des capacités inégales. Des systèmes qui excellent en mathématiques avancées peuvent encore échouer à des tâches simples, ce qui rend difficile un verdict unique ^[13]. Le cadre de Hendrycks constate le même profil en dents de scie ^[3].
• La prévision elle-même. L’International AI Safety Report indique qu’il existe une incertitude considérable sur la vitesse des progrès futurs et que, selon des analyses de l’OCDE, les résultats d’ici 2030 pourraient aller d’améliorations modestes à des avancées rapides ^[13].
• Les intérêts en jeu. L’AGI a une signification contractuelle et commerciale pour certaines entreprises, comme le montrent les accords entre Microsoft et OpenAI ^[11][12] ; les déclarations publiques peuvent donc avoir un poids économique.

Pourquoi la définition de l’AGI compte-t-elle pour les entreprises ?

L’exemple le plus clair est le partenariat entre Microsoft et OpenAI. Selon l’accord annoncé le 28 octobre 2025, toute déclaration d’AGI par OpenAI devait être vérifiée par un panel d’experts indépendants ^[11]. Les droits de Microsoft sur les modèles et les produits d’OpenAI étaient prolongés jusqu’en 2032, ses droits de propriété intellectuelle (IP) sur la recherche devaient durer jusqu’à ce que le panel vérifie l’AGI ou jusqu’en 2030, selon la première de ces échéances, et Microsoft obtenait le droit de poursuivre l’AGI de manière indépendante ^[11].

Les deux entreprises ont de nouveau changé de cap le 27 avril 2026. CNBC a rapporté que les versements d’OpenAI à Microsoft au titre du partage des revenus sont désormais soumis à un plafond global et se poursuivent jusqu’en 2030 « indépendamment des progrès technologiques d’OpenAI », que Microsoft n’a plus à arrêter sa réponse si OpenAI déclare l’AGI, et que la licence de propriété intellectuelle (IP) de Microsoft jusqu’en 2032 n’est plus exclusive ^[12]. Cet épisode montre que l’« AGI » a servi de déclencheur juridique autant que d’objectif scientifique, et que son rôle contractuel peut être renégocié.

Quels sont les bénéfices et les risques de la quête de l’AGI ?

Bénéfices revendiqués

• Amodei prédit que la biologie et la médecine assistées par l’IA pourraient condenser en 5 à 10 ans les progrès que les biologistes humains auraient réalisés au cours des 50 à 100 prochaines années, et décrit l’IA puissante comme un « pays de génies dans un centre de données » ^[4].
• La mission affichée d’OpenAI est que l’AGI profite à l’humanité tout entière ^[1].

Risques et préoccupations

• L’article de Google DeepMind consacré à la sûreté classe les risques de l’AGI en quatre catégories, usage malveillant, désalignement, erreurs et risques structurels, et se concentre sur les préjudices assez graves pour nuire significativement à l’humanité ^[10].
• L’International AI Safety Report relève que certains chercheurs et dirigeants d’entreprise considèrent la perte de contrôle comme une possibilité sérieuse, tandis que d’autres jugent ces scénarios invraisemblables ^[13].
• Dans l’enquête de l’AAAI, 82 % des répondants estimaient que les systèmes d’AGI développés par des entités privées devraient appartenir au public ^[9].

Et ensuite ?

Attendez-vous à davantage de tentatives pour cerner le terme au moyen de tests plutôt que de slogans : des cadres comme les niveaux de DeepMind ^[2] et le score d’AGI de Hendrycks ^[3], et de nouveaux bancs d’essai comme ARC-AGI-3 ^[14]. Attendez-vous aussi à ce que chaque nouveau modèle relance affirmations et contre-affirmations, car les définitions restent contestées ^[2][3].

Ce qui reste inconnu

• Si le passage à l’échelle des méthodes actuelles continuera de produire des gains, ce dont doutent la plupart des répondants de l’AAAI ^[9].
• Si des lacunes fondamentales comme la mémoire à long terme peuvent être comblées rapidement ^[3].
• Si les prévisions des chercheurs, avancées de 13 ans entre l’enquête de 2022 de l’équipe de Grace et la plus récente ^[8], continueront d’évoluer.

Une grille de lecture pratique pour les non-spécialistes : face à toute affirmation selon laquelle « l’AGI est arrivée » ou « l’AGI est impossible », demandez-vous d’abord quelle définition est utilisée et sur quelles preuves elle s’appuie.