Le débat scientifique brûle autour de deux concepts majeurs : l’IA et l’AGI. Derrière ces acronymes se cache le futur de notre civilisation.
Voici les points clés à retenir :
- L’IA étroite se cantonne à des tâches uniques par le biais de la statistique pure.
- L’AGI égalera l’esprit humain en comprenant le contexte sans mise à jour logicielle.
- Trois obstacles bloquent son avènement : le manque de bon sens, l’absence de transfert de compétences et une consommation d’énergie colossale.
- Les chercheurs prévoient une progression par paliers menant vers la superintelligence.
Pour saisir cette frontière, observez cette confrontation directe.
| Critère | Intelligence Artificielle Étroite (IA) | Intelligence Artificielle Générale (AGI) |
|---|---|---|
| Statut actuel | Opérationnelle et intégrée à notre vie de tous les jours. | Théorique. Elle n’existe pas encore à ce jour. |
| Portée de l’action | Limitée à des tâches ou des domaines prédéfinis. | Polyvalente. Compétences croisées et étendues. |
| Style d’apprentissage | Exige des masses de données d’entraînement spécifiques. | Apprend avec peu de données et de l’expérience autonome. |
| Fonction centrale | Reconnaissance de motifs et prédictions statistiques. | Raisonnement, pensée abstraite et adaptation. |
| Exemples | Siri, ChatGPT, moteurs de recherche, échecs, conduite autonome. | Humanoïdes de science-fiction, agents virtuels autonomes. |
L’état de l’art : L’IA étroite au microscope
Tout notre écosystème actuel repose sur l’IA étroite.
De ChatGPT aux algorithmes de navigation de nos drones, nous manipulons des outils spécialisés.
[Note de cours : L’absence de compréhension réelle caractérise ces systèmes.]
Ces machines souffrent de deux limites.
La première concerne la frontière des domaines. Un modèle de génération d’images reste incapable d’analyser un bilan comptable. De même, une application de traduction ne peut pas piloter un véhicule.
La seconde limite touche à l’illusion du savoir. L’IA générative imite le langage humain et l’art par calcul de probabilités. Elle n’éprouve aucun sentiment ni aucune compréhension des notions qu’elle manipule.
Le saut technologique : Qu’est-ce que l’AGI ?
L’AGI incarne un logiciel capable d’exécuter toute tâche intellectuelle humaine.
Elle se distingue par deux facultés.
D’une part, le transfert de connaissances. Une AGI pourra maîtriser un nouveau domaine, comme le droit fiscal après des études d’économie, sans nécessiter de mise à jour de son code ni de pipeline d’entraînement.
D’autre part, l’adaptation au contexte. Ce système disposera de bon sens, d’une conscience sociale et d’une capacité d’abstraction. Il saura naviguer dans des environnements inconnus ou flous.
La mécanique de pensée : Statistique contre modèle mental
Le fossé entre ces deux mondes réside dans le traitement des informations.
L’IA actuelle fonctionne par corrélation statistique. Les modèles de langage prédisent le mot suivant. Quand vous saisissez une consigne, la machine calcule une suite logique de termes. Elle ignore ce qu’est l’eau. Elle connaît la liste des mots qui gravitent autour de ce concept.
L’AGI construira des modèles mentaux du monde. Elle saisira la cause et l’effet. Si elle comprend la gravité dans une simulation de physique, elle appliquera ce principe à un jeu vidéo ou à la cuisine de manière innée.
Les trois piliers manquants de nos modèles
Malgré l’essor des architectures actuelles comme les Transformers, trois verrous bloquent le passage à l’AGI :
- L’échec du transfert d’apprentissage : Un algorithme champion d’échecs ne sait pas jouer au poker. Ses paramètres internes s’avèrent inutiles pour une autre tâche. L’humain, lui, utilise ses leçons de sport d’enfance pour négocier un contrat.
- Le manque de bon sens : Nos IA n’ont aucun lien avec la réalité physique. Elles ignorent qu’un verre se brise au sol sauf si un texte en ligne décrit cet événement. Face à un problème inédit, elles échouent.
- La barrière des données : L’apprentissage machine moderne exige des milliards de gigaoctets de données. Un enfant observe deux images d’un éléphant pour le reconnaître toute sa vie. L’AGI devra posséder cette sobriété.
Les verrous scientifiques majeurs
La communauté scientifique se divise sur l’échéance de cette technologie en raison de trois obstacles de taille :
La consommation d’énergie et de puces électroniques atteint des sommets. Nous risquons de heurter des limites physiques et environnementales avant de concevoir une intelligence générale.
S’y ajoute le problème de la boîte noire. Nous ne comprenons pas le cheminement logique des réseaux de neurones profonds. L’explicabilité s’impose comme une condition de sécurité indispensable avant de créer un système capable de s’améliorer de son propre chef.
Enfin, la limite de nos algorithmes actuels soulève des doutes. Faire grandir les modèles de langage ne suffira pas. Une rupture d’architecture est requise, possiblement par l’union des réseaux de neurones et de la logique symbolique.
La superintelligence en embuscade
Si l’AGI voit le jour, elle ne stagnera pas au niveau humain.
Le logiciel se duplique à l’infini et traite l’information à la vitesse de la lumière. Une AGI pourra réécrire sa structure de code.
Ce processus déclenchera une explosion d’intelligence, donnant naissance à la superintelligence artificielle (ASI). Cette entité surpassera l’esprit humain combiné dans toutes les disciplines.
Les cinq paliers de l’AGI
Les chercheurs de Google DeepMind classent la progression de l’intelligence artificielle en cinq niveaux distincts :
[Niveau 1 : Émergent] ──> [Niveau 2 : Compétent] ──> [Niveau 3 : Expert] ──> [Niveau 4 : Virtuose] ──> [Niveau 5 : Surhumain]
- Niveau 1 : Émergent (Notre présent). Le système dépasse un humain non formé sur certaines tâches mais commet des erreurs de logique et invente des faits. C’est le stade de ChatGPT, Claude et Gemini.
- Niveau 2 : Compétent. La machine égale la moitié des adultes sur un large éventail cognitif (calcul, écriture, logique visuelle). Le passage de ce cap exige de réussir le test ARC-AGI. Ce test mesure l’acquisition de concepts abstraits inédits. Nos meilleurs modèles obtiennent moins de 15 % de réussite, contre près de 100 % pour l’humain moyen.
- Niveau 3 : Expert. L’outil rejoint les 10 % des meilleurs professionnels dans chaque discipline. Il travaille de front comme ingénieur logiciel, conseiller juridique et analyste financier sans supervision.
- Niveau 4 : Virtuose. Ses performances intègrent le top 1 % mondial. Il pense et résout les problèmes au niveau des grands esprits scientifiques ou des lauréats du prix Nobel.
- Niveau 5 : Surhumain (ASI). Le système surclasse l’humanité entière sur chaque tâche. Il invente de nouvelles théories physiques en un clin d’œil.
Horizons et réalités physiques
Deux visions s’opposent sur le calendrier.
Les dirigeants de la Silicon Valley prédisent une AGI compétente entre 2028 et 2032 grâce aux investissements massifs et aux algorithmes de raisonnement.
À l’inverse, les roboticiens et chercheurs indépendants visent plutôt l’horizon 2040-2050. Ils rappellent la difficulté de donner à une machine le bon sens et la dextérité physique requis pour agir dans notre monde réel.
[Vérité terrain : L’intelligence virtuelle devancera l’intelligence physique.]
Un système saura concevoir des codes complexes ou diagnostiquer des maladies bien avant qu’un robot ne sache plier du linge ou réparer une fuite d’eau.
Mise en situation : IA vs AGI face au réel
Analysons quatre situations de notre quotidien pour mesurer la différence pratique de comportement.
Scénario 1 : La médecine de pointe
L’IA étroite analyse des millions de radiographies. Elle surclasse les experts pour détecter les tumeurs pulmonaires. Pourtant, si le cliché montre une pièce de monnaie avalée par un enfant, elle ne la verra pas. Son programme cherche des tumeurs, rien d’autre.
L’AGI examine la radiographie, détecte l’objet insolite, consulte le dossier médical du patient et analyse les essais cliniques du moment. Elle rédige ensuite un plan de soin adapté et échange par écrit avec le patient pour expliquer le traitement.
Scénario 2 : Le défi de la route
La voiture autonome actuelle gère sa trajectoire et freine devant les obstacles connus. Face à un panneau en carton écrit à la main indiquant une déviation sur l’herbe, le système se fige. Il sort de son cadre d’entraînement.
L’AGI lit le message écrit à la main, évalue l’état du sol, demande confirmation verbale à l’ouvrier et dirige la voiture sur l’herbe en toute sécurité.
Scénario 3 : L’ingénierie logicielle
Un assistant de programmation actuel complète des fonctions et corrige des bugs à la demande. Il s’appuie sur des milliards de lignes existantes mais ne sait pas concevoir une architecture globale de façon autonome.
L’AGI reçoit l’ordre de créer un service de livraison par drone concurrent d’un leader du marché. Elle conçoit la base de données, déploie les serveurs, teste la sécurité et corrige les failles après le lancement sans aide humaine.
Scénario 4 : La logistique du foyer
Vous demandez l’achat de lait à votre enceinte connectée. L’IA étroite constate la rupture de stock et renvoie un message d’erreur.
L’AGI comprend que votre enfant a besoin de lait pour son petit-déjeuner. Elle consulte votre agenda, repère un commerce sur votre trajet de retour du travail et réserve une bouteille pour un retrait en voiture.
La checklist d’identification
Ce tableau résume les critères essentiels pour identifier la nature du système en action :
| Comportement observé | IA Étroite | AGI |
|---|---|---|
| Exige des millions d’exemples pour apprendre une tâche simple | Oui | Non |
| Échoue dès qu’elle quitte sa spécialité originelle | Oui | Non |
| Exploite le raisonnement abstrait et le bon sens face à l’inconnu | Non | Oui |
| Transfère ses compétences d’un domaine à un autre sans effort | Non | Oui |