AGI (intelligence artificielle générale)
L'AGI (intelligence artificielle générale) peut se comprendre simplement comme :
Ce n'est pas une IA qui ne fait qu'une seule chose spécifique, mais une intelligence artificielle dotée de capacités cognitives générales proches de celles des humains.
Les modèles actuels ChatGPT, Claude, Gemini, DeepSeek, etc. ont déjà montré une forte généralité, mais il n'existe toujours pas de standard opérationnel unifié à l'échelle mondiale pour déterminer « s'ils sont des AGI ».
Quelle est la différence entre l'AGI et l'IA actuelle ?
Tout d'abord, consultez le tableau comparatif le plus intuitif :
| Type | Caractéristiques des capacités | Exemples |
|---|---|---|
| IA étroite (ANI) | Résout spécifiquement un certain type de problème | Algorithmes de recommandation, AlphaGo, reconnaissance vocale |
| Les grands modèles actuels | Possèdent déjà de solides capacités inter-domaines | ChatGPT、Claude、Gemini、DeepSeek |
| AGI | Capable d’apprendre, de raisonner, de transférer, de planifier comme les humains, et de résoudre de manière autonome un grand nombre de problèmes inconnus | Il n’existe actuellement aucune implémentation reconnue |
| ASI | Superintelligence qui surpasse globalement les humains | Actuellement, une hypothèse |
L’IA d’autrefois ressemblait davantage àun médecin spécialiste: : Vous pouvez lui faire jouer aux échecs, reconnaître des visages ou recommander des produits. Elle est forte dans chacun de ces domaines, mais n’excelle généralement que dans des tâches spécifiques.
AGI, en revanche, ressemble davantage àune personne très intelligente: Vous pouvez lui faire apprendre une nouvelle langue, lire un livre spécialisé qui lui est inconnu, écrire des programmes, analyser des états financiers, concevoir des produits, faire du raisonnement mathématique, utiliser des ordinateurs, formuler des plans d’affaires, apprendre à utiliser un outil totalement inconnu, ajuster des stratégies en fonction des résultats d’échec et transférer les connaissances précédemment acquises à de nouveaux problèmes.
Il n’a pas besoin de réentraîner un modèle dédié pour chaque tâche.
Le cœur de l'AGI n'est en fait pas « l'intelligence »
Beaucoup de gens comprennent l'AGI comme « un chatbot bien plus intelligent que ChatGPT ». Cette compréhension n'est pas tout à fait exacte.
Ce qui compte vraiment pour l'AGI, c'estla généralité。
Si une IA obtient 100 aux examens de mathématiques et 100 en programmation, mais cesse de fonctionner face à des problèmes inédits, ce n'est pas nécessairement une AGI.
À l'inverse, un système capable de passer par « rencontrer un nouveau problème → comprendre le problème → acquérir des connaissances → formuler un plan → exécuter → corriger les erreurs en fonction des résultats → finalement accomplir la tâche » est bien plus proche du cœur de l'AGI.
Par conséquent, les capacités clés de l'AGI peuvent généralement se résumer à une chaîne :
Perception → Compréhension → Raisonnement → Apprentissage → Planification → Exécution → Rétroaction → Transfert
Parmi celles-ci, sont particulièrement importantesles capacités d'apprentissage et de transfert.。
L'un des plus grands avantages de l'humanité estl'apprentissage par transfert: après avoir appris à conduire une voiture, apprendre à conduire un camion ne part pas de zéro. Vous possédez déjà les bases du code de la route, du contrôle de la direction, du contrôle de la vitesse, de la conscience spatiale et du jugement des risques, de sorte que l'apprentissage de nouvelles choses devient de plus en plus rapide.
Une véritable AGI devrait également posséder des capacités similaires.
En quoi exactement la « généralité » est-elle générale : les six dimensions de l'intelligence
La section précédente a abordé l'importance de la généralité, mais l'intelligence elle-même est difficile à mesurer avec un seul nombre.
Le diagramme radar ci-dessous décompose l’intelligence en six dimensions, en comparant l’état approximatif des modèles d’IA de pointe en 2026, le niveau cible de l’IAG et celui des humains :
Figure · Comparaison schématique des capacités en six dimensions. Les valeurs sont des scores illustratifs pour faciliter la compréhension (0–10), et non des mesures précises publiées par une institution.
Notez que l’écart entre la ligne rouge en pointillés (objectif de l’IAG) et la zone orange (IA de pointe) se concentre principalement sur les trois dimensions de la moitié droite : transfert inter-domaines, planification autonome à long terme et apprentissage continu.
Ce sont précisément les obstacles que la section ultérieure « Pourquoi c’est difficile » détaillera.
La route vers l’IAG : plus de soixante ans de travaux préparatoires
La vision de l’« intelligence artificielle générale » est presque aussi ancienne que la discipline de l’« intelligence artificielle » elle-même.
Le tableau suivant récapitule plusieurs jalons clés reconnus :
| Temps | Événement | Importance |
|---|---|---|
| 1956 | Conférence de Dartmouth | Le terme « intelligence artificielle » a été officiellement forgé, des chercheurs prédisant avec optimisme qu’une intelligence générale serait construite en quelques décennies. |
| 1997 | Deep Blue bat Kasparov | Une IA « spécialisée » qui ne joue qu'aux échecs, avec des limites de capacités clairement définies. |
| 2012 | L'apprentissage profond entre en scène | AlexNet a largement surpassé les méthodes traditionnelles en reconnaissance d'images, déclenchant la vague actuelle de l'IA. |
| 2016 | AlphaGo bat Lee Sedol | L'apprentissage par renforcement a trouvé des stratégies au-delà de l'intuition humaine dans des jeux d'une complexité extrêmement élevée. |
| 2017 | L'architecture Transformer émerge | Le mécanisme d'attention est devenu l'architecture sous-jacente de presque tous les grands modèles de langage. |
| 2020–2022 | Mise à l'échelle des grands modèles de langage | GPT-3 a démontré que « l'échelle apporte des capacités émergentes », et ChatGPT a apporté l'IA conversationnelle polyvalente au grand public. |
| 2023–2025 | Modèles multimodaux et de raisonnement | Les modèles peuvent comprendre simultanément le texte, les images et la parole, et les agents d'IA ont commencé à accomplir de manière autonome des tâches à plusieurs étapes. |
| De 2026 à aujourd'hui | L'état actuel de l'« intelligence en dents de scie » | Peut résoudre des problèmes de recherche complexes, mais commet souvent des erreurs sur des tâches simples du monde réel. |
L'« intelligence en dents de scie » est la caractéristique la plus typique de l'époque actuelle : les capacités sont extrêmement inégalement réparties — dépassant de loin les humains dans certains domaines tout en manquant même de bon sens dans d'autres.
Pourquoi les grands modèles actuels ressemblent-ils déjà beaucoup à l'AGI ?
C'est la partie la plus intéressante en ce moment.
L'IA des débuts était essentiellement « un modèle pour une tâche », mais après l'apparition des grands modèles, la situation a radicalement changé : un seul modèle peut simultanément écrire du code, écrire des articles, traduire, faire des mathématiques, résumer, raisonner, comprendre des images et appeler des outils.
Par exemple, les modèles actuels peuvent déjà accomplir tout un pipeline comme celui-ci :
C'est déjà complètement différent de l'« IA spécialisée » au sens traditionnel.
Tant de gens croient désormais que nous sommes peut-être déjà entrés dans les premiers stades de l'AGI.
Mais le problème est : « ressembler à l'AGI » ne signifie pas « être déjà l'AGI ».
Combien de temps encore avant l'AGI ?
C'est probablement la question la plus clivante de tout le domaine.
Les déclarations publiques des dirigeants du secteur ont tendance à être optimistes et à se concentrer sur les quelques prochaines années, tandis que les enquêtes auprès des communautés de chercheurs donnent généralement des échéances bien plus lointaines et plus conservatrices.
La figure ci-dessous rassemble les fourchettes temporelles estimées fournies par les déclarations publiques et les enquêtes de diverses parties :
Figure · Une compilation de chronologies estimées pour l'AGI à partir de déclarations publiques/enquêtes de diverses parties (à la mi-2026). Les plages des barres sont très incertaines et subjectives, à titre indicatif seulement, et ne représentent pas des prédictions factuelles.
Ces chiffres ne sont pas des « réponses », mais des estimations selon différentes méthodologies : les optimistes extrapolent le long des trajectoires techniques, les conservateurs s'appuient sur les schémas historiques, et certains sont influencés par les positions de l'industrie.
Quelle est la part vraiment difficile de l'AGI ?
L'IA d'aujourd'hui est déjà très performante, mais il lui manque encore quelques capacités clés pour être « générale ».
Premièrement : la fiabilité
L'un des plus grands défauts des grands modèles aujourd'hui n'est pas de « ne pas savoir comment », maisparfois de se tromper avec une très grande assurance.。
Il donne une réponse qui semble très plausible, mais qui est en fait incorrecte.
Si l'AGI doit assumer des tâches importantes dans le monde réel, ce taux d'erreur doit diminuer considérablement.
Deuxièmement : la planification à long terme
Faire écrire une fonction Python à une IA est déjà facile, mais lui faire bâtir de zéro une entreprise SaaS capable de fonctionner pendant cinq ans relève d'un tout autre niveau de difficulté.
Parce que cela implique toute une chaîne :
Cela a essentiellement changé de « répondre à des questions » à « accomplir des tâches de manière autonome ».
Troisièmement : interaction avec le monde réel (intelligence incarnée)
Aujourd'hui, l'IA vit principalement dans le monde numérique : elle peut lire des pages web, écrire du code, appeler des API, utiliser des ordinateurs et traiter des fichiers.
Mais le monde réel est bien plus complexe. Par exemple, « aller dans la cuisine et préparer du poulet Kung Pao » nécessite d'accomplir toute cette chaîne :
Cela implique une multitude de problèmes en robotique, vision, toucher, compréhension spatiale, contrôle du mouvement, et plus encore.
L'AGI ne doit pas nécessairement être un robot, mais entrer véritablement dans le monde physique serait un défi encore plus grand.
Au-delà des trois ci-dessus, il existe plusieurs défis tout aussi critiques :
| Défi | Description |
|---|---|
| Généralisation inter-domaines | Appliquer de manière flexible les connaissances acquises dans une tâche à des scénarios entièrement nouveaux, plutôt que d'apprendre à partir de zéro. |
| Apprentissage continu | Accumuler en continu de nouvelles connaissances pendant l’utilisation, en évitant l’« oubli catastrophique » où l’apprentissage de nouvelles choses entraîne l’oubli des anciennes. |
| Raisonnement de sens commun | Comprendre la logique quotidienne et les intuitions physiques que les humains tiennent pour acquises sans avoir besoin de les expliciter. |
| Alignement et sécurité | Garantir que des systèmes de plus en plus capables s’alignent toujours sur l’intention et les valeurs humaines |
| Calcul et énergie | L’entraînement et l’exécution de modèles de frontière nécessitent d’énormes ressources de calcul et d’électricité |
Si l’IAG arrive vraiment : opportunités et risques
C’est précisément parce que l’impact potentiel est si énorme que l’IAG est à la fois enthousiasmante et préoccupante.
En considérant les deux côtés ensemble :
| Opportunités potentielles | Des risques à prendre au sérieux |
|---|---|
| Accélérer la recherche scientifique en raccourcissant le cycle de découverte de nouveaux médicaments et matériaux | Les structures de l'emploi sont remodelées à une échelle massive et rapide, entraînant des difficultés de transition |
| Abaisser la barrière d'accès à des services de haute qualité tels que l'éducation et la consultation médicale | Les objectifs du système s'écartent de l'intention humaine (le problème d'alignement) |
| Prendre en charge les tâches répétitives, dangereuses ou fastidieuses, en libérant le travail humain | Les capacités sont détournées à des fins de cyberattaques, de désinformation ou de militarisation |
| Devenir un « assistant universel » pour les individus et les entreprises, en gérant des tâches à plusieurs étapes | Le pouvoir de décision devient excessivement concentré entre les mains de quelques institutions qui contrôlent des systèmes avancés |
Le changement le plus important avec l'AGI n'est peut-être pas « l'IA qui devient plus intelligente »
mais plutôt :L'intelligence commence à devenir un facteur de production qui peut être mis à l'échelle et répliqué。
L'importance économique, pour une entreprise, d'embaucher un programmeur par le passé par rapport à l'utilisation d'un agent IA à l'avenir, est complètement différente :
| Approche passée | Approche future possible |
|---|---|
| 1 programmeur | 1 agent IA |
| 1 salaire | Fonctionne 24 heures |
| 8 heures / jour | Gère des dizaines de tâches simultanément |
| Capacité limitée | Réplicable et parallélisable |
Ainsi, ce qui mérite vraiment l'attention maintenant n'est pas l'ancienne question « l'IA va-t-elle remplacer les programmeurs », mais une nouvelle question plus incisive :
Combien d'IA une personne peut-elle réellement gérer à l'avenir ?
L'AGI peut véritablement changer la façon dont les « entreprises » sont organisées
La structure d'une entreprise traditionnelle est un patron avec une rangée de départements en dessous :
L'avenir pourrait devenir : une personne est responsable d'un petit nombre d'IA, et l'IA gère ensuite un groupe d'Agents d'exécution.
Dans cette structure, les humains gèrent les objectifs, le jugement, les ressources et les décisions finales, tandis que l'IA gère une grande quantité d'exécution.
Ainsi, ce qui sera vraiment rare à l'avenir ne sera peut-être plus « savoir écrire du code », mais plutôt la capacité de définir les bons problèmes, de juger les résultats produits par l'IA et d'organiser plusieurs IA pour accomplir des tâches complexes.
C'est aussi la raison pour laquelle de nouveaux rôles tels que AI Agent, AI Application Engineer, FDE, Context Engineer et AI Builder ont émergé ces dernières années.
AGI ≠ AI Agent
Ces deux concepts sont faciles à confondre.
L'AGI est un concept au niveau des capacités, tandis qu'Agent est une forme de système。
On peut le comprendre ainsi : une fois qu'un grand modèle possède une capacité de raisonnement, l'ajout de capacités telles que les outils, la mémoire, la perception de l'environnement, la planification et l'exécution forme un AI Agent.
L'AGI, en revanche, est plus proche d'une « intelligence générale suffisamment forte ».
Agent n'exige pas nécessairement l'AGI — de nombreux Agents peuvent déjà être construits aujourd'hui.
De même, l'AGI ne doit pas nécessairement se manifester sous la forme d'un Agent—elle peut simplement être un système intelligent doté de capacités cognitives hautement générales.
Alors, y a-t-il réellement une AGI maintenant ?
Il n'existe actuellement aucune réponse universellement acceptée.
La question clé est : quel critère l'AGI doit-elle réellement satisfaire ?
Si le critère est "être capable de réaliser la plupart du travail intellectuel", certains des meilleurs modèles actuels en sont déjà très proches ; si le critère est "apprendre de manière autonome dans un environnement complètement inconnu et accomplir diverses tâches à long terme comme un adulte normal", l'écart est clairement bien plus grand.
Ainsi, l'AGI ressemble davantage à unspectre continu, plutôt qu'à un interrupteur qui s'allume soudainement :
Le monde réel ne verra probablement jamais le jour où "aujourd'hui à 10:00, l'AGI est officiellement née."
Il est plus probable que les capacités générales de l’IA s’améliorent petit à petit, jusqu’à ce qu’à un moment donné, les humains réalisent qu’elle peut déjà accomplir de manière autonome une grande quantité de travail complexe que seuls les humains pouvaient faire auparavant — c’est là la véritable arrivée de l’AGI.
Questions courantes sur l’AGI
Voici plusieurs questions que les débutants confondent le plus facilement.
Les grands modèles comme ChatGPT sont-ils considérés comme étant de l’AGI ?
Le point de vue dominant actuel est qu’ils ne le sont pas encore.
Ils sont impressionnants sur les tâches linguistiques, mais présentent encore des lacunes évidentes dans la planification à long terme, l’apprentissage continu, le véritable raisonnement de sens commun, et dans d’autres domaines — leurs capacités ne sont pas réparties de manière uniforme.
L’AGI signifie-t-elle que les robots ont une conscience de soi ?
Non, ce n’est pas le cas.
L’AGI concerne la « capacité cognitive générale », tandis que la « conscience » est un concept plus vague et plus philosophique. Les deux ne sont pas la même chose et ne vont pas nécessairement de pair.
Pourquoi différents experts donnent-ils des calendriers si différents ?
Une raison est qu’il n’existe pas de définition unifiée ni de norme de test pour « ce qui est considéré comme de l’AGI ».
Une autre est que chacun utilise des méthodes différentes : certains extrapolent à partir de feuilles de route techniques, d’autres s’appuient sur des schémas historiques, et d’autres encore sont influencés par les positions de l’industrie.
Les gens ordinaires doivent-ils se préparer à l'AGI dès maintenant ?
Plutôt que de s'inquiéter d'un moment incertain, une approche plus pratique consiste à suivre en continu les limites des capacités de l'IA, à apprendre à collaborer avec les outils existants et à conserver une compréhension de base des politiques et des discussions sociales pertinentes.
Comprendre l'AGI en une phrase
Réunir différentes formes d'intelligence rend les distinctions plus claires :
| forme | Métaphore en une phrase |
|---|---|
| IA traditionnelle | un outil |
| Les grands modèles actuels | Un assistant très intelligent. |
| Agent IA | Un employé numérique qui peut travailler de façon autonome. |
| AGI | Un agent intelligent général capable de faire face à des problèmes inconnus, d'apprendre de manière autonome, de raisonner, de planifier, d'exécuter et de corriger des erreurs. |
Et un pas de plus, si cette intelligence, dans la grande majorité des domaines cognitifs...surpasse globalement les humains., alors ce dont on parle n'est plus seulement l'AGI, maisl'ASI (superintelligence artificielle)。
Autres extensionsCe qui mérite vraiment l'attention, ce n'est pas la date de « l'apparition de l'AGI », mais plutôt : à mesure que les capacités générales de l'IA se rapprochent des niveaux humains, quels emplois, quelles entreprises et quelles compétences individuelles seront réévalués en premier.