AGI : définition de l'intelligence artificielle générale

L'AGI, pour Artificial General Intelligence ou intelligence artificielle générale, désigne une IA capable d'accomplir l'ensemble des tâches intellectuelles humaines, dans tous les domaines, avec la capacité d'apprendre et de transférer ses connaissances d'un sujet à l'autre. Les IA actuelles sont puissantes mais restent des outils à périmètre : très fortes sur certaines tâches, faibles sur d'autres. L'AGI serait générale au sens où un humain l'est : polyvalente, adaptable, autonome dans son apprentissage.

L'IA désigne l'ensemble des systèmes accomplissant des tâches cognitives, presque tous « étroits » aujourd'hui, c'est-à-dire spécialisés. L'AGI serait une IA générale, égalant les capacités cognitives humaines dans tous les domaines. L'ASI (Artificial Superintelligence, superintelligence) irait au-delà : des capacités dépassant les meilleurs humains partout. Ces trois termes forment une échelle conceptuelle ; seul le premier niveau existe de façon certaine en 2026.

Non, au sens fort du terme. GPT-5.6, Claude Fable 5 et Gemini 3 sont des modèles généralistes remarquablement polyvalents, et atteignent des niveaux experts sur des domaines ciblés comme le code ou les mathématiques de compétition. Mais ils échouent encore sur des critères constitutifs de l'AGI : fiabilité constante, apprentissage continu autonome, exécution de missions longues de bout en bout. Le consensus 2026 les situe entre les niveaux compétent et expert du cadre DeepMind, selon les domaines.

Personne ne le sait, et les prédictions des acteurs eux-mêmes divergent de plusieurs décennies. Les dirigeants des grands laboratoires évoquent régulièrement des horizons courts, quand une partie de la communauté scientifique juge que des verrous fondamentaux (raisonnement causal, apprentissage continu, ancrage dans le monde physique) restent entiers. La seule position rationnelle pour une organisation : ignorer le calendrier, mesurer régulièrement ce que les modèles font réellement sur ses propres tâches.

Par des benchmarks, avec des limites croissantes : les tests académiques classiques (connaissances, raisonnement) saturent, les modèles approchant ou dépassant les scores humains. Les mesures les plus significatives portent désormais sur le travail réel : des évaluations comme le Remote Labor Index confient aux modèles de vraies missions freelance rémunérées et mesurent le taux de réussite de bout en bout. Le cadre Levels of AGI de Google DeepMind (2023) fournit par ailleurs une grille à cinq niveaux croisant performance et généralité.

Parce que le terme engage des intérêts considérables : valorisations, contrats commerciaux, cadre réglementaire et récits d'entreprise. Une définition économique large permet de proclamer l'AGI plus tôt ; une définition cognitive stricte la repousse. S'ajoute un désaccord scientifique réel sur ce qui constitue l'intelligence générale : performance mesurable, autonomie d'apprentissage, conscience du contexte. Résultat : chaque annonce d'AGI doit être lue avec la question « selon quelle définition, mesurée comment ».

Rien de spécifique à l'AGI, tout sur les capacités actuelles. Trois actions concrètes : tester chaque semestre les meilleurs modèles sur vos processus réels pour mesurer la frontière qui bouge, former vos équipes aux compétences durables (pilotage de l'IA, vérification, intégration aux processus), et intégrer les scénarios d'automatisation avancée dans votre réflexion stratégique à trois ans sans en faire dépendre vos décisions d'équipement immédiates.