AGI : pourquoi Altman, LeCun et Bengio ne disent pas pareil

Le 17 mars 2026, deux chercheurs de Google DeepMind ont publié un cadre d'évaluation de l'AGI fondé sur dix facultés cognitives, accompagné d'un concours doté de 200 000 dollars pour construire les tests qui manquent. L'information dit quelque chose d'important. Après des années d'annonces, on ne sait toujours pas mesurer ce dont tout le monde parle. Le cadre cognitif proposé par Google DeepMind.

Sam Altman décrit une accélération qui transforme progressivement la société. Yann LeCun défend une autre voie technique vers des machines capables de comprendre le monde. Yoshua Bengio demande de repenser les objectifs que l'on donne aux systèmes. Ces positions se croisent sans se réduire à un duel entre optimistes et pessimistes, et le désaccord commence bien avant le calendrier.

AGI, superintelligence, singularité : trois mots, trois idées

L'AGI, ou intelligence artificielle générale, renvoie à une capacité étendue à accomplir des tâches intellectuelles. Le seuil retenu change selon les auteurs. La charte d'OpenAI emploie un critère centré sur des systèmes très autonomes, capables de dépasser les humains dans la plupart des travaux ayant une valeur économique. C'est une définition institutionnelle, pas un test scientifique universel. La charte d'OpenAI.

La superintelligence désigne un dépassement beaucoup plus large des capacités humaines. La singularité est une hypothèse sur la dynamique du changement : les progrès pourraient s'accélérer au point de rendre leurs conséquences difficiles à anticiper, en particulier si l'IA contribue elle-même à améliorer la recherche en IA.

Ces idées ne s'impliquent pas automatiquement. Une machine très performante ne démontre ni une accélération illimitée ni l'existence d'une conscience. Il faut aussi séparer la capacité à agir seule de la capacité à raisonner. Un système peut être autorisé à beaucoup faire sans être assez fiable pour le faire.

Ce que dit vraiment Sam Altman sur la singularité

Dans un texte publié en juin 2025 sous le titre The Gentle Singularity, le dirigeant d'OpenAI décrit une transformation dont les effets deviendraient familiers à mesure qu'ils apparaissent. Son argument tient aux boucles d'accélération : de meilleurs outils aident les chercheurs, qui produisent à leur tour de meilleurs outils. Il imagine des gains considérables pour la science et la productivité, tout en reconnaissant les enjeux de sécurité et de répartition des bénéfices. Le texte original de Sam Altman.

Ce texte est une vision du futur, écrite par l'un des dirigeants qui cherche à le construire. Ses échéances sont des prévisions. Elles ne prouvent pas que les étapes annoncées ont été franchies.

En juin 2026, Altman et Jakub Pachocki ont publié un plan sur l'accès aux systèmes avancés et les conditions de leur déploiement. Ce second texte montre que, même dans une perspective d'accélération, l'organisation de l'accès, les règles et la sécurité restent des sujets à construire. Le plan publié par OpenAI.

Pourquoi Yann LeCun dit que les LLM ne suffisent pas

La voie associée à Yann LeCun insiste sur les modèles du monde : des systèmes capables d'apprendre des représentations de leur environnement, d'anticiper ce qui pourrait se produire et de préparer une action. La question dépasse donc la production d'une réponse verbale convaincante.

Le programme de recherche V-JEPA en donne une illustration. Dans les travaux sur V-JEPA 2, dont LeCun est coauteur, les chercheurs étudient l'apprentissage à partir de vidéos, la prédiction et la planification. Les expériences de robotique montrent une piste concrète, dans des conditions délimitées. Elles ne démontrent pas une intelligence générale déjà acquise. L'article scientifique V-JEPA 2 et la présentation de Meta.

Le désaccord avec un récit de progression continue des assistants porte donc sur le chemin technique. Quelles capacités manquent ? Peuvent-elles émerger en poursuivant la méthode actuelle, ou faut-il modifier l'architecture et la manière d'apprendre ? Présenter LeCun comme quelqu'un qui ne croit pas au progrès de l'IA fait disparaître cette distinction.

En lançant la lecture, vous autorisez le lecteur YouTube et sa connexion à Google, avec ses traitements et éventuels traceurs. Gérer mes choix

Yoshua Bengio et LawZero : faut-il donner des ambitions aux machines

Avec LawZero, Yoshua Bengio met l'accent sur une autre séparation : comprendre le monde et poursuivre des objectifs propres. La piste dite Scientist AI cherche à développer des systèmes orientés vers l'estimation et l'explication, qui pourraient notamment aider à évaluer des actions proposées par d'autres agents. Le projet scientifique de LawZero.

Cette démarche ne promet pas une sécurité parfaite. C'est un programme de recherche sur la conception de systèmes plus maîtrisables. Il invite à poser une question différente de celle de la puissance : comment les objectifs, les permissions et les évaluations influencent-ils le comportement d'un système ?

La nuance est précieuse pour comparer les positions. On peut anticiper des progrès très rapides et contester la manière dont les systèmes sont déployés. On peut juger certaines approches techniques insuffisantes tout en prenant au sérieux les effets de celles qui existent déjà.

Comment mesurer l'AGI quand personne n'est d'accord sur la définition

Le cadre Levels of AGI publié par des chercheurs de Google DeepMind distingue la profondeur des performances et l'étendue des tâches. Une machine excellente sur une activité particulière ne devient pas générale pour cette seule raison. Le cadre sépare aussi les capacités de la question du déploiement autonome. La publication des chercheurs de Google DeepMind.

L'approche de mars 2026 complète la précédente en s'appuyant sur dix facultés cognitives : perception, génération, attention, apprentissage, mémoire, raisonnement, métacognition, fonctions exécutives, résolution de problèmes et cognition sociale. Le protocole proposé se fait en trois étapes : évaluer les systèmes, collecter des données de référence humaines, puis situer les performances par rapport à la distribution humaine. Les auteurs reconnaissent que les évaluations nécessaires restent largement à construire, ce que confirme le concours lancé pour les produire.

Fermer ×

Les dix facultés proposées dans le cadre de Google DeepMind, mars 2026.

Ce qui oppose réellement ces lectures

Cette grille est notre lecture des sources citées. Elle ne résume pas l'ensemble des positions de ces chercheurs et de ces dirigeants.

Lire la prochaine annonce sans se laisser emporter

Un résultat spectaculaire mérite de l'attention. Il mérite aussi quelques précisions : quelle tâche a été mesurée, avec quels outils, avec quelle aide humaine, et avec quel taux d'échec. Le système sait-il refaire le travail dans un environnement différent ? Une démonstration montée et un essai reproductible n'apportent pas la même information.

Il faut aussi regarder qui parle. Un dirigeant présente une stratégie autant qu'une conviction. Un chercheur propose une méthode, parfois encore incomplète. Ces positions peuvent être sincères et intéressantes tout en demandant des vérifications indépendantes. L'attribution des propos fait partie de la compréhension du sujet.

Pour une équipe qui veut utiliser l'IA au travail, ce débat a une conséquence très concrète. Choisir une tâche, tester un outil et examiner ses limites reste utile quelle que soit la date que l'on imagine pour l'AGI. Il n'est pas nécessaire de trancher le futur de l'humanité avant d'améliorer un compte rendu de réunion. Il est nécessaire de savoir qui relira ce compte rendu.

Ce que vous pouvez faire cette semaine

Prenez la dernière annonce d'IA qui a circulé dans votre entreprise, un article partagé dans une conversation d'équipe ou une vidéo vue en ligne. Retrouvez la source d'origine, pas le commentaire qui la reprend. Puis répondez à quatre questions par écrit, en cinq lignes : qui a publié, quelle tâche exactement a été mesurée, avec quelle intervention humaine, et qu'est-ce qui n'a pas marché. Si l'une des quatre réponses est introuvable, vous savez ce que vaut l'annonce. Faites l'exercice une fois, et votre équipe le refera seule la fois suivante. C'est aussi la première chose que nous installons dans les parcours par métier.

Dossier préparé le 11 septembre 2026 à partir de publications et de prises de position publiques. Aucun entretien original n'a été réalisé pour cet article.