Sam Altman fait le grand écart (et se fait une entorse)
Janvier 2025 : Sam Altman publie un billet sur son blog personnel. Il y écrit, avec la décontraction d’un homme qui vient de trouver les clés sous le paillasson : « We are now confident we know how to build AGI as we have traditionally understood it ». Traduction sans fioritures : on sait comment faire, on y va. Le monde tech s’emballe. Les forums s’enflamment. Des influenceurs préparent des vidéos de “réaction à l’AGI”. Quelques jours plus tard, Altman est obligé de poster sur X : « twitter hype is out of control again. we are not gonna deploy AGI next month, nor have we built it » – avec l’énergie d’un parent qui regrette d’avoir laissé des bonbons traîner sur la table avant une fête d’anniversaire.
Puis, août 2025, interview sur CNBC. Altman déclare que le terme AGI est devenu « not a super useful term ». Il préférerait parler de “niveaux d’avancement continus”. L’homme qui “savait comment construire l’AGI” six mois plus tôt la juge désormais trop binaire comme concept. On appelle ça rétropédaler avec classe, ou peut-être juste rétropédaler.
À Davos 2026, Dario Amodei, le PDG d’Anthropic, réaffirme quant à lui qu’une IA “near-expert” ou “Nobel-level” dans plusieurs domaines pourrait émerger dès 2026-2027. Pas d’AGI au sens strict – il précise lui-même que des timelines plus lentes seraient préférables pour la sécurité. Ce qui est une façon élégante de dire : on fonce quand même.
Le problème, c’est la définition (et personne ne veut l’admettre)
Voilà le péché originel de tout ce débat : l’AGI n’a pas de définition universelle. Pour certains, c’est un système capable de battre un humain dans “la plupart” des tâches cognitives – ce qui donne des fourchettes entre 2025 et 2027 selon les définitions les plus souples, ou 2035 et plus selon les définitions les plus strictes. Pour d’autres – comme Demis Hassabis, PDG de Google DeepMind – il faut une machine capable de “vraiment comprendre le monde”, avec créativité et autonomie réelle. Hassabis a déclaré lors de Google I/O 2026 anticiper l’AGI « around 2030, possibly 2029 », avec une probabilité de 50% autour de cette date.
Shane Legg, co-fondateur de DeepMind, reste cohérent depuis des années : 50% de probabilité d’une “AGI minimale” d’ici 2028. Elon Musk, à Davos 2026, a suggéré que l’IA pourrait “surpasser l’humanité combinée” d’ici cinq ans – soit vers 2031. Metaculus, la plateforme de prédiction collaborative qui agrège les estimations d’experts, médiane autour de 2034. Les communautés d’EA Forum et LessWrong convergent vers 2030-2035. L’écart entre la prédiction la plus optimiste et la plus prudente dépasse vingt ans – et tout le monde cite “les données” pour se justifier.
La situation rappelle furieusement ces débats des années 2000 sur “la fin du pétrole” où chaque expert avait sa courbe de Hubbert et sa propre définition de ce que “fin” voulait dire.
ARC-AGI-2 : quand le benchmark coule le narratif
Avril 2025. OpenAI lance o3, son modèle raisonneur dernier cri, avec une communication parfaitement huilée. Et puis quelqu’un teste réellement o3 sur ARC-AGI-2, le benchmark conçu par François Chollet précisément pour mesurer la généralisation de l’IA. Résultat : o3 score 2,9% – soit à peine mieux qu’un humain distrait sur un problème qu’il ne comprend pas, ou légèrement moins bien qu’un stagiaire un lundi matin. Epoch AI, en test indépendant, confirme un score autour de 10%, très loin des chiffres initialement avancés par OpenAI, comme le rapporte TechCrunch en avril 2025. Sur les benchmarks “classiques” (mathématiques compétitives, code), o3 explose tout – 96,7% sur AIME 2024, des scores inédits sur GPQA. Mais ARC-AGI-2 est là pour rappeler que scorer en maths olympiques ne signifie pas “comprendre”. Ça signifie “très bien mémoriser et interpoler”. Ce n’est pas tout à fait la même chose.
C’est là qu’entre en scène Yann LeCun, directeur scientifique chez Meta et grand rabat-joie institutionnel du secteur. Sa position, martelée depuis mai 2025 dans de multiples conférences et interviews : les LLM – les grands modèles de langage, donc ChatGPT, Claude, Gemini – sont des « dead ends » pour l’AGI. Ils manquent de “world models” – des représentations causales du monde réel. Générer du texte plausible n’est pas comprendre. Et sans comprendre, pas d’AGI. Sa proposition : les systèmes “objective-driven”, apprendront par l’interaction et la perception du monde physique, à la manière d’un bébé humain. LeCun ne dit pas que l’AGI est impossible – il dit que l’industrie court dans la mauvaise direction à toute vitesse. Ce qui est soit du génie prophétique, soit de l’ego de fondateur protégeant l’approche de son labo. Probablement un peu des deux.
Le calendrier des parieurs sérieux
FutureSearch, organisation spécialisée dans la prédiction AGI, définit l’objectif comme “l’automatisation de la plupart des tâches purement cognitives avec une qualité, une vitesse et un coût supérieurs à l’humain”. Selon leur tracker mis à jour en avril 2026, l’ensemble des experts et organisations ayant révisé leur prédiction entre janvier et avril 2026 – sans exception – ont avancé leurs estimations. Gigazine rapporte en juin 2026 que Nikola Yurkovich de METR, organisme de recherche sur la sécurité IA, est passé d’une prédiction “vers 2041” avant 2023 à “environ 2028” en 2025. Eli Rifland, co-fondateur de l’AI Futures Project, a avancé son estimation de “après 2046” à “2031” – soit quinze ans de gagnés en deux ans de réflexion.
Le consensus de l’AGI Clock – qui agrège les prédictions de Sam Altman, Elon Musk, Geoffrey Hinton et d’autres – donne juin 2030 avec 65% de probabilité dans un intervalle de confiance à deux sigma. Ce qui veut dire, en langage normal : d’ici 2030, on a deux chances sur trois que quelque chose d’assez ressemblant à l’AGI se soit produit, selon les définitions majoritairement retenues. Selon les définitions les plus strictes – superintelligence véritablement créative, autonome, irréversible – les timelines glissent après 2035, voire bien au-delà.
Le scénario qu’on ne discute pas assez
En réalité, le débat “AGI pour quand ?” masque un scénario bien plus probable et bien plus important : une AGI qui n’arrive pas en un seul point, mais qui s’installe en douce, domaine après domaine, sans jamais déclencher de moment “eurêka” officiel. C’est la thèse qui monte en 2025-2026 : pas de singularité dramatique, mais une automatisation cognitive progressive et asymétrique – spectaculaire dans certaines disciplines (code, biologie, droit), quasi-nulle dans d’autres (artisanat, pédagogie incarnée, soin physique). L’analyse d’American University publiée en avril 2026 dans Observer note que « the real disruption is the uneven, already-visible impact reshaping » des pans entiers de l’économie – pas une bascule binaire, mais une dérive lente et inégale.
Ce scénario est beaucoup moins vendeur pour les conférences TED et les levées de fonds. Mais il est probablement le plus honnête. Et il pose des questions autrement plus concrètes que “est-ce que l’AGI est là ?” – notamment : dans quels secteurs l’automatisation cognitive s’installe-t-elle déjà sans qu’on lui ait donné un nom ?
La guerre des goalposts
Il y a un pattern récurrent dans l’histoire de l’IA qu’on pourrait appeler “la retraite de la définition” : chaque fois qu’une machine accomplit quelque chose qu’on pensait nécessiter de l’intelligence – jouer aux échecs, reconnaître des visages, traduire des langues, battre les humains au go – la réponse des sceptiques est immédiate : “mais ça, c’est pas vraiment de l’intelligence”. Les poteaux se déplacent. Ce phénomène a un nom dans la littérature académique : l’effet Tesler, ou parfois “l’IA effect”. L’intelligence, c’est toujours ce qu’on n’a pas encore réussi à automatiser.
Le risque miroir existe aussi : des labs qui déclarent l’AGI atteinte pour des raisons de financement, de prestige ou de narration stratégique, selon une définition suffisamment floue pour que personne ne puisse les contredire formellement. C’est une possibilité que plusieurs chercheurs en sécurité IA soulèvent en 2026, discrètement mais fermement. Altman lui-même a admis en août 2025 que la définition fluctuante de l’AGI rend le terme “non utile” – ce qui est une façon délicate de dire que tout le monde peut gagner si personne ne fixe les règles du jeu.
La vraie question – celle qu’on n’ose pas poser dans les panels – ce n’est pas “l’AGI arrive quand ?” mais “qui décide que l’AGI est là ?” Et là, on n’a toujours pas de réponse. Ce qui, quelque part, devrait nous préoccuper davantage que n’importe quel benchmark.
Journaliste citoyen depuis plus de 20 ans, passionné de cinéma et réalisateur de courts-métrages sur mon temps libre.
