L'intelligence artificielle générale est une IA capable d'accomplir presque toutes les tâches intellectuelles qu'un humain peut réaliser, y compris celles pour lesquelles elle n'a jamais été entraînée. Son importance est capitale, car quiconque la revendique de manière crédible est en mesure de redéfinir les règles du travail, de la finance et de la sécurité. Et la réponse honnête à la question “ sommes-nous proches de cet objectif ? ” dépend entièrement du point de vue adopté.

Points clés à retenir

  • L'intelligence artificielle générale ne fait pas l'objet d'une définition unique et consensuelle, de sorte que chaque date d'arrivée présuppose tacitement un test particulier.
  • Les modèles de langage paraissent larges grâce à un entraînement massif, mais leurs pondérations restent généralement figées une fois cet entraînement terminé.
  • Sur ARC-AGI-3 avec un raisonnement maximal, GPT-6.2 Astra a obtenu un score de 70,3 % dans le harnais standard et de 99,8 % avec un état de raisonnement persistant.
  • Les chercheurs en IA interrogés s'attendent à ce que les machines surpassent les humains dans certaines tâches des décennies avant de pouvoir automatiser toutes les professions.
  • L'échafaudage qui ajoute de la mémoire aux modèles comble de véritables lacunes, brouillant la frontière entre un modèle et un système.

Qu’est-ce que l’intelligence artificielle générale, et à quel point en sommes-nous proches ?

L'intelligence artificielle générale (IAG) est cette IA tant attendue qui ne nécessite pas la création d'une nouvelle équipe produit pour chaque nouvelle tâche. Les chatbots actuels écrivent du code, rédigent des contrats et expliquent le droit fiscal, ce qui semble déjà assez général.

Pas tout à fait.

Voici la distinction que la plupart des analyses omettent : posséder de vastes connaissances ne signifie pas nécessairement apprendre quoi que ce soit. Un modèle entraîné sur la majeure partie d'Internet public offre un champ de connaissances très vaste, à l'instar d'une encyclopédie. L'intelligence générale, quant à elle, est la capacité à faire face à une situation pour laquelle aucune donnée d'entraînement n'était disponible, à la résoudre et à conserver les connaissances acquises.

L'étendue, c'est ce qu'un modèle apporte à la discussion. La généralité, c'est ce qu'il en retire.

Alors, où en sommes-nous ? Plus près que ne le prévoyaient les sceptiques de 2023, plus loin que ne le laissent entendre les discours d’ouverture, et le principal obstacle qui subsiste se situe dans un domaine étonnamment peu glamour : la mémoire. Chaque titre sur l’IA générale repose en réalité sur une affirmation concernant un test précis, et savoir de quel test il s’agit permet de décider s’il faut hausser les épaules ou y prêter attention.

Pourquoi l'IA d'aujourd'hui donne-t-elle l'impression d'être généraliste alors qu'elle ne l'est pas ?

La réponse réside dans la manière dont sont construits les grands modèles de langage. Ils sont entraînés une seule fois sur une immense quantité de texte, puis leurs poids (les milliards de nombres internes qui stockent ce que le modèle a appris) sont figés. Tout apprentissage ultérieur se déroule au sein de la conversation et disparaît à la fin de la session, à moins qu'un système externe ne le sauvegarde.

C’est pourquoi ChatGPT a changé la perception du public d’une manière inédite pour une IA. Deep Blue jouait aux échecs et AlphaGo au go, mais ChatGPT parlait de tout, et de l’extérieur, cette étendue de connaissances semblait parfaitement correspondre à la généralité.

Regardez à l'intérieur et le profil devient irrégulier. Quand Définition de l'AGI, Un cadre d'analyse développé par une équipe dirigée par Dan Hendrycks, avec la participation de Yoshua Bengio et Gary Marcus, a permis d'évaluer des modèles sur les batteries de tests cognitifs utilisées par les psychologues. GPT-4 a atteint 27 % et GPT-5, 57 %. Les auteurs ont qualifié ce profil d“” irrégulier », caractérisé par de solides connaissances mais des déficits importants au niveau de la mémoire à long terme.

Imaginez un consultant brillant souffrant d'amnésie : éblouissant en réunion, il redevient un parfait inconnu le lendemain matin. Extrêmement utile, mais pas encore généralisé. Pour vous, cela signifie que les connaissances d'un chatbot sont impressionnantes, mais que sa capacité à se souvenir de votre collaboration dépend du produit auquel il est associé.

Si vous souhaitez comprendre en détail comment un modèle transforme votre question en réponse, consultez notre article explicatif sur comment l'IA prend des décisions il le traverse.

Les trois lignes d'arrivée de l'intelligence artificielle générale

Personne ne se met d'accord sur une date, en partie parce que chacun poursuit son propre chemin. Nous classons les définitions importantes en trois catégories, que nous appelons les Trois Lignes d'Arrivée : Savoir, Apprendre et Travailler.

La ligne « Savoir » vérifie si l’IA atteint le niveau d’un adulte instruit dans dix domaines cognitifs, ce qui correspond à la norme Hendrycks. La ligne « Apprendre » vérifie si elle peut acquérir de nouvelles compétences aussi efficacement qu’un humain, ce qui correspond précisément à la méthode utilisée par l’IA. Le prix ARC définit l'AGI. La ligne « Work » est la ligne commerciale, inscrite dans le… Charte d'OpenAI comme “ des systèmes hautement autonomes qui surpassent les humains dans les tâches les plus rentables sur le plan économique ”.”

Ligne d'arrivée Qui le dessine ? Ce que cela teste Où en est l'IA, novembre 2026
Savoir Hendrycks et ses coauteurs Couverture de dix domaines cognitifs Fort en connaissances, faible en mémoire à long terme
Apprendre Prix ARC Acquérir de nouvelles compétences aussi efficacement que les humains ARC-AGI-3 validé uniquement avec les outils de mémoire du fournisseur
Travail Charte d'OpenAI Surpasser les humains dans les travaux les plus rentables économiquement. Les experts prévoient une automatisation complète des emplois des décennies après la parité des tâches.

Les lignes ne sont pas hiérarchisées, et en franchir une n'entraîne pas le déplacement des autres. Les chercheurs de Google DeepMind, dont le cofondateur Shane Legg, ont poussé cette idée plus loin en proposant différents niveaux d'intelligence artificielle générale (IAG) plutôt qu'une simple réponse par oui ou par non.

La prochaine fois qu'un PDG affirme que l'intelligence artificielle générale sera disponible d'ici deux ans, demandez-lui de quelle période il s'agit. La réponse vous en dira généralement plus sur le modèle économique que sur la technologie elle-même.

À quel point l'IA est-elle proche de l'intelligence artificielle générale actuellement ?

L'apprentissage était autrefois réservé aux études, à l'évaluation que l'on pouvait ignorer en attendant que les chatbots s'améliorent aux examens. Cela a changé lorsque les agents d'IA ont commencé à effectuer des tâches complexes de manière autonome, car un agent incapable d'apprendre sur le tas doit être accompagné pas à pas dans chaque nouvelle situation.

ARC-AGI-3, lancé en mars 2026, plonge des agents IA dans de petits mondes de jeu sans instructions, sans règles et sans objectif précis, et les humains peuvent tous les résoudre. Le 17 novembre, Résultats vérifiés de GPT-6.2 Astra Le modèle d'OpenAI, avec un raisonnement maximal, a obtenu un score de 70,3 % dans le cadre standard d'ARC (l'interface logicielle qui connecte un modèle au test), où le modèle décide quelles notes conserver, et de 99,8 % dans le cadre de l'adaptateur de fournisseur, qui préserve son état de raisonnement caché entre les étapes.

Même modèle, mêmes jeux, même paramétrage. La différence entre 70 % et près de 100 % résidait dans la mémoire.

Lorsque GPT-6 Astra a obtenu des scores quasi parfaits en septembre, le prix ARC a clairement indiqué qu'il “ ne prétend pas être une intelligence artificielle générale ” et a souligné que ses jeux suivent des règles fixes et déterministes, contrairement à la complexité du monde réel. Nous pensons que c'est la bonne approche et le bilan le plus honnête des progrès accomplis dans ce domaine : l'IA peut désormais appréhender un nouveau monde en une seule session, et la question qui reste ouverte est celle de l'apprentissage continu (des compétences qui persistent et s'enrichissent après la fin de la session).

Pour vous, cela devient un test concret. Observez si vos outils d'IA s'améliorent dans votre tâche spécifique au fil du temps, sans intervention extérieure.

Pourquoi les experts ne parviennent pas à s'entendre sur une date pour l'AGI

Demandez quand l'intelligence artificielle générale (IAG) arrivera et la réponse dépendra de la tendance que suit le prévisionniste, c'est pourquoi les échéances sérieuses s'étendent de quelques années au siècle prochain.

La preuve la plus claire provient d'une seule étude. Enquête sur les impacts de l'IA Sur 2 778 chercheurs en IA ayant publié des travaux, les répondants ont estimé à égalité les chances que les machines surpassent les humains dans toutes les tâches possibles d'ici 2047, mais à égalité les chances que chaque profession humaine ne devienne entièrement automatisable que d'ici 2116.

Mêmes experts, même enquête, un écart de 69 ans entre l'exécution de tâches et l'exercice d'un métier.

Les définitions commerciales sont encore plus floues. En octobre 2025, OpenAI et Microsoft ont convenu que un panel d'experts indépendants vérifierait toute déclaration AGI, et ce d'ici avril 2026 L'annonce de Microsoft Une version modifiée de l'accord stipule que les paiements de partage des revenus se poursuivront jusqu'en 2030 “ indépendamment des progrès technologiques d'OpenAI ”. Autrement dit, une date d'IA générale est une définition déguisée en calendrier.

Il est utile de prendre l'habitude de traduire chaque prévision en son résultat final avant de décider à quel point il faut s'inquiéter ou s'enthousiasmer.

Est-ce important que l'IA apprenne réellement si elle effectue le travail ?

L'objection la plus pertinente à tout ce qui précède est directe : si un système écrit le code, clôture les tickets et rédige le rapport, qu'importe s'il “ apprend réellement ” ? C'est en substance la position de Work, et c'est un argument valable.

Nous l'admettrons là où c'est vrai. Pour un travailleur indépendant qui automatise ses factures ou une entreprise qui gère des agents de programmation, une structure qui ajoute de la mémoire à un modèle est aussi efficace que de la mémoire intégrée au modèle, et les résultats d'ARC montrent que ces structures comblent de réelles lacunes.

Le problème réside dans l'imprévu, qui représente la majeure partie du travail. Le client qui change d'avis, le processus modifié la veille, la règle tacite que tout le monde connaît : un système incapable d'intégrer ces changements reste un intérimaire plutôt qu'un véritable collaborateur.

Le monde physique constitue une épreuve supplémentaire qu'aucune des trois lignes ne couvre pleinement. entreprises de robots humanoïdes L'installation de machines sur les chaînes de production permet désormais de vérifier concrètement les affirmations relatives à l'intelligence artificielle générale formulées depuis une fenêtre de chat.

Traducteur de jargon

Poids : Les milliards de nombres contenus dans un modèle stockent tout ce qu'il a appris lors de son entraînement. Dans la plupart des produits actuels, ces nombres sont figés après le lancement, ce qui explique pourquoi les chatbots ne deviennent pas plus intelligents au fil des interactions.

Harnais: L'interface logicielle qui relie un modèle à une tâche détermine ce qu'il voit, les outils qu'il utilise et les données qu'il peut mémoriser. Même modèle, configuration différente, résultats très différents.

Renseignements irréguliers : Un profil de compétences marqué par des pics impressionnants et des creux soudains, à l'image d'une réussite éclatante à un examen de droit tout en ayant oublié la conversation de la veille. C'est pourquoi les scores de référence ponctuels sont si souvent trompeurs.

Apprentissage continu : La capacité de continuer à acquérir des compétences après la fin de la formation, grâce à des apprentissages qui perdurent et s'enrichissent mutuellement : c'est ce que la plupart des chercheurs considèrent comme faisant défaut aux systèmes actuels.

FAQ sur l'intelligence artificielle générale

Non, ChatGPT n'est pas une intelligence artificielle générale (IAG) selon aucune des trois principales définitions. Son champ d'application est remarquablement vaste, mais son modèle sous-jacent ne continue pas d'apprendre de vos conversations une fois l'entraînement terminé. Les fonctionnalités de mémorisation enregistrent des notes vous concernant, ce qui est utile, mais il s'agit d'un simple système de classement, et non d'une intelligence qui évolue.

Selon aucune norme largement acceptée, fin 2026, les modèles de pointe réussissent brillamment les tests de connaissances et peuvent résoudre des jeux de réflexion inédits grâce à des outils de mémorisation adaptés. Pourtant, les responsables de ces tests refusent catégoriquement de les qualifier d'intelligence artificielle générale (IAG). Toute affirmation mérite d'être examinée au regard du critère de référence utilisé.

L'IA englobe tout système effectuant des tâches que nous associons à l'intelligence, tandis que l'AGI désigne un système capable de gérer la quasi-totalité des tâches intellectuelles qu'un humain peut accomplir. Un filtre anti-spam est un exemple d'IA. Une AGI pourrait apprendre votre métier, puis un autre, sans que les ingénieurs aient à le recréer à chaque fois.

Personne ne le sait, et la réponse dépend de la définition. Les chercheurs en IA interrogés par AI Impacts estiment à égalité les chances que les machines surpassent les humains dans toutes les tâches d'ici 2047, mais prévoient une automatisation complète de tous les métiers en 2116. Toute prévision n'a de sens que si l'on connaît la définition sur laquelle elle repose.

L'intelligence artificielle générale (IAG) atteint des capacités intellectuelles globalement équivalentes à celles des humains, tandis que la superintelligence, souvent appelée intelligence artificielle systémique (IAS), surpasserait largement les meilleurs humains dans la quasi-totalité de ces domaines. La plupart des chercheurs interrogés dans le cadre de l'étude AI Impacts estiment plausible un passage rapide de l'une à l'autre, car une IAG pourrait contribuer à la conception de ses propres successeurs.

Nous sommes vraiment ravis de la rapidité avec laquelle les files d'attente pour « Savoir » et « Apprendre » diminuent. Cependant, nous ferions davantage confiance à un signe qu'à n'importe quelle conférence : l'intelligence artificielle générale (IAG) arrivera lorsqu'une IA améliorera ses compétences en pratiquant le même métier et se souviendra pourquoi. En attendant, nous travaillons avec le collègue le plus brillant… mais aussi le plus distrait jamais créé, et c'est déjà beaucoup.

Autres sujets liés à la technologie immersive

Metamandrill.com fournit des informations explicatives et pratiques sur les technologies immersives et des sujets connexes, comme réalité augmentée, réalité virtuelle, mondes et jeux virtuels, appareils et équipement, Entretiens avec les fondateurs, informations sur l'événement, et explicateurs et guides.