Français
Perspective historique : informations disponibles au 22 mars 2025. Chronologie corrigée le 12 septembre 2026.
L’intelligence artificielle générale est facile à annoncer et difficile à définir. Un système peut surpasser les humains à un test, peiner à un autre et rester utile au quotidien. Aucune de ces observations ne permet, à elle seule, de trancher s’il possède une intelligence générale.
Que signifie « générale » ?
Si les calendriers de l’AGI sont difficiles à saisir, c’est notamment parce que chacun place la ligne d’arrivée ailleurs. Il peut s’agir de compétences étendues de niveau humain, d’un apprentissage efficace de tâches inconnues ou de la capacité à automatiser un travail ayant une valeur économique. Une prévision est difficile à évaluer si son auteur ne précise pas laquelle de ces possibilités il prédit.
Le cadre de recherche Levels of AGI distingue le niveau de performance d’un système, l’étendue de ses capacités et l’autonomie de son déploiement. C’est une manière utile d’éviter de ramener plusieurs questions à une seule étiquette.
Un outil peut être très performant tout en nécessitant une supervision étroite. Un autre peut agir de façon indépendante tout en commettant de graves erreurs. L’indépendance ne remplace donc pas la compétence, et la compétence sur une tâche précise ne rend pas pleinement compte du caractère général de l’intelligence.
Ce que le résultat d’ARC montre, et ce qu’il ne montre pas
ARC demande à un système de déduire la transformation reliant des exemples de petites grilles visuelles et de l’appliquer à un nouveau cas. Il est conçu pour sonder l’adaptation à des tâches inconnues plutôt que le rappel d’un fait. Cela en fait un test intéressant, pas un inventaire complet de tout ce que l’on entend par intelligence.
Dans son compte rendu de décembre 2024 sur l’évaluation d’une version préliminaire d’o3, ARC Prize a signalé une amélioration substantielle sur le test de référence. L’article soulignait aussi que le résultat n’établissait pas l’AGI et discutait de l’importance des ressources utilisées. Il s’agit de cette évaluation préliminaire datée, pas d’une affirmation concernant un futur test encore inédit ou tous les systèmes portant le même nom de modèle.
Un résultat est lié à ses conditions d’évaluation
Les exemples accessibles au système, le jeu d’évaluation, les calculs autorisés et les tentatives influent tous sur la signification d’un score. Un chiffre plus élevé peut représenter une réelle amélioration tout en laissant ouvertes des questions difficiles sur l’efficacité et la généralisation.
De même, un score faible sur une tâche ne peut pas prouver qu’une orientation entière de recherche ne fonctionnera jamais. Face au succès comme à l’échec, la réaction raisonnable consiste à examiner la méthode. Traiter un test de référence comme un certificat universel d’intelligence impose à une petite grille une charge administrative assez déraisonnable.
Comment lire le prochain résultat impressionnant
Avant de décider qu’un test prouve soit l’AGI, soit son impossibilité, recherchez quelques précisions :
- Quel test et quelle version ? Des générations différentes peuvent mesurer des tâches différentes.
- Quelles données ? Les exemples publics et les évaluations sur des données réservées répondent à des questions différentes.
- Avec quelle aide ? Les outils, les nouvelles tentatives, l’intervention humaine et le code spécialisé influent sur le résultat.
- À quel coût ? Du calcul et du temps supplémentaires peuvent améliorer les performances sans les rendre pratiques pour tous les usages.
- Quelqu’un peut-il le reproduire ? Une méthode décrite est plus facile à évaluer qu’une démonstration sélectionnée.
Ces questions s’appliquent aux affirmations sceptiques autant qu’aux affirmations enthousiastes. Un échec spectaculaire peut être instructif sans décrire tout ce que le système est capable de faire. Une réussite spectaculaire peut être instructive sans prouver qu’elle se généralisera.
Des outils utiles n’exigent pas que le débat sur l’AGI soit tranché
Pour les décisions quotidiennes, commencez par le travail à accomplir. Vérifiez les résultats, déterminez où une révision humaine s’impose et évaluez les échecs autant que les réussites. Vous n’avez pas besoin d’une prédiction sur l’arrivée de l’AGI pour déterminer si un outil précis vous aide dans une tâche précise.
L’habitude utile consiste à identifier l’affirmation, examiner les preuves et garder la possibilité de revoir la conclusion. Ni une démonstration impressionnante ni un échec spectaculaire ne peuvent trancher tout le débat à eux seuls.
Traduction française de l’article original en anglais du 2025-03-22. Traduction réalisée avec l’aide de l’IA le 2026-11-02 ; les références temporelles restent celles de l’original.
