Une déclaration choc qui relance le débat
Le patron de Nvidia, Jensen Huang, a récemment affirmé que l’intelligence artificielle générale (AGI) était déjà une réalité. Une prise de position qui a rapidement enflammé les discussions dans le secteur technologique.
L’AGI désigne, en principe, une intelligence artificielle capable d’égaler ou de dépasser les capacités cognitives humaines dans une large variété de tâches. Mais cette définition reste floue, et c’est précisément ce manque de consensus qui alimente les divergences entre chercheurs et industriels.
Des outils de mesure plus rigoureux… mais des résultats encore limités
Face à cette ambiguïté, plusieurs équipes tentent d’encadrer scientifiquement la notion d’AGI. Des chercheurs, dont Yoshua Bengio, ont proposé des modèles d’évaluation basés sur différents domaines cognitifs inspirés de la psychologie humaine.
Le constat est clair : même les systèmes les plus avancés restent en retrait. Certains modèles récents atteignent à peine un peu plus de la moitié des performances attendues pour rivaliser avec un adulte bien formé.
Autre référence, le test ARC-AGI conçu par François Chollet met l’accent sur la capacité d’apprentissage. Il ne s’agit plus de mesurer ce que l’IA sait déjà, mais sa faculté à comprendre rapidement de nouvelles situations.
Dans ces exercices, pourtant simples pour un humain, les modèles actuels peinent encore. Identifier une règle implicite, s’adapter à un nouveau contexte ou raisonner de manière abstraite reste difficile.
ARC-AGI-3 : une nouvelle étape dans l’évaluation
La dernière version, ARC-AGI-3, va plus loin. Elle introduit des environnements interactifs où l’IA doit explorer, apprendre en continu et ajuster ses décisions.
Ce type d’exercice met en évidence un écart important : là où un humain s’adapte naturellement, les systèmes d’IA montrent encore des limites en matière de flexibilité et de compréhension globale.
Une difficulté ancienne : définir l’intelligence
Le problème ne date pas d’hier. Dès 1950, Alan Turing proposait le célèbre test de Turing pour contourner la difficulté de définition.
Plutôt que de définir l’intelligence, il suggérait de l’observer : si une machine peut converser comme un humain sans être détectée, elle peut être considérée comme intelligente.
Mais cette approche a rapidement montré ses limites. Des programmes anciens comme ELIZA ont réussi à tromper certains utilisateurs sans réellement comprendre ce qu’ils disaient.
Aujourd’hui encore, les modèles modernes sont bien plus performants, mais ils restent sujets à des erreurs, des approximations et un manque de raisonnement sur le long terme.
L’AGI, entre science et stratégie industrielle
Le terme AGI s’est imposé au fil des années, notamment grâce à des chercheurs comme Shane Legg, cofondateur de DeepMind.
Mais dans le monde de l’entreprise, la notion a évolué. Des acteurs comme OpenAI l’ont intégrée dans leur stratégie, parfois en y associant des critères économiques.
Dans certains accords industriels, l’AGI a même été liée à des objectifs financiers très élevés, transformant un concept scientifique en indicateur de performance commerciale.
Jensen Huang nuance lui-même ses propos
Malgré sa déclaration initiale, Jensen Huang a lui-même apporté des nuances. Il reconnaît que les systèmes actuels, même nombreux et performants, ne sont pas capables de reproduire des réalisations humaines complexes.
Il a notamment évoqué l’impossibilité pour des milliers d’agents d’IA de bâtir une entreprise comme Nvidia, soulignant implicitement les limites actuelles de ces technologies.
Des progrès réels, mais encore loin de l’humain
Les systèmes d’IA actuels impressionnent par leur capacité à générer du texte, analyser des données ou automatiser certaines tâches. Mais ils restent en difficulté sur plusieurs aspects clés :
compréhension en profondeur
adaptation à des situations inédites
apprentissage autonome sur le long terme
raisonnement abstrait complexe
Ces éléments restent au cœur de l’intelligence humaine et ne sont pas encore pleinement maîtrisés par les machines.
La déclaration de Nvidia a eu le mérite de relancer un débat essentiel. Si les progrès sont indéniables, l’AGI reste une notion en construction, encore éloignée d’une définition claire et d’une réalité tangible. Entre ambitions industrielles et exigences scientifiques, le chemin reste ouvert.
