Une machine capable de comprendre un contexte inédit, d’apprendre une tâche sans entraînement spécifique, puis de passer immédiatement à une discipline totalement différente — c’est l’idée au cœur de l’intelligence artificielle générale, souvent désignée par le sigle AGI (Artificial General Intelligence). Ce n’est pas la même chose que les IA qui battent les humains aux échecs ou qui génèrent des images à la demande. Ces systèmes, aussi performants soient-ils, restent étroitement spécialisés.
L’AGI, elle, vise quelque chose d’autre : une intelligence flexible, transférable, capable d’adapter son raisonnement à n’importe quel problème. Un objectif qui fascine les chercheurs depuis les années 1950 et qui suscite encore aujourd’hui des débats profonds en informatique, en psychologie cognitive, et même en philosophie. Faisons le point sur ce que recouvre vraiment ce terme — et pourquoi il divise autant.
Définition de l’intelligence artificielle générale
Ce que dit la recherche sur l’AGI
Formuler une définition précise de l’AGI n’est pas simple. Même dans les dictionnaires spécialisés et les encyclopédies de référence, le terme est souvent défini par contraste avec l’IA étroite (narrow AI). La définition la plus couramment acceptée : l’AGI désigne un système informatique capable de réaliser n’importe quelle tâche intellectuelle qu’un être humain peut accomplir, avec un niveau de performance comparable.
Cette formulation semble claire. Mais elle soulève une question immédiate : qu’est-ce que l’intelligence ? Les dictionnaires et ouvrages de psychologie cognitive proposent des dizaines de définitions. Howard Gardner, dès 1983, a identifié au moins huit formes d’intelligences distinctes (logique-mathématique, verbale, spatiale, musicale…). Le Larousse propose une définition plus sobre : « faculté de comprendre, de saisir par la pensée ». Sur ce point, l’AGI ambitionne de reproduire l’ensemble du spectre.
« Une AGI pourrait en théorie apprendre à jouer aux échecs le matin, diagnostiquer une maladie rare l’après-midi, et composer une mélodie le soir — sans aucun réentraînement entre chaque tâche. »
— Synthèse des travaux de Legg & Hutter, 2007
Shane Legg et Marcus Hutter, deux chercheurs de DeepMind, ont proposé en 2007 une définition mathématique : l’intelligence d’un agent est sa capacité à atteindre des objectifs dans un large éventail d’environnements. Cette approche, publiée avec un DOI dans la revue Algorithmic Learning Theory, reste une référence dans le domaine. Elle a le mérite d’être formalisable, même si elle est contestée par les courants plus cognitivistes.
AGI vs IA étroite : la différence fondamentale
Les IA actuelles — GPT-4, Gemini, Midjourney, AlphaFold — sont toutes des IA étroites. Chaque système a été entraîné sur un corpus délimité pour accomplir un type de tâche précis. GPT-4 génère du texte. AlphaFold prédit des structures protéiques. Ces performances sont réelles, parfois suprahumaines sur leur domaine. Mais sortez-les de leur périmètre et elles échouent.
| 🤖 IA étroite (aujourd’hui) | 🧠 AGI (objectif) |
|---|---|
| Spécialisée sur une tâche Ré-entraînement nécessaire pour chaque nouveau domaine Pas de transfert de compétences spontané Exemples : ChatGPT, AlphaGo, DALL-E |
Flexible sur n’importe quelle tâche Apprentissage par analogie et transfert Raisonnement adaptatif et autonome Exemples : aucun système validé à ce jour |
Cette distinction est importante pour comprendre pourquoi les progrès récents en IA générative n’équivalent pas à une avancée vers l’AGI — même si certains PDG de la Silicon Valley aiment laisser entendre le contraire.
🎯 Où en est la recherche et pourquoi ça coince
L’état réel des avancées en 2024
OpenAI, DeepMind, Anthropic, Meta — tous ces laboratoires citent l’AGI comme horizon de long terme. Sam Altman, PDG d’OpenAI, a déclaré publiquement en 2024 que l’AGI pourrait arriver « dans les prochaines années ». Déclaration prudente à prendre avec du recul : les promesses de ce type circulent depuis les années 1960.
60 ans
d’histoire de recherche en IA sans qu’une AGI validée n’ait été produite
Les obstacles sont réels. L’un des plus documentés : le problème du sens commun. Un enfant de 4 ans comprend qu’un verre renversé mouille la table. Les meilleurs modèles de langage actuels peinent à raisonner de façon robuste sur ce type de causalité physique triviale. Identifier ce qu’on appelle le « sens commun » et le formaliser reste un défi ouvert.
Autre verrou : l’apprentissage par transfert. Les humains apprennent à faire du vélo et transfèrent une partie de cette motricité pour apprendre à faire du ski. Les réseaux de neurones actuels ne font pas ça naturellement — chaque tâche exige un entraînement séparé. Des architectures comme les transformers montrent des capacités de généralisation surprenantes sur le langage, mais ces résultats ne se généralisent pas encore à d’autres modalités de façon cohérente.
⚠️ À garder en tête
Certains chercheurs estiment qu’une AGI réelle pourrait poser des risques existentiels si elle n’est pas alignée avec les valeurs humaines. Le débat sur la « sûreté de l’IA » (AI safety) est pris au sérieux par des institutions académiques, pas seulement par des associations alarmistes. Yann LeCun, directeur scientifique de Meta AI, conteste lui que l’AGI soit proche — il juge les architectures actuelles fondamentalement inadaptées.
Les implications concrètes si l’AGI arrive un jour
Raisonner sur les conséquences d’une AGI n’est pas de la science-fiction pure. Des économistes, des juristes et des philosophes produisent des travaux sérieux sur le sujet, publiés avec ISBN ou DOI dans des revues à comité de lecture. Quelques scénarios concrets qui reviennent dans la littérature :
- Accélération scientifique : une AGI pourrait combiner des connaissances en biologie, physique et chimie pour concevoir des traitements médicaux que des chercheurs humains mettraient des décennies à identifier seuls.
- Transformation du marché du travail : non plus seulement les tâches répétitives, mais aussi une grande partie des emplois cognitifs qualifiés seraient remis en question.
- Questions de gouvernance : qui contrôle une AGI ? Un État, une entreprise privée, une organisation supranationale ? Aucun cadre juridique international n’existe encore pour ce scénario.
- Enjeux géopolitiques : la compétition entre États-Unis et Chine sur l’IA générale est déjà documentée. D’autres régions s’y positionnent — L’Intelligence Artificielle en Afrique : Une Révolution en Marche illustre comment ce continent construit ses propres capacités technologiques dans ce domaine.
✅ À retenir
L’AGI n’existe pas encore. Les systèmes actuels, même les plus puissants, sont des IA étroites avec des capacités de généralisation limitées. L’objectif AGI est légitime scientifiquement, mais les délais restent imprévisibles et très débattus entre experts.
Pour ceux qui souhaitent approfondir d’autres angles liés aux technologies émergentes, la rubrique Autres propose des ressources complémentaires sur des sujets adjacents.
💡 Notre conseil
Méfiez-vous des annonces tonitruantes sur « l’arrivée imminente de l’AGI ». Vérifiez toujours si l’auteur de la déclaration a un intérêt commercial à créer de l’enthousiasme — ou de la peur. Les chercheurs académiques sont généralement bien plus prudents que les communicants de startups.
Questions fréquentes
Quelle est la différence entre l’intelligence artificielle générale et l’IA actuelle ?
L’IA actuelle est dite « étroite » : chaque système est entraîné pour une tâche précise (générer du texte, reconnaître des images, jouer aux échecs) et ne peut pas transférer ses compétences à d’autres domaines sans un nouvel entraînement. L’intelligence artificielle générale, elle, vise une flexibilité totale : apprendre et raisonner sur n’importe quelle tâche cognitive, comme un être humain. Aucun système AGI validé n’existe à ce jour.
Est-ce que ChatGPT est une intelligence artificielle générale ?
Non. ChatGPT et les modèles de langage similaires sont des IA étroites spécialisées dans le traitement du langage naturel. Ils montrent une certaine capacité de généralisation à l’intérieur du domaine textuel, mais ils n’ont pas de raisonnement causal robuste, pas de sens commun fiable et aucune capacité d’apprentissage autonome entre les sessions. Les confondre avec une AGI est une erreur fréquente, souvent entretenue par des discours marketing.
Quand l’intelligence artificielle générale pourrait-elle exister ?
Les prévisions varient énormément selon les experts. Certains chercheurs estiment qu’une AGI pourrait émerger d’ici 2030-2050 si les avancées en apprentissage automatique s’accélèrent. D’autres, comme Yann LeCun (Meta), pensent que les architectures actuelles sont fondamentalement inadaptées et qu’il faudra des percées conceptuelles radicales, sans horizon précis. L’histoire de l’IA montre que les délais annoncés ont toujours été largement sous-estimés.
L’intelligence artificielle générale est-elle dangereuse ?
Une AGI mal alignée avec les valeurs humaines représenterait un risque sérieux, selon de nombreux chercheurs en « AI safety » dont ceux du Future of Humanity Institute d’Oxford. Le danger ne vient pas d’une IA « malveillante » au sens cinématographique, mais d’un système optimisant des objectifs de façon non souhaitée avec des moyens non anticipés. C’est pourquoi le domaine de l’alignement des IA est devenu une discipline de recherche à part entière.
Quelle différence entre AGI et superintelligence ?
L’AGI désigne un système ayant des capacités cognitives équivalentes à celles d’un humain sur l’ensemble des domaines. La superintelligence, concept popularisé par le philosophe Nick Bostrom dans son livre éponyme de 2014, va plus loin : elle désigne une IA qui dépasserait les capacités humaines dans tous les domaines de façon massive. L’AGI est souvent présentée comme une étape intermédiaire vers la superintelligence.