À quelle distance sommes-nous de l'AGI ? Chronologie en direct & prévisions d'experts

Q: Que signifie vraiment l'AGI ?

L'AGI désigne l'Intelligence Artificielle Générale — une IA capable d'accomplir n'importe quelle tâche intellectuelle qu'un humain peut réaliser, dans tous les domaines, sans être spécifiquement entraînée pour chacune. Elle peut se fixer des objectifs, apprendre de l'expérience, raisonner sur des choses qu'elle n'a jamais vues et fonctionner sans instructions humaines étape par étape. Les IA actuelles — ChatGPT, Claude, Gemini — sont très puissantes mais ne sont pas des AGI. L'AGI est le seuil au-delà.

Q: Pourquoi l'année prédite se rapproche-t-elle ?

Parce que l'IA s'est améliorée plus vite que presque tout le monde ne le prévoyait. En 2019, la prévision médiane des experts pour l'AGI était autour de 2060. Après GPT-3 en 2020, elle est passée à 2055. Après ChatGPT en 2022, elle a encore bougé. Après GPT-4 en 2023, elle a reculé davantage. Chaque fois qu'un seuil de capacité majeur est franchi plus tôt que prévu, l'ensemble de la distribution des prévisions se déplace. La compression de 2060 à 2031 — un recul de 29 ans en seulement 7 ans — est en soi le signal le plus fort qu'il se passe quelque chose d'inhabituel dans le rythme des progrès.

Q: L'AGI pourrait-elle arriver bien plus tôt — ou bien plus tard — que 2031 ?

Oui dans les deux cas. Le principal risque d'accélération est la recherche en IA assistée par l'IA — si les modèles de pointe deviennent capables d'améliorer significativement leur propre entraînement, les délais pourraient se comprimer de manière non linéaire et très rapide. Les principaux risques de retard sont le mur des données et la possibilité que la planification et l'ancrage physique nécessitent des percées architecturales plutôt que simplement plus de calcul. La plage d'incertitude est vraiment large — 2028 à 2040 est un intervalle défendable.

Q: L'AGI est-elle la même chose que la superintelligence ?

Non. L'AGI signifie atteindre le niveau d'intelligence humaine dans tous les domaines. La superintelligence signifie dépasser l'intelligence humaine — potentiellement dans une large mesure. La plupart des chercheurs s'attendent à ce que l'AGI arrive en premier, suivie d'une période d'amélioration rapide des capacités qui pourrait ou non mener à la superintelligence. Le délai pour la superintelligence — si l'AGI arrive — est l'une des questions ouvertes les plus contestées et les plus conséquentes de la recherche en IA.

Q: Comment les changements de prévision sont-ils suivis ici ?

Le graphique principal montre la prévision médiane de la communauté Metaculus à différents moments dans le temps, complétée par des données agrégées provenant d'articles d'enquêtes académiques sur l'IA. La page est examinée chaque semaine — lorsque quelque chose de significatif change (un résultat de référence majeur, une sortie de modèle importante ou un changement notable de la médiane Metaculus), la date et le graphique sont mis à jour. Chaque changement est consigné dans la date de dernière modification de la page.

Q: Quels sont les plus grands obstacles restants à l'AGI ?

Les quatre problèmes les plus difficiles restants : (1) La mémoire persistante — l'IA ne peut pas apprendre de nouvelles expériences sans être réentraînée depuis zéro ; (2) La planification à long terme — les modèles actuels peinent à poursuivre des objectifs sur des horizons temporels étendus ; (3) L'ancrage physique — l'IA n'a pas d'expérience incarnée du monde physique ; (4) L'auto-amélioration — la capacité d'une IA à améliorer significativement ses propres capacités reste extrêmement limitée. Ce ne sont pas seulement des défis de « plus de la même chose » — ils peuvent nécessiter des percées architecturales plutôt que simplement la mise à l'échelle des approches existantes.

Qu'est-ce que l'AGI

La différence entre l'IA d'aujourd'hui et l'AGI

La plupart des gens ont utilisé ChatGPT ou Claude. Ce n'est pas l'AGI. Voici le véritable écart.

🤖

L'IA d'aujourd'hui (étroite)

Extrêmement compétente pour les tâches spécifiques sur lesquelles elle a été entraînée — rédaction, code, mathématiques, reconnaissance d'images. Donnez-lui une tâche en dehors de son entraînement et les performances chutent brutalement. Elle ne peut pas apprendre de l'expérience, se fixer des objectifs propres, ni fonctionner de manière fiable sans supervision humaine.

🧠

L'AGI (ce que nous suivons)

Une IA capable d'accomplir n'importe quelle tâche intellectuelle qu'un humain peut réaliser — dans tous les domaines, s'adaptant à des choses qu'elle n'a jamais vues. Elle peut se fixer ses propres objectifs, apprendre continuellement de nouvelles expériences et fonctionner sans que les humains n'aient à définir chaque étape.

L'écart entre ces deux réalités est ce que cette page suit

Pourquoi il n'existe pas de réponse unique : « AGI » signifie des choses différentes selon les personnes. Certains la définissent comme le remplacement du travailleur de la connaissance médian (peut arriver plus tôt). D'autres la définissent comme l'égalisation de toutes les capacités cognitives humaines, y compris les tâches physiques et la créativité authentique (beaucoup plus difficile). L'estimation de 2031 concerne la première définition — l'AGI économique. L'intelligence générale complète est probablement pour plus tard.

Signaux de capacité

Ce que l'IA sait déjà faire — et ce qui manque encore

Chaque barre montre à quel point l'IA de pointe actuelle se rapproche d'un expert humain dans cette compétence. Vert = résolu. Rouge = le fossé restant.

Essentiellement résolu — IA au niveau ou proche d'un expert humain

Langage & raisonnement

91%

Mathématiques (compétition)

88%

Connaissances scientifiques

74%

Génération de code

72%

En progression — des lacunes importantes subsistent

Compréhension multimodale

55%

Raisonnement spatial visuel

51%

Tâches autonomes sur plusieurs semaines

44%

Difficile non résolu — ce sont les vrais goulots d'étranglement

Mémoire persistante & apprentissage

35%

Recherche novatrice en terrain ouvert

38%

Compréhension du monde physique

28%

Auto-amélioration

22%

La course mondiale

Quels pays mènent la course à l'AGI ?

L'AGI ne sera pas construite par une seule entreprise. Elle sera construite par celui qui pourra accumuler le plus de laboratoires de pointe, de puissance de calcul et de talents — et en ce moment, cette course est concentrée dans deux pays.

🇺🇸 États-Unis

Siège de chaque laboratoire de modèles de pointe

Score d'avance global

Fort

Labos de pointe

95%

Part du calcul IA

~70%

Articles de recherche IA

~40%

Investissement gouvernemental

500 G$+

OpenAI, Anthropic, Google DeepMind, Meta AI, xAI — tous basés aux États-Unis. Les USA détiennent une avance écrasante en capacité de modèles de pointe et en investissement privé. L'initiative Stargate s'est engagée à 500 milliards de dollars d'infrastructure IA d'ici 2030.

🇨🇳 Chine

Comble l'écart plus vite que prévu

Score d'avance global

En rattrapage

Labos de pointe

35%

Part du calcul IA

~15%

Articles de recherche IA

~38%

Investissement gouvernemental

150 G$+

DeepSeek a choqué le monde début 2025 avec un modèle rivalisant avec GPT-4 construit à une fraction du coût. Baidu, Alibaba et Huawei sont tous actifs. Les contraintes en puces de la Chine (contrôles d'exportation américains sur Nvidia) sont le principal facteur limitant — mais la Chine construit agressivement des alternatives domestiques.

🌍 Europe + Reste du monde

Réglementation d'abord, capacité ensuite

Score d'avance global

En retard

Labos de pointe

<10%

Articles de recherche IA

~22%

Activité réglementaire

Élevée

Mistral (France) est le seul laboratoire européen produisant des modèles de pointe compétitifs. L'AI Act de l'UE est le cadre réglementaire IA le plus complet au monde — mais il a conduit certains chercheurs à soutenir que l'Europe échange la capacité contre la conformité. Le Royaume-Uni, le Canada et Israël ont une présence notable dans la recherche mais aucun laboratoire de pointe.

Le goulot d'étranglement des puces : La variable unique la plus importante dans cette course est l'approvisionnement en GPU Nvidia. Les États-Unis contrôlent les licences d'exportation de Nvidia. L'accès au calcul de la Chine est limité. Si la Chine comble le fossé des puces grâce à la production domestique (SMIC, Huawei), la course se resserre considérablement.

Chronologie des jalons

Les moments qui ont déplacé la prévision

Chaque percée majeure de l'IA ces dernières années a avancé la prédiction des experts. Voici pourquoi.

2017

L'architecture Transformer inventée chez Google

L'article « Attention Is All You Need » a tout changé. Chaque système IA puissant aujourd'hui — GPT-4, Claude, Gemini — est construit sur cette base. Avant cela, l'IA avait un problème de mémoire. Après, le passage à l'échelle est devenu la stratégie.

2020

GPT-3 montre que l'IA peut généraliser

Pour la première fois, un seul modèle pouvait écrire de la poésie, répondre à des questions juridiques et déboguer du code — sans être spécifiquement entraîné pour aucune de ces tâches. Les prédictions des experts ont évolué de « peut-être jamais » à « probablement ce siècle ».

2022

ChatGPT : 100 millions d'utilisateurs en 60 jours

L'adoption de produit la plus rapide de l'histoire. Ce n'était pas seulement un jalon technologique — c'était le signal que l'IA était prête pour un usage général. Les prévisions ont encore bougé : la prédiction médiane est passée de 2055 à 2048.

2023

GPT-4 réussit l'examen du barreau — top 10 %

Pas un tour de passe-passe. Un modèle qui réussit un examen professionnel au niveau expert performe au niveau d'un humain formé dans un domaine à enjeux élevés. L'article « Sparks of AGI » de Microsoft a déclenché un débat académique sérieux.

2024

Raisonnement o1 : l'IA apprend à réfléchir avant de parler

Le modèle o1 d'OpenAI a montré que laisser le temps à l'IA de raisonner sur un problème — avant de répondre — améliorait drastiquement la précision sur les problèmes difficiles. Les performances sur les références scientifiques de niveau doctorat dépassaient la plupart des experts humains.

Maintenant — sep. 2026

L'IA réalise des projets logiciels de plusieurs jours de manière autonome

Claude Code, Devin et des systèmes agentiques similaires réalisent des projets logiciels complets sans instruction humaine étape par étape. L'IA commence à aider dans la découverte scientifique novatrice. La médiane des prévisions est à 2031 — en baisse par rapport à 2060 en 2019.

~2027–28 (prédit)

Des chercheurs en IA travaillant au niveau expert humain

Le cadre interne d'Anthropic et les feuilles de route publiées d'OpenAI pointent tous deux vers cette fenêtre pour une IA capable de mener de manière autonome des recherches scientifiques. Pas encore l'AGI complète — mais la ligne commence à se brouiller.

~2031 (prévision médiane)

Seuil de l'AGI économique

La communauté Metaculus et plusieurs enquêtes académiques convergent autour de cette date pour une IA pouvant se substituer à la majorité du travail de la connaissance à distance. La plage d'incertitude est large : les optimistes disent plus tôt, les sceptiques disent plus tard.

Prévisions des experts

Ce que disent ceux qui la construisent

L'éventail est large — mais il se resserre. En 2020, la plupart des chercheurs sérieux disaient « dans des décennies ». En 2026, la plupart disent « cette décennie ».

2026–27

Dario Amodei

PDG, Anthropic

L'appelle « IA puissante » — des systèmes capables de recherche autonome au niveau humain. La distingue de l'AGI complète mais dit qu'elle arrive très bientôt.

2029

Ray Kurzweil

Futuriste, Google

A prédit cette date depuis 2005 et l'a maintenue. Définit l'AGI comme réussir un test de Turing de deux heures de manière convaincante dans tous les domaines.

2031

Médiane Metaculus

5 000+ prévisionnistes

Agrégat du marché de prédiction communautaire. A avancé de plus de 4 ans depuis 2022. Représente le consensus le plus large disponible.

années 2030

Demis Hassabis

PDG, Google DeepMind

Le plus mesuré des grands dirigeants de laboratoires. Pointe les lacunes restantes dans l'ancrage physique et le raisonnement causal authentique.

Incertain

Sam Altman

PDG, OpenAI

A dit que l'AGI est « très bientôt » mais évite une année. OpenAI définit l'AGI comme « une IA qui surpasse les humains dans la plupart des tâches économiquement précieuses ».

2041+

Yoshua Bengio

Lauréat du prix Turing

La voix la plus prudente parmi les meilleurs chercheurs. Soutient que les architectures actuelles ne peuvent pas produire une compréhension authentique ni un raisonnement causal.

Questions fréquentes

Les questions les plus posées

L'AGI désigne l'Intelligence Artificielle Générale — une IA capable d'accomplir n'importe quelle tâche intellectuelle qu'un humain peut réaliser, dans tous les domaines, sans être spécifiquement entraînée pour chacune. Elle peut se fixer des objectifs, apprendre de l'expérience, raisonner sur des choses qu'elle n'a jamais vues et fonctionner sans instructions humaines étape par étape. Les systèmes IA actuels — dont ChatGPT, Claude et Gemini — sont extrêmement puissants mais ne sont pas des AGI. Ils excellent dans les tâches sur lesquelles ils ont été entraînés mais peinent face à la véritable nouveauté, la planification à long horizon et l'apprentissage continu. L'AGI est le seuil au-delà.

Parce que l'IA s'est améliorée plus vite que presque tout le monde ne le prévoyait. En 2019, la prévision médiane des experts pour l'AGI était autour de 2060. Après GPT-3 en 2020, elle est passée à 2055. Après ChatGPT en 2022, elle a encore bougé. Après GPT-4 en 2023, elle a reculé davantage. Chaque fois qu'un seuil de capacité majeur est franchi plus tôt que prévu, l'ensemble de la distribution des prévisions se déplace. La compression de 2060 à 2031 — un recul de 29 ans en seulement 7 ans — est en soi le signal le plus fort qu'il se passe quelque chose d'inhabituel dans le rythme des progrès.

Oui dans les deux cas. Le principal risque d'accélération est la recherche en IA assistée par l'IA — si les modèles de pointe deviennent capables d'améliorer significativement leur propre entraînement ou architecture, les délais pourraient se comprimer de manière non linéaire et très rapide. Les principaux risques de retard sont le mur des données (les données d'entraînement de haute qualité sont finies, et les données synthétiques n'ont pas pleinement résolu ce problème) et la possibilité que la planification et l'ancrage physique nécessitent des percées architecturales plutôt que simplement plus de calcul. La plage d'incertitude est vraiment large — 2028 à 2040 est un intervalle défendable selon la définition et les risques qui se matérialisent.

Non. L'AGI signifie atteindre le niveau d'intelligence humaine dans tous les domaines. La superintelligence signifie dépasser l'intelligence humaine — potentiellement dans une large mesure et dans toutes les tâches cognitives simultanément. La plupart des chercheurs s'attendent à ce que l'AGI arrive en premier, suivie d'une période d'amélioration rapide des capacités qui pourrait ou non mener à la superintelligence. Le délai pour la superintelligence — si l'AGI arrive — est l'une des questions ouvertes les plus contestées et les plus conséquentes de la recherche en IA.

Le graphique principal montre la prévision médiane de la communauté Metaculus à différents moments dans le temps, complétée par des données agrégées provenant d'articles d'enquêtes académiques sur l'IA. L'historique des prévisions est issu des données publiées de Metaculus, des enquêtes d'AI Impacts et des sondages d'experts structurés. La page est examinée chaque semaine — lorsque quelque chose de significatif change (un résultat de référence majeur, une sortie de modèle importante ou un changement notable de la médiane Metaculus), la date et le graphique sont mis à jour. Chaque changement est consigné dans la date de dernière modification de la page.

Les quatre problèmes les plus difficiles restants : (1) La mémoire persistante — l'IA ne peut pas apprendre de nouvelles expériences sans être réentraînée depuis zéro ; (2) La planification à long terme — les modèles actuels peinent à poursuivre des objectifs sur des horizons temporels étendus avec de nombreuses étapes interdépendantes ; (3) L'ancrage physique — l'IA n'a pas d'expérience incarnée du monde physique, ce qui limite le raisonnement sur les situations du quotidien ; (4) L'auto-amélioration — la capacité d'une IA à améliorer significativement ses propres capacités reste extrêmement limitée. Ce ne sont pas seulement des défis de « plus de la même chose » — ils peuvent nécessiter des percées architecturales plutôt que simplement la mise à l'échelle des approches existantes.

18 sep. 2026

Ce que les experts ont dit cette semaine

Lanceur d'alerte

Dr. Roman Yampolskiy

« Les laboratoires IA mentent à tout le monde. 99 % de chances d'extinction. C'est une urgence. »

Informaticien et pionnier de la sécurité IA. Prof. d'informatique à l'Université de Louisville. Regarder →

Lanceur d'alerte

Jacob Coxon — Ancien Anthropic/OpenAI

« Les choses pourraient être hors de contrôle d'ici fin 2027. »

A démissionné le 9 sept. 2026. Le post a atteint 145 millions de vues sur X en 72 heures.

PDG de labo

Dario Amodei — Anthropic

« Une IA puissante capable de piloter ses propres progrès scientifiques arrive en 2027. »

Déclaré à Davos, janvier 2026. Le calendrier interne d'Anthropic a avancé deux fois depuis 2024.

Voir les 39 prévisions →

Visionnage essentiel

L'AGI est presque là

Les experts, lanceurs d'alerte et chercheurs qui expliquent ce qui arrive — et quand.

Voir toutes les vidéos →