La question que tout le monde pose vraiment
Quand les gens cherchent "l'AGI est-elle là" en septembre 2026, ils posent généralement l'une de ces trois questions : OpenAI vient-il de franchir la ligne d'arrivée ? L'IA que j'utilise est-elle déjà plus intelligente que moi dans les domaines qui comptent ? Et devrais-je m'inquiéter de ce qui vient ensuite ?
Les trois questions méritent une réponse directe. Mais ce sont des questions différentes, et les mélanger est exactement ce qui amène à croire des choses contradictoires simultanément — ce qui est précisément l'état du débat public actuel.
Pour s'y retrouver, il faut savoir quelle définition de l'AGI chaque point de données utilise. Une fois qu'on a ça, les signaux apparemment contradictoires commencent à se résoudre.
Ce qu'OpenAI a réellement affirmé
Le 3 septembre 2026, OpenAI a lancé GPT-6 Astra et le président Greg Brockman a dit : "Bienvenue dans l'ère AGI."
Notez ce que c'est et ce que ce n'est pas. C'est une déclaration personnelle, pas une déclaration d'entreprise. OpenAI n'a fait aucune affirmation formelle qu'Astra satisfait leur seuil AGI. Brockman lui-même a reconnu : "Il n'y a pas de moment AGI clairement défini" et a décrit la transition comme "plus graduelle que prévu." Ce qu'il a annoncé, c'est une ère — une période de transformation — pas un franchissement de seuil.
"Je pense qu'il n'est pas déraisonnable de sentir que nous sommes maintenant dans l'ère AGI. Je pense vraiment qu'on y est."
— Greg Brockman, président d'OpenAI, 3 septembre 2026
Le cadrage est délibéré. Une "ère AGI" peut signifier une IA globalement transformatrice et économiquement perturbatrice sans qu'un seuil technique spécifique n'ait été franchi. OpenAI semble annoncer le moment culturel et économique — le point où l'IA commence à restructurer les industries — sans revendiquer le jalon technique. C'est une navigation délicate.
La définition officielle de l'AGI par OpenAI est "un système automatisé capable d'effectuer tous les travaux économiquement précieux aussi bien ou mieux que les humains." Si Astra répond à ce critère dépend entièrement de ce qu'on entend par "tous les travaux économiquement précieux" — et personne ne les a tous testés.
Ce que les benchmarks 2026 montrent réellement
Les scores de benchmarks publiés de GPT-6 Astra sont remarquables par rapport à tout standard antérieur :
| Benchmark | Score Astra | SOTA précédent | Référence humaine |
|---|---|---|---|
| ARC-AGI-3 | 98,6 % (config. OpenAI) / 62,7 % (neutre) | ~30 % | ~100 % |
| FrontierMath Tier 4 v2 | 97,6 % | ~38 % | Niveau expert |
| ExploitBench | 100 % | ~50 % | ~60 % (experts) |
| GPQA Diamond | 96 % | ~75 % | ~65 % |
| DeepSWE v1.1 | 74,1 % | ~48 % | ~85 % |
| OSWorld 2.0 | 72,6 % | ~35 % | ~95 % |
Ces chiffres auraient semblé impossibles il y a 24 mois. Mais ils s'accompagnent de mises en garde importantes. Premièrement, l'écart de score ARC-AGI est énorme : 98,6 % dans le propre setup expérimental d'OpenAI contre 62,7 % dans des conditions de test neutres. Ce n'est pas une erreur d'arrondi ; c'est un écart de 36 points qui soulève des questions légitimes sur le compute à l'inférence, l'échafaudage et la reproductibilité de ces résultats.
Deuxièmement, et plus fondamentalement, l'ARC Prize Foundation — l'organisation qui gère ARC-AGI — a explicitement déclaré que saturer leur benchmark ne compterait pas comme preuve d'AGI. Leur benchmark teste un type spécifique de raisonnement nouveau dans des environnements fermés, déterministes et à format étroit. C'est un proxy difficile, pas une définition.
Trois définitions, trois réponses
Voici la façon la plus claire de penser à la question "l'AGI est-elle là ?". Il y a trois principaux cadres de définition en usage, et chacun donne un verdict différent sur les systèmes actuels :
| Définition | Exigence centrale | Verdict Astra | Qui l'utilise |
|---|---|---|---|
| Économique | Effectue tous les travaux économiquement précieux ≥ humains | Contesté | OpenAI, Jensen Huang |
| Efficacité (ARC) | Résout des tâches nouvelles aussi efficacement que les humains | Plus proche, pas encore | ARC Prize Foundation |
| Cognitif (apprentissage) | Continue à apprendre après l'entraînement ; construit des modèles du monde | Non | Gary Marcus, Yann LeCun, IA académique |
La définition cognitive est la plus stricte et la plus répandue dans la recherche académique. Son argument central : les systèmes d'IA actuels, peu importe leurs scores de benchmarks impressionnants, sont figés après l'entraînement. Ils ne peuvent pas mettre à jour leurs propres poids à partir de nouvelles expériences. Ils ne peuvent pas accumuler des connaissances comme un professionnel humain le fait au cours d'une carrière. Chaque interaction commence depuis la même base.
Gary Marcus l'a dit clairement : les systèmes actuels "ne peuvent tout simplement pas faire ce que chaque définition sérieuse exige, à savoir continuer à apprendre après l'entraînement." Yann LeCun ajoute que les systèmes uniquement basés sur le langage manquent également de modèles ancrés du monde physique et social — ils ne peuvent pas apprendre par interaction physique, ce qu'aucun benchmark ne capture.
Astra performe au niveau ou au-dessus de l'expert humain sur les benchmarks mathématiques, de codage et de cybersécurité. Il opère des ordinateurs de manière autonome à vitesse humaine. Il a découvert deux vulnérabilités zero-day lors des tests. La perturbation économique est déjà mesurable. Greg Brockman, Jensen Huang et Dario Amodei indiquent tous qu'on est au seuil ou proche.
Aucun système actuel ne continue à apprendre après l'entraînement. Le score ARC-AGI d'Astra chute de 36 points en conditions neutres. Les auteurs du Prix ARC rejettent eux-mêmes la saturation du benchmark comme preuve d'AGI. Les définitions cognitives — les plus rigoureuses — exigent des capacités qu'aucun système actuel n'a démontrées. Gary Marcus : les affirmations actuelles "ne font qu'obscurcir les enjeux."
Ce que disent les prévisionnistes — et pourquoi le calendrier s'est comprimé si vite
Le point de données le plus frappant n'est pas où se situe la médiane aujourd'hui. C'est à quelle vitesse elle a bougé.
En 2020, la médiane de la communauté Metaculus pour l'AGI était d'environ 2070 — soit 50 ans dans le futur. En 2026, cette même communauté place la médiane en janvier 2033 — environ 7 ans dans le futur. C'est une compression de 40 ans en six ans. Si on avait demandé à quelqu'un en 2020 de prédire ce changement, la plupart l'auraient qualifié de follement optimiste. Ça s'est passé quand même.
Le tracker de prévisions howcloseisagi.com agrège Metaculus, AI Futures Model, Samotsvety et d'autres sources en une médiane courante unique — actuellement à 2031 comme estimation centrale agrégée. Il se met à jour à mesure que les prévisions évoluent.
Le paysage actuel des prévisions en septembre 2026 :
- Médiane communautaire Metaculus : janvier 2033 (25 % avant 2029 ; exige une capacité cognitive + robotique — une définition plus stricte que la plupart)
- Agrégat AI Futures Model : ~2031 comme estimation centrale, intervalle de confiance à 80 % couvrant 2027–2044
- Superprévisionistes Samotsvety : ~28 % de chance avant 2030 — une compression d'environ 2 ans par rapport à leur prévision de 2023
- Marché de prédiction Kalshi : ~55 % pour qu'OpenAI réalise l'AGI avant 2030 (se résout sur déclaration d'OpenAI)
- Polymarket : ~9 % pour une AGI OpenAI avant 2027
- Dario Amodei (Anthropic) : "IA globalement meilleure que tous les humains dans presque tout" d'ici 2026–2027
- Demis Hassabis (DeepMind) : ~50 % avant 2030
- Geoffrey Hinton : 5–20 ans, avec 10–20 % de probabilité d'extinction
L'écart important — de "essentiellement maintenant" (Amodei) à "peut-être 2044" (borne supérieure Metaculus) — reflète une incertitude genuinement réelle, pas de la confusion. L'AGI n'est pas un seuil unique et convenu. C'est un ensemble de capacités que différentes personnes pondèrent différemment.
Ce qui rend ce moment genuinement inhabituel
Voici ce qui est vrai quelle que soit la définition utilisée : la prévision est passée de 2060 à 2031 en moins d'une décennie. Nous sommes dans une période où les systèmes d'IA remplacent démontrablement le jugement humain dans des domaines — mathématiques, codage, recherche juridique, diagnostic clinique — qui étaient considérés comme fermement du domaine humain aussi récemment qu'en 2022.
Si on appelle ça "AGI" dépend de votre définition. Si ça change quelque chose pour votre carrière, votre secteur et les décisions que vous prenez dans les 5 prochaines années ne dépend pas du tout de l'étiquette.
Si votre travail implique des tâches procédurales, prévisibles et numérisables — les benchmarks suggèrent que l'IA actuelle est déjà au niveau ou au-delà des performances humaines sur de larges portions de ce travail. Si votre travail nécessite un apprentissage continu dans de nouveaux environnements physiques, la construction de relations continues ou un jugement incarné — aucun système actuel n'est proche. L'analyse profession par profession cartographie ceci plus précisément.
Ce que signifie "l'ère AGI" pour les constructeurs
Pour quiconque construit des produits et des entreprises en ce moment, le cadre le plus utile n'est pas "l'AGI est-elle là ?" — c'est "que puis-je faire avec ce qui existe, et à quelle vitesse le plancher va-t-il monter ?"
Le plancher actuel — GPT-6 Astra, Claude, Gemini Ultra — est déjà assez élevé pour automatiser des portions significatives du développement logiciel, de la création de contenu, de la recherche juridique et de l'analyse financière. Ce plancher n'est pas stable ; la trajectoire des 24 derniers mois suggère qu'il monte plus vite que la plupart des cycles de planification ne le prennent en compte.
Le cadrage de l'ère AGI est en fait utile ici, même s'il est imprécis : il marque le moment où la capacité de l'IA cesse d'être un avantage de niche et devient l'hypothèse de base pour les produits compétitifs. Ce moment, selon toute définition raisonnable, semble être arrivé en 2026. Si on a techniquement franchi le seuil AGI est une question pour les philosophes et les prévisionnistes. Si le jeu a changé, non.