L'AGI — intelligence artificielle générale — désigne une IA capable de faire tout ce qu'un humain peut faire, dans n'importe quel domaine, sans réentraînement spécifique à chaque tâche. C'est le seuil vers lequel la quasi-totalité de l'industrie de l'IA se dirige désormais explicitement. Et selon la prévision médiane des experts, il est à environ cinq ans.
Le mot « général » porte tout le poids dans AGI. Les systèmes d'IA actuels — GPT-4o, Claude, Gemini — sont extraordinairement capables, mais ils sont étroits. Chacun a été entraîné sur une distribution spécifique de données pour fonctionner sur une gamme spécifique de tâches. Poussez-les en dehors de cette gamme et ils échouent d'une façon qu'un humain ne ferait pas. Demandez-leur d'apprendre de manière autonome une compétence entièrement nouvelle sans réentraînement, et ils ne peuvent pas.
L'AGI supprime cette contrainte. Un système AGI serait capable d'apprendre n'importe quel nouveau domaine qu'un humain peut apprendre, d'accomplir n'importe quelle tâche cognitive qu'un humain peut accomplir, et de le faire dans tous les domaines — pas dans une spécialité, mais dans toutes simultanément. L'AGI qui peut écrire du code peut aussi mener un essai clinique, plaider une affaire juridique, ou composer une bande originale de film, en passant d'un domaine à l'autre aussi facilement qu'une personne qui aurait passé des années à apprendre chacun d'eux.
Ce qui rend cette construction véritablement difficile n'est pas l'intelligence brute dans un domaine quelconque — l'IA actuelle dépasse déjà les meilleurs humains dans des tâches spécifiques comme les échecs, la prédiction de structures protéiques et certains benchmarks de codage. Le défi est la généralité : des performances transversales fiables, l'apprentissage autonome, et un raisonnement robuste dans des situations entièrement nouvelles que le système n'a jamais vues.
| Capacité | IA actuelle (2026) | AGI |
|---|---|---|
| Couverture des domaines | Large mais fragile — échoue en dehors de la distribution d'entraînement | N'importe quel domaine cognitif dans lequel un humain peut travailler |
| Apprentissage de nouvelles compétences | Nécessite un réentraînement ou un fine-tuning | Apprend de manière autonome, comme un humain |
| Objectifs persistants | Limités à la session ; pas d'intention autonome persistante | Peut poursuivre des objectifs en plusieurs étapes dans le temps |
| Situations nouvelles | Se dégrade significativement sur des entrées véritablement nouvelles | Gère la nouveauté de façon robuste dans tous les domaines |
| Tâches professionnelles | Surhumain dans des tâches étroites ; peu fiable sur des rôles larges | Au niveau humain ou supérieur dans tous les domaines professionnels |
| Structure des coûts | Bon marché par requête ; nécessite encore une supervision humaine significative | Remplace presque entièrement le travail cognitif au niveau humain |
L'écart entre les deux colonnes est ce qui rend le calendrier si capital. Le combler ne signifie pas rendre l'IA actuelle légèrement meilleure. Cela signifie franchir un seuil qualitatif qui change tout sur la façon dont le travail cognitif se fait.
La photo honnête : les systèmes d'IA de 2026 font des choses qui auraient qualifié comme des prédictions de niveau AGI aussi récemment qu'en 2019. Les benchmarks scientifiques de niveau PhD — autrefois considérés comme un marqueur de capacité d'expert humain — ont été franchis. Les meilleures compétitions de codage, les tests de raisonnement juridique et les examens de licence médicale voient tous des systèmes d'IA obtenir des scores au niveau ou au-dessus de la moyenne humaine professionnelle.
Mais réussir des examens n'est pas l'AGI. Les systèmes actuels échouent encore au test de généralité. Ils ne peuvent pas prendre de manière fiable des actions autonomes en plusieurs étapes dans des environnements nouveaux sans points de contrôle humains. Ils n'accumulent pas de connaissances entre les sessions de la façon dont une personne construit une expertise au cours d'une carrière. Et ils restent fragiles d'une façon qui compte pour le déploiement réel — confiants dans de mauvaises réponses, inconsistants d'une exécution à l'autre, incapables de reconnaître les limites de leur propre compétence.
La progression est réelle. Le seuil n'a pas été franchi. Ce que le tracker en direct montre, c'est que la prévision a bougé de façon dramatique — de 2060 à 2031 en seulement quatre ans — portée par des scores de benchmarks qu'aucun chercheur sérieux ne s'attendait à voir tomber aussi vite. Ce mouvement est documenté en détail ici.
Non — et OpenAI, qui construit ChatGPT, le dit directement. Leur définition publiée de l'AGI exige un système capable de surpasser les humains dans la plupart des tâches cognitives économiquement précieuses. GPT-4o et ses successeurs ne satisfont pas encore cette barre. OpenAI a dit en interne que ses systèmes actuels sont à environ 70 % de sa définition interne de l'AGI, mais ces 30 % restants sont la partie difficile — et la partie qui nécessite une véritable généralité plutôt que simplement mettre à l'échelle les capacités existantes.
La question que les gens posent vraiment quand ils demandent « ChatGPT est-il une AGI ? » est généralement : ce truc est-il assez intelligent pour me remplacer au travail ? La réponse honnête à cette question dépend fortement de ce que vous faites. Pour un rôle de travail du savoir textuel étroitement défini, l'écart se comble rapidement. Pour un travail nécessitant une présence physique, un raisonnement nouveau soutenu ou une exécution autonome en plusieurs étapes dans des environnements imprévisibles, l'écart reste significatif.
Il n'y a pas de définition unique agréée de l'AGI — ce qui importe plus qu'il n'y paraît, car des définitions différentes mènent à des conclusions très différentes sur notre proximité. Les principales écoles :
La définition par l'accomplissement de tâches (version de travail d'OpenAI) : l'AGI est un système capable de surpasser les humains dans la plupart des tâches cognitives économiquement précieuses. C'est concret et mesurable, ce qui explique son large usage. C'est aussi relativement atteignable : vous pouvez tester si quelque chose surpasse un professionnel humain médian sur une gamme représentative de tâches.
La définition par l'autonomie : l'AGI nécessite un système capable de se fixer et de poursuivre ses propres objectifs sur de longs horizons temporels, d'apprendre de nouvelles compétences sans intervention humaine, et de fonctionner sans supervision humaine significative. C'est une barre plus haute. Aucun système actuel n'en approche.
La définition par la conscience : certains chercheurs soutiennent que l'AGI nécessite quelque chose comme une compréhension ou une conscience genuines — pas seulement une compétence comportementale. Cette barre est presque impossible à mesurer et n'est pas largement utilisée dans la communauté des prévisionnistes.
Le tracker sur howcloseisagi.com utilise la définition par l'accomplissement de tâches — la version la plus mesurable et la plus citée — lors de l'agrégation des prévisions. Il vaut la peine de savoir quelle définition quelqu'un utilise quand vous lisez une affirmation sur le calendrier AGI.
L'AGI n'est pas la fin du chemin. L'ASI — intelligence artificielle superintelligente — est le seuil au-delà : un système qui ne fait pas que correspondre à l'intelligence humaine dans tous les domaines, mais qui dépasse significativement les meilleures performances humaines dans tous. Une ASI ne fait pas juste ce qu'un humain de génie fait plus vite. Elle raisonne dans des cadres qui n'ont pas d'analogues humains, compresse les délais de recherche de décennies à jours, et trouve des solutions dans des systèmes complexes qu'aucune équipe humaine ne pourrait atteindre.
La plupart des chercheurs qui prennent le calendrier de l'AGI au sérieux croient aussi que l'ASI pourrait suivre l'AGI relativement rapidement — potentiellement en années plutôt qu'en décennies, en raison de la dynamique d'explosion d'intelligence. La comparaison complète AGI vs ASI est ici si vous voulez approfondir ce qui sépare les deux seuils.
La raison pour laquelle l'AGI suscite autant d'attention n'est pas philosophique — elle est pratique. Une fois qu'un système peut accomplir n'importe quelle tâche cognitive au niveau humain, l'économie du travail du savoir change entièrement. N'importe quelle tâche impliquant la lecture, l'écriture, le raisonnement, le codage, la conception, le diagnostic, le conseil ou la planification devient automatisable — pas seulement assistée, mais automatisable à un coût marginal quasi nul.
C'est pourquoi l'analyse des professions compte. L'écart entre « l'IA actuelle » et l'AGI n'est pas distribué uniformément. Certaines professions sont déjà effectivement exposées à l'AGI — les tâches qui comptent le plus dans ces rôles peuvent déjà être bien réalisées par les systèmes actuels. D'autres ont un tampon significatif. Mais à l'AGI, ce tampon disparaît essentiellement dans tous les domaines.
C'est aussi pourquoi la perspective des bâtisseurs a changé. Si vous croyez que l'AGI est à cinq ans — pas à cinquante — la réponse rationnelle à la construction d'une entreprise est complètement différente. Vous optimisez pour la vitesse, pour une architecture native à l'IA, pour l'effet de levier qui vient d'avoir la bonne stack avant que le seuil ne soit atteint. C'est la thèse derrière la vision de la licorne à une personne.
AGI signifie intelligence artificielle générale — un système d'IA capable d'accomplir n'importe quelle tâche cognitive qu'un humain peut accomplir, dans tous les domaines, au niveau humain ou supérieur, sans réentraînement spécifique à chaque tâche.
L'IA actuelle est étroite — excellente dans sa distribution d'entraînement, fragile en dehors. L'AGI est générale — elle fonctionne de manière fiable dans tous les domaines cognitifs, apprend de nouvelles compétences de façon autonome, et ne nécessite pas de réentraînement pour chaque nouvelle tâche. La différence est qualitative, pas seulement quantitative. Pensez à l'IA actuelle comme à un spécialiste extraordinairement rapide. L'AGI est le généraliste qui peut devenir spécialiste en n'importe quoi.
La prévision médiane des experts en septembre 2026 situe l'arrivée de l'AGI vers 2031 — environ cinq ans. Ce chiffre a bougé de façon dramatique : il était à 2060 aussi récemment qu'en 2019. Le rythme de progression des benchmarks est le principal moteur. Certaines équipes d'OpenAI pensent qu'elle pourrait arriver dès 2027. Analyse complète de l'évolution des prévisions ici.
L'AGI rendrait essentiellement tout travail cognitif automatisable à un coût marginal quasi nul. Quels emplois sont exposés en premier dépend de combien l'IA actuelle va déjà loin dans ces rôles — certaines professions sont déjà fortement affectées, d'autres ont des tampons significatifs qui se réduisent à l'AGI.
L'ASI — intelligence artificielle superintelligente. Un système qui ne fait pas que correspondre à l'intelligence humaine dans tous les domaines, mais la dépasse significativement. La plupart des prévisionnistes qui prennent l'AGI au sérieux s'attendent à ce que l'ASI suive en années, pas en décennies, en raison de la dynamique d'explosion d'intelligence. La comparaison complète AGI vs ASI est ici.