Artificial General Intelligence (AGI)
Artificial General Intelligence (AGI) est un système d'IA hypothétique capable d'effectuer toute tâche intellectuelle qu'un humain peut, correspondant ou surpassant la flexibilité cognitive humaine sur tous les domaines sans ré-entraînement spécifique à la tâche. Aucun système répondant à une définition de consensus rigoureuse d'AGI n'a été vérifié en 2026.
AGI est un jalon théorique en développement d'IA auquel une machine démontre la capacité cognitive générale — la capacité d'apprendre, raisonner, planifier, et résoudre les nouveaux problèmes sur des domaines arbitraires sans ré-entraînement spécifique à la tâche. Cela la distingue des systèmes d'IA étroits d'aujourd'hui, qui excellent au sein des distributions spécifiques sur lesquelles ils ont été entraînés mais se dégradent ou échouent en dehors. Le terme a commencé à être largement utilisé au début des années 2000 quand les chercheurs ont commencé à distinguer formellement les objectifs de capacité long terme du progrès de l'apprentissage automatique court terme.
Comment AGI fonctionnerait mécaniquement reste une question de recherche ouverte. Les candidats majeurs actuels incluent les réseaux de neurones à grande échelle étendus avec la mémoire persistante, les modules de raisonnement structuré, l'utilisation d'outils, et l'apprentissage par renforcement à partir du feedback — l'approche générale poursuivie par OpenAI, DeepMind, et Anthropic. Les approches alternatives incluent l'IA symbolique, les hybrides neurosymboliques, et l'émulation du cerveau entier. Un test opérationnel informel pour AGI est la performance soutenue au-dessus du niveau humain sur une suite large de benchmarks validés couvrant le langage, les mathématiques, le codage, le raisonnement scientifique, et la planification ouverte, sans aucun fine-tuning spécifique à la tâche.
L'importance d'AGI est à la fois technique et sociétale. Un système qui pourrait diriger autonomement ses propres améliorations ou mener des recherches scientifiques indépendantes compresserait substantiellement le rythme de la génération de connaissances. Au niveau sociétal, la concentration d'un tel système au sein d'une seule organisation ou état soulève des questions de gouvernance et de sécurité qui ont élevé les chronologies AGI à un sujet en politique d'IA internationale, incluant des discussions aux sommets du G7 et aux conférences dédiées à la sécurité de l'IA.
En 2026, les labos majeurs ne sont pas d'accord sur la question de savoir si AGI a été atteint ou est imminent. Les modèles de raisonnement frontière atteignent des scores surhumains sur des benchmarks tels que MMLU, MATH, et la programmation compétitive, mais tous les systèmes actuels échouent à généraliser de manière fiable sur la pleine amplitude des tâches cognitives humaines. Le leadership d'OpenAI a déclaré publiquement que AGI pourrait arriver dans quelques années ; de nombreux chercheurs académiques notent l'absence d'une définition de consensus rigoureuse ou d'une évaluation standardisée. Le débat est partiellement définitionnel : aucun seuil convenu ne spécifie quel niveau de généralisation cross-domain se qualifie comme intelligence générale.