Lambert s'attend à des progrès rapides de l'IA, mais pas à une voie vers la superintelligence

Nathan Lambert, chercheur connu pour ses travaux sur le post-training et les modèles ouverts, et auteur de la newsletter Interconnects, a affiché sa position dès le titre de son essai : il s'attend à des progrès rapides de l'IA, mais pas à un mouvement vers une superintelligence générale. Le point de départ est une série de conversations avec des chercheurs de premier plan de l'industrie. Beaucoup d'entre eux sont convaincus que, dans quelques années, l'IA sera meilleure qu'eux dans leur propre travail. Lambert s'en étonnait, même s'il n'a d'abord pas su expliquer sa défiance.

Dans le texte parvenu dans notre flux, seule l'introduction est disponible. Nous analysons donc ci-dessous la thèse et son contexte, et non l'argumentation complète de l'auteur.

Deux prévisions faciles à confondre

L'affirmation « l'IA sera meilleure que moi dans mon travail » et l'affirmation « nous construisons une superintelligence générale » se ressemblent, mais elles ne se vérifient pas de la même façon. La première est une prévision sur un métier précis : chercheur, ingénieur, analyste. On peut la mesurer sur des benchmarks, sur des tâches fermées et à la vitesse à laquelle les agents clôturent des tickets. La seconde porte sur un système qui surpasse l'humain dans tous les domaines et étend lui-même ses capacités.

Lambert dissocie ces deux attentes. Il juge probable une amélioration rapide des modèles sur les tâches étroites et intermédiaires. Selon sa logique, il n'en découle pas que la trajectoire mène à une intelligence universelle unique.

Pourquoi il faut lire les propos des initiés avec une marge de prudence

Les chercheurs des grands laboratoires voient les modèles avant tout le monde et observent chaque jour la progression de leur qualité. C'est une source précieuse, mais elle comporte des biais :

• le chercheur évalue les progrès sur des tâches qu'il automatise lui-même, ce qui biaise l'échantillon ;
• le travail en laboratoire se compose de tâches bien formalisables, avec un retour rapide, or ce sont les domaines que l'IA maîtrise le mieux ;
• « meilleur que moi dans mon travail » signifie souvent plus de vitesse et de volume, et non la capacité à poser les problèmes et à choisir une direction ;
• le délai de « quelques années » reste flou dans ces conversations, sans critères de vérification.

Cela ne réfute pas la prévision, mais montre où elle risque de ne pas se généraliser. Le travail que l'on automatise facilement dans un laboratoire n'équivaut pas à celui d'un médecin, d'un juriste ou d'un product manager.

Ce que l'on sait d'après le texte lui-même

• Auteur : Nathan Lambert, newsletter Interconnects.
• Date de publication : 9 octobre 2026.
• Thèse principale : des progrès rapides sont attendus, mais pas de voie vers la superintelligence générale.
• Source du doute : l'écart avec les prévisions des chercheurs de premier plan de l'industrie.
• Horizon évoqué par les interlocuteurs de l'auteur : quelques années.
• Le fragment disponible ne fournit ni arguments détaillés ni estimations chiffrées.

Comment utiliser ce débat en pratique

Pour les équipes qui planifient un déploiement de l'IA, la différence entre les deux prévisions a des conséquences directes. Si Lambert a raison, il est sensé de bâtir ses plans sur une amélioration progressive des outils : agents pour le code, l'analyse et le support. Parier sur un modèle unique capable de remplacer des fonctions entières paraît plus risqué.

En pratique, trois choses s'imposent. Premièrement, mesurer l'effet sur ses propres tâches plutôt que d'après les classements publics. Deuxièmement, prévoir dans le budget des changements fréquents de modèle : le rythme des améliorations est élevé quel que soit le scénario. Troisièmement, quand on lit les déclarations de dirigeants et de chercheurs de laboratoires, demander de quel ensemble de tâches ils parlent exactement. L'argumentation complète de Lambert mérite d'être lue dans l'original : c'est là que l'on voit sur quoi repose sa conviction que progrès rapides et superintelligence sont deux trajectoires distinctes.