Bindu Reddy et la route vers l'AGI : pourquoi un seul modèle « le plus intelligent » ne vous suffira pas

Pendant que la Silicon Valley rivalise pour annoncer le plus bruyamment l'avènement de l'intelligence artificielle générale (AGI) d'ici mardi prochain, Bindu Reddy invite à prendre une grande inspiration. La patronne d'Abacus.AI ne regarde pas l'industrie à travers les lunettes roses du capital-risque, mais à l'aune de la dure réalité du déploiement des réseaux de neurones en entreprise.

Et son diagnostic a de quoi dégriser : nous en sommes encore au stade où le « meilleur modèle » ne le reste que jusqu'à la prochaine grande sortie d'un concurrent. Autrefois, tout était simple : il y avait GPT-4, puis tous les autres. Désormais, le paysage se fragmente, et le leadership en code, en écriture créative ou en raisonnement logique change sans cesse de mains.

Reddy insiste : la route vers l'AGI ne se résume pas à augmenter le nombre de paramètres ou à acheter de nouveaux GPU H100. Le problème est architectural. Les grands modèles de langage actuels restent des perroquets statistiques incroyablement sophistiqués. Ils prédisent le token suivant, mais ne possèdent pas ce que Bindu appelle l'« agentivité » : la capacité à planifier seuls des enchaînements d'actions complexes et à les ajuster à la volée, sans qu'un humain les guide. La véritable percée vers l'AGI ne viendra pas le jour où un modèle aura lu tout Internet, mais quand il saura raisonner en temps réel, en vérifiant les faits en interne avant de livrer sa réponse.

Le paysage actuel dessine un tableau intéressant. OpenAI conserve avec GPT-4o le titre du produit le plus équilibré, mais Anthropic et son Claude 3.5 Sonnet sont soudain devenus les favoris des développeurs et de ceux qui tiennent à un style d'écriture « humain » et à la précision du code. Dans le même temps, Meta a démontré avec Llama 3.1 que les modèles ouverts peuvent talonner les géants propriétaires. Pour Reddy, miser sur un modèle unique est une erreur stratégique pour un CTO ou un responsable produit d'aujourd'hui. L'avenir appartient à l'orchestration : une couche logicielle dédiée (router) décide quelle requête envoyer à Claude et laquelle confier à un modèle plus petit, moins cher et plus rapide.

Bindu relie de manière intéressante le développement de l'AGI à sa viabilité économique. L'entraînement des modèles coûte exponentiellement plus cher, tandis que les gains de qualité commencent à ralentir. Nous approchons d'un mur où ajouter simplement « plus de données » ne produit plus de saut magique en intelligence. Pour franchir cette barrière, l'industrie devra réinventer ses méthodes d'entraînement, peut-être en s'éloignant de l'apprentissage supervisé pur au profit d'approches proches de la façon dont les humains apprennent : par essais, erreurs et compréhension des liens de cause à effet. Sans cela, l'AGI restera un joli terme marketing destiné à lever des fonds.

Qu'est-ce que cela signifie pour nous ? Pendant que les ingénieurs s'acharnent à créer un dieu numérique, mieux vaut apprendre à jongler avec ce qui existe. Reddy en est convaincue : dans les deux prochaines années, les gagnants ne seront pas les entreprises qui construiront le plus grand réseau de neurones, mais celles qui bâtiront la meilleure infrastructure pour exploiter ce « zoo ». La véritable intelligence ne se limite pas au volume de connaissances : elle consiste aussi à utiliser le bon outil au bon moment. Et tant que les modèles ne savent pas le faire seuls, ce travail nous revient.

L'essentiel : l'AGI ne sera pas un événement ponctuel ni un « éclair ». Ce sera une transition progressive, et nous sommes aujourd'hui bloqués à une étape où les modèles sont intelligents, mais toujours dépendants. Anthropic et OpenAI vont poursuivre leur course aux armements, mais la vraie force se déplace désormais vers la flexibilité et la capacité à combiner différents modèles dans un même produit.

*Meta est reconnue comme organisation extrémiste et interdite en Fédération de Russie.