Google DeepMind propose un cadre cognitif pour mesurer les progrès vers l'AGI

Google DeepMind a présenté un cadre scientifique censé aider à mesurer les progrès vers l'AGI à travers un ensemble de capacités cognitives plutôt que par des benchmarks isolés. L'entreprise a aussi lancé un hackathon Kaggle pour que les chercheurs élaborent des tests pratiques destinés à ce système d'évaluation.

Pourquoi un cadre est nécessaire

Google DeepMind part d'un problème simple : presque tous les grands laboratoires parlent d'AGI, mais il n'existe toujours pas de méthode communément admise pour mesurer à quel point les systèmes s'en rapprochent. Des tests séparés en mathématiques, en code ou en génération de texte ne montrent que des fragments du tableau. Si l'objectif est de comprendre le niveau général d'intelligence d'un modèle, la mesure doit voir plus large qu'un seul jeu de tâches ou qu'une démo réussie.

Dans son nouveau travail, intitulé Measuring Progress Toward AGI: A Cognitive Taxonomy, l'équipe propose de s'appuyer sur les sciences cognitives, la psychologie et les neurosciences. La logique : si l'AGI se conçoit comme une intelligence suffisamment générale, il faut l'évaluer à travers des fonctions cognitives de base, et pas seulement par des compétences appliquées. Ce n'est pas une échelle toute faite « AGI ou pas AGI », mais une ossature scientifique sur laquelle on peut greffer des tests concrets.

«

Les sciences cognitives sont une pièce importante du puzzle », écrivent les auteurs.

En quoi consiste l'approche

Au centre du cadre figurent dix capacités qui, selon l'hypothèse de DeepMind, comptent pour l'intelligence générale des systèmes d'IA. La liste comprend la perception, la génération, l'attention, l'apprentissage, la mémoire, le raisonnement, la métacognition, les fonctions exécutives, la résolution de problèmes et la cognition sociale.

Cet ensemble compte parce qu'il couvre non seulement les points forts habituels des modèles actuels, comme la génération de texte ou les chaînes logiques, mais aussi des aspects plus complexes : par exemple, la capacité à repérer ses propres erreurs, à passer avec souplesse d'un objectif à l'autre et à gérer correctement le contexte social.

Pour faire de cette taxonomie un outil mesurable, DeepMind propose un protocole en trois étapes. D'abord, les systèmes d'IA passent une large batterie de tâches cognitives pour chaque capacité, sur des jeux de test tenus à l'écart afin de réduire le risque de contamination des données. Ensuite, une référence humaine est établie pour les mêmes tâches auprès d'un échantillon d'adultes démographiquement représentatif. Enfin, les résultats des modèles sont comparés non à une « note de passage » abstraite, mais à la distribution des résultats humains pour chaque capacité.

L'idée est que la comparaison avec l'humain relève d'un empirisme rigoureux, pas d'un slogan général. Un modèle peut être très fort en raisonnement et en mémoire, mais nettement en retrait pour apprendre à partir de nouvelles instructions ou pour l'interprétation sociale. Dans ce cas, parler de progrès vers l'AGI devient plus concret : on voit non seulement où le système impressionne, mais aussi où précisément il garde des lacunes structurelles.

Le hackathon Kaggle

DeepMind ne s'en tient pas à une publication. Avec Kaggle, l'entreprise a lancé le hackathon Measuring progress toward AGI: Cognitive abilities pour que la communauté aide à construire concrètement les évaluations manquantes. Les participants sont invités à utiliser la nouvelle plateforme Community Benchmarks de Kaggle et à tester leurs idées sur une série de modèles de pointe. L'accent est mis sur les domaines où l'écart d'évaluation est aujourd'hui le plus visible.

• Apprentissage
• Métacognition
• Attention
• Fonctions exécutives
• Cognition sociale

La dotation totale est de 200 000 $. Selon les règles de DeepMind, les deux meilleurs travaux de chacune des cinq catégories recevront 10 000 $ chacun, et les quatre meilleures candidatures, toutes catégories confondues, 25 000 $ chacune. Les candidatures sont ouvertes du 17 mars 2026 au 16 avril 2026, et l'entreprise promet d'annoncer les résultats le 1er juin 2026.

C'est un détail important : DeepMind ne se contente pas de publier un cadre théorique, mais cherche à réunir rapidement autour de lui un écosystème de vérifications et d'expériences externes.

Ce que cela signifie

Google DeepMind suggère de voir les progrès de l'IA non comme une course aux records isolés, mais comme une comparaison systématique des profils cognitifs des modèles avec le niveau humain. Si l'approche s'impose, l'industrie disposera d'un langage plus clair pour parler de « rapprochement de l'AGI », avec une décomposition par capacités, des lacunes bien identifiées et des tests reproductibles, et pas seulement de grandes déclarations sur la prochaine percée.