L’AGI n’a pas de définition universelle.
Il existe plusieurs seuils proposés, mais aucun examen unique et reconnu ne permet de déclarer qu’un système est une AGI.
Frontière technologique · Repères critiques
AI safety et AGI.
Les modèles progressent vite, mais « intelligence générale », performance à un test, autonomie et fiabilité ne désignent pas la même chose. Cette page permet de comprendre ce qui change — et pourquoi la sécurité doit progresser au même rythme.
Sources primairesLiens maintenusVérifié le 8 août 2026
Puissance sans maîtriseArt · risque · anticipation
Destruction · 1836
Dans le quatrième tableau de la série, la cité qui paraissait toute-puissante bascule dans le chaos. L’œuvre n’est pas utilisée ici comme une prédiction catastrophiste sur l’IA, mais comme un rappel : une puissance technique qui progresse plus vite que les moyens de la maîtriser peut amplifier les défaillances au lieu de les contenir. L’AI safety consiste précisément à repérer ces fragilités, limiter les conséquences et conserver la capacité d’agir avant qu’une crise ne survienne. Voir l’œuvre ↗
Les lois d’échelle sont des observations.
Elles décrivent des tendances mesurées quand on augmente les données, la taille du modèle et le calcul — pas une loi garantissant l’intelligence.
Un score élevé reste local.
Chaque benchmark mesure certaines tâches dans certaines conditions. Il ne résume ni la fiabilité, ni l’utilité réelle, ni la sécurité.
La sécurité doit précéder l’autonomie.
Plus un système peut agir, plus les accès, les contrôles, l’arrêt, le suivi et la responsabilité doivent être explicites.
01 / Définir sans simplifier
Qu’appelle-t-on intelligence artificielle générale ?
L’AGI est une notion de recherche et de prospective, pas une catégorie technique stabilisée. Les définitions diffèrent sur le niveau humain de référence, l’étendue des tâches et le degré d’autonomie attendu.
Faire mieux que l’humain dans la plupart des activités ayant une valeur économique.
La charte d’OpenAI définit l’AGI comme un ensemble de systèmes très autonomes qui dépasseraient les humains dans la plupart des travaux ayant une valeur économique. Cette définition met l’accent sur l’utilité générale et l’autonomie.
Lire la charte d’OpenAI ↗Mesurer séparément l’étendue des capacités, leur niveau et l’autonomie.
Des chercheurs de Google DeepMind proposent de classer les systèmes selon la variété des tâches qu’ils maîtrisent et leur niveau de performance, de « débutant » à « surhumain ». L’autonomie est traitée séparément, car elle change fortement le risque du déploiement.
Lire « Levels of AGI » ↗Modèle de fondation
Un modèle entraîné sur de grandes quantités de données, puis adapté à de nombreuses tâches. Il produit des réponses ; il n’agit pas nécessairement seul.
Agent
Un système qui associe un modèle à des outils, une mémoire, une boucle d’action et des droits d’accès pour poursuivre un objectif en plusieurs étapes.
AGI
Le terme désigne généralement une grande polyvalence à un niveau proche ou supérieur à l’humain. Le seuil précis varie selon les définitions.
Superintelligence
Une hypothèse distincte : un système qui dépasserait très largement les meilleurs humains dans presque toutes les activités intellectuelles pertinentes.
Ce que l’AGI ne désigne pas automatiquement
Une bonne conversation, un excellent score en mathématiques ou la réussite d’une tâche autonome ne prouvent ni une intelligence générale, ni une conscience, ni une compréhension humaine du monde.
02 / Lois d’échelle
Pourquoi davantage de calcul produit souvent de meilleures performances.
Les lois d’échelle décrivent des relations empiriques : sur certaines métriques d’entraînement, l’erreur diminue de façon assez régulière lorsque la taille du modèle, le volume de données et le calcul augmentent de concert.
À gauchePerte en fonction du calcul utilisé.Au centrePerte en fonction du nombre de jetons.À droitePerte en fonction du nombre de paramètres.
Calcul d’entraînementAugmenter le nombre d’opérations permet généralement d’entraîner des modèles plus grands ou sur davantage de données. Le coût énergétique et matériel augmente aussi.
Taille du modèle et quantité de donnéesLes travaux dits « Chinchilla » montrent qu’à budget de calcul fixé, grossir seulement le modèle est inefficace : le volume de données doit progresser avec lui.
Qualité des données et post-entraînementLe choix des données, l’apprentissage par instruction, le retour humain ou automatisé et les données synthétiques modifient fortement le comportement final.
Calcul au moment de répondreLes modèles de raisonnement peuvent consacrer davantage de calcul à une question, essayer plusieurs pistes et utiliser des outils. Cela améliore certaines tâches, au prix d’un délai et d’un coût supérieurs.
03 / Modèles de pointe
Ce que les systèmes les plus puissants savent faire aujourd’hui.
Il n’existe pas de « meilleur modèle » dans l’absolu. Les quatre familles ci-dessous illustrent la frontière publique en août 2026 ; le bon choix dépend de la tâche, des outils, du coût, du délai et du niveau de contrôle nécessaire.
| Famille | Positionnement officiel | Capacités mises en avant | Contexte annoncé | Source |
|---|---|---|---|---|
| GPT-5.6 SolOpenAI | Modèle phare pour le raisonnement complexe, le code et le travail professionnel. | Texte et image en entrée, raisonnement, recherche web et documentaire, exécution de code, utilisation d’un ordinateur et d’outils externes. | 1,05 million de jetons ; jusqu’à 128 000 jetons en sortie. | Fiche officielle ↗ |
| Claude Fable 5Anthropic | Modèle public le plus capable d’Anthropic, destiné notamment aux agents qui travaillent longtemps. | Raisonnement, rédaction et analyse longues, code, usage d’outils et tâches agentiques complexes. | 1 million de jetons ; jusqu’à 128 000 jetons en sortie. | Fiche officielle ↗ |
| Gemini 3.1 ProGoogle DeepMind | Modèle « Pro » public pour les tâches complexes et le raisonnement approfondi ; Gemini 3.5 Pro est annoncé mais pas encore disponible sur la page officielle consultée. | Compréhension multimodale, code, usage d’outils, recherche et tâches agentiques en plusieurs étapes. | La capacité dépend de la surface et de la version employées. | Fiche officielle ↗ |
| Grok 4.5xAI | Modèle de raisonnement général disponible dans l’API xAI. | Texte et image en entrée, raisonnement réglable, appels de fonctions et sorties structurées. | 500 000 jetons dans la documentation API consultée. | Fiche officielle ↗ |
Photographie datée : noms, versions, accès et fenêtres de contexte évoluent rapidement.Dernière vérification des documentations officielles : 8 août 2026.
Problèmes complexes
Décomposer une question, comparer des hypothèses, effectuer des calculs et expliquer une démarche sur des domaines variés.
Code et documents
Écrire, modifier et tester du code ; synthétiser de longs dossiers ; préparer des analyses et des documents professionnels.
Plusieurs médias
Analyser selon le modèle du texte, des images, des documents, du son ou de la vidéo dans une même tâche.
Outils et interfaces
Rechercher, exécuter du code, appeler un logiciel ou manipuler une interface quand l’application lui donne ces accès.
Tâches longues
Planifier plusieurs étapes, conserver un contexte étendu et corriger une partie de ses erreurs — sans devenir infaillible.
La limite centrale
Ces modèles peuvent produire un travail remarquable puis échouer sur une étape simple, inventer une source ou poursuivre un objectif de la mauvaise manière. La fluidité de la réponse masque souvent cette incertitude.
04 / Benchmarks récents
Mesurer une capacité précise, pas attribuer une note globale à l’intelligence.
Les tableaux de bord ci-dessous sont maintenus par leurs auteurs. Ils donnent accès aux résultats les plus récents sans figer ici un classement qui serait rapidement périmé.
Un benchmark est un instrument de mesure, pas un verdict.
Avant de comparer deux scores, il faut vérifier la version du modèle, le nombre d’essais, les outils autorisés, le budget de calcul, la méthode de notation et la ressemblance entre le test et l’usage réel.
01ARC-AGIGénéralisation abstraiteRésoudre des problèmes visuels nouveauxÉprouve la capacité à inférer une règle à partir de quelques exemples. Très utile pour la généralisation ; trop étroit pour conclure, seul, à l’AGI.Classement officiel ↗
02Humanity’s Last ExamRaisonnement expertQuestions difficiles dans de nombreuses disciplinesMesure des connaissances et du raisonnement de haut niveau, y compris sur des questions multimodales. Ne mesure pas l’ensemble du travail réel ni l’autonomie.Voir le projet ↗
03SWE-benchGénie logicielCorriger de vrais problèmes dans des dépôts de codeTeste la résolution de problèmes logiciels avec le contexte d’un projet. Le résultat dépend fortement de l’agent, des outils et du protocole autour du modèle.Classements officiels ↗
04METR Time HorizonAutonomie dans la duréeEstimer la longueur des tâches qu’un agent réussitSuit l’évolution de la durée des tâches logicielles qu’un système peut accomplir avec une probabilité donnée. Une durée plus longue ne signifie pas une autonomie générale.Résultats actuels ↗
05HELMÉvaluation structuréeComparer plusieurs capacités avec un protocole visibleConnaissances, raisonnement, mathématiques, suivi d’instructions et dialogue, avec davantage de transparence sur les scénarios et les prompts.Tableau de bord ↗
06MedHELMÉvaluation en santéTester des tâches médicales plutôt qu’une moyenne généraleRappelle qu’une performance de pointe sur des tests généraux ne remplace jamais une évaluation adaptée au domaine, aux erreurs graves et aux utilisateurs concernés.Consulter MedHELM ↗
05 / Pourquoi l’AI safety est cruciale
Plus un système est capable, plus une erreur ou un détournement peut avoir de portée.
L’AI safety regroupe les travaux qui cherchent à prévenir, détecter et réduire les dommages liés aux systèmes d’IA — depuis les erreurs ordinaires jusqu’aux risques graves rendus possibles par des modèles très autonomes.
Des capacités utiles à double usage
Le code, la recherche scientifique et l’automatisation peuvent servir un objectif légitime ou faciliter une attaque. Les risques cyber, biologiques et chimiques font l’objet d’évaluations spécifiques chez plusieurs laboratoires.
Enjeu : mesurer les capacités dangereuses, limiter les accès et surveiller les usages à haut risque.Une action fausse mais convaincante
Un modèle peut mal interpréter une consigne, inventer une information ou utiliser un outil de façon inadéquate. Dans une chaîne automatisée, une petite erreur peut se propager avant d’être vue.
Enjeu : tests sur les erreurs graves, validations, droits minimaux et possibilité d’arrêt immédiat.Davantage d’étapes, moins de contrôle direct
Quand un agent planifie, agit et recommence pendant longtemps, il devient plus difficile de prévoir chaque action et d’identifier le moment où l’objectif a été mal compris.
Enjeu : bornes d’action, validations humaines aux étapes irréversibles et journal complet des opérations.Information, persuasion et décisions
Produire des contenus personnalisés à grande échelle peut amplifier la désinformation, la fraude ou la manipulation. Une réponse bien formulée peut aussi donner une confiance excessive à une recommandation fragile.
Enjeu : traçabilité, transparence, évaluation des usages d’influence et contrôle de la diffusion.Concentration et perte de savoir-faire
Un petit nombre de modèles peut devenir une infrastructure pour de nombreux métiers. Pannes, changements de version, dépendance au fournisseur ou perte progressive de compétences créent un risque systémique.
Enjeu : solutions de repli, maîtrise des versions, maintien des compétences et choix réversibles.La sécurité inclut la santé au travail
Un système peut être techniquement sûr tout en intensifiant la charge, réduisant l’autonomie, déplaçant la responsabilité ou imposant un contrôle permanent. Ces effets doivent être étudiés avant et après le déploiement.
Enjeu : associer les travailleurs, observer le travail réel et intégrer les risques psychosociaux à l’évaluation.Une idée simple
La sécurité ne consiste pas à prédire une date d’arrivée de l’AGI. Elle consiste à vérifier, avant chaque hausse de capacité ou d’autonomie, que l’on sait détecter les comportements dangereux, limiter les conséquences et rendre les décisions contestables.
06 / Passer de la puissance à la maîtrise
Cinq niveaux de contrôle à prévoir avant de confier une action au système.
Les évaluations du modèle ne suffisent pas. Elles doivent être complétées par des mesures techniques, organisationnelles et humaines adaptées au contexte réel d’utilisation.
Tester ce qui pourrait mal tourner
Capacités, erreurs graves, détournements, robustesse, cybersécurité et effets sur le travail.
Donner le minimum de droits
Accès aux données, outils, budget, durée, nombre d’actions et périmètre clairement bornés.
Garder une validation humaine utile
Un responsable identifié valide les décisions sensibles, irréversibles ou lourdes de conséquences.
Voir les erreurs et les incidents
Journaux, alertes, retours des utilisateurs, suivi des versions et canal de signalement accessible.
Pouvoir suspendre et apprendre
Procédure d’arrêt, solution de repli, analyse des incidents et réévaluation après tout changement majeur.
07 / Lire une annonce de modèle
Quatre questions pour ne pas confondre progrès réel et démonstration commerciale.
Ces repères permettent de comparer des modèles sans réduire leur qualité à un chiffre ni reprendre les affirmations d’un fournisseur sans contexte.
01Quelle version exacte du modèle a été testée, et à quelle date ?
Un nom de produit peut recouvrir plusieurs versions. Il faut noter l’identifiant précis, la date, le mode de raisonnement, les outils autorisés et les réglages utilisés.
02Le score vient-il du fournisseur ou d’une évaluation indépendante ?
Les deux peuvent être utiles, mais une mesure indépendante, reproductible et documentée apporte davantage d’assurance. Les conditions doivent être identiques pour comparer deux modèles.
03Combien de temps, d’essais et d’argent ont été nécessaires ?
Une performance obtenue avec de nombreuses tentatives ou un budget de calcul très élevé peut être inutilisable au quotidien. Le coût, le délai et la variabilité font partie du résultat.
04Quelles erreurs restent masquées par la moyenne ?
Deux modèles peuvent avoir le même score global et ne pas commettre les mêmes erreurs. Il faut examiner les échecs qui auraient les conséquences les plus graves dans l’usage envisagé.