« IA » ne désigne pas un outil unique.
Générer un texte, attribuer un score et répartir des tâches sont trois fonctions différentes, avec des risques différents.
Comprendre · Repères essentiels
Comprendre l’intelligence artificielle au travail.
Distinguer les systèmes, savoir comment un modèle de langage est fabriqué et produit une réponse, lire ses performances sans leur faire dire plus qu’elles ne disent, puis situer ses risques et l’objectif d’AGI.
Lecture en 25 minutesSources sélectionnées et datéesMis à jour en septembre 2026
Un LLM produit une suite plausible.
Il calcule des probabilités à partir du contexte ; il ne vérifie pas spontanément la vérité ni la conformité de sa réponse.
Le bon niveau d’analyse est le travail réel.
Le modèle compte, mais aussi la tâche, les données, les personnes, les règles de décision et l’organisation.
01 / Nommer le système
D’abord, de quelle intelligence artificielle parle-t-on ?
Le terme « IA » rassemble des systèmes qui ne produisent pas le même résultat. Pour comprendre un usage professionnel, commencez par identifier ce que l’outil fait réellement.
IA générative
Elle crée ou transforme du texte, des images, du son ou du code à partir d’une consigne. Un assistant conversationnel fondé sur un LLM appartient à cette famille.
IA prédictive
Elle estime une probabilité, attribue un score ou classe un cas à partir de données passées : risque de défaut, priorité d’un dossier, aide au diagnostic.
Gestion algorithmique
Elle répartit des tâches, fixe un ordre de traitement, mesure l’activité ou influence une décision de management. Elle peut intégrer ou non de l’IA générative.
02 / À l’intérieur d’un LLM
Comment un modèle de langage fabrique une réponse.
Un grand modèle de langage — ou LLM — est un réseau de neurones entraîné à prévoir la suite d’un texte. Il ne cherche pas une réponse toute faite dans une base de données : il la compose, unité après unité.
Le texte devient des jetons
La consigne et les documents fournis sont découpés en petites unités : mots, morceaux de mots ou signes.
Les jetons deviennent des nombres
Chaque jeton est converti en une représentation numérique qui encode les régularités apprises pendant l’entraînement.
L’attention pondère le contexte
Le Transformer examine les relations entre les jetons pour déterminer quels éléments du contexte comptent le plus à cet instant.
Le prochain jeton est choisi
Le modèle calcule une distribution de probabilités. Les réglages de génération influencent le choix et sa variabilité.
La réponse se construit pas à pas
Le jeton choisi rejoint le contexte, puis le calcul recommence jusqu’à la fin de la réponse.
Figure 1 · Exemple illustratif
À chaque pas, chaque suite possible reçoit une probabilité.
Texte déjà présent dans le contexte« Le salarié décrit des douleurs persistantes au niveau du ▯ »
Température basse
« dos » est choisi presque à chaque fois : réponses stables, parfois répétitives.
Température élevée
« bas » ou « poignet » sortent plus souvent : plus de variété, plus d’écarts.
Puis on recommence
« …au niveau du dos » → « , » → « aggravées » → « par »… chaque jeton ajouté relance le calcul.
03 / Entraînement
Comment un modèle est fabriqué, puis ajusté.
Les capacités d’un LLM ne sont pas programmées règle par règle. Elles se forment au cours d’un entraînement en plusieurs étapes, et chacune laisse des traces dans le comportement final, y compris dans ses défauts.
Figure 2 · Schéma
De la masse de textes au modèle déployé : cinq étapes.
01Pré-entraîner
ReçoitTextes du web, livres, code : des milliers de milliards de jetonsFaitPrédire le jeton suivant, comparer avec la vraie suite, corriger les paramètres. Des milliards de fois.ObtientModèle de baseComplète du texte sans suivre de consignes. Savoir figé à une date de coupure.02Ajuster
ReçoitDialogues exemplaires rédigés ou validés par des personnesFaitImiter ces réponses modèles : suivre une consigne, un ton, un format.ObtientAssistantRépond aux demandes, refuse certaines d’entre elles.03Renforcer
ReçoitRéponses comparées par des personnes, ou par une IA guidée par des principes écritsFaitUn modèle de récompense note chaque réponse ; l’assistant s’ajuste pour être mieux noté.ObtientAssistant alignéPlus utile et plus prudent, mais ce qui plaît peut l’emporter sur ce qui est exact.04Raisonner
ReçoitProblèmes à solution vérifiable : mathématiques, code, tests automatiquesFaitEssayer de nombreuses pistes, vérifier le résultat, renforcer les raisonnements qui aboutissent.ObtientModèle de raisonnementCalcule plus longtemps avant de répondre, en étapes intermédiaires.05Évaluer, déployer
ReçoitTests de capacités et de risques, équipes chargées d’attaquer le modèleFaitMesurer, ajouter des protections, décider de la mise sur le marché.ObtientModèle déployéMis à jour et surveillé : chaque version est un objet daté.
Ordre de grandeurLlama 3.1 405B (Meta, 2024) : 15 600 milliards de jetons, 31 millions d’heures de calcul sur processeurs graphiques, jusqu’à 16 000 puces en parallèle.
Étapes 02 à 05Beaucoup moins de données, mais plus coûteuses : chaque exemple est rédigé, comparé ou vérifié. La part du calcul consacrée au renforcement augmente depuis l’arrivée des modèles de raisonnement.
↺ Les défauts repérés en test ou après le déploiement alimentent l’entraînement de la version suivante.
L’échelle a longtemps été le principal moteur des progrès.
Les performances s’améliorent de façon assez prévisible avec la quantité de calcul, de données et de paramètres : ce sont les « lois d’échelle ». Selon Epoch AI, le calcul consacré à l’entraînement des modèles d’IA marquants est multiplié par environ 4,5 chaque année depuis 2010, et par environ 5 pour les grands modèles de langage de pointe depuis 2020.
Un second levier : le calcul au moment de la réponse.
Laisser le modèle travailler plus longtemps avant de répondre améliore les résultats en mathématiques, en programmation et en sciences. Le Rapport international sur la sûreté de l’IA 2026 en fait l’une des principales sources des progrès récents.
Figure 3 · Données
Le calcul consacré à l’entraînement a été multiplié par plus de deux milliards en quatorze ans.
Voir les données
| Modèle | Date | Calcul (FLOP) | Statut |
|---|---|---|---|
| AlexNet | sept. 2012 | 4,7 × 10¹⁷ | Publiée |
| Transformer | juin 2017 | 7,4 × 10¹⁸ | Publiée |
| GPT-2 | févr. 2019 | 1,9 × 10²¹ | Estimation |
| GPT-3 | mai 2020 | 3,1 × 10²³ | Publiée |
| PaLM | avr. 2022 | 2,5 × 10²⁴ | Publiée |
| GPT-4 | mars 2023 | 2,1 × 10²⁵ | Estimation |
| Llama 3.1 405B | juil. 2024 | 3,8 × 10²⁵ | Publiée |
| GPT-4.5 | févr. 2025 | 3,8 × 10²⁶ | Estimation |
| Grok 4 | juil. 2025 | 5,0 × 10²⁶ | Estimation |
| GPT-6 Astra | sept. 2026 | 1,0 × 10²⁷ | Estimation |
04 / Du modèle au système
L’outil que vous utilisez n’est jamais le modèle seul.
Un assistant professionnel assemble un modèle, des consignes, des documents, des outils et parfois une mémoire. Chaque couche modifie le résultat, et donc ce qu’il faut vérifier avant de lui confier une tâche.
Figure 4 · Schéma
Ce qui se passe entre votre question et la réponse.
Une consigne système invisible
Avant votre première question, le fournisseur ou l’organisation a fixé un rôle, un ton, des interdits et des règles de format. Deux outils fondés sur le même modèle peuvent donc répondre très différemment.
Une mémoire de travail limitée
Le modèle ne « voit » que sa fenêtre de contexte : la conversation, les documents fournis et les extraits retrouvés dans une base documentaire (RAG). Ce qui n’y figure pas n’existe pas pour lui, et un document très long peut être exploité de façon inégale.
Des actions dans d’autres logiciels
Recherche web, exécution de code, messagerie, agenda ou dossier : le modèle peut appeler des outils par des connecteurs, par exemple ceux du protocole MCP. Il ne se contente plus de proposer, il agit.
Une boucle qui poursuit un objectif
Un agent planifie, agit, observe le résultat et recommence, parfois pendant des heures, avec une supervision humaine intermittente. Une erreur commise au début peut se propager à toute la chaîne d’actions.
Modèle fermé ou modèle ouvert
Les modèles fermés, comme GPT, Claude ou Gemini, ne s’utilisent qu’à distance, sur l’infrastructure du fournisseur. Les modèles à poids ouverts, comme Llama, Qwen, DeepSeek ou certains modèles de Mistral, peuvent être installés sur des serveurs maîtrisés, avec en général un léger retard sur les meilleurs modèles fermés.
Lire, voir, écouter, transcrire
Les modèles récents traitent aussi des images, des documents scannés, de l’audio et de la vidéo. La transcription et la synthèse automatiques d’entretiens, parfois appelées « scribes » médicaux, en sont l’usage le plus visible en santé.
05 / Capacités et limites
Ce que les modèles de langage savent faire — et ce qu’il reste à vérifier.
Les capacités dépendent du modèle, de sa version, de la langue, des documents fournis, des outils auxquels il a accès et de la façon dont la tâche est formulée.
| Type de tâche | Ce que le modèle peut apporter | Ce qui ne peut pas être présumé |
|---|---|---|
| 01Lire et rédiger | Résumer, reformuler, traduire, extraire des informations, comparer des documents ou préparer un premier texte. | Exhaustivité, fidélité à la source, mise à jour des informations et adéquation au contexte professionnel. |
| 02Raisonner sur un problème | Décomposer une question, proposer des hypothèses, appliquer une procédure décrite et expliquer les étapes d’un calcul. | Justesse constante. Une explication convaincante peut accompagner une réponse fausse. |
| 03Écrire du code et traiter des données | Produire, expliquer ou corriger du code ; préparer une requête ou une analyse exploratoire. | Sécurité, robustesse et bon fonctionnement sur les cas non testés. L’exécution et les tests restent indispensables. |
| 04Utiliser des outils | Avec une application adaptée, rechercher sur le web, consulter une base documentaire, appeler un logiciel ou enchaîner plusieurs actions. | Qualité des sources, autorisation d’agir et maîtrise des conséquences. Les droits d’accès doivent être limités. |
| 05Traiter plusieurs médias | Selon le modèle : décrire une image, transcrire un son, analyser un document ou répondre à partir d’une vidéo. | Perception complète des détails, compréhension de la situation et respect des règles propres au métier. |
Une capacité démontrée n’est pas une fiabilité garantie.
Réussir souvent une catégorie de tâches ne permet pas de prévoir chaque réponse. Il faut tester les erreurs qui comptent dans votre usage.
Une version de modèle est un objet daté.
Le fournisseur peut modifier le modèle, ses réglages, ses filtres ou ses outils. Une évaluation utile mentionne la version et la date.
Pourquoi certaines erreurs persistent.
Ces limites ne sont pas de simples défauts de réglage. Elles découlent de la manière dont les modèles sont entraînés, évalués et intégrés aux outils. Les connaître aide à placer les contrôles au bon endroit.
Une réponse plausible plutôt qu’un « je ne sais pas »
Le pré-entraînement n’apprend pas à distinguer un fait rare d’une invention vraisemblable. Les évaluations qui ne notent que l’exactitude récompensent ensuite la réponse au hasard plutôt que l’abstention.
Au travailRéférences, articles de loi ou chiffres inventés, présentés avec assurance.
Kalai et al., OpenAI, 2025 ↗Donner raison à la personne qui interroge
L’ajustement sur les préférences humaines peut favoriser l’approbation au détriment de l’exactitude. En avril 2025, OpenAI a retiré une mise à jour de GPT-4o jugée excessivement flatteuse.
Au travailL’outil tend à confirmer l’hypothèse contenue dans la question posée.
OpenAI, 2025 ↗Excellent ici, défaillant juste à côté
Les capacités ne suivent pas la difficulté perçue par un humain. Auprès de 758 consultants, l’IA améliorait vitesse et qualité sur les tâches à sa portée, mais réduisait la justesse des réponses sur une tâche située juste au-delà.
Au travailLa confiance acquise sur une tâche ne se transfère pas à la tâche voisine.
Dell’Acqua et al., Harvard Business School, 2023 ↗L’explication n’est pas le calcul réel
Le raisonnement qu’affiche un modèle ne reflète pas fidèlement ce qui a déterminé sa réponse. Dans une étude d’Anthropic, les modèles testés ne signalaient un indice qu’ils avaient utilisé que dans 25 à 39 % des cas.
Au travailUne justification convaincante ne prouve pas que la réponse est fondée.
Chen et al., Anthropic, 2025 ↗Un document peut donner des ordres
Le modèle ne sépare pas de façon fiable les instructions de l’utilisateur et le texte qu’il lit : une page web, un courriel ou un PDF peuvent contenir des consignes cachées. C’est le premier risque du classement OWASP des applications fondées sur des LLM.
Au travailLe risque augmente dès que l’outil peut envoyer, modifier ou supprimer.
OWASP, LLM01:2025 ↗La même question, une autre réponse
La génération est probabiliste et sensible à la formulation, à l’ordre des documents et à la version du modèle. Ses connaissances s’arrêtent à une date de coupure, sauf s’il peut consulter des sources en direct.
Au travailTester plusieurs fois, dater les essais et consigner la version utilisée.
Figure 5 · Schéma et données
Une frontière en dents de scie : la difficulté pour l’humain ne prédit pas l’échec de la machine.
Tâches dans la frontière
+12 %de tâches menées à terme
+25 %de rapidité
+40 %de qualité jugée, au moins
Tâche hors frontière
−19 ptsde réponses justes
06 / Lire les benchmarks
Il n’existe pas de classement universel du « meilleur modèle ».
Un benchmark mesure une performance sur un jeu de tâches, avec une consigne, une métrique et des conditions précises. Changez l’un de ces éléments et le classement peut changer.
Des liens vivants plutôt que des chiffres déjà périmés.
Les pages ci-dessous sont maintenues par leurs auteurs. Elles permettent de consulter les derniers résultats disponibles sans figer ici un palmarès qui serait rapidement dépassé. L’instantané ci-dessous montre seulement que le premier change selon le test.
Figure 6 · Instantané daté
Qui est en tête ? Cela dépend du test.
GPT-6 Astra (OpenAI, 3 sept. 2026)Claude Opus 5.5 (Anthropic, 22 sept. 2026)
Indice de capacités (ECI) ↗
Epoch AI · agrège plusieurs dizaines de tests
- 1GPT-6 Astra166,6
- 2Claude Fable 5.1165,0
- 3Claude Fable 5163,6
- 4Claude Opus 5162,7
- 5GPT-5.5 Pro162,5
Claude Opus 5.5 pas encore classé
Tâches professionnelles (GDPval-AA) ↗
Artificial Analysis · score Elo, comparaisons par paires
- 1Claude Opus 5.51 846
- 2Claude Fable 5.11 735
- 3Claude Opus 51 708
- 4Grok 4.71 695
- …GPT-6 Astra1 542
Raisonnement abstrait (ARC-AGI-2) ↗
ARC Prize · scores vérifiés
- 1GPT-6 Astra95,0 %
- 2Claude Opus 5.593,3 %
- 3GPT-5.692,5 %
01Capacités généralesTableau de bord maintenuHELM Capabilities — Stanford CRFMConnaissances, raisonnement, suivi d’instructions, dialogue et mathématiques, avec protocoles et prompts consultables.Voir les derniers résultats ↗
02Préférences humainesComparaisons en aveugleLMArenaDes utilisateurs comparent deux réponses sans connaître le modèle. Utile pour la préférence globale ; insuffisant pour juger seul l’exactitude.Ouvrir le classement ↗
03Modèles ouvertsAnnuaire d’évaluationsLeaderboards — Hugging FaceUn point d’entrée vers des évaluations générales ou spécialisées, avec des résultats publiés sur les fiches des modèles.Explorer les évaluations ↗
04GénéralisationProblèmes inéditsARC-AGI-2 — ARC PrizeDes tâches visuelles conçues pour éprouver l’interprétation, la composition de règles et l’adaptation à des problèmes nouveaux.Voir le benchmark ↗
05SantéÉvaluation spécialiséeMedHELM — Stanford CRFMUn cadre consacré aux tâches médicales, utile pour comprendre pourquoi une moyenne générale ne suffit pas dans un domaine professionnel.Consulter MedHELM ↗
07 / Suivre la trajectoire
Mesurer le rythme des progrès plutôt que photographier un classement.
Pour anticiper les effets sur le travail, la question utile n’est pas « quel modèle est le meilleur ? » mais « qu’est-ce qui devient faisable, à quel rythme et à quelles conditions ? ». Quatre repères datés, avec leurs limites.
Figure 7 · Données
Les tâches qu’un agent mène seul sont passées de quelques secondes à plusieurs heures.
Voir les données
| Modèle | Sortie | Horizon à 50 % | IC 95 % |
|---|---|---|---|
| GPT-2 | févr. 2019 | 3 s | 1 s – 8 s |
| GPT-3 | mai 2020 | 8 s | 5 s – 13 s |
| GPT-3.5 | mars 2022 | 36 s | 16 s – 1 min |
| GPT-4 | mars 2023 | 4 min | 2 min – 8 min |
| GPT-4 (nov.) | nov. 2023 | 4 min | 2 min – 8 min |
| GPT-4o | mai 2024 | 7 min | 4 min – 13 min |
| Claude 3.5 Sonnet (juin) | juin 2024 | 11 min | 5 min – 22 min |
| o1-preview | sept. 2024 | 20 min | 12 min – 33 min |
| Claude 3.5 Sonnet (oct.) | oct. 2024 | 21 min | 10 min – 41 min |
| o1 | déc. 2024 | 39 min | 21 min – 1 h 05 |
| Claude 3.7 Sonnet | févr. 2025 | 1 h 00 | 33 min – 1 h 44 |
| o3 | avr. 2025 | 2 h 00 | 1 h 15 – 3 h 11 |
| GPT-5 | août 2025 | 3 h 23 | 1 h 53 – 6 h 46 |
| Gemini 3 Pro | nov. 2025 | 3 h 44 | 2 h 20 – 6 h 19 |
| Claude Opus 4.5 | nov. 2025 | 4 h 53 | 2 h 42 – 10 h 24 |
| GPT-5.2 | déc. 2025 | 5 h 52 | 3 h 18 – 13 h 35 |
| Claude Opus 4.6 | févr. 2026 | 11 h 59 | 5 h 17 – 60 h 34 |
| Claude Mythos Preview | avr. 2026 | 17 h 25 | 8 h 29 – 55 h 04 |
| GPT-5.6 Sol (hors modèles de pointe) | juin 2026 | ≈ 11 h 18 | 5 h 00 – 40 h 00 |
01Autonomie des agentsMETR · Horizon temporelLa durée des tâches confiées aux agents s’allonge viteMETR mesure la durée, en temps de travail d’un expert humain, des tâches qu’un agent réussit une fois sur deux. Elle a doublé environ tous les sept mois de 2019 à 2025, et environ tous les trois mois depuis 2024. Tâches surtout informatiques ; mesures peu fiables au-delà de 16 heures, seuil déjà atteint au printemps 2026. Aucune mesure publiée à ce jour pour Claude Opus 5.5 ou GPT-6 Astra.Suivre la courbe ↗
02Tâches professionnellesOpenAI · GDPvalDes livrables comparés à ceux d’experts, à l’aveugle1 320 tâches issues de 44 professions, jugées par des professionnels expérimentés. Le meilleur modèle était jugé équivalent ou supérieur à l’expert dans 47,6 % des cas en septembre 2025, puis dans 84,9 % des cas en avril 2026 selon OpenAI. Tâches ponctuelles, sans échanges ni ambiguïtés du travail réel ; chiffres publiés par le concepteur du test.Voir l’évaluation ↗
03AdaptationARC Prize · ARC-AGI-3Face à l’inédit, un écart qui se referme en quelques moisLancé en mars 2026, ce test place le système dans des environnements interactifs nouveaux, sans consigne : il doit explorer, comprendre les règles et atteindre le but. Les humains résolvent tout ; les meilleurs systèmes obtenaient moins de 1 % au lancement, puis 62,7 % en septembre 2026 avec GPT-6 Astra, dans le protocole standard vérifié par ARC Prize.Voir le benchmark ↗
04Travail réelMETR · Essai randomiséLe gain ressenti n’est pas le gain mesuréDébut 2025, des développeurs expérimentés se pensaient 20 % plus rapides avec l’IA ; ils étaient mesurés 19 % plus lents. Une nouvelle mesure fin 2025 suggère plutôt une accélération, mais METR la juge peu probante en raison de biais de sélection. En mai 2026, une enquête déclarative affiche un gain médian de ×3, que METR estime probablement surévalué.Lire la mise à jour ↗
Figure 8 · Données
Deux tests réputés difficiles, franchis en quelques mois.
Figure 9 · Données
Gain de temps attendu avec l’IA, puis mesuré.
Économistes, prévision+39 %
Experts en apprentissage automatique, prévision+38 %
Développeurs, avant l’étude+24 %
Développeurs, après l’étude (ressenti)+20 %
Mesure réelle−19 %
Des progrès rapides, mais inégaux.
Des systèmes capables de résoudre des problèmes de niveau expert échouent sur des tâches simples de perception ou d’adaptation. Le Rapport international sur la sûreté de l’IA (février 2026) juge plausibles, d’ici 2030, aussi bien un plafonnement qu’une forte accélération.
Une tâche réussie n’est pas un métier automatisé.
Un métier combine des tâches, des relations, des responsabilités et des imprévus. Ces repères indiquent quelles portions du travail deviennent automatisables, pas ce que deviendra le travail : cela dépend aussi des choix d’organisation.
EN · Rapport technique · AvancéTime Horizon 1.1 — METR, janvier 2026 ↗
EN · Article scientifique · AvancéGDPval: Evaluating AI Model Performance on Real-World Economically Valuable Tasks — OpenAI, 2025 ↗
EN · Essai randomisé · AvancéMeasuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity — METR ↗
08 / Risques des systèmes
Au-delà de l’erreur ponctuelle, trois familles de risques.
Le Rapport international sur la sûreté de l’IA, rédigé par plus de 100 experts sous la présidence de Yoshua Bengio, distingue les usages malveillants, les dysfonctionnements et les risques systémiques. Les effets sur le travail et la santé sont détaillés dans le parcours Risques.
Quand l’outil sert à nuire
Fraudes et escroqueries, hypertrucages, manipulation, aide à des cyberattaques. Les laboratoires évaluent aussi l’aide que leurs modèles pourraient apporter à la conception d’armes biologiques ou chimiques.
Au travailHameçonnage ciblé, usurpation de l’identité d’un dirigeant, atteintes à la réputation.
Quand le système fait autre chose que prévu
Contenus fabriqués, code défectueux, agents qui échouent ou détournent l’objectif fixé. En conditions de test, certains modèles ont exploité les failles de leur système de notation ou adopté des stratégies trompeuses pour atteindre un but.
Au travailActions non souhaitées d’un agent, contrôle humain réduit à une validation de façade.
Quand l’effet naît de la diffusion à grande échelle
Automatisation de tâches intellectuelles, affaiblissement de l’esprit critique par excès de confiance dans la machine, dépendance affective à des compagnons conversationnels utilisés par des dizaines de millions de personnes.
Au travailDéqualification, intensification, perte d’autonomie et de sens du métier.
Un point aveugle
Les tests réalisés avant la mise sur le marché prédisent mal l’utilité et les risques en conditions réelles, et certains modèles détectent désormais qu’ils sont évalués. Le suivi après déploiement, y compris dans les organisations de travail, devient indispensable.
Des protections qui progressent, sans garantie.
Les principaux laboratoires publient des cadres de sécurité, comme la Responsible Scaling Policy d’Anthropic, le Preparedness Framework d’OpenAI ou le Frontier Safety Framework de Google DeepMind, qui associent des seuils de capacités à des mesures renforcées. La recherche en interprétabilité tente de lire les mécanismes internes des modèles plutôt que leurs seules réponses. Ces engagements restent largement volontaires et évalués par les entreprises elles-mêmes.
Un premier cadre contraignant en Europe.
Depuis le 2 août 2025, l’AI Act impose aux fournisseurs de modèles d’IA à usage général une documentation technique et une politique de respect du droit d’auteur. Les modèles présentant un risque systémique doivent en outre être évalués, faire l’objet d’une gestion des risques et d’un signalement des incidents graves. Voir le parcours Gouvernance →
09 / L’objectif d’AGI
L’AGI, un objectif affiché par les laboratoires et une notion encore disputée.
Plusieurs entreprises déclarent chercher à construire une intelligence artificielle générale, ou AGI. Il n’en existe ni définition partagée, ni test qui permettrait de constater son arrivée. Trois manières de la définir éclairent ce qui est en jeu pour le travail.
Surpasser les humains dans la plupart des emplois
La charte d’OpenAI (2018) vise des « systèmes hautement autonomes » qui surpassent les humains dans la plupart des travaux économiquement utiles. La définition est explicitement économique : elle se mesure à la substitution du travail humain.
Charte d’OpenAI, 2018 ↗Une progression plutôt qu’un seuil
Google DeepMind croise le niveau de performance, d’« émergent » à « surhumain », et l’étendue des tâches couvertes. Le degré d’autonomie laissé au système est traité à part : il relève d’un choix de déploiement, pas seulement d’une capacité.
Morris et al., Levels of AGI, 2023 ↗Comparer aux aptitudes d’un adulte instruit
Un collectif de chercheurs mesure les modèles sur dix grandes aptitudes de la cognition humaine (modèle CHC). GPT-4 obtenait 27 % et GPT-5 57 %, avec un profil très irrégulier : connaissances étendues, mémoire à long terme quasi nulle.
Hendrycks, Bengio et al., 2025 ↗Figure 10 · Grille de lecture
Les niveaux d’AGI : croiser la performance et l’étendue des tâches.
Niveau de performance
IA spécialisée · une tâche
IA générale · nombreuses tâches
0 · Sans IA
IA spécialiséeCalculatrice, compilateur
IA généraleTravail humain assisté par une plateforme (Mechanical Turk)
1 · Émergentau niveau d’un humain non qualifié, ou un peu mieux
IA spécialiséeSystèmes à règles simples
IA généraleChatGPT, Bard, Llama 2, Gemini
2 · Compétentau moins la médiane des adultes qualifiés
IA spécialiséeAssistants vocaux, détecteurs de contenus toxiques
IA généralePas encore atteint
3 · Expertau moins 90 % des adultes qualifiés
IA spécialiséeCorrecteurs de style, générateurs d’images
IA généralePas encore atteint
4 · Virtuoseau moins 99 % des adultes qualifiés
IA spécialiséeDeep Blue (échecs), AlphaGo
IA généralePas encore atteint
5 · Surhumainmieux que tous les humains
IA spécialiséeAlphaFold, AlphaZero, Stockfish
IA généraleSuperintelligence : pas encore atteinte
Figure 11 · Données
Un profil irrégulier : très fort en connaissances, nul en mémoire durable.
GPT-4 · 27 %GPT-5 · 57 %chaque aptitude est notée sur 10 ; 100 % = adulte instruit
Connaissances générales8 → 9
Lecture et écriture6 → 10
Mathématiques4 → 10
Raisonnement sur un problème nouveau0 → 7
Mémoire de travail2 → 4
Stockage en mémoire à long terme0 (inchangé)
Rappel de la mémoire à long terme4 (inchangé)
Traitement visuel0 → 4
Traitement auditif0 → 6
Vitesse3 (inchangé)
Un terme aussi contractuel que scientifique.
Dans le contrat entre Microsoft et OpenAI, la déclaration d’AGI avait des conséquences financières ; sa vérification a été confiée en octobre 2025 à un panel d’experts indépendants, avant qu’un avenant d’avril 2026 ne vide largement la clause de sa portée en dissociant les paiements des progrès technologiques.
Les annonces ne sont pas des mesures.
Plusieurs dirigeants de laboratoires évoquent publiquement une échéance de quelques années. Ces déclarations émanent d’acteurs engagés dans une course au financement ; les indicateurs mesurés et datés sont plus informatifs que les dates annoncées.
Arguments pour une arrivée rapide
Pourquoi certains anticipent une accélération
- Les capacités mesurées progressent de façon régulière depuis plusieurs années
- Des tests conçus pour résister aux modèles tombent vite : ARC-AGI-3 est passé de moins de 1 % à 63 % en six mois
- Le calcul et les investissements consacrés à l’entraînement augmentent encore fortement
- Le calcul au moment de la réponse ouvre un nouveau levier de progrès
- Les modèles contribuent déjà à la programmation et à la recherche en IA, ce qui pourrait accélérer la suite
Arguments de prudence
Pourquoi d’autres restent sceptiques
- L’apprentissage continu et la mémoire durable restent très limités
- Les scores dépendent du protocole : sur ARC-AGI-3, le même modèle obtient 63 % ou 99 % selon le dispositif de test
- La fiabilité sur de longues tâches progresse moins vite que les démonstrations
- Énergie, données et capitaux pourraient freiner la poursuite de l’échelle
- Réussir des tests ne garantit pas de tenir un poste dans un environnement réel
Pour la santé au travail
L’enjeu n’est pas de parier sur une date. Il s’agit de suivre, tâche par tâche, ce qui devient automatisable, à quel rythme et sous quel contrôle, et d’anticiper les effets sur la charge, l’autonomie, les compétences et l’emploi avant qu’ils ne s’imposent. Voir les enjeux économiques et sociaux →
10 / Revenir au travail réel
Un bon score technique ne prédit pas, à lui seul, un bon usage professionnel.
Le benchmark décrit le comportement d’un modèle dans un test. Le déploiement doit aussi être évalué dans la tâche réelle, avec ses contraintes, ses responsabilités et ses effets sur les personnes.
Évaluation du modèle
Le système répond-il correctement ?
- Exactitude sur des cas représentatifs
- Erreurs fréquentes et erreurs graves
- Stabilité d’une réponse à l’autre
- Coût, délai et besoin en ressources
- Résistance à des entrées trompeuses
Évaluation du déploiement
Le travail est-il mieux fait sans créer de nouveaux risques ?
- Temps réellement gagné, y compris la relecture
- Qualité finale du travail et traitement des exceptions
- Responsabilités et moyens de contester un résultat
- Charge, autonomie, compétences et coopération
- Effets observés avant et après la mise en place
Le principe à retenir
On n’évalue pas seulement un modèle. On évalue le système de travail formé par l’outil, la tâche, les données, les personnes qui l’utilisent et les règles de l’organisation.
11 / Avant un usage professionnel
Cinq questions pour passer de la démonstration à une décision éclairée.
Ces questions évitent de partir du produit ou de sa réputation. Elles obligent à décrire l’usage concret et les moyens nécessaires pour le maîtriser.
01Quelle tâche précise voulons-nous transformer ?
Décrire la situation actuelle, le résultat attendu, les personnes concernées et les moments où une erreur aurait des conséquences importantes. « Gagner du temps » n’est pas une tâche.
02Quelles données seront envoyées, conservées ou réutilisées ?
Identifier les données personnelles, confidentielles ou couvertes par un secret ; vérifier le lieu de traitement, la durée de conservation et les usages prévus par le fournisseur.
03Qui vérifiera le résultat, avec quel temps et quelles informations ?
Nommer la personne compétente, intégrer la relecture à la charge de travail et préciser les sources auxquelles elle pourra comparer la réponse.
04Qui décide et qui répond des conséquences ?
Distinguer la proposition de l’outil, la décision humaine et la responsabilité de l’organisation. Prévoir un moyen de contester, corriger ou suspendre l’usage.
05Quels effets allons-nous mesurer après le lancement ?
Choisir avant le test quelques indicateurs utiles : qualité, erreurs, temps de contrôle, charge, autonomie, compétences, entraide et difficultés signalées.
Pour aller plus loin
Choisir la ressource adaptée à la question que vous vous posez.
Une sélection courte, issue d’organismes publics ou de projets de recherche qui expliquent leur méthode. Le niveau et la langue sont indiqués.
Qu’est-ce qu’un modèle de langage ?
Une définition courte pour poser le vocabulaire sans entrer dans les détails techniques.
CNIL ↗ChatGPT expliqué en 5 minutes
Sept vidéos courtes sur le fonctionnement, les forces, les limites, les consignes et l’usage d’outils.
Inria ↗Introduction to Large Language Models
Jetons, contexte, paramètres, attention, limites et adaptation des modèles.
Google for Developers ↗Questions-réponses sur l’IA générative
Bénéfices, résultats inexacts, données personnelles et premières précautions de déploiement.
CNIL ↗AI Risk Management Framework
Cadre, ressources et profil consacré aux risques propres à l’IA générative.
NIST ↗International AI Safety Report 2026
La synthèse de plus de 100 experts sur les capacités, les risques et les protections des systèmes d’IA généralistes.
Rapport international ↗Évaluer les modèles dans un contexte professionnel
Relier un protocole d’évaluation aux connaissances du métier et aux erreurs réellement importantes.
IA & Santé au Travail ↗Explorer l’IA en santé au travail
Relier la compréhension des modèles, les risques, les usages en SPSTI, l’évaluation, la prévention et le droit.
IA & Santé au Travail →