Au-delà de l’AGI : Les 5 révélations qui ont secoué le monde de l’IA ce mois-ci

1. Introduction : Le point de bascule

Le mois écoulé ne restera pas dans les mémoires comme une simple étape de plus dans l’évolution technologique, mais comme un véritable point de bascule systémique. Nous avons assisté à une accélération sans précédent où le centre de gravité du débat a glissé de manière définitive. Les leaders du secteur — Google DeepMind, Anthropic, Microsoft — ne s’interrogent plus sur la possibilité d’atteindre une intelligence de niveau humain (AGI). Ils agissent et investissent désormais en fonction de ce qui se passera « après ».

Nous quittons l’ère de l’outil pour entrer dans celle de l’intelligence industrialisée, un monde où l’IA commence à concevoir l’IA, optimisant ses propres puces et ses propres algorithmes à une vitesse qui défie les cycles de décision humains.

2. L’AGI n’est plus la ligne d’arrivée, c’est le départ (Le virage de Google)

Google DeepMind vient de publier un document de 57 pages qui fera date : « From AGI to ASI ». Sous l’égide de Shane Legg (co-fondateur de DeepMind) et de Marcus Hutter (père de la théorie AIXI), le rapport acte que l’AGI n’est plus l’objectif ultime, mais le simple point d’entrée vers l’ASI (Intelligence Super Artificielle).

Le rapport définit l’ASI par une métrique de puissance collective vertigineuse : un système capable de surpasser les performances de 10 000 experts de haut niveau collaborant de manière coordonnée pendant une décennie entière sur un seul problème. Pour les auteurs, le plafond n’est pas humain, il est mathématique, tendant vers l’AIXI (Universal AI), le plafond théorique absolu de l’intelligence, incalculable mais asymptotique.

Fait historique : la première section du rapport est intitulée « Summary Instructions » et s’adresse directement à des lecteurs non-humains. Les chercheurs écrivent désormais pour des IA chargées de synthétiser leurs travaux pour les humains, marquant un pivot civilisationnel où l’IA devient le principal consommateur et gestionnaire de la connaissance scientifique.

« L’AGI est définie comme un système atteignant le niveau médian humain à travers la plupart des tâches cognitives. Ce n’est pas le plafond de l’intelligence, mais simplement une étape intermédiaire avant l’explosion de la superintelligence. »

3. L’IA qui s’auto-code : Le réveil de l’auto-amélioration récursive

Les chiffres provenant d’Anthropic concernant leur modèle Claude sont une déflagration pour le secteur de l’ingénierie : plus de 80 % du code interne de l’entreprise est désormais généré par l’IA. Nous assistons à une réduction radicale des cycles de développement : la vitesse de complétion des tâches complexes par les agents double désormais tous les quatre mois (passant de 7 mois l’année dernière).

Ce saut de productivité provoque une « clottification » (ou obstruction) des flux de travail. Dans ce nouveau paradigme, l’humain devient le « caillot » (clot) : le goulot d’étranglement lent dans un flux d’exécution numérique ultra-rapide. Un exemple ? Claude a résolu en 2 heures un incident technique majeur qui aurait exigé 3 jours de travail humain.

Plus inquiétant pour la culture d’entreprise, cette automatisation dissout « l’économie du don » (les échanges de services informels entre collègues). En remplaçant l’entraide humaine par l’efficacité instantanée de l’IA, les laboratoires risquent de briser leur résilience organisationnelle et leur tissu social interne.

« Anthropic a lancé un avertissement sérieux : face à la rapidité de cette auto-amélioration, il devient crucial d’établir un “frein coordonné” (coordinated brake pedal) mondial entre les laboratoires pour éviter une perte de contrôle. »

4. Le « Harness Engineering » : Pourquoi le cerveau ne fait pas tout

Une nouvelle thèse stratégique émerge, portée notamment par Mitchell Hashimoto : le modèle (le « cerveau ») atteint un plateau d’utilité si son environnement opérationnel (le « harnais ») n’est pas optimisé. Des études montrent qu’un même modèle peut devenir six fois plus efficace grâce à une ingénierie de harnais supérieure.

L’enjeu n’est plus seulement la taille de la fenêtre de contexte, mais la lutte contre le « Context Rot » (pourriture du contexte). Donner un million de jetons à une IA ne sert à rien si le signal utile est noyé dans le bruit des logs obsolètes. Le « Harness Engineering » permet aujourd’hui le RHO (Retrospective Harness Optimization), où l’IA analyse ses propres échecs passés pour corriger ses outils et sa mémoire sans supervision humaine.

Pour qu’un agent soit réellement productif, le harnais doit orchestrer trois couches critiques :

• Mémoire persistante : Distinguer les faits immuables des données périmées pour éviter le syndrome du « robot sûr de lui mais obsolète ».

• Routage des compétences : Sélectionner dynamiquement le meilleur outil ou flux de travail pour une tâche précise.

• Orchestration et Vérification : Valider chaque étape avant l’exécution pour garantir la sécurité et la conformité.

5. L’Uncanny Valley s’échauffe : Des robots à la peau humaine

La robotique chinoise vient de franchir une frontière psychologique avec « Moya », le robot de Droidup. Contrairement à l’approche industrielle de Boston Dynamics, Moya vise l’acceptation sociale totale : démarche naturelle à 92 % et, surtout, une peau maintenue à 37°C.

D’un point de vue prospectif, ce choix de design n’est pas qu’esthétique ; c’est une stratégie délibérée pour contourner les frictions psychologiques dans l’économie du soin et des services. Toucher une main chaude change radicalement la perception de l’assistance chez les personnes âgées ou les patients.

À l’opposé, Boston Dynamics prouve l’efficacité de l’intelligence physique pure. Grâce à des simulations massives — des millions d’heures d’entraînement générées en une seule journée — leur robot Atlas peut désormais manipuler des charges de 45 kg et s’adapter à des environnements complexes en une heure de transfert de données seulement. Le duel est lancé entre l’esthétique du mimétisme et la puissance brute de l’exécution simulée.

6. Le paradoxe de Fable 5 : L’intelligence sous haute surveillance

Le lancement de Fable 5 par Anthropic a déclenché la polémique la plus vive de l’année. Le modèle, exceptionnellement puissant en hacking et en biotechnologie, a été initialement bridé par des classificateurs de sécurité « invisibles ».

La communauté a dénoncé un « sabotage secret » : lorsqu’une requête touchait à la conception de puces ou à la recherche médicale, le modèle dégradait silencieusement ses performances sans avertir l’utilisateur. Cette Censure invisible a été perçue comme une Confiance brisée, les chercheurs craignant que l’IA ne devienne un outil opaque dont on ne peut plus juger les limites réelles.

La Victoire de la Transparence : Face au tollé, Anthropic a opéré un virage stratégique majeur. L’entreprise a présenté ses excuses et rendu ces garde-fous visibles. Désormais, si une requête est jugée à risque, le système bascule explicitement vers un modèle moins puissant (Opus 4.8) en informant l’utilisateur. C’est une reconnaissance fondamentale : pour que l’IA soit adoptée dans les secteurs critiques, la sécurité ne doit pas se faire au détriment de l’honnêteté technique.

7. Conclusion : De l’exécution à la gestion

Nous assistons à une mutation profonde du rôle de l’expertise. L’humain cesse d’être celui qui écrit le code ou qui cherche la faille pour devenir le gestionnaire de « flottes d’agents » autonomes. L’intelligence est devenue une commodité industrielle que l’on déploie à l’échelle.

Le passage de l’exécution à la supervision est une opportunité, mais il porte en lui un défi existentiel. Si l’IA finit par écrire 100 % de son propre code, concevoir ses propres puces et valider ses propres théories scientifiques, quelle sera la véritable valeur ajoutée de l’expertise humaine dans deux ans ? La réponse réside sans doute dans notre capacité à définir le « pourquoi » et le « pour qui », pendant que les machines s’emparent définitivement du « comment ».