Le harnais, ce détail que tout le monde saute
99,9 % pour la machine, 48 % pour l’humain selon l’estimation d’OpenAI. C’est le chiffre qui a fait le tour du monde pour GPT-6 Astra sur ARC-AGI-3, un banc d’essai où un agent doit deviner les règles de petits jeux interactifs qu’il n’a jamais vus. Le même modèle, passé dans le harnais fourni par ARC Prize, plafonne à 62,7 %. Un harnais, pour faire court, c’est l’environnement logiciel dans lequel l’IA travaille. Celui qu’OpenAI a bâti pour Astra conserve le raisonnement du modèle entre deux requêtes. Celui d’ARC Prize, non.
Tout est là. Le chiffre headline mesure une performance obtenue avec un outil maison qui garde la mémoire du travail précédent. Le chiffre du concurrent mesure la même bête dans des conditions neutres. Les deux sont exacts. Un seul a fini dans les slides.
Greg Brockman, président d’OpenAI, a profité d’un point presse à huis clos en septembre pour lâcher que, pour lui, « on y est ». Rapporté par VentureBeat. Et dans la même respiration, il a admis l’inverse de ce que la phrase suggère : à la création d’OpenAI, ils imaginaient un moment bien défini que tout le monde reconnaîtrait, et ça ne s’est pas passé comme ça. L’AGI serait donc arrivée, mais personne ne peut le vérifier, puisqu’il n’existe aucun point de bascule identifiable. C’est furieusement pratique.
Trois définitions, trois périmètres commerciaux
OpenAI définit l’AGI comme un système qui surpasse les humains sur la majorité du travail économiquement rentable, tâches numériques et cognitives. Le travail physique reste dehors, pour l’instant. Demis Hassabis (Google DeepMind) parle de « à peu près n’importe quelle tâche cognitive qu’un humain peut faire ». Yann LeCun, lui, trouve le mot AGI foireux et préfère « IA de niveau humain ».
Trois hommes, trois définitions, et derrière chacune un périmètre différent. Quand ton critère est « le travail économiquement rentable », il suffit que le modèle code et gère des projets pour cocher la case. Quand ton critère est « n’importe quelle tâche cognitive », il faut encore qu’il réussisse les petites choses. Toby Walsh, de l’UNSW, a résumé ça à Al Jazeera : l’intelligence des meilleurs modèles reste « très déchiquetée », il y a des trucs simples qu’ils ratent encore.
Ce qui a réellement changé avec Astra, c’est l’usage. Les modèles d’avant réclamaient une instruction par étape. Astra prend un objectif et des bornes, et déroule la séquence tout seul. OpenAI a montré le modèle en train de gérer plusieurs tâches sans rapport en parallèle. Ça, l’utilisateur le sent dès la première journée. Ça ne dit rien sur l’AGI.
Les évaluateurs indépendants ne suivent qu’à moitié
Epoch AI place Astra à la frontière, aux côtés de Claude Fable 5.1, de Kimi K3 (dont la version 3.1 Pro est annoncée pour le 4 novembre) et de GPT-5.5 Pro. Artificial Analysis ne le voit pas radicalement au-dessus de son prédécesseur GPT-5.6 Sol. Deux instituts, deux lectures, et personne pour parler d’un saut d’espèce.
L’exemple le plus parlant, c’est Navier-Stokes. Le 8 septembre 2026, OpenAI annonce avoir résolu l’un des sept problèmes du millénaire. La presse l’attribue à Astra. Faux, et la boîte le dit elle-même : la preuve sort d’un modèle interne non publié, nettement plus capable qu’Astra, avec environ 10 000 agents lancés en parallèle pendant à peu près 88 heures. Astra, lui, a passé 17 heures à formaliser et vérifier le résultat. La communauté mathématique n’a pas encore validé.
Donc le coup d’éclat vient d’une machine qu’on ne te vendra pas, et le rôle du produit phare, c’est la paperasse de vérification. Voilà peut-être le détail le plus intéressant du dossier : le travail qui compte est devenu celui qu’on ne montre pas.
Le même mois, le patron d’Anthropic demande de freiner
Dario Amodei a publié un essai, « We must pace the frontier », pour réclamer un ralentissement du secteur. Sam Altman et Elon Musk ont signalé leur accord dans les heures qui ont suivi. Le même Amodei écrit que dans six à douze mois, un essaim d’agents pourrait prendre le contrôle d’une partie d’internet avec un botnet persistant, provoquer la défaillance de systèmes critiques et coûter plusieurs centaines de milliards de dollars.
Le rapport de menaces de septembre d’Anthropic sort les cas concrets. Un groupe au nord du Yémen a utilisé Claude Code pour du logiciel de guidage de roquettes et de missile. Des opérateurs russes et chinois ont automatisé de l’espionnage. Un individu francophone a monté une plateforme qui rend consultables des données personnelles sur des gens liés à un mouvement politique ciblé. À chaque fois, un humain a choisi la cible, le modèle a fourni la main-d’œuvre.
Voilà la capacité qui progresse vraiment : pas le génie autonome, la force de travail bon marché et rapide. Ce qui tombe pile dans la définition d’OpenAI. Un modèle qui abat la majorité du travail économiquement rentable, c’est exactement ce que décrivent ces trois affaires. La question de l’AGI n’est donc pas scientifique, elle est comptable, et le chronomètre appartient à celui qui vend.
Pendant ce temps, le marché a déjà tranché
Loin de ces débats, un service baptisé Come Back and Back AI propose de transformer une photo par danseur en dix secondes de MP4 sur une chorégraphie TikTok, moyennant un crédit vidéo. Pas de benchmark, un bouton, une liste d’attente. Une seule règle claire dans tout ce fatras : l’article 50 du règlement européen sur l’IA, applicable depuis le 2 août 2026, oblige à signaler une vidéo réaliste de personnes générée ou modifiée par une IA, avec une obligation allégée pour les œuvres manifestement artistiques ou satiriques. Une étiquette. C’est tout ce qu’on sait exiger aujourd’hui.
Alors, l’AGI est-elle là ? Personne n’en sait rien, et surtout personne n’a intérêt à ce que la réponse devienne vérifiable. Le président d’OpenAI dit « on y est » sans pouvoir le prouver, ses propres benchmarks changent de valeur selon le logiciel qui les héberge, et le problème du millénaire a été torché par un modèle que tu ne verras jamais pendant que le produit sous ton nez faisait de la relecture. En attendant, une photo de toi suffit à te faire danser. C’est peut-être ça, le niveau humain : faire beaucoup de choses très vite sans jamais expliquer comment.
Sources :
Comments are closed