Dépasser les débats stériles autour de l’AGI
Les capacités des intelligences artificielles progressent à une vitesse telle que la question de l’avènement de l’intelligence artificielle générale (AGI) divise les experts. Qu’est-ce qu’une AGI ? À partir de quel seuil peut-on parler d’AGI ? Quelles conséquences une telle IA aura-t-elle sur le travail, l’économie, la société, l’humanité en général… ?
Ces questionnements sont des pièges qui nous empêchent de réfléchir aux conséquences concrètes qu’aurait une IA aussi intelligente – voire plus intelligente – que la moyenne humaine sur nos existences.
Changer de perspective : se concentrer sur les capacités réelles
En effet, si nous limitons nos réflexions à la question suivante : dans quelle mesure les IA peuvent-elles égaler ou surpasser le raisonnement humain ?, la discussion prend une tournure bien plus tangible.
Un graphique récent, compilant les résultats de divers modèles d’IA au test de QI de Mensa Norvège, apporte un éclairage concret – et potentiellement lourd de conséquences – sur cette question.
Source : TrackingAI.org / MaximumTruth.org Project (basé sur le test Mensa Norvège)
Ce que révèlent les tests de QI
Ce graphique met en évidence des constats frappants :
Supériorité sur la moyenne humaine : Avec un QI humain moyen fixé à 100, de nombreux modèles d’IA actuels – tels que Claude-3 Opus, Gemini Advanced (Vision), GPT-4o (et sa version Vision), et Gemini 2.5 Pro Exp. – affichent des scores nettement supérieurs, se situant fréquemment entre 115 et 130+.
Progrès de l’Open Source : Des modèles open source comme Mistral et Llama-3.3 (autour de 90-100), ou encore Llama-3.2 (Vision) (vers 115-120), montrent également des capacités cognitives remarquables et en progression rapide, se rapprochant ou égalant une part significative de la population humaine sur ce type de mesure.
Capacités visio-cognitives : La performance des modèles "Vision" souligne leur aptitude à intégrer et raisonner à partir d’informations visuelles – une compétence clé dans de nombreuses activités.
Que signifient ces scores en pratique ?
Certes, un test de QI ne mesure pas l’intégralité de l’intelligence humaine (créativité, intelligence émotionnelle, bon sens contextuel…). Cependant, il évalue des compétences fondamentales : raisonnement logique, résolution de problèmes, identification de motifs, capacités spatiales. Ce sont précisément ces compétences cognitives qui sont au cœur d’un très grand nombre de métiers et de tâches intellectuelles aujourd’hui assurés par des humains.
Dès lors, la question n’est plus tant de savoir si une IA atteint un seuil théorique d’intelligence « générale », mais de constater une réalité plus immédiate : une IA qui obtient un score de QI de 120 ou 130 démontre, dans les domaines mesurés par le test, des capacités de raisonnement supérieures à celles d’une large partie de la population active humaine.
Ce qui importe réellement, c’est cette capacité démontrée de l’IA à effectuer un raisonnement complexe. Si une tâche repose principalement sur les types de compétences cognitives où l’IA excelle désormais (analyse de données, identification de schémas complexes, résolution logique de problèmes, etc.), il devient évident que l’IA possède le potentiel intrinsèque pour exécuter cette tâche, potentiellement aussi bien – voire mieux ou plus rapidement – que l’humain qui l’effectuait auparavant.
Par conséquent, plutôt que de se perdre dans des débats sur la définition exacte de l’intelligence artificielle « générale », il est plus pertinent de se concentrer sur les capacités que ces systèmes démontrent aujourd’hui. Le fait que les IA de pointe surpassent l’humain moyen sur des tests standardisés de raisonnement cognitif est un signal fort.
Vers une automatisation de l’intellect humain
Cela indique que nous entrons dans une ère où une part croissante des tâches intellectuelles, nécessitant des compétences mesurées par ces tests, peut potentiellement être automatisée ou assistée de manière significative par l’IA. La discussion essentielle porte donc sur l’impact concret de ces puissantes capacités de raisonnement sur le marché du travail, la productivité et la nature même des métiers qui reposent sur l’intellect humain.
Nous ne sommes qu’au début de cette évolution. Les modèles open source vont continuer à challenger les modèles propriétaires, au point de commoditiser l’intelligence : rendre l’intelligence artificielle aussi efficace que l’intelligence humaine pour un coût quasi nul comparé au coût horaire d’un cerveau humain.
Une rupture imminente pour les cols blancs ?
Cette étape devrait être atteinte sans aucun doute avant la fin de la décennie – possiblement même d’ici 24 mois selon certains. Cela signifierait que les cols blancs seront en très grande majorité disruptés par l’IA.
La prochaine frontière : l’espace physique
Mais l’étape suivante, c’est celle de la robotique – et plus précisément de la robotique humanoïde. Autrement dit, la colonisation de l’espace physique par l’IA et les robots. À partir de 2030, ces machines pourraient combiner la dextérité des chirurgiens, des couturiers, des artisans les plus doués, et SIMULTANÉMENT l’intelligence d’un polytechnicien ET la patience et l’empathie des psychologues les plus investis… 🤯
Et nous, que nous restera-t-il ?
Que restera-t-il alors à nos mains, nos cœurs et nos cerveaux biologiques ?
Cette question vous paraît peut-être inepte aujourd'hui, mais c’est probablement la question la plus fondamentale des années 2030.