Des dirigeants de l'IA annoncent l'intelligence générale artificielle déjà atteinte ou imminente. Judea Pearl, scientifique en informatique, défend une autre lecture : les prouesses de l'apprentissage profond ne constituent pas, à ses yeux, une intelligence sans compréhension des relations causales.
Brockman et Huang disent l'AGI atteinte
Greg Brockman, cofondateur et président d'OpenAI, et Jensen Huang, ancien PDG de Nvidia, ont affirmé que l'arrivée de modèles récents marquait l'accès à l'AGI. Ces déclarations s'inscrivent dans une série de prises de position de dirigeants présentant ce seuil comme franchi ou proche.
L'ancien président américain Donald Trump a, lui, évoqué la "super intelligence", estimant que l'expression "intelligence artificielle" était devenue redondante. Pourtant, la superintelligence artificielle, ou ASI, correspond déjà à un concept défini en science, et aucune base n'est avancée pour affirmer que ce jalon a été atteint.
Pearl fait de la causalité le critère manquant
Pour Judea Pearl, les systèmes actuels restent loin de l'AGI : leur aptitude à imiter ne remplace pas une compréhension des causes et de leurs effets. Il souligne que ces systèmes s'appuient sur des modèles statistiques pour générer des résultats, sans véritable compréhension causale. Cette distinction sépare, selon lui, des capacités spectaculaires d'une intelligence authentique.
L’IA qui transforme le business ?
Stratégies, mouvements et levées IA décryptés, chaque soir en 5 min. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisissez votre rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
Pionnier de l'IA, Pearl a contribué à l'approche probabiliste qui sous-tend l'apprentissage profond, ce qui lui a valu le prix Turing en 2011. Dans The Book of Why, consacré au rôle de la causalité dans les transformations scientifiques, il confronte dès le premier chapitre la vision initiale des machines intelligentes aux systèmes contemporains.
Les transformateurs restent la base des modèles de langage
La reconnaissance d'images, la traduction multilingue et les conversations en temps réel comptent parmi les avancées rendues possibles par l'apprentissage profond. Les modèles de langage modernes reposent sur l'architecture des transformateurs, issue d'un travail fondateur de scientifiques de Google. The Book of Why est paru un an après cette avancée.
Les familles GPT-6 Astra et Gemini 4 de Google sont annoncées comme modèles à venir, mais elles continueraient de s'appuyer sur les mêmes cadres et architectures que les modèles de langage existants.






