Le 3 septembre de l’année dernière, Greg Brockman, président d’OpenAI, annonçait la sortie de GPT-6 Astra, un nouveau modèle d’intelligence artificielle, et déclarait : « Bienvenue dans l’ère de l’AGI. » L’AGI, ou intelligence générale artificielle, désigne une forme théorique d’IA capable de rivaliser avec les capacités humaines dans tous les domaines. À peine trois jours plus tard, Jensen Huang, PDG de Nvidia, une entreprise qui fournit les puces puissantes utilisées pour entraîner ces modèles, écrivait sur X : « L’AGI est arrivée. » Pourtant, en été 2025, Sam Altman, PDG d’OpenAI, jugeait encore le terme « peu utile », illustrant ainsi le débat persistant autour de la véritable signification de l’AGI. L’annonce d’OpenAI pourrait avoir été influencée par un contrat de longue date avec Microsoft, en place depuis 2019. Cet accord faisait de l’AGI un jalon crucial, car au jour où OpenAI atteindrait l’AGI, Microsoft perdrait une partie de ses droits sur les technologies de l’entreprise. La définition de l’AGI avait des implications financières majeures et a été révisée à plusieurs reprises au cours des négociations, passant d’une formule vague en 2019 à un seuil de 100 milliards de dollars de profits, selon le média The Information fin 2024, puis à une validation par un panel d’experts indépendants en octobre 2025. Le 27 avril 2026, la clause relative à l’AGI a été retirée du contrat, et le terme a été officiellement annoncé 129 jours plus tard. Ce calendrier est devenu significatif, car OpenAI et son concurrent Anthropic avaient déposé des documents confidentiels pour une introduction en Bourse en juin, et générer de l’engouement avec une annonce à moindre coût était précieux à cette période. Nvidia, qui fournit les puces utilisées pour entraîner Astra et est également actionnaire d’OpenAI, n’est pas un observateur neutre dans ce débat. La définition de l’AGI est influencée par l’entreprise qui fournit le matériel, à l’image d’un thermomètre calibré par le vendeur du système de chauffage. Les directeurs des ressources humaines, les gouvernements préparant des réglementations et les employés s’interrogeant sur la sécurité de leur emploi s’appuient tous sur un système de mesure créé et nommé par le vendeur. L’AGI est ainsi devenue la seule catégorie du secteur sans arbitre reconnu, ce qui en fait la seule où OpenAI ne peut pas perdre. Malgré ces affirmations, les performances d’Astra, mesurées par divers tests, soulèvent des questions sur ses capacités. ARC Prize, l’organisation qui gère ARC-AGI-3, l’un des tests de raisonnement les plus exigeants du domaine, a évalué Astra de deux manières différentes. Le modèle a obtenu un taux de réussite de 99,9 % en utilisant un dispositif spécial conçu pour lui permettre de conserver son raisonnement d’une question à l’autre, mais seulement 62,7 % avec le dispositif standard commun à tous les modèles. Le même modèle passant le même examen affichait donc une différence de 37 points selon son environnement, et la fondation elle-même notait que « réussir son test ne constituerait pas une preuve d’AGI. » Sur FrontierMath, un autre test de mathématiques mis en avant lors du lancement, OpenAI a financé la conception du test et avait accès à la plupart de ses problèmes et solutions, ce qui revient à passer un examen où une partie du sujet est connue à l’avance. Comme personne ne s’accorde sur la définition de l’AGI ni sur la manière de la mesurer, les résultats dépendent autant du dispositif de test que de l’intelligence du modèle, et cet écart a une traduction très concrète dans le monde des affaires. Deux équipes utilisant le même abonnement à un outil d’IA obtiennent rarement les mêmes résultats, la différence ne provenant pas de l’outil lui-même, mais de la façon dont les processus sont décrits, dont les données sont préparées et dont les employés savent formuler une requête et vérifier la réponse. Ce que les laboratoires appellent le dispositif autour du modèle, une entreprise l’appelle son organisation, et une organisation se construit par la formation. Astra reste un excellent modèle, et cette bonne nouvelle n’avait pas besoin d’être exagérée. OpenAI attribue des résultats sans précédent en mathématiques sur les écarts entre nombres premiers, qui restent à valider par la communauté scientifique, et ses performances la placent au niveau de Fable 5.1, l’un des modèles les plus avancés d’Anthropic. La course se poursuit sans qu’aucun indice ne suggère que les grands modèles de langage, la technologie qui alimente ces outils, aient atteint leur apogée. Pourtant, Astra n’obtient que 41,4 % sur AutomationBench, un test qui mesure l’enchaînement de plusieurs étapes dans des applications professionnelles, ce qui signifie qu’un modèle capable d’avancer dans la recherche mathématique échoue encore plus d’une fois sur deux à enchaîner les actions qu’un assistant administratif effectue au quotidien. Voici le vrai portrait de l’IA actuelle : brillante dans certains domaines, fragile dans d’autres, et très loin d’une intelligence capable d’agir dans tous les domaines et de comprendre le monde qui l’entoure. Une majorité de chercheurs doutent cependant que les grands modèles de langage suffisent à y parvenir, puisque 76 % des 475 chercheurs interrogés en mars 2025 par l’Association américaine pour l’intelligence artificielle (AAAI) estimaient improbable qu’une simple augmentation des approches actuelles y mène. L’attention se tourne désormais vers d’autres architectures, comme les « modèles du monde », conçus pour représenter le fonctionnement du monde réel. Ce qui disparaît en premier, ce ne sont donc pas les emplois, mais les gestes qui relient deux applications logicielles, comme copier des données d’un tableur vers un fichier client, réémettre une facture ou compiler trois exports dans un tableau de bord. Ces tâches, qui n’apparaissent sur aucune fiche de poste mais occupent des journées entières, sont automatisées, libérant du temps pour ce que la machine ne peut pas faire, à condition que les employés sachent eux-mêmes concevoir ces automatisations. Plutôt que de débattre d’une AGI dont personne ne partage la définition, l’Europe aurait tout intérêt à exiger des critères indépendants pour mesurer ce que l’IA sait réellement faire et à former massivement ses employés et demandeurs d’emploi à l’utiliser, car l’AGI peut attendre, mais l’élévation des compétences, non.