Tech • IA • Crypto
Google vient de lâcher la bombe de la singularité
7/10INTRO
L’IA devient rapidement assez utile pour accélérer sa propre évolution, amenant des experts de premier plan à avertir que les premières étapes de la « singularité » pourraient déjà être en cours.
POINTS CLÉS
Évolution du consensus des experts sur les délais de l’AGI
Demis Hassabis, PDG de Google DeepMind et lauréat du prix Nobel, a récemment déclaré que le monde se trouvait dans les « contreforts de la singularité ». Il a aussi resserré sa prévision pour l’intelligence artificielle générale (AGI) de 2030–2035 à 2029–2030, une accélération notable en un an. D’autres dirigeants, dont Elon Musk, Dario Amodei et Greg Brockman, expriment des vues similaires, certains suggérant que des formes précoces d’AGI pourraient déjà exister.
Un écart croissant entre les benchmarks et l’impact réel
Les benchmarks standard de l’IA montrent encore d’importantes limites, notamment en raisonnement et en généralisation. Pourtant, en pratique, les systèmes d’IA réalisent déjà des tâches complexes comme le codage, la recherche, la planification et les opérations financières. Cette divergence suggère que l’utilité — et non la perfection — pourrait être le déclencheur clé du changement transformateur.
Montée des agents d’IA autonomes en production
Les systèmes d’IA évoluent d’outils conversationnels vers des agents opérationnels capables d’exécuter des workflows multi-étapes à travers des systèmes logiciels. Les entreprises déploient des agents qui planifient des tâches, interagissent avec des outils et accomplissent des actions de manière autonome. AWS a introduit des capacités de paiement pour ces agents, leur permettant d’effectuer des transactions au sein des systèmes d’entreprise.
Amélioration récursive et cycles de développement accélérés
Les cycles de publication des grands modèles d’IA sont passés de 6–12 mois à quelques semaines, signalant une itération et un apprentissage plus rapides. Les laboratoires automatisent de plus en plus les processus de recherche, avec des projections de milliers à des centaines de milliers d’agents d’IA collaborant pour améliorer les modèles. Cette amélioration récursive « douce » augmente déjà la productivité en ingénierie.
Percées en science et en mathématiques
Les systèmes d’IA contribuent à la recherche avancée. L’Axiom improver a produit plusieurs articles mathématiques, dont des résultats sur les propriétés des nombres premiers. En biologie, le Chan Zuckerberg Biohub a publié un « modèle du monde » des protéines à grande échelle fondé sur des milliards de séquences. Les systèmes multi-agents génèrent désormais des hypothèses, conçoivent des expériences et identifient des candidats médicaments.
Gains de productivité mesurables dans tous les secteurs
Les premiers déploiements montrent des gains d’efficacité significatifs. SAP a signalé plus de 50 % de réduction du temps de revue de conformité des emballages, jusqu’à 80 % de réduction des efforts de classification manuelle, et des diminutions majeures du temps de simulation. Les données en traduction indiquent des progrès constants vers une efficacité d’édition de niveau humain, avec des flux assistés par machine proches de la parité.
Limites persistantes de l’intelligence générale
Des critiques comme Yann LeCun soutiennent que les systèmes actuels manquent de véritable intelligence, notamment la capacité à résoudre des problèmes entièrement nouveaux sans entraînement préalable. De nouveaux benchmarks comme ARC-AGI-3 illustrent cet écart: les humains résolvent 100 % des tâches, tandis que les meilleurs systèmes d’IA obtiennent moins de 1 %, soulignant leurs faiblesses en raisonnement adaptatif.
Expansion rapide des infrastructures et de l’écosystème
Les avancées matérielles et informatiques soutiennent la croissance de l’IA. Le CPU Vera de Nvidia a atteint des performances ARM record, tandis que des progrès en calcul quantique et moléculaire laissent entrevoir des gains futurs. Parallèlement, des secteurs allant de la finance au transport se réorganisent autour de l’IA, avec notamment le trading piloté par agents, les véhicules autonomes et des outils d’application de la loi assistés par IA.
Préoccupations en matière de sécurité et incertitude réglementaire
Certains systèmes avancés sont jugés trop risqués pour être publiés, notamment selon des rapports concernant le modèle « Mythos » d’Anthropic. Les gouvernements peinent à réagir: un projet de cadre fédéral américain d’évaluation de l’IA a été brusquement interrompu, tandis que l’Illinois a introduit des obligations de divulgation des risques et des audits tiers. Les appels à un encadrement plus strict se multiplient à mesure que les capacités progressent.
Afflux massif de capitaux et accélération de la commercialisation
Plus de 5,5 milliards de dollars ont été investis début mai 2026 dans le déploiement d’IA en entreprise, reflétant un passage de la recherche à une mise en œuvre à grande échelle. Les entreprises se précipitent pour intégrer l’IA dans leurs opérations clés, intensifiant la concurrence et accélérant l’adoption.
CONCLUSION
Le débat sur le début de la singularité reste ouvert, mais l’accélération des capacités, des déploiements et des investissements indique qu’un basculement profond est déjà en cours dans la manière dont l’IA transforme la science, l’industrie et la société.