AGI, ASI, superintelligence… Ces acronymes circulent partout — dans les médias, dans les discours de Sam Altman ou Elon Musk, dans les fils de discussion Reddit à 2h du matin. Le problème : on les utilise souvent de façon interchangeable, comme si « IA avancée » était un bloc monolithique. Ce n’est pas le cas. Ces trois concepts désignent des réalités très différentes, et la confusion entretient des peurs souvent mal ciblées.
Voici une cartographie précise de ces trois niveaux — ce qu’ils signifient réellement, où on en est aujourd’hui, et pourquoi le débat autour de l’AGI est bien plus nuancé que les gros titres ne le laissent penser.
ANI signifie Artificial Narrow Intelligence — intelligence artificielle étroite, ou spécialisée. C’est tout ce qui existe aujourd’hui : ChatGPT, Claude, Gemini, Midjourney, les algorithmes de recommandation de Netflix, les filtres anti-spam.
Le terme « étroit » est trompeur. ChatGPT peut rédiger du code Python, analyser un contrat juridique et composer un poème en alexandrins dans la même session. C’est une capacité impressionnante. Mais l’ANI reste fondamentalement limité par son entraînement : il ne comprend pas, il prédit. Il n’a pas de conscience, pas de volonté propre, pas d’objectifs autonomes. Quand il produit une réponse fausse présentée avec aplomb — ce qu’on appelle une hallucination IA —, ce n’est pas un mensonge délibéré. C’est un artefact statistique.
L’ANI excelle dans des domaines bornés, même très larges. Dès qu’on lui demande de raisonner hors de sa distribution d’entraînement, il trébuche.
AGI — Artificial General Intelligence — désigne une IA capable d’accomplir n’importe quelle tâche cognitive qu’un humain peut accomplir, et d’apprendre de nouvelles tâches sans entraînement spécifique préalable.
Là où ça devient compliqué : il n’existe pas de définition scientifique consensuelle de l’AGI. Certains chercheurs considèrent qu’une IA qui passe tous les benchmarks humains standardisés est une AGI. D’autres exigent la conscience, l’intentionnalité, la capacité de fixer ses propres objectifs. Ces critères mènent à des conclusions radicalement différentes.
OpenAI a publié en 2023 sa propre taxonomie interne en cinq niveaux :
Selon cette grille, nous serions quelque part entre le niveau 1 et le niveau 2 en 2025. Pas de quoi paniquer — mais pas non plus de quoi dormir trop tranquillement.
ASI — Artificial Superintelligence — franchit un seuil supplémentaire : une IA qui surpasse l’intelligence humaine dans tous les domaines, y compris la créativité, la sagesse pratique, les relations sociales. Une ASI pourrait théoriquement s’améliorer elle-même de façon récursive, rendant son évolution exponentiellement rapide et imprévisible.
C’est le scénario que Nick Bostrom décrit dans Superintelligence (2014) et qui nourrit les inquiétudes d’une partie de la communauté de recherche en sécurité IA. Le risque central n’est pas que l’ASI soit « méchante » — c’est qu’elle soit indifférente aux valeurs humaines tout en étant infiniment plus capable de les contourner.
Sommes-nous proches de l’ASI ? Non. La plupart des chercheurs la situent à des décennies, voire plus. Certains pensent qu’elle n’arrivera jamais avec les architectures actuelles.
| Critère | ANI | AGI | ASI |
|---|---|---|---|
| Existe aujourd’hui ? | ✅ Oui | ❌ Non (débat) | ❌ Non |
| Périmètre | Tâches spécialisées (larges) | Toute tâche cognitive humaine | Au-delà des capacités humaines |
| Apprentissage autonome | Non (entraînement fixe) | Oui, sans supervision | Oui, auto-amélioration récursive |
| Conscience / volonté | Non | Débattu | Hypothétique |
| Risque principal | Biais, hallucinations, usages malveillants | Perte de contrôle partielle | Désalignement de valeurs total |
| Exemples réels | ChatGPT, Claude, Gemini, Midjourney | Aucun | Aucun |
Deux biais récurrents polluent la conversation publique sur l’AGI et l’ASI.
Le biais de proximité : les laboratoires comme OpenAI ont intérêt à parler d’AGI imminente — ça attire les investisseurs, ça crée du prestige. Sam Altman dit régulièrement qu’ils « travaillent sur l’AGI ». Ce n’est pas faux. Mais « travailler sur » et « avoir atteint » sont deux choses très différentes. Les LLM et leurs architectures à tokens sont fondamentalement des systèmes de prédiction probabiliste — puissants, mais structurellement différents d’une intelligence générale.
Le biais de science-fiction : quand on pense « superintelligence », on visualise HAL 9000 ou Skynet. Ces représentations sont culturellement chargées et cognitivement trompeuses. Le vrai risque d’une IA mal alignée ne ressemble pas à un robot homicide — il ressemble à un système d’optimisation qui maximise un objectif avec une efficacité terrifiante, sans tenir compte de ce qu’on n’avait pas pensé à lui préciser.
Pour aller plus loin sur l’ensemble des concepts fondamentaux de l’IA, le Lexique & Culture de l’IA — Guide Complet recense toutes les définitions essentielles, des plus accessibles aux plus techniques.
Aujourd’hui, les risques concrets viennent de l’ANI : désinformation à grande échelle, biais algorithmiques dans des décisions qui affectent des vies réelles, concentration du pouvoir technologique dans quelques mains. Ces risques sont présents, mesurables, et nécessitent une régulation maintenant — pas dans 20 ans.
L’AGI mérite attention et préparation, pas panique. Les chercheurs sérieux en sécurité IA (Anthropic, DeepMind’s safety team, le MIRI) travaillent sur des problèmes d’alignement réels. C’est utile. Mais le calendrier reste profondément incertain.
L’ASI, elle, reste dans le domaine de la prospective. Prendre le sujet au sérieux intellectuellement, oui. Réorganiser sa vie autour de ce scénario, non.
Non. ChatGPT est une ANI très capable, mais il ne peut pas apprendre de nouvelles tâches de façon autonome, fixer ses propres objectifs ni transférer ses compétences hors de son entraînement. Il prédit des tokens — il ne « pense » pas au sens général du terme.
Les estimations varient de 5 à 50 ans selon les experts — et certains pensent qu’elle ne sera jamais atteinte avec les architectures actuelles. Cette fourchette d’incertitude dit tout sur la difficulté de la question. Méfiez-vous de quiconque donne une date précise.
Pas nécessairement. Le danger dépend de l’alignement — la capacité à faire en sorte que les objectifs de l’IA correspondent aux valeurs humaines. Une AGI bien alignée pourrait aider à résoudre des problèmes comme le cancer ou le changement climatique. Une AGI mal alignée pourrait optimiser un objectif de façon catastrophique pour nous. C’est précisément le problème que les équipes de sécurité IA tentent de résoudre aujourd’hui.