Jensen Huang affirme que 'nous avons atteint l'AGI', provoquant un vif débat dans l'industrie

Le PDG de NVIDIA, Jensen Huang, a déclaré que l'intelligence artificielle générale (AGI) a déjà été atteinte lors d'un entretien approfondi sur le podcast de Lex Fridman, épisode #494, publié le 23 mars 2026. Cette affirmation audacieuse a immédiatement déclenché un débat intense dans la communauté de recherche en IA, les experts remettant en question aussi bien la déclaration que la définition même de l'AGI.

Ce que Huang a déclaré

Lorsque Fridman a demandé combien de temps il faudrait à l'IA pour innover, trouver des clients et gérer une équipe afin de construire une entreprise valant un milliard de dollars, Huang a répondu simplement : "Je pense que c'est maintenant. Je pense que nous avons atteint l'AGI."

Il a soutenu qu'il n'est "pas exclu" qu'un modèle comme Claude puisse créer un service web utilisé par des milliards de personnes, générant une valeur massive — même si ce succès s'avérait éphémère. Pour Huang, la capacité des systèmes d'IA actuels à performer au niveau humain ou au-dessus dans un large éventail de tâches constitue l'AGI.

Les chercheurs contestent

La déclaration est tombée quelques jours seulement après que plusieurs équipes de recherche ont publié des cadres rigoureux pour mesurer l'AGI — des cadres qui suggèrent que les systèmes actuels sont encore loin du compte.

Google DeepMind a publié un article proposant une évaluation sur 10 facultés cognitives, incluant la perception, le raisonnement, la mémoire, l'apprentissage, l'attention et la cognition sociale. Leur cadre exige une performance médiane d'adulte humain dans tous les domaines — un seuil qu'aucun modèle actuel ne franchit.

Le modèle Hendrycks-Bengio définit l'AGI comme correspondant à "la polyvalence cognitive et la compétence d'un adulte bien éduqué." Selon ce cadre, GPT-5 n'obtient qu'un score de conformité de 57 %, bien en dessous du seuil requis.

OpenAI elle-même aurait défini l'AGI en interne comme une technologie générant au moins 100 milliards de dollars de profits annuels — un seuil dont l'entreprise est encore loin malgré des revenus récents de 13 milliards de dollars.

Le problème du profil cognitif irrégulier

Les critiques soulignent ce que les chercheurs appellent le "profil cognitif irrégulier" des modèles de pointe actuels. Si l'IA excelle en mathématiques, en rappel factuel et en génération de code, elle peine systématiquement dans l'apprentissage basé sur l'expérience, la mémoire à long terme, la compréhension sociale et le raisonnement abstrait flexible testé par des benchmarks comme ARC-AGI.

Ces puzzles visuels exigent un apprentissage indépendant du domaine et une résolution créative de problèmes — précisément les capacités qui distinguent la cognition humaine de la correspondance de motifs à grande échelle.

Pourquoi les définitions comptent

L'absence d'une définition universellement acceptée de l'AGI permet aux entreprises de revendiquer stratégiquement des progrès. Pour NVIDIA, dont la valorisation de 4 000 milliards de dollars dépend fortement du récit justifiant les dépenses en infrastructure IA, déclarer que l'AGI est "atteinte" sert des intérêts commerciaux évidents.

Pour les chercheurs axés sur la sécurité et l'alignement, les déclarations prématurées d'AGI risquent de gonfler les attentes, de détourner l'attention des limitations réelles et potentiellement de réduire l'urgence autour de la recherche en sécurité pour des systèmes véritablement transformateurs.

Le contexte plus large

L'entretien de Huang a couvert l'ingénierie avancée de NVIDIA, les lois de mise à l'échelle de l'IA, les défis des centres de données, et même la possibilité de centres de données IA dans l'espace. Le segment sur l'AGI, commençant vers la deuxième heure, est devenu la partie la plus discutée d'une conversation de trois heures.

Ce débat survient à un moment charnière. Les entreprises d'IA ont levé des financements records — OpenAI a clôturé un tour de 110 milliards de dollars et Anthropic une Series G de 30 milliards de dollars ces derniers mois — tandis que les interrogations sur les modèles économiques durables et les améliorations réelles des capacités se font plus pressantes.

Et maintenant ?

Que l'IA actuelle soit qualifiée d'AGI ou non dépend entièrement de la définition que vous acceptez. Ce qui est clair, c'est que le fossé entre les déclarations des entreprises et le consensus scientifique sur les capacités de l'IA continue de se creuser — et les enjeux de ce fossé, mesurés en milliers de milliards de dollars d'investissement en infrastructure, n'ont jamais été aussi élevés.

Source : Fortune