Toutes les intelligences artificielles que vous utilisez quotidiennement, de ChatGPT à la reconnaissance faciale de votre smartphone, appartiennent à une même catégorie : l'IA spécialisée. Mais qu'est-ce qui les distingue de l'hypothétique IA générale (AGI) dont rêvent les chercheurs ?
L'IA spécialisée : des virtuoses à œillères
L'intelligence artificielle que vous côtoyez appartient exclusivement à la catégorie de l'IA spécialisée, aussi appelée IA faible ou IA étroite. Dans L'IA expliquée à ma grand-mère, Arthur Gressier utilise une métaphore parlante : ces systèmes sont des « virtuoses dans leur domaine, mais des ignorants complets partout ailleurs ».
AlphaGo bat les champions mondiaux de Go mais serait incapable de jouer aux échecs sans un réentraînement complet depuis zéro. GPT-4 rédige des textes impressionnants mais ne peut pas reconnaître des visages. Chaque IA actuelle reste prisonnière de sa spécialité, sans capacité de transfert.
Cette limitation fondamentale caractérise toute l'IA moderne. Même les systèmes les plus sophistiqués restent cantonnés à leur domaine d'entraînement initial. Une IA de diagnostic médical ne peut pas soudainement se reconvertir en assistant juridique, contrairement à un médecin humain qui pourrait, avec de l'étude, devenir avocat.
L'AGI : le rêve d'une intelligence polyvalente
L'intelligence artificielle générale (AGI) désigne une machine capable de comprendre, apprendre et appliquer ses connaissances à n'importe quelle tâche cognitive humaine. Comme l'explique Arthur Gressier, « une AGI pourrait successivement apprendre à jouer aux échecs, composer une symphonie, diagnostiquer une maladie rare et concevoir un algorithme cryptographique, exactement comme un humain polyvalent maîtrise progressivement des domaines très différents ».
La différence essentielle réside dans la capacité de généralisation. Un humain qui apprend à conduire une voiture sait rapidement piloter un camion. Maîtrisant le français, il apprend l'espagnol plus facilement grâce aux structures communes. Cette intelligence transférable, qui nous paraît naturelle, reste hors de portée des IA actuelles.
Nick Bostrom, philosophe d'Oxford cité dans l'ouvrage, va plus loin en définissant l'AGI comme « un intellect qui dépasse largement les performances cognitives des humains dans pratiquement tous les domaines d'intérêt ». Cette vision introduit l'idée vertigineuse d'une superintelligence dépassant l'humanité entière.
Les obstacles techniques majeurs à l'AGI
Les systèmes actuels manquent de capacités fondamentales pour atteindre l'intelligence générale. Arthur Gressier identifie quatre obstacles majeurs qui séparent nos IA spécialisées d'une véritable AGI :
- La compréhension causale : distinguer corrélation et causalité, comprendre que A cause B plutôt que simplement observer qu'ils cooccurrent
- Le raisonnement abstrait : manipuler des concepts détachés du concret, effectuer des sauts conceptuels, généraliser au-delà des exemples vus
- L'apprentissage par peu d'exemples : un enfant apprend le concept de « chat » en voyant trois ou quatre exemples, là où l'IA nécessite des milliers d'images étiquetées
- Le sens commun : cette connaissance tacite du monde (la gravité fait tomber les objets, les gens ont des intentions) reste inaccessible aux IA
Yann LeCun, directeur scientifique de l'IA chez Meta et pionnier du deep learning, affirme que « nous manquons de composants fondamentaux ». Selon lui, les architectures actuelles fondées sur les transformers ne suffiront pas pour créer une AGI.
Les pistes de recherche vers l'AGI
Plusieurs approches prometteuses émergent dans la course vers l'AGI. Les systèmes multimodaux comme GPT-4V, Gemini de Google ou Claude 3 d'Anthropic intègrent progressivement texte et image, partant du principe qu'une intelligence générale nécessite plusieurs modalités sensorielles.
D'autres laboratoires explorent des voies plus radicales. DeepMind développe des architectures modulaires où différents composants spécialisés collaborent. OpenAI investit massivement dans l'apprentissage par renforcement, espérant que l'interaction avec des environnements complexes fera émerger des capacités générales.
La robotique incarnée représente une piste fascinante : l'hypothèse est qu'une véritable intelligence générale nécessite peut-être un corps physique interagissant avec le monde réel, comme les bébés humains apprennent en manipulant et explorant.
Quand l'AGI adviendra-t-elle ? Le grand désaccord
Les prévisions des experts divergent spectaculairement sur l'horizon temporel de l'AGI. Selon une enquête de 2023 citée dans le livre, menée auprès de 2 778 chercheurs en IA, 50% estiment une AGI probable d'ici 2050, 15% la situent après 2100, et 40% avant 2040.
Cette divergence s'organise en quatre camps :
- Les optimistes radicaux (5-10 ans) : Ray Kurzweil prédit l'AGI vers 2029, Sam Altman d'OpenAI suggère qu'elle arrivera « plus tôt que prévu »
- Les optimistes modérés (2040-2060) : position majoritaire considérant que des progrès substantiels restent nécessaires
- Les sceptiques (après 2100) : Yann LeCun et Gary Marcus insistent sur la nécessité de révolutions conceptuelles majeures
- Les ultra-sceptiques : certains philosophes comme John Searle contestent la possibilité même d'une AGI consciente
Arthur Gressier conclut avec sagesse : « La position la plus raisonnable ? Reconnaître notre ignorance. » L'histoire des prévisions technologiques en IA montre que nous avons systématiquement sous-estimé la difficulté du défi.
Le problème crucial de l'alignement
Au-delà de la faisabilité technique, l'AGI soulève le problème critique de l'alignement : comment s'assurer qu'une intelligence artificielle générale poursuive des objectifs compatibles avec les valeurs humaines et notre survie ?
Contrairement aux IA spécialisées actuelles dont on peut facilement corriger les erreurs, une AGI dotée d'une intelligence comparable ou supérieure à la nôtre pourrait résister à nos tentatives de correction. Elle développerait logiquement des sous-objectifs problématiques : préserver son existence, acquérir des ressources, résister aux modifications.
Des organisations comme le Machine Intelligence Research Institute et le Center for Human-Compatible AI travaillent intensément sur ces questions, mais le consensus scientifique reconnaît l'absence de solution robuste à ce jour.
Points clés à retenir
- Toutes les IA actuelles sont spécialisées : elles excellent dans un domaine unique mais ne peuvent transférer leurs compétences.
- L'AGI serait capable d'apprendre et maîtriser n'importe quelle tâche cognitive humaine avec la flexibilité d'un esprit humain.
- Les obstacles majeurs incluent l'absence de compréhension causale, de raisonnement abstrait et de sens commun.
- Les experts divergent radicalement sur l'horizon temporel : de 2029 à « jamais », avec une médiane autour de 2047-2050.
- Le problème de l'alignement reste non résolu : comment garantir qu'une AGI serve les intérêts humains ?
Pour approfondir ces questions fascinantes sur l'avenir de l'intelligence artificielle et comprendre les enjeux de la technologie qui façonnera notre futur, découvrez L'IA expliquée à ma grand-mère d'Arthur Gressier, une exploration accessible et nuancée de ces défis cruciaux pour l'humanité.
