AGI d'ici 2028 : révolution technologique ou bulle à plusieurs milliards ?
L'AGI arrive-t-elle vraiment en 2028 ? Enjeu économique, risque d'emploi et pari industriel : les clés pour comprendre la course mondiale.
D’ici deux ans, certains dirigeants de la Silicon Valley estiment que l’Intelligence Artificielle Générale (AGI) pourrait devenir une réalité opérationnelle.
Si ce scénario se confirme, les systèmes d’IA seraient capables d’exécuter la majorité des tâches cognitives à valeur économique au niveau humain. Si, en revanche, cette projection s’avère prématurée, nous assisterions à l’un des plus vastes cycles de surinvestissement technologique de l’histoire récente.
Le débat n’est plus théorique. Il est désormais industriel, stratégique et macroéconomique.
La question n’est plus seulement quand l’AGI émergera, mais selon quelle architecture, avec quelles implications pour l’emploi, et à quel niveau de risque systémique.
I. Comprendre le spectre de l’AGI
- L’AGI minimale : la parité cognitive humaine
On peut définir une AGI minimale comme un ensemble d’agents capables d’accomplir l’ensemble des tâches cognitives humaines : raisonnement, planification, résolution de problèmes, gestion de projets.
Il ne s’agit pas d’émotions artificielles ou de conscience, mais de performance opérationnelle.
Un indicateur pertinent pourrait être le “critère de surprise” : nous atteindrons ce seuil lorsque les erreurs d’un système d’IA seront aussi prévisibles et aussi rares que celles d’un expert humain dans un domaine donné.
À ce stade, l’IA ne serait pas parfaite. Elle serait économiquement substituable.
- AGI émergente et domination spécialisée
Au-delà de la parité, une seconde phase consisterait en des systèmes capables de produire des connaissances originales :
- Génération d’hypothèses scientifiques inédites
- Découvertes mathématiques
- Innovation technologique autonome
- Création artistique différenciante
Le passage clé n’est plus l’automatisation, mais l’innovation.
Pour les entreprises, cela signifierait un basculement du rôle de l’IA : d’outil d’optimisation à moteur stratégique.
- Vers une super-intelligence ?
L’hypothèse d’une intelligence artificielle dépassant largement les capacités humaines reste spéculative, mais elle influence déjà les décisions d’investissement et les politiques publiques.
À ce stade, le débat porte moins sur la science-fiction que sur la capacité des États et des organisations à encadrer des systèmes dont la complexité dépasserait les modèles traditionnels de gouvernance.
II. Le grand clivage : puissance de calcul ou modèle du monde ?
Le secteur est aujourd’hui divisé entre deux visions structurantes.
- L’approche “infrastructure” : l’intelligence par la puissance
Certains dirigeants technologiques avancent que l’AGI pourrait émerger d’ici 2028 grâce à l’augmentation massive des capacités de calcul.
Selon cette approche, l’intelligence générale serait principalement une question d’échelle :
- Plus de centres de données.
- Plus de puces spécialisées.
- Plus de paramètres.
L’intelligence émergerait mécaniquement de la puissance cumulée.
Cette vision soutient les investissements colossaux observés dans les infrastructures énergétiques, les semi-conducteurs et les data centers.
- La critique architecturale : l’absence de “modèle du monde”
D’autres chercheurs, dont Yann LeCun, contestent cette approche.
Selon eux, les grands modèles de langage actuels sont des amplificateurs statistiques performants, mais dépourvus d’un véritable modèle interne du monde physique : causalité, permanence des objets, cohérence spatiale.
Tant qu’un système ne peut raisonner avec le bon sens d’un animal, l’AGI resterait un mirage.
Dans cette perspective, le risque n’est pas l’insuffisance de puissance, mais une illusion de compréhension.
- L’intelligence spatiale : l’argument de l’ancrage physique
Fei-Fei Li défend également l’idée qu’une intelligence réellement générale ne peut exister uniquement dans un environnement textuel.
L’intelligence serait fondamentalement liée à la perception tridimensionnelle et à l’interaction avec le monde réel.
Pour les entreprises, cette approche suggère que l’avantage compétitif pourrait dépendre moins des volumes de calcul que de l’intégration avec la robotique, la vision par ordinateur et les environnements physiques.
III. Pourquoi l’échéance 2028 est contestée
Trois contraintes majeures limitent la plausibilité d’un basculement rapide
- Le verrou de la fiabilité
Les systèmes actuels restent sujets à des erreurs convaincantes mais incorrectes.
Or, une intelligence déployée dans des environnements critiques (finance, santé, énergie, défense) exige une fiabilité quasi absolue.
La question n’est plus la performance moyenne, mais la gestion des exceptions. - La rareté des données
Le volume de données humaines exploitables atteint un plateau.
La poursuite de la progression suppose le recours massif aux données synthétiques, avec un risque de dégradation si les modèles s’entraînent sur leurs propres productions.
Le défi devient épistémologique : comment maintenir la qualité du signal ? - L’inertie institutionnelle et énergétique
Même en cas de percée technologique, l’impact économique dépendra :
- Des cadres réglementaires
- Des cycles d’adoption organisationnels
- Des capacités énergétiques disponibles
- Des arbitrages politiques
L’histoire montre que l’adoption industrielle suit rarement le rythme des annonces technologiques.
IV. Redéfinir le test : l’AGI comme autonomie opérationnelle
Andrew Ng propose un critère pragmatique.
Un système ne devrait être qualifié d’AGI que s’il peut se voir confier une mission complexe sur plusieurs jours avec accès à un ordinateur, à Internet et à des outils collaboratifs et l’exécuter de manière autonome au niveau d’un professionnel qualifié.
Il ne s’agit plus de répondre à des prompts, mais de gérer un projet.
Ce critère déplace le débat vers la productivité réelle.
V. Le choc sur l’emploi
Plusieurs observateurs alertent sur un risque de “job shock” dans les métiers cognitifs :
- Centres d’appels
- Fonctions administratives
- Développement logiciel
- Analyse documentaire
La substitution pourrait intervenir avant même que la définition de l’AGI ne soit stabilisée.
La transformation ne serait pas progressive, mais asymétrique : certains métiers compressés rapidement, d’autres augmentés.
VI. Sécurité et gouvernance : le “coût de la surveillabilité”
Un dilemme structurel émerge.
Les capacités progressent rapidement.
Les preuves de sécurité, elles, s’accumulent lentement.
Des mécanismes comme la supervision des chaînes de raisonnement (“Chain of Thought monitoring”) visent à rendre les systèmes plus auditables.
Mais cela introduit une question stratégique majeure : Les entreprises et les États sont-ils prêts à payer un coût de la surveillabilité ?
Autrement dit, accepter un ralentissement partiel de la performance pour garantir la transparence et la maîtrise ?
La vitesse et le contrôle ne progressent pas nécessairement au même rythme.
Conclusion : révolution maîtrisée ou bulle stratégique ?
L’AGI n’est plus un débat académique.
C’est un arbitrage d’investissement, un enjeu de compétitivité et un défi de gouvernance.
D’ici 2028, trois scénarios sont plausibles :
- Une percée réelle avec un impact rapide sur la productivité mondiale.
- Une progression significative mais limitée, avec adoption graduelle.
- Une correction brutale des anticipations si les verrous structurels persistent.
La véritable question n’est pas uniquement technologique.
Elle est stratégique :
- La montée en puissance suffit-elle à créer une intelligence générale ?
- Les architectures actuelles sont-elles adaptées ?
- Les organisations sont-elles prêtes à absorber le choc ?
- La sécurité peut-elle évoluer aussi vite que les capacités ?
Si une révolution est en cours, elle se joue autant dans les data centers que dans les conseils d’administration.
L’AGI ne sera pas seulement un seuil technique.
Ce sera un test de maturité collective face à une technologie que nous accélérons plus vite que nous ne la comprenons.