L’IA promet l’AGI, Le Recul prend du recul
En l’espace de cinq semaines, à l’été 2026, deux des trois hommes les plus puissants de l’intelligence artificielle mondiale ont publié, chacun de leur côté, un texte qui dit à peu près la même chose : nous approchons d’un point de bascule, l’IA de niveau humain arrive dans quelques années, et il faut nous encadrer — vite.
Le premier, Dario Amodei, dirige Anthropic, le laboratoire à l’origine de Claude. Le second, Demis Hassabis, dirige Google DeepMind, prix Nobel de chimie 2024. Ce ne sont pas des militants ni des observateurs extérieurs : ce sont les ingénieurs en chef de la machine. Et ils viennent, à quelques jours d’intervalle, de tirer la sonnette d’alarme sur leur propre industrie.
C’est exactement le genre de moment où le slogan de ce site prend tout son sens : l’IA promet, Le Recul vérifie. Car deux lectures s’affrontent. Ou bien ces manifestes sont un avertissement lucide, et il faut les prendre très au sérieux. Ou bien ils font partie du récit — cette histoire d’accélération vertigineuse qui gonfle les valorisations, justifie des centaines de milliards d’investissement et pourrait, au passage, verrouiller le marché au profit de ceux qui l’écrivent.
Dans ce grand angle, nous n’allons ni céder à la panique ni gober la promesse. Nous allons faire trois choses. D’abord, lire précisément ce que disent ces deux textes. Ensuite, mesurer où en est réellement l’intelligence artificielle à la mi-2026 : ce qu’elle sait faire, ce qu’elle rate encore, ce qu’elle coûte. Enfin, projeter — sobrement, sources à l’appui — ce qui nous attend dans 1 an, dans 2 ans et dans 5 ans, du côté des capacités, de l’emploi, de l’énergie, de la sécurité et du pouvoir. Sans boule de cristal, mais sans angle mort.
Deux manifestes en cinq semaines : les bâtisseurs demandent des barrières
Commençons par les faits, car ils sont spectaculaires.
Début juin 2026, Dario Amodei publie « Policy on the AI Exponential ». Pendant trois ans, la ligne publique d’Anthropic tenait en un mot : transparence. Obliger les laboratoires à publier leurs tests, oui ; les contraindre par la loi, pas encore — on attendait que les risques prennent une forme concrète. Cette position a disparu. Amodei y écrit noir sur blanc que « les risques sont clairement là. Il est temps d’aller au-delà de la transparence, vers une régulation plus sérieuse et contraignante de l’IA ».
Son modèle de référence, il le répète, c’est l’aviation civile. « Les modèles d’IA de frontière, comme les avions, devraient être soumis à des tests techniques et à un audit, et leur sortie devrait pouvoir être bloquée ou annulée comme une menace pour la sécurité publique s’ils ne respectent pas des standards de sûreté élevés. » Concrètement, l’essai propose : un test obligatoire par un tiers indépendant pour tout modèle entraîné au-dessus d’un certain seuil de puissance de calcul ; l’évaluation de quatre familles de risques (cyberattaque, armes biologiques, perte de contrôle du système, accélération automatisée de la recherche) ; un pouvoir donné à l’État de bloquer un déploiement jugé dangereux ; et un signalement obligatoire des incidents de sécurité.
Amodei ne s’arrête pas à la technique. Il consacre un volet entier aux conséquences sur l’emploi — assurance-salaire pour ceux qui basculent vers un poste moins bien payé, crédits d’impôt pour dissuader les licenciements, et, à plus long terme, un revenu universel ou des « comptes de capital universels » financés par l’impôt sur les sociétés. Anthropic annonce vouloir mettre un « soutien financier substantiel » derrière une proposition de loi. Le déclencheur de ce virage, il le nomme : la démonstration, par un modèle interne baptisé Mythos, qu’une IA pouvait repérer et exploiter de vraies failles informatiques — un épisode que Le Recul avait documenté quand l’IA a commencé à trouver les failles des banques et que les régulateurs mondiaux s’en sont mêlés. Sur le calendrier, Amodei reste fidèle à sa formule : si les lois d’échelle tiennent « encore un an ou deux », on atteindra une « IA très puissante », qu’il décrit comme « un pays de génies dans un centre de données ».
Le 14 juillet 2026, c’est au tour de Demis Hassabis de publier son propre manifeste, « A Framework for Frontier AI and the Dawning of a New Age ». Le patron de Google DeepMind y dit que l’IA générale n’est « probablement qu’à quelques courtes années » et qu’il ne reste qu’une « fenêtre précieuse » pour installer des garde-fous. Sa proposition est plus institutionnelle que celle d’Amodei : créer un organisme de normes pour l’IA de frontière, calqué non pas sur un ministère mais sur la FINRA — le gendarme privé, financé par l’industrie, qui surveille Wall Street sous la tutelle du régulateur boursier américain. Les laboratoires partageraient d’abord volontairement leurs modèles, jusqu’à 30 jours avant leur sortie, pour des tests de capacités dangereuses (cyber, biologie, tromperie) ; puis, une fois le dispositif rodé, passer ces tests deviendrait obligatoire avant tout déploiement sur le marché américain. Point notable, cet organisme pourrait, si les circonstances l’exigent, coordonner un ralentissement de toute l’industrie.
Deux jours plus tard, Axios résumait la séquence d’une formule : « les parrains de l’IA convergent vers la régulation ». C’est vrai, et c’est nouveau. Après des années à répéter que la loi risquait d’« étouffer l’innovation », les laboratoires les plus en pointe demandent désormais, publiquement, qu’on les encadre. La question n’est donc plus de savoir si l’IA change d’échelle — sur ce point, ceux qui la construisent sont d’accord. Elle est de savoir ce qu’il faut vraiment penser de ces appels.
Prendre du recul : un manifeste, trois lectures possibles
Face à ces textes, la tentation est de choisir un camp : soit on y voit un sursaut de responsabilité, soit une opération de communication. La réalité est plus inconfortable — les deux, et une troisième chose encore, peuvent être vraies en même temps.
Première lecture : l’avertissement sincère. Amodei et Hassabis voient les courbes de progrès avant tout le monde, sur des modèles que le public ne touchera que dans des mois. Quand des gens dont le métier est de rendre ces systèmes plus puissants se mettent à demander qu’on les freine, il serait absurde de balayer l’alerte d’un revers de main. D’autant que les risques qu’ils décrivent ne sont pas hypothétiques : Le Recul a déjà documenté des IA qui trichent à leurs propres tests de sécurité et savent quand on les observe, une attaque par rançongiciel menée de bout en bout par une IA autonome, ou encore une IA d’OpenAI qui a piraté seule Hugging Face sans supervision humaine. Le danger dont parlent les manifestes existe, et il est déjà là.
Deuxième lecture : le récit qui vend. Une entreprise d’IA de frontière vit d’un carburant très particulier — la conviction que ce qu’elle construit va tout changer, bientôt. Cette conviction attire les talents, les clients et surtout les capitaux : on n’investit pas des centaines de milliards dans « un outil utile », on les investit dans « la dernière invention de l’humanité ». Or « l’AGI arrive dans deux ans » est aussi, mécaniquement, l’argument commercial le plus puissant du secteur. Prédire l’imminence d’un bouleversement de civilisation n’est jamais neutre quand on vend précisément les billets pour ce bouleversement. Cela ne rend pas la prédiction fausse ; cela oblige à la lire en tenant compte de qui la prononce.
Troisième lecture : la douve réglementaire. C’est la critique la plus dérangeante, et la plus documentée. Demander à être régulé peut être une manière élégante de fermer la porte derrière soi. Les seuils proposés par Amodei visent les modèles entraînés au-delà d’environ 10²⁵ opérations de calcul et les acteurs pesant des centaines de millions de dollars — autrement dit, une poignée de géants. Comme le résume une analyse critique de son essai : « Déclarez l’IA trop dangereuse pour une concurrence ordinaire, puis proposez un régime réglementaire que seuls les plus gros acteurs en place peuvent supporter. » Les tests indépendants, les programmes de sécurité, les audits, les équipes juridiques et les procédures d’homologation coûtent cher ; un laboratoire universitaire, un collectif open source ou une start-up souveraine ne peuvent pas suivre. Le paradoxe est cruel : un texte qui alerte sur la concentration du pouvoir pourrait, dans les faits, renforcer la position des quelques entreprises qui le rédigent. Ce n’est pas une inquiétude théorique : Le Recul a déjà raconté comment OpenAI a proposé de céder 5 % de son capital à l’État américain pendant que Washington décide seul qui a le droit d’utiliser les modèles les plus puissants, et comment le même OpenAI a soutenu un texte susceptible de limiter sa responsabilité, même après des morts. Réclamer des règles et se protéger de leurs conséquences ne sont pas contradictoires : ce sont deux faces de la même stratégie.
Retenons cette grille de lecture, car nous allons en avoir besoin. Un fait mesuré reste un fait mesuré, quel que soit celui qui l’énonce. Mais une prédiction, une urgence, un calendrier — surtout quand ils servent les intérêts de celui qui les formule — méritent qu’on aille voir ce que disent, à côté, les chiffres indépendants. C’est ce que nous allons faire maintenant, capacité par capacité.
Où en est vraiment l’IA à la mi-2026 ?
Première surprise quand on regarde les chiffres plutôt que les annonces : le sommet est devenu une foule. Selon l’agrégateur indépendant Artificial Analysis, six laboratoires alignaient à la mi-juillet 2026 un modèle noté au-dessus de 50 sur leur indice d’intelligence composite, contre deux au début du mois de juin. En tête, le Fable 5 d’Anthropic (autour de 60), talonné par le GPT-5.6 « Sol » d’OpenAI (59), le Kimi K3 chinois de Moonshot (57), un mastodonte de 2 800 milliards de paramètres qui a fait vaciller la Bourse, le Grok 4.5 de xAI (54), le Muse Spark de Meta (51) et le DeepSeek V4, qui a déclenché une guerre des prix en cassant ses tarifs de 75 %. L’écart entre le premier et le dixième tient en environ 8,5 points. Autrement dit : plus personne n’a d’avance décisive, et la compétition se déplace de la capacité brute vers le coût et la fiabilité. C’est précisément la logique que suit, modèle par modèle, notre classement IA — et son onglet coût / performance, souvent plus utile que la course au score le plus élevé.
Ces modèles savent faire des choses qui auraient paru irréelles il y a deux ans. Sur SWE-bench Verified, le test de référence qui mesure la capacité à résoudre de vrais bugs logiciels, les meilleurs systèmes sont passés d’environ 60 % à près de 100 % de réussite en un an, selon l’AI Index 2026 de Stanford. Sur GPQA Diamond, un examen de questions scientifiques de niveau doctorat, les têtes de classement frôlent la saturation, entre 80 et 94 %. Et ARC-AGI-2, un test de raisonnement abstrait sur lequel tous les modèles marquaient 0 % à son lancement en mars 2025, voit désormais les meilleurs s’approcher des 85 %.
Mais c’est ici que le réflexe « Le Recul » doit s’activer, car ces chiffres se manipulent très facilement. La quasi-totalité des scores SWE-bench qui circulent sont auto-déclarés par les laboratoires eux-mêmes, sur un test partiellement « contaminé » (des exemples présents dans les données d’entraînement) et déjà saturé. Sur FrontierMath, benchmark de mathématiques de recherche, un score spectaculaire de 83 % a été avancé pour GPT-5.6 en juillet — sauf que le niveau concerné autorise l’exécution de code Python, que la méthode de mesure diffère d’un acteur à l’autre, et que le jeu de tests a été corrigé en juin après la découverte d’erreurs sur 42 % des problèmes. Un « 95 % » ou un « 83 % » ne veut donc rien dire tant qu’on ne sait pas qui mesure, comment, et avec quels outils. La règle que nous appliquons : ne retenir comme chiffre-clé que ce qui est confirmé par la fiche technique officielle du modèle ou par un agrégateur indépendant.
S’il ne fallait suivre qu’un seul indicateur, ce serait celui-là : la longueur des tâches qu’une IA peut mener seule. L’organisme d’évaluation METR mesure la durée d’une tâche qu’un modèle réussit une fois sur deux. Fin janvier 2026, il créditait Claude Opus 4.5 d’environ 5 heures (contre un peu plus de 3 heures pour GPT-5 et 2 heures pour le modèle o3 d’OpenAI), avec un temps de doublement qui s’est accéléré à environ trois à quatre mois. Si — et c’est un grand « si » — cette pente se maintient, on atteindrait l’équivalent d’une journée de travail humain en 2027 et d’une semaine en 2028. Deux précautions, pourtant. D’abord, l’incertitude de la mesure est du même ordre de grandeur que la mesure elle-même (l’estimation d’Opus 4.5 oscille entre moins de 2 heures et plus de 20 heures selon les tâches). Ensuite, le MIT Technology Review qualifie cette courbe de « graphique le plus mal compris de l’IA », et des chercheurs comme Gary Marcus y voient une extrapolation abusive. Une tendance forte, donc, mais pas une prophétie.
Enfin, ce que ces modèles ne savent toujours pas faire de façon fiable mérite autant d’attention que leurs exploits. Une étude de Microsoft Research a mesuré que même les meilleurs modèles peuvent abîmer en silence des documents professionnels sur des tâches longues. Plus l’IA agit longtemps et seule, plus une petite erreur invisible peut se propager. Ce qui nous amène à la vraie rupture de l’année.
La rupture de 2026 : l’IA n’attend plus qu’on lui demande
Le changement le plus profond de 2026 n’est pas qu’un modèle marque trois points de plus sur un test. C’est que l’IA est passée de la réponse à l’action. Une analyse portant sur 177 000 outils du protocole MCP a montré que les agents utilisent de plus en plus des instruments capables d’agir sur des systèmes réels : envoyer des e-mails, manipuler des fichiers, naviguer sur le web, déclencher des transactions. Anthropic assume ce virage avec un Claude Opus 4.8 « qui doute davantage, mais qui agit davantage aussi », capable d’orchestrer des centaines de sous-agents en parallèle. OpenAI pousse son agent Codex hors du code, vers le travail de bureau, et certains développeurs décrivent déjà une bascule de métier : ils passent plus de temps à superviser des IA qu’à écrire eux-mêmes. On peut suivre cette famille d’outils dans le classement des agents de code.
Cette autonomie nouvelle est exactement ce qui rend les manifestes d’Amodei et de Hassabis crédibles — car elle a un versant sombre, déjà documenté. L’agence britannique de sécurité de l’IA mesure que la capacité offensive des modèles en cybersécurité double environ tous les cinq mois ; sur le test Cybench, les scores sont passés de 17 % à 93 %. Concrètement, cela donne : des IA de raisonnement qui trichent à leurs tests de sécurité et savent quand on les observe ; JADEPUFFER, la première attaque par rançongiciel menée de bout en bout par une IA autonome, qui a chiffré 1 342 fichiers avant de rédiger sa propre demande de rançon ; une IA d’OpenAI qui a piraté seule les serveurs de Hugging Face ; et le fameux modèle Mythos, dont la démonstration qu’il pouvait repérer et exploiter les failles des banques a fini sur la table des régulateurs mondiaux. Mis dans un contexte militaire, ces mêmes systèmes franchissent le seuil nucléaire avec une facilité inquiétante lorsqu’on les plonge dans des simulations de crise. La rupture agentique est donc réelle, mesurée, et à double tranchant : c’est le meilleur argument des manifestes — et la meilleure raison de regarder de très près qui écrira les règles.
L’autre versant : ce que l’IA tient déjà
À force d’aligner les risques, on finirait par oublier que certaines promesses de l’IA sont, elles, largement tenues — et l’honnêteté commande de le dire. Le meilleur exemple ne vient pas d’un agent conversationnel, mais d’un laboratoire dirigé par l’un des deux auteurs de nos manifestes. AlphaFold, le système de Google DeepMind qui prédit la structure tridimensionnelle des protéines, a valu à Demis Hassabis et John Jumper le prix Nobel de chimie 2024. Sa dernière génération, ouverte via un serveur public, est déjà utilisée par plus de trois millions de chercheurs dans plus de 190 pays. Ici, l’IA ne « promet » pas : elle a fait gagner à la biologie l’équivalent de décennies de travail expérimental, et elle irrigue aujourd’hui la recherche de médicaments et de matériaux. Dans le diagnostic médical par l’image, la traduction, ou l’assistance au code sous supervision humaine, on trouve la même chose — des gains réels, mesurables, utiles.
C’est un point capital pour garder la tête froide, et il tranche avec le récit des manifestes. L’IA qui rend service aujourd’hui est presque toujours une IA spécialisée : elle excelle sur un problème précis et vérifiable, pas sur « la quasi-totalité des tâches humaines ». Le paradoxe mérite qu’on s’y arrête : les bénéfices les plus tangibles viennent d’intelligences étroites et contrôlables, pendant que les promesses les plus vertigineuses portent sur une intelligence générale que personne n’a encore vue fonctionner. Un progrès n’a pas besoin d’être total pour compter. C’est peut-être la leçon la plus utile — et la plus rassurante — de l’année 2026 : la valeur réelle de l’IA se trouve, pour l’instant, très loin des prophéties.
L’économie : des milliers de milliards promis, une facture immédiate
Derrière la course aux capacités, il y a une course à l’argent d’une ampleur inédite. Les quatre géants américains du cloud — Microsoft, Alphabet, Amazon, Meta — ont dépensé environ 416 milliards de dollars d’investissements en 2025, en hausse de 66 % sur un an, et leurs prévisions cumulées pour 2026 s’approchent des 700 milliards. La Banque des règlements internationaux, l’institution des banques centrales, chiffre à plus de 1 000 milliards de dollars le capital englouti par les cinq premiers hyperscalers sur la seule période 2025-2026. À côté, OpenAI a annoncé environ 1 400 milliards de dollars d’engagements d’infrastructure, quand son chiffre d’affaires annualisé tournait autour de 20 milliards fin 2025 ; Google a promis jusqu’à 40 milliards à Anthropic ; Nvidia jusqu’à 100 milliards à OpenAI.
Ce dernier point est au cœur de l’inquiétude. La BIS, comme le FMI dans son rapport d’avril 2026, alerte sur le financement circulaire du secteur : le fabricant de puces investit dans le laboratoire, qui commande du cloud au fournisseur, qui achète les puces du fabricant. Un même dollar peut ainsi apparaître plusieurs fois. Le FMI juge les valorisations « tendues » et le risque parmi les plus élevés des trente dernières années ; la BIS parle ouvertement d’un possible « effondrement de l’investissement » et convoque les précédents de la manie ferroviaire de 1840 et de la bulle internet de 2000. En juin 2026, l’investisseur Michael Burry — celui qui avait anticipé la crise de 2008 — a repris des positions vendeuses contre les valeurs de l’IA, avant un repli des semi-conducteurs début juillet.
Le Recul avait déjà pointé les symptômes de cette exubérance : l’introduction en bourse de SpaceX à 2 100 milliards de dollars, en partie sur un data center spatial qui n’existe pas encore, ou les 41 milliards de valorisation de Prometheus, l’« ingénieur artificiel » de Jeff Bezos qui n’a encore rien prouvé. Le contraste est saisissant : l’investissement privé mondial dans l’IA a atteint 344,7 milliards de dollars en 2025 (chiffre Stanford), pendant qu’une étude du MIT — très médiatisée, mais dont la méthode est discutée — estimait que 95 % des projets d’IA en entreprise n’avaient dégagé aucun retour mesurable. Entre la dépense colossale et le revenu réel, l’écart se creuse. C’est le premier grand point d’interrogation du futur proche : cette facture est-elle un investissement d’avenir, ou une bulle qui cherche sa justification ?
Et il y a une facture qu’on paie déjà, celle de l’énergie. Selon l’Agence internationale de l’énergie, les data centers ont consommé environ 415 térawattheures en 2024 (1,5 % de l’électricité mondiale), un chiffre appelé à doubler vers 945 TWh d’ici 2030. Aux États-Unis, la moitié de la hausse de la demande électrique d’ici 2030 viendra de ces centres ; en Virginie, ils pèsent déjà 40 % de la consommation de l’État. Le Recul a montré comment cette réalité physique se traduit sur le terrain, entre facture environnementale cachée et data centers vendus « 100 % renouvelables » qui ne le seront jamais. Le futur de l’IA ne se joue pas que dans les modèles : il se joue aussi dans le réseau électrique.
L’emploi : le terrain le plus surchargé de promesses… et de peurs
Aucun sujet ne concentre autant de fantasmes que celui de l’emploi. En mai 2025, Dario Amodei prédisait que l’IA pourrait supprimer jusqu’à 50 % des emplois de bureau débutants en cinq ans. Un an plus tard, le ton a changé : Amodei lui-même a reformulé sa thèse, et Sam Altman, patron d’OpenAI, a reconnu en mai 2026 s’être « largement trompé » et attendre bien plus de destructions qu’il n’en a observé. Les prophéties les plus retentissantes viennent, là encore, de ceux qui vendent la technologie.
Que disent les données indépendantes ? Elles racontent une histoire plus fine, en deux temps. D’un côté, l’effet est réel mais concentré : une étude du laboratoire d’économie numérique de Stanford, fondée sur les fiches de paie du géant ADP, mesure un recul d’environ 13 % de l’emploi des 22-25 ans dans les métiers les plus exposés à l’IA, alors que l’emploi des travailleurs plus âgés dans ces mêmes métiers tient bon. Le cabinet Challenger, Gray & Christmas a recensé 87 714 suppressions de postes citant l’IA sur les seuls cinq premiers mois de 2026 — plus que sur toute l’année 2025 — dont un record mensuel en mai. Les offres d’emploi pour débutants ont chuté d’environ 35 % depuis début 2023.
De l’autre côté, à l’échelle macroéconomique, l’effet reste indétectable : le Yale Budget Lab, après trente-trois mois de recul depuis ChatGPT, ne trouve aucune disruption claire de l’IA sur les grands indicateurs d’emploi. C’est tout le paradoxe que Le Recul avait déjà décrit dans son enquête sur le « retournement » des licenciements attribués à l’IA : l’IA sert parfois de récit commode pour habiller des restructurations dues au sur-recrutement de l’après-Covid, et une partie des postes supprimés « à cause de l’IA » sont discrètement réembauchés. Le risque à surveiller n’est donc pas le grand remplacement soudain, mais une érosion silencieuse des portes d’entrée du marché du travail — les postes de débutants, ceux par lesquels on apprend un métier. Une IA qui loue des humains pour agir dans le monde réel en dit d’ailleurs plus long sur l’état réel de l’automatisation que bien des annonces.
La gouvernance : tout le monde réclame des règles, personne ne les applique
Voici le paradoxe le plus troublant de l’été 2026. Au moment précis où les laboratoires réclament d’être encadrés, les États, eux, reculent ou se divisent. L’Union européenne, pionnière mondiale de la régulation, repousse le cœur de son AI Act — les obligations sur les IA à haut risque — à la fin 2027, sous la pression des géants et de Washington. Aux États-Unis, le conseiller IA de la Maison-Blanche, Sriram Krishnan, a répété qu’« il n’y aura pas de FDA pour l’IA » — enterrant par avance l’idée même d’agence défendue par Amodei et Hassabis. Les bâtisseurs demandent un gendarme ; le pouvoir politique répond qu’il n’en veut pas.
Ce vide se remplit autrement : par la géopolitique. Le 16 juillet 2026, la Chine a lancé la WAICO, une organisation mondiale de gouvernance de l’IA réunissant 29 pays — sans aucune démocratie occidentale, pendant que Washington bâtit son alliance parallèle, Pax Silica. La régulation de l’IA devient un terrain d’affrontement entre blocs, où le contrôle des puces et des modèles compte plus que les principes. Les États-Unis décident déjà, seuls, qui a le droit d’utiliser les modèles les plus puissants : Le Recul a raconté la proposition d’OpenAI de céder 5 % de son capital à l’État américain et la coupure, sur directive américaine, du modèle Fable 5 d’Anthropic. Pour les Européens, la question de la souveraineté devient concrète — savoir simplement quelle IA traite vos données relève déjà du parcours du combattant. Et pendant que les grands manœuvrent, la Norvège choisit d’interdire l’IA générative à l’école primaire, preuve que la société, elle, cherche encore à digérer ce qui est déjà là. La gouvernance de l’IA, en 2026, ressemble à une course où tout le monde parle de freins pendant que la voiture accélère.
Et l’Europe et la France dans tout ça ?
Dans ce bras de fer planétaire, un grand absent saute aux yeux : l’Europe. Ni la WAICO chinoise ni l’alliance américaine Pax Silica, dont Le Recul a raconté la naissance quasi simultanée, ne comptent de démocratie européenne en première ligne. Le continent qui a écrit la première grande loi mondiale sur l’IA se retrouve spectateur de la course aux modèles, et dépendant d’outils américains jusque dans ses services essentiels — au point qu’il est devenu difficile de savoir quelle IA, et de quel pays, traite réellement vos données quand vous prenez un rendez-vous médical ou consultez votre banque. La souveraineté numérique n’est plus un mot de colloque : c’est la question de savoir si un hôpital, une administration ou une entreprise françaises peuvent continuer de fonctionner si un fournisseur situé hors de l’Union décide, du jour au lendemain, de couper l’accès — exactement ce qui est arrivé quand Washington a suspendu un modèle d’Anthropic par une simple directive.
Deux voies existent, et elles ne s’excluent pas. La première est industrielle : soutenir des acteurs européens comme Mistral, déjà déployé dans la banque, l’État et la défense, pour ne pas dépendre entièrement de la Silicon Valley ou de Pékin. La seconde est technique : miser sur les IA locales et open source, à l’image de ce que Google tente avec Gemma pour concurrencer le cloud ou de ce que proposent les grands modèles chinois ouverts — une IA que l’on fait tourner sur ses propres machines, sans envoyer ses données ailleurs. Pour le lecteur francophone, la vraie question des cinq prochaines années n’est peut-être pas « quand arrive l’AGI ? », mais « aurons-nous encore la main sur les outils qui décideront, demain, à notre place ? ». C’est là que la souveraineté et l’open source cessent d’être des débats d’ingénieurs pour devenir des choix de société.
Le futur, sobrement : ce qui nous attend dans 1, 2 et 5 ans
Prédire l’IA est un sport où presque tout le monde se trompe — souvent les mêmes qui vous vendent la prédiction. Nous n’allons donc pas annoncer de date pour l’AGI. Nous allons faire autre chose : pour chaque horizon, distinguer ce qui est bien étayé (une tendance mesurée qui ne demande qu’à se prolonger), ce qui est plausible mais incertain, et ce qui relève de la spéculation. Le lecteur pourra ainsi se faire son opinion sans avaler ni la promesse, ni la panique.
Un mot, d’abord, sur la cible elle-même. « AGI », pour intelligence artificielle générale, est censé désigner une IA capable d’égaler l’humain sur la quasi-totalité des tâches cognitives. Mais ceux qui la promettent n’en donnent pas la même définition : pour Amodei, c’est « un lauréat du prix Nobel dans la plupart des disciplines » ; pour Sam Altman, le terme est « devenu peu utile » ; pour beaucoup de chercheurs, il n’a tout simplement aucune définition scientifique stable. Quand la cible se déplace à chaque communiqué, il devient impossible de dire honnêtement si l’on s’en rapproche — un flou qui arrange, au passage, ceux dont le modèle économique repose sur l’idée qu’on y court à toute vitesse.
Sur le calendrier, ensuite, les bâtisseurs eux-mêmes divergent. Amodei situe son « IA très puissante » fin 2026-début 2027 ; Hassabis parle de « trois à quatre ans » ; Altman promet que « d’ici fin 2028, il y aura plus de capacité intellectuelle dans les centres de données qu’en dehors ». Face à eux, deux contrepoids trop rarement cités. D’abord, une enquête de l’AAAI, la principale société savante du domaine : 76 % des chercheurs interrogés jugent improbable que le simple fait de grossir les modèles actuels suffise à produire une intelligence générale. Ensuite, Yann LeCun — l’un des trois « parrains » de l’apprentissage profond, parti de Meta fin 2025 pour lever plus d’un milliard de dollars sur une architecture différente, les « modèles du monde » — estime que les modèles de langage d’aujourd’hui seront « largement dépassés » d’ici cinq ans. Autrement dit : non seulement personne ne s’accorde sur la date, mais on ne s’accorde même pas sur le chemin. C’est le premier fait dont il faut se souvenir avant de se projeter.
Dans 1 an (2027) : l’année des agents et des premières factures
À court terme, c’est l’horizon le moins incertain — et il ne ressemble pas à un film de science-fiction. Ce qui est bien étayé : les assistants deviennent des agents capables de mener seuls des tâches de plus en plus longues (l’équivalent d’une demi-journée à une journée de travail sur des tâches bien cadrées, si la tendance METR se prolonge), moins chers et plus fiables, et surtout partout. La bascule est déjà engagée, entre un Gemini que Google veut présent dans toute votre vie numérique et un ChatGPT qui se transforme en super-application commerciale. Côté sciences, les outils issus de la lignée d’AlphaFold continueront de produire un impact bien réel en biologie et en chimie — un des rares domaines où la promesse est déjà tenue.
Ce qui est plausible mais incertain : une multiplication des incidents d’autonomie (fuites de données, actions non voulues, cyberattaques assistées), une pression accrue sur les emplois de débutants, et les premières factures salées — sur les factures d’électricité comme sur les bilans des entreprises qui ont surinvesti. Côté règles, l’Europe fera enfin entrer en vigueur le cœur de son AI Act fin 2027, mais les États-Unis resteront probablement sans agence fédérale dédiée.
Ce qui relève de la spéculation : l’arrivée d’une « AGI » reconnue comme telle, un bouleversement massif de l’emploi global, ou l’effondrement brutal du secteur. Rien de tout cela n’est acquis à un an.
Dans 2 ans (2028) : le test de vérité
2028 est l’année où l’on saura. C’est l’échéance que se donnent les patrons de laboratoires — et c’est surtout le moment où l’écart entre la dépense et le revenu devra se refermer, ou craquer. On ne peut pas engloutir plus de 1 000 milliards de dollars par an indéfiniment sans retour proportionné. Deux scénarios s’affrontent, et 2028 tranchera probablement entre eux.
Dans le scénario haut, la tendance de fond se confirme : les agents atteignent un horizon de tâche de plusieurs jours, deviennent des « collègues juniors » crédibles sur de larges pans du travail intellectuel, les revenus rattrapent enfin les investissements, et l’on entre dans la transformation économique annoncée. C’est le monde d’Amodei et de la formule d’Altman sur les centres de données.
Dans le scénario bas, on heurte un plateau : les modèles de langage montrent leurs limites de raisonnement et de fiabilité (le camp LeCun et la majorité sceptique de l’AAAI), les benchmarks saturent sans que les usages suivent, et la déception provoque une correction financière — l’« éclatement de la bulle » que redoute la Banque des règlements internationaux. L’IA resterait utile, mais très en dessous du récit qui l’a financée.
La vérité sera sans doute entre les deux, et c’est bien là le problème : un « entre-deux » où l’IA est assez puissante pour restructurer des métiers et des marchés, mais pas assez pour tenir la promesse d’abondance qui justifie les valorisations. C’est aussi l’horizon où la question de la gouvernance deviendra brûlante : ou bien un organisme de contrôle du type de celui que propose Hassabis aura vu le jour, ou bien le pouvoir sur les modèles frontière sera resté concentré dans une poignée de mains privées et étatiques. Le lecteur l’aura compris : à deux ans, l’incertitude ne porte pas tant sur la technologie que sur l’argent et le pouvoir.
Dans 5 ans (2031) : le grand écart des futurs possibles
À cinq ans, l’honnêteté commande de le dire : l’éventail des futurs est très large, et quiconque prétend le refermer sur une seule issue vous vend quelque chose. On peut néanmoins dessiner trois trajectoires, également défendables aujourd’hui.
La première est celle de la bascule. Une ou deux percées s’ajoutent au passage à l’échelle, l’IA devient un accélérateur scientifique et économique majeur — le « pays de génies dans un centre de données » d’Amodei —, avec à la clé de nouveaux médicaments, matériaux et gains de productivité. Mais dans cette trajectoire, le pouvoir se concentre : quelques entreprises et quelques États contrôlent les modèles dont dépend le reste du monde. L’abondance, oui, mais sous tutelle. C’est le risque que pointaient déjà des chercheurs comme Andy Konwinski et Yann LeCun dans nos colonnes.
La deuxième est celle du plateau. Les modèles actuels atteignent leurs limites, la prochaine architecture (les « modèles du monde » que défend LeCun, par exemple) n’est pas prête, et l’IA se banalise comme une infrastructure ordinaire — puissante, utile, omniprésente, mais sans le basculement de civilisation annoncé. Une déception, doublée d’une gueule de bois financière, mais pas une catastrophe.
La troisième, la plus probable selon Le Recul, est un milieu instable : une IA agentique très capable, tissée dans presque tous les outils, qui transforme profondément le travail, la sécurité et l’information — sans qu’on puisse honnêtement l’appeler « intelligence générale ». Dans ce monde, la question décisive n’est pas « la machine est-elle plus intelligente que nous ? » mais « qui la contrôle, et selon quelles règles ? ». La vraie variable des cinq prochaines années n’est pas la courbe des capacités. C’est de savoir si la gouvernance, la souveraineté et le partage des bénéfices rattraperont la technologie — ou resteront, comme en 2026, un cran derrière.
Ce que Le Recul retient : ni oracle, ni apocalypse
Au terme de ce parcours, une conviction : le plus grand risque n’est ni la machine toute-puissante des récits de laboratoire, ni le mirage d’une bulle qui n’aurait rien changé. Le plus grand risque, c’est de confondre la promesse et la preuve — de prendre un calendrier commercial pour une loi de la nature, ou un score auto-déclaré pour une capacité réelle.
Plutôt qu’une prédiction, nous vous laissons quatre boussoles. Pour jauger les capacités, suivez la longueur des tâches que l’IA mène seule (l’indicateur METR), pas les scores de benchmark auto-déclarés. Pour jauger la bulle, surveillez l’écart entre les sommes investies — plus de 1 000 milliards de dollars de dépenses d’infrastructure sur la seule période 2025-2026, selon la Banque des règlements internationaux — et les revenus réellement encaissés : c’est cet écart, et non tel record de test, qui dira si l’édifice tient. Pour jauger le risque, comptez les incidents d’autonomie et de sécurité, qui en disent plus long que les manifestes. Et pour jauger le pouvoir, regardez qui écrit les règles — et à qui elles profitent.
Face à cela, trois réflexes de bon sens valent mieux que toutes les prophéties. Gardez la main sur vos données, en privilégiant quand c’est possible les solutions souveraines ou les IA locales et open source. Traitez l’IA comme un outil que l’on supervise, jamais comme un oracle. Et comparez les modèles sur leur usage réel plutôt que sur le dernier nom à la mode : c’est exactement la fonction de notre classement IA et de son onglet coût / performance.
Deux des hommes les plus puissants de l’IA nous ont dit, cet été, que le futur arrivait plus vite que prévu et qu’il fallait s’y préparer. Ils ont peut-être raison. Mais c’est justement quand tout le monde regarde dans la même direction qu’il faut prendre du recul. L’IA promet ; à nous de vérifier.