Divergences publiques sur la proximité réelle de l’AGI à Davos

Le 23 janvier 2026, Fortune rapporte un débat public à Davos entre plusieurs figures centrales de l’IA. Demis Hassabis dirige Google DeepMind. Dario Amodei dirige Anthropic. Yann LeCun, ancien scientifique en chef de Meta pour l’IA, défend une autre trajectoire. Hassabis affirme que les systèmes actuels sont encore loin d’une AGI au sens humain complet. Il évoque une probabilité de 50 % d’y parvenir avant 2030. Il ajoute que cela ne viendra probablement pas des modèles construits exactement comme ceux d’aujourd’hui. Il cite plusieurs lacunes. Il mentionne l’apprentissage à partir de peu d’exemples. Il mentionne aussi l’apprentissage continu, la mémoire à long terme, le raisonnement et la planification. Amodei, lui, avance des échéances beaucoup plus courtes. Selon Fortune, il dit que l’IA remplacera le travail de tous les développeurs logiciels en un an. Il ajoute qu’elle atteindra un niveau de recherche scientifique comparable à un Nobel dans plusieurs domaines sous deux ans. LeCun rejette davantage encore l’idée que les grands modèles de langage mènent à l’AGI. Il affirme que l’industrie est devenue trop focalisée sur eux. Il défend plutôt des systèmes capables de construire un modèle du monde, c’est-à-dire une représentation causale permettant de prévoir les conséquences d’actions.

Ce fait compte car il expose un désaccord public entre dirigeants qui orientent réellement la course à l’AGI. OpenAI et Anthropic poussent des timelines courtes. DeepMind maintient une ligne plus prudente. LeCun conteste la voie dominante elle-même. Le débat ne porte donc plus seulement sur la date. Il porte aussi sur l’architecture pertinente. Faut-il prolonger l’échelle des modèles de langage, ou changer de paradigme vers des systèmes plus incarnés, mémoriels et planificateurs ? L’épisode révèle une fracture devenue structurante. Une partie du secteur présente les systèmes actuels comme une rampe d’accès vers une intelligence générale proche. Une autre juge qu’ils impressionnent sans couvrir les capacités humaines les plus générales. Cela suggère que le récit AGI est désormais tiré par deux dynamiques opposées. D’un côté, la pression concurrentielle encourage des annonces courtes et ambitieuses. De l’autre, les chercheurs qui insistent sur les limites de généralisation, de causalité et d’autonomie contestent la continuité entre LLM et AGI. La question reste donc ouverte. Les prochaines avancées viendront-elles d’un simple prolongement des modèles actuels, ou d’une rupture architecturale encore absente ?