Demis Hassabis avance son calendrier pour l’AGI, désormais visée vers 2028 ou 2029. Un signal fort pour tout l’écosystème IA, mais encore très loin d’un vrai sans-faute.
En bref
- Demis Hassabis vise l’AGI vers 2028 ou 2029
- Les agents autonomes nourrissent ce changement de rythme
- Mémoire, raisonnement et apprentissage continu bloquent encore
Si DeepMind a raison, la vraie bascule n’est plus un sujet de décennie, mais de feuille de route produit. Pour les acteurs du mobile, du SaaS et des plateformes, voir l’AGI arriver vers 2028 ou 2029 change déjà la manière de penser l’automatisation, les interfaces et la place de l’humain dans la boucle.
Un calendrier qui se comprime vite
Demis Hassabis, cofondateur de Google DeepMind et prix Nobel, estime désormais qu’une intelligence artificielle de niveau humain pourrait émerger d’ici deux à trois ans, avec un horizon situé vers 2028. Dans un entretien au Wall Street Journal Magazine, il a expliqué que c’était proche, ajoutant en substance « C’est proche » et « je rapproche de plus en plus cette estimation ».
Le point marquant, c’est la vitesse du virage. En décembre 2025, il parlait encore d’un délai de cinq à dix ans auprès d’Axios. En mai 2026, il évoquait plutôt 2030, possiblement avant. Là, on est sur 2028-2029. Pas anodin, quand ça vient d’un des chercheurs derrière Gemini.
Pourquoi DeepMind croit davantage aux agents
Ce resserrement du calendrier tient en bonne partie aux progrès des agents autonomes. Là où un chatbot classique attend une instruction, ces systèmes enchaînent des étapes, utilisent des outils et prennent des décisions pendant l’exécution.
Après la Google I/O de mai, Hassabis expliquait à Axios que les agents actuels servaient en gros de répétition générale pour l’AGI. Il reconnaissait aussi employer un ton plus pressant pour pousser gouvernements, économistes et grand public à prendre l’échéance plus au sérieux.
Ce qui bloque encore avant une IA au niveau humain
Mais il y a un écart, quand même, entre des modèles très impressionnants et une intelligence vraiment générale. Lors d’un échange en avril avec Y Combinator, Hassabis pointait plusieurs verrous.
D’abord l’apprentissage continu. Un humain apprend d’une expérience et réutilise ce savoir plus tard. Les modèles actuels ne mettent pas naturellement à jour leur connaissance profonde à chaque nouvelle situation. Ensuite, la mémoire. Même avec de grandes fenêtres de contexte, un assistant peut perdre le fil ou mal relier des informations sur une longue tâche. Enfin, le raisonnement. Les systèmes savent résoudre des maths difficiles ou écrire du code sophistiqué, puis trébuchent sur une logique élémentaire ou affirment une erreur avec aplomb.
Ce que l’AGI changerait, et pourquoi le débat compte déjà
La différence majeure avec les outils actuels, ce serait la flexibilité. Aujourd’hui, on peut résumer des e-mails avec Gemini, préparer un document avec Claude ou organiser un voyage avec ChatGPT, mais sous surveillance. Une AGI pourrait prendre un objectif plus large, comparer des prix, caler des agendas, réserver et gérer l’ensemble avec très peu de guidage.
Dans l’entreprise, cela toucherait la recherche, l’analyse ou l’administratif. En santé, l’accélération pourrait compter. Il y a déjà un précédent solide avec AlphaFold, le système qui a valu à Hassabis une part du Nobel de chimie 2024 pour la prédiction des structures de protéines.
Reste le dur du sujet, emplois, vie privée, sécurité, erreurs de décision. Google DeepMind a d’ailleurs publié un cadre pour mesurer les progrès vers l’AGI, en partant d’une idée simple, l’intelligence ne se résume pas à un score unique. Et il n’existe toujours pas de test universel pour dire, cette fois, on y est.
