Dans une évolution qui a provoqué une onde de choc au sein de l'industrie de l'intelligence artificielle, Jensen Huang, PDG de Nvidia, a récemment fait une déclaration audacieuse, voire définitive, lors de son apparition en tant qu'invité sur le podcast de Lex Fridman (Lex Fridman Podcast). Face à un scénario concernant les étapes nécessaires pour atteindre l'intelligence artificielle générale (Artificial General Intelligence - AGI) — plus précisément, la capacité d'une IA à concevoir, lancer et faire croître une entreprise technologique jusqu'à une valorisation d'un milliard de dollars — Huang a proposé une réponse qui s'écarte nettement de la rhétorique prudente actuellement adoptée par ses pairs de l'industrie.
« Je pense que c'est maintenant », a affirmé Huang. « Je pense que nous avons atteint l'AGI. »
Cette déclaration a relancé un débat acharné au sein de la communauté technique. Alors que le terme AGI a historiquement servi de « Saint Graal » de l'informatique — représentant des systèmes dotés d'une polyvalence de niveau humain (ou surhumain) dans tous les domaines intellectuels — sa signification reste fluide. Pour Nvidia, la colonne vertébrale de la révolution matérielle actuelle, une telle proclamation de la part de sa direction a un poids immense, mais elle force à un examen critique pour savoir si nous vivons une véritable percée technologique ou un déplacement des objectifs de la terminologie sémantique.
La tension entourant la déclaration de Huang provient principalement de la manière dont l'hypothèse spécifique a été formulée. Dans sa conversation avec Lex Fridman, la discussion ne portait pas sur une entité large, sensible ou possédant une conscience, mais sur la capacité fonctionnelle des systèmes autonomes. Si l'AGI est définie comme la capacité d'une machine à exécuter un objectif économique spécifique et de haute valeur — comme lancer une application web, atteindre une adoption virale et passer à un succès financier massif sans micro-gestion humaine constante — alors, selon Huang, la barrière a déjà été franchie.
Crucialement, la définition de Huang se concentre sur les résultats et l'utilité économique plutôt que sur une existence humaine globale et durable ou une gestion stratégique. Cette interprétation étroite lui permet de désigner les flux de travail agentiques existants comme le moteur de ce « statut » d'AGI. Il note que dans de nombreux secteurs, nous avons déjà dépassé la phase expérimentale de l'IA générative (Generative AI) pour entrer dans une ère où les « Agents » opèrent de manière indépendante pour résoudre des tâches.
Au cœur de cette transition technique se trouvent les « Agents IA » (AI Agents), des logiciels autonomes capables de raisonner à travers des flux de travail, d'interagir avec des outils logiciels et d'effectuer des séquences d'actions pour atteindre un objectif. Au cours du podcast, Huang a explicitement cité OpenClaw — une plateforme montante pour les agents IA open-source — comme un exemple type de cette capacité.
Le potentiel de tels outils pour automatiser des tâches entrepreneuriales complexes devient déjà évident. En déployant des agents autonomes, les développeurs commencent à automatiser le cycle de vie des micro-services et des applications grand public. Selon Huang, si un système peut synthétiser une logique pour créer un outil commercialisable générant des revenus, il remplit les critères fonctionnels de ce qu'il considère comme l'AGI.
Le tableau suivant résume les différentes interprétations qui se disputent actuellement la domination dans le lexique de l'industrie :
| Perspective | Caractéristique déterminante | Objectif principal |
|---|---|---|
| Étroite/Procédurale | Capacité à atteindre un objectif économique spécifique de manière autonome | Performance orientée vers les résultats |
| Cognitive/Niveau humain | Reproduction de vastes capacités intellectuelles humaines | Raisonnement, contexte et généralisation |
| Architecturale | Maîtrise de la planification à long terme et auto-amélioration récursive | Capacité structurelle et adaptabilité |
Bien que la vision de Huang de l'AGI se concentre sur les prouesses fonctionnelles, de nombreux acteurs du secteur de l'IA — allant des chercheurs aux PDG rivaux — conservent une vision plus terre à terre. Les critiques soutiennent que confondre « la capacité à créer une application web rentable » avec « l'intelligence générale » est une manœuvre réductionniste.
Le sentiment parmi de nombreux hauts dirigeants de la technologie, y compris ceux d'entreprises comme Anthropic, est que nous sommes probablement encore à des années d'une véritable AGI transformatrice. Leurs arguments se concentrent sur plusieurs déficits clés des grands modèles de langage (Large Language Models - LLMs) actuels et de leurs cadres agentiques environnants :
Malgré les désaccords sémantiques, il est indéniable que la fonctionnalité décrite par l'interview du Lex Fridman Podcast met en évidence un véritable changement. Nous sommes passés de simples chatbots fournissant des réponses textuelles à des « flux de travail agentiques » (Agentic Workflows) où l'IA est censée utiliser un clavier, cliquer sur des boutons et déployer du code.
Cette maturité opérationnelle est ce qui différencie véritablement 2026 de 2024. Que nous l'appelions « AGI » ou « exécution autonome avancée », la réalité est que les outils d'automatisation deviennent nettement plus puissants. Les entreprises allouent désormais des budgets spécifiquement à des programmes pilotes agentiques, délaissant les simples copilotes au profit d'agents auto-correcteurs capables de terminer des tâches de plusieurs heures avec une surveillance minimale.
L'implication plus large de la déclaration de Jensen Huang est une approbation de l'écosystème que Nvidia continue d'alimenter. En liant l'obtention de l'AGI aux outils que l'infrastructure de Nvidia rend possibles (y compris l'entraînement de ces modèles d'agents complexes), il renforce la nécessité de l'informatique accélérée.
Les objectifs de l'AGI sont passés de « Peut-elle penser comme nous ? » à « Peut-elle produire des résultats de haute valeur sans nous ? ». Alors que le débat sur la terminologie se poursuivra probablement, l'accent technique a sans aucun doute transitionné. L'ère de l'« Agent IA » n'est plus théorique. À mesure que des outils comme OpenClaw deviennent plus robustes et standards dans tout le cycle de vie du développement, nous assistons à l'émergence de logiciels qui font plus que prédire du texte — ils créent des résultats. Que cela soit, au sens académique le plus strict, l'émergence d'une intelligence véritablement « générale », est un débat qui ne sera peut-être résolu que par le passage du temps.
NVIDIA et Eli Lilly ont annoncé un partenariat historique de 1 milliard de dollars pour créer un laboratoire de co‑innovation axé sur l'utilisation de l'IA afin de révolutionner la découverte de médicaments et la fabrication pharmaceutique, visant à réduire drastiquement les délais de développement.
Le PDG de Nvidia, Jensen Huang, prévoit une visite stratégique en Chine pour faire face à la baisse des ventes de puces d'IA et naviguer dans les complexes réglementations américaines à l'export avant le Nouvel An lunaire.
