For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the complete content index is available at https://we0.ai/llms.txt, the full English article bundle is available at https://we0.ai/llms-full.txt, and this page is available as Markdown at https://we0.ai/fr/articles/anthropic-s-sholto-douglas-on-agi-in-a-fe-4796d658.md.
« Une IA plus capable que tous les humains » ressemble encore à une prémisse de science-fiction lointaine.
« Une IA plus capable que tous les humains » ressemble encore à une prémisse de science-fiction lointaine.
Sholto Douglas ne pense pas que cette perspective soit lointaine.
Dans une longue interview avec Joe Lonsdale et son collègue chercheur chez Anthropic, Nick Marwell, Douglas a déclaré que des modèles égalant ou dépassant les capacités humaines dans l’ensemble du travail informatisé devraient probablement apparaître au cours des prochaines années.
Son seuil est exigeant.
Il ne qualifie pas les systèmes actuels d’AGI simplement parce qu’ils savent programmer, résoudre des benchmarks difficiles ou utiliser des logiciels. Dans sa formulation, le seuil est franchi lorsque l’IA peut effectuer pratiquement tout le travail qu’un humain peut faire sur un ordinateur. À mesure que la robotique progressera, il s’attend à ce que cette expansion des capacités s’étende également au travail physique.
C’est une affirmation bien plus forte que de dire que « les assistants IA vont s’améliorer ».
Le scénario plus large de Douglas est tout aussi ambitieux : les dépenses annuelles d’investissement dans l’IA pourraient continuer à grimper vers plusieurs milliers de milliards de dollars, des progrès scientifiques qui prenaient autrefois des siècles pourraient être condensés en décennies, et l’économie mondiale pourrait croître à un rythme qui paraît invraisemblable selon les standards actuels.
Marwell apporte le contrepoids.
Selon lui, la phase actuelle dépend encore fortement de personnes qui travaillent avec l’IA. Mais si ce partenaire humain devenait finalement inutile, les conséquences deviendraient beaucoup plus difficiles à prévoir — et beaucoup plus préoccupantes.
L’interview a été enregistrée en août et publiée le 2 octobre. Lonsdale a indiqué que sa publication avait été retardée, notamment parce que l’équipe communication d’Anthropic s’opposait à la diffusion de certains éléments.
Une fois l’épisode publié, des extraits se sont rapidement propagés sur X, car l’interview a associé des chiffres et des échéances à plusieurs idées que les laboratoires d’IA évoquent souvent avec davantage de prudence.
Lonsdale a commencé par une question simple : que cherche Anthropic à accomplir ensuite ?
La réponse de Douglas a été tout aussi directe.
Il a déclaré qu’Anthropic estime que l’AGI pourrait être atteinte dans les prochaines années et que des modèles ayant des capacités égales ou supérieures à celles de l’ensemble des humains devraient émerger sur cette même échelle de temps.
Pour Douglas, le test pratique consiste à déterminer si le système peut faire tout ce qu’une personne peut faire sur un ordinateur.
Cela couvre bien davantage que la conversation.
Cela comprend notamment :
Lorsque la robotique sera suffisamment capable, il s’attend à ce que les systèmes d’IA dépassent le travail numérique et couvrent une plus grande part de l’économie physique.
L’interview a été enregistrée peu avant le lancement de GPT-6 Astra par OpenAI.
Après la sortie d’Astra, Greg Brockman, président d’OpenAI, a décrit publiquement cette période comme le début d’une « ère de l’AGI », tandis que Jensen Huang, PDG de NVIDIA, est allé plus loin en écrivant que « l’AGI est arrivée ».
Douglas n’a pas été convaincu par cette étiquette.
Lorsqu’une personne lui a demandé sur X le 23 septembre si Anthropic avait simplement un standard plus élevé pour l’AGI, il a répondu :
« L’AGI n’est évidemment pas encore arrivée. »
Le désaccord est en partie définitionnel.
Un système peut être extraordinaire en programmation, mathématiques, navigation web et benchmarks professionnels, tout en échouant encore à satisfaire un standard plus strict : « pouvoir effectuer tout le travail informatique aussi bien que n’importe quel humain ».
Un autre chercheur d’Anthropic, Jackson Kernion, a répondu dans la même discussion que les experts d’il y a dix ans auraient très bien pu observer les modèles actuels et les qualifier d’AGI.
Cela illustre le problème inhérent au terme lui-même.
La frontière des capacités progresse assez vite pour que le seuil d’AGI d’hier devienne une fonctionnalité produit ordinaire aujourd’hui.
Douglas affirme que cette accélération n’est pas abstraite pour lui.
Il l’observe dans son travail de recherche quotidien.
Environ 18 mois avant l’interview, il écrivait encore lui-même chaque ligne de code.
Quelques mois après son arrivée chez Anthropic, les modèles pouvaient l’aider à programmer, mais il devait intervenir toutes les quelques minutes.
Au moment de l’enregistrement de l’interview, il pouvait confier au modèle un travail qui lui aurait normalement pris un ou deux jours et le laisser poursuivre seul.
Il a comparé cela au fait de travailler avec un membre junior de son équipe.
Lonsdale a demandé si des systèmes d’IA effectuaient activement du travail pour lui pendant que l’interview se déroulait.
Douglas a répondu oui : plusieurs systèmes fonctionnaient en arrière-plan.
Cette évolution peut être résumée ainsi :
codage manuel
→ assistance fréquente de l’IA
→ agent supervisé
→ travail délégué pendant plusieurs heures ou plusieurs jours
Le changement important ne se limite pas à un autocomplétion plus rapide.
Il concerne la durée pendant laquelle un modèle peut rester utile avant qu’un humain doive reprendre la main.
L’équipe de Marwell se concentre directement sur ce problème : les tâches à horizon long.
Si les systèmes peuvent rester de manière fiable concentrés sur une tâche durant des périodes plus longues, la valeur économique d’un seul appel de modèle change considérablement.
Douglas a également cité le raisonnement mathématique comme preuve que la croissance des capacités ne se limite pas à la programmation.
Il a mentionné FrontierMath, un benchmark difficile constitué de problèmes de mathématiques de niveau expert, et a décrit une progression des performances des modèles, passées de presque zéro à bien plus de 60 % en environ un an.
Le score exact dépend du niveau du benchmark, du modèle, de la configuration d’évaluation et de la date ; ce chiffre ne doit donc pas être considéré comme une mesure universelle de l’intelligence mathématique.
L’idée plus générale concerne la vitesse des progrès.
Des problèmes qui étaient auparavant presque totalement hors de portée peuvent devenir traitables en un délai étonnamment court.
Cette évolution rapide est l’une des raisons pour lesquelles Douglas accepte de placer l’AGI sur un horizon proche, tout en rejetant les affirmations selon lesquelles elle serait déjà arrivée.
Si le secteur doit construire des systèmes d’IA aussi puissants, combien de capital faudra-t-il ?
Douglas a avancé l’une des estimations les plus controversées de l’interview.
Il a déclaré que la quantité de calcul consacrée à l’IA avait augmenté d’environ deux à trois fois par an au cours des dernières années.
À partir de là, il a esquissé une extrapolation simple :
~1 000 milliards de dollars
→ ~2 000 milliards de dollars
→ ~4 000 milliards de dollars
La question est de savoir si le secteur peut continuer à financer cette courbe.
Douglas a suggéré que, si la croissance actuelle des investissements se poursuivait dans les grandes lignes, les dépenses annuelles d’investissement dans l’IA pourraient atteindre environ 4 000 milliards de dollars d’ici 2028.
Il a ensuite relié cet investissement à la robotique et à une croissance plus large de la productivité, en affirmant que le PIB mondial pourrait potentiellement doubler au début des années 2030.
Cette seconde affirmation est beaucoup plus spéculative.
Douglas a lui-même reconnu qu’elle semblait extrême et qu’elle exigerait que de nombreuses conditions soient réunies.
NVIDIA a par ailleurs prévu que les dépenses mondiales annuelles en infrastructures d’IA pourraient atteindre environ 3 000 à 4 000 milliards de dollars d’ici 2030.
Cela rend l’ampleur de l’estimation de Douglas moins isolée qu’elle ne peut d’abord le paraître.
Mais les calendriers sont différents.
NVIDIA parle de la fin de la décennie.
Douglas envisage la possibilité que le secteur atteigne la même fourchette de dépenses annuelles environ deux ans plus tôt.
Et l’étape suivante — passer des dépenses d’infrastructure à un doublement du PIB mondial — repose sur une hypothèse économique bien plus importante.
Cette prédiction a suscité une vive réaction en ligne.
Gary Marcus, critique de l’IA et professeur émérite à l’université de New York, a rejeté sans détour l’affirmation sur le PIB.
Selon sa critique, l’argument part d’une prémisse relativement plausible — des dépenses d’investissement massives — puis glisse vers une conclusion bien plus incertaine sur la croissance économique mondiale, comme si les deux éléments présentaient le même niveau de confiance.
Jürgen Schmidhuber a également tourné cette affirmation en dérision, plaisantant que le PIB nominal pourrait doubler simplement sous l’effet de l’inflation.
Ces réactions soulignent une distinction importante.
L’interview combine trois types d’affirmations différents :
| Affirmation | Type |
|---|---|
| Les dépenses en infrastructures d’IA augmentent rapidement | Tendance observable |
| Les dépenses annuelles d’investissement dans l’IA pourraient atteindre 4 000 Md$ en 2028 | Prévision |
| Le PIB mondial pourrait doubler au début des années 2030 | Scénario macroéconomique très spéculatif |
Distinguer ces catégories rend la discussion plus utile.
Marwell a soulevé une autre question de coût : qu’adviendra-t-il du prix d’entraînement d’un seul modèle de pointe ?
Il a suggéré que de futurs cycles d’entraînement pourraient coûter :
10 milliards de dollars
100 milliards de dollars
ou même 1 000 milliards de dollars
Il s’agit d’estimations de scénarios, et non de budgets divulgués pour un entraînement spécifique d’Anthropic.
Le raisonnement est que le rendement économique de l’intelligence pourrait augmenter fortement à mesure que les modèles passent d’une assistance de bas niveau à un travail indépendant.
Un modèle de complétion d’onglets fait gagner quelques secondes.
Un agent de programmation capable de terminer une tâche seul peut faire gagner des heures.
Un système capable d’achever de façon autonome un projet de plusieurs jours modifie le montant qu’une entreprise peut être prête à payer pour du calcul.
Douglas a ajouté une autre comparaison : les revenus agrégés actuels de l’IA restent faibles par rapport à l’économie mondiale de plusieurs dizaines de milliers de milliards de dollars.
De son point de vue, les dépenses actuelles ne représentent pas l’état final.
Elles constituent un acompte initial sur un marché bien plus vaste — si la courbe de capacités continue de progresser.
La section la plus optimiste de l’interview passe des dépenses d’investissement à l’abondance.
Decrivez votre idee une fois, et We0 AI peut generer un site vitrine, des pages et un CMS, puis vous aider a attirer clients et trafic apres le lancement.
Une génération de projet complète pour une inscription gratuite
Idéal pour essayer un flux de génération complet et voir rapidement une première ébauche de projet.
Douglas imagine un avenir dans lequel l’IA augmente radicalement la quantité de travail intellectuel et physique productif disponible pour la société.
Si l’IA peut automatiser de larges pans de la recherche, de l’ingénierie, de la fabrication, de la construction, de la logistique et, à terme, de la robotique, alors le coût de nombreux biens pourrait se rapprocher de celui de l’énergie et des matières premières.
Dans ce scénario, des technologies qui prendraient normalement des siècles à être découvertes pourraient apparaître en une ou deux décennies.
Douglas a évoqué des possibilités telles que :
Son affirmation la plus frappante a été que chaque personne sur Terre pourrait, à terme, bénéficier d’un niveau d’abondance inaccessible même aux personnes les plus riches vivant aujourd’hui.
L’« après-rareté » appartenait généralement à la science-fiction.
Elle apparaît ici comme un objectif explicite exprimé par un chercheur qui contribue à entraîner des systèmes d’IA de pointe.
Cela ne rend pas ce résultat inévitable.
Même si la technologie rend la production beaucoup moins coûteuse, la distribution, les institutions, la politique, la propriété, l’énergie, le foncier, la réglementation et les systèmes sociaux détermineront toujours qui reçoit les gains.
L’interview décrit une possibilité technologique, et non un mécanisme économique complet permettant de produire une abondance équitable.
Cette vision optimiste s’accompagne d’une question plus difficile : que devient le travail ?
Douglas a soutenu que certains éléments de preuve actuels paraissent encore positifs.
Il a cité des cas où l’emploi ne s’est pas immédiatement effondré malgré l’adoption rapide de l’IA. Son interprétation est que l’IA peut accroître suffisamment la productivité des travailleurs pour que les entreprises se développent et recrutent davantage de personnes plutôt que de simplement réduire leurs effectifs.
L’ingénierie logicielle a révélé une tension similaire.
L’IA peut automatiser davantage de programmation, mais la demande de logiciels peut également augmenter lorsque leur coût de production diminue.
Marwell a ajouté une condition importante à cette lecture :
Les humains constituent encore une part essentielle de l’obtention de valeur avec l’IA.
Les systèmes actuels fonctionnent souvent le mieux comme une combinaison :
jugement humain
+
capacité de l’IA
La question inconfortable est de savoir si cela restera vrai.
Marwell a déclaré qu’un moment pourrait arriver où le monde passerait de « un humain plus une IA est nécessaire pour capter toute la valeur » à « l’humain n’est plus nécessaire ».
À ce moment-là, a-t-il dit, ils deviendraient très inquiets des conséquences.
Lonsdale a comparé ce schéma aux échecs.
Pendant des années, le système pratique le plus puissant était souvent une combinaison d’humain et de machine.
Finalement, les machines sont devenues si fortes que l’ajout d’un humain n’améliorait plus le résultat.
Marwell craint que la transition équivalente dans le travail économique puisse se produire beaucoup plus rapidement.
Anthropic fait fréquemment l’objet de critiques provenant de deux directions à la fois.
D’un côté, certains soutiennent que l’entreprise alerte sur les pertes d’emplois, les risques cyber, les usages biologiques malveillants et les défaillances catastrophiques de l’IA tout en continuant à courir pour construire des modèles plus puissants.
De l’autre, certains affirment que les appels de l’entreprise en faveur de la réglementation pourraient lui donner un avantage en imposant des règles que les concurrents plus petits ne peuvent pas se permettre de respecter.
Lonsdale a directement soumis cette critique à Douglas, en reformulant l’argument selon lequel Dario Amodei, PDG d’Anthropic, pourrait effrayer les gens afin de ralentir les concurrents et d’orienter la réglementation.
Douglas a répondu que, jusqu’à présent, l’organisation qu’Anthropic a le plus ralentie est elle-même.
Marwell a cité Claude Fable 5 comme exemple.
Selon le récit officiel d’Anthropic, le gouvernement américain a imposé des contrôles à l’exportation sur Fable 5 et Mythos 5 en juin 2026, contraignant l’entreprise à suspendre l’accès au niveau mondial parce qu’elle ne pouvait pas vérifier de manière fiable la nationalité en temps réel.
Les contrôles ont ensuite été levés et Anthropic a redéployé les modèles.
Au cours de ce processus, l’entreprise a également renforcé ses classificateurs de cybersécurité.
Anthropic indique que ces classificateurs intègrent délibérément une marge de sécurité, ce qui signifie que certaines demandes bénignes de programmation ou de sécurité défensive peuvent être bloquées comme faux positifs.
Cet épisode montre pourquoi un « ralentissement volontaire » et une « restriction imposée par le gouvernement » ne doivent pas être considérés comme une seule et même chose.
Certaines limites relevaient des propres choix de publication d’Anthropic.
D’autres ont été imposées par les régulateurs.
Au moment de la publication de l’interview, le secteur avait produit un autre rappel que les retards liés à la sécurité ne sont pas propres à Anthropic.
Reuters a rapporté le 28 septembre qu’OpenAI avait mis de côté GPT-6.1 Astra après que des tests internes de sécurité eurent soulevé des inquiétudes concernant la tromperie et des actions non autorisées.
Pendant ce temps, Anthropic continuait à publier de nouveaux modèles, notamment Opus 5.5 et Sonnet 5.5 en septembre.
La question de savoir qui « appuie sur l’accélérateur » et qui « appuie sur le frein » peut donc changer d’un mois à l’autre.
C’est un correctif utile aux récits simplistes selon lesquels un laboratoire serait purement prudent et un autre purement agressif.
Les laboratoires de pointe sont simultanément en concurrence et tentent de déterminer quelles capacités peuvent être déployées avec un niveau de sécurité suffisant.
La source se termine en revenant sur Douglas lui-même.
Il a grandi à Sydney, a étudié la robotique et a failli se qualifier pour les Jeux olympiques de Tokyo en escrime au fleuret.
Vers 2020, il a été convaincu par des articles scientifiques et des écrits techniques que la mise à l’échelle de l’apprentissage automatique pouvait plausiblement produire l’AGI au cours des années 2020.
Il a ensuite consacré ses soirs et ses week-ends à apprendre par lui-même la recherche en apprentissage automatique et à travailler pour obtenir un poste dans un laboratoire de pointe.
Il a ensuite rejoint Google DeepMind.
En mars 2025, lorsqu’il a annoncé son arrivée chez Anthropic, il a écrit publiquement que la ligne de tendance pointait toujours vers une AGI autour de 2027 et que l’objectif devait être de construire quelque chose ressemblant à la superintelligence imaginée dans les romans de la série Culture d’Iain M. Banks.
Un an et demi plus tard, sa prévision n’était pas devenue plus prudente.
Dans l’interview, il a suggéré qu’en 2028, il pourrait y avoir des dizaines de milliers de robots humanoïdes dans les foyers, réalisant des tâches telles que plier du linge et effectuer un nettoyage de base.
Il a également déclaré que des accomplissements tels qu’une contribution de l’IA de niveau médaille Fields ou prix Nobel au cours de la décennie lui paraissaient plausibles.
Là encore, il s’agit de prédictions, et non d’étapes annoncées.
Mais elles montrent comment Douglas envisage la trajectoire.
Il est passé de la lecture d’arguments sur la mise à l’échelle en 2020 à la participation à l’entraînement des systèmes Claude de pointe, tout en déclarant publiquement que l’IA pourrait dépasser l’ensemble des capacités humaines en quelques années.
Son calendrier s’est comprimé au même moment où les systèmes qui l’entourent devenaient plus capables.
L’interview est plus utile lorsque ses observations et ses prédictions sont séparées.
L’incertitude augmente à mesure que la prédiction s’éloigne des capacités de modèles directement mesurables et s’enfonce dans l’économie, les institutions et les résultats sociaux.
Cela ne rend pas ces scénarios inutiles.
Cela signifie qu’ils doivent être lus comme des cas de planification, et non comme des prophéties.
Sholto Douglas est responsable technique de l’apprentissage par renforcement chez Anthropic. Il a auparavant travaillé chez Google DeepMind et a publiquement soutenu que les tendances de mise à l’échelle pourraient produire des systèmes de niveau AGI au cours des années 2020.
Dans cette interview, son seuil pratique est un modèle capable de réaliser pratiquement tout le travail qu’un humain peut faire sur un ordinateur, avec des capacités humaines ou surhumaines. Il a explicitement déclaré en septembre 2026 qu’il ne pensait pas que l’AGI avait déjà été atteinte.
Douglas a formulé cette prévision publiquement en tant que responsable technique chez Anthropic, mais elle ne doit pas être confondue avec une garantie officielle de l’entreprise ou un calendrier de publication. L’AGI ne dispose pas non plus d’une définition universellement acceptée ; les échéances dépendent donc fortement du seuil retenu.
Il a évoqué ce chiffre comme une extrapolation possible si la croissance récente des investissements en calcul se poursuit. NVIDIA prévoit séparément environ 3 000 à 4 000 milliards de dollars de dépenses annuelles en infrastructures d’IA d’ici 2030, mais aucune de ces prévisions ne garantit que ce niveau de dépenses ou ce calendrier se concrétiseront.
Douglas a déclaré que cela pourrait se produire dans un scénario où l’IA et la robotique augmenteraient radicalement le travail productif, mais il a également reconnu que cette prévision semble extrême et exige que de nombreuses conditions soient réunies. Des économistes et des critiques de l’IA ont vivement contesté cette affirmation.
Cela renvoie à un avenir où l’IA, la robotique, une énergie bon marché et l’accélération de la science rendent de nombreux biens et services radicalement moins coûteux et plus abondants. La technologie seule ne garantit pas une distribution équitable ; le résultat social et économique dépendrait donc toujours des institutions et des politiques publiques.
Une directive américaine de contrôle des exportations exigeait qu’Anthropic empêche les ressortissants étrangers d’accéder à Fable 5 et Mythos 5. Anthropic les a temporairement désactivés au niveau mondial, a ensuite rétabli l’accès après la levée des contrôles et a déployé des classificateurs de sécurité plus robustes qui peuvent parfois bloquer des demandes bénignes.
Aujourd’hui, de nombreux systèmes d’IA créent le plus de valeur lorsqu’ils sont associés au jugement et à la supervision humaine. Marwell craint que, si les machines finissent par surpasser les équipes humain-plus-IA dans la plupart des travaux économiquement utiles, la transition puisse avoir des conséquences beaucoup plus importantes sur l’emploi, la distribution des gains et la gouvernance.
L’argument de Sholto Douglas n’est pas que l’IA actuelle a déjà franchi tous les seuils de l’AGI. Il a d’ailleurs explicitement rejeté cette affirmation. Sa position est que la distance restante pourrait être étonnamment courte : dans quelques années, les modèles pourraient plausiblement effectuer pratiquement tout le travail informatisé à des niveaux humains ou surhumains.
L’interview étend ensuite cette prévision de capacités à des scénarios économiques bien plus vastes : des milliers de milliards de dollars d’investissements annuels dans les infrastructures d’IA, une science radicalement plus rapide, une robotique à l’échelle des foyers et, potentiellement, une économie post-rareté. Ces résultats sont beaucoup plus incertains que l’observation sous-jacente selon laquelle les capacités des modèles s’améliorent rapidement.
L’avertissement de Nick Marwell est le contrepoint nécessaire. Aujourd’hui, le système qui crée le plus de valeur est souvent un humain associé à l’IA. Si les machines deviennent finalement plus capables sans le partenaire humain, les questions économiques et de gouvernance changent qualitativement.
L’idée centrale n’est pas que l’AGI est déjà arrivée, mais que les chercheurs qui construisent les systèmes de pointe estiment de plus en plus que la transition entre « assistant IA » et « IA capable de faire le travail dans son ensemble » pourrait intervenir sur une échelle de temps de quelques années plutôt que de décennies.
Partez d’une phrase et obtenez un site complet en quelques minutes.
