Les leaders de l'IA disent que les systèmes au niveau humain approchent rapidement

Les progrès rapides de l’intelligence artificielle obligent les gouvernements et les institutions à faire face à un chemin bien plus court vers les systèmes au niveau humain que prévu auparavant. Les leaders de l’industrie affirment désormais que l’écart entre les outils d’aujourd’hui et l’intelligence artificielle générale se rétrécit rapidement. Avec l’accélération du développement, les préoccupations concernant les emplois, la gouvernance et la stabilité économique deviennent centrales dans le débat.

Amodei affirme que l’IA au niveau humain pourrait arriver dans quelques années, pas dans des décennies

Au Forum économique mondial de Davos, le PDG d’Anthropic, Dario Amodei, a averti que les décideurs politiques pourraient ne pas être prêts à la vitesse à laquelle l’IA avancée approche. Apparaissant aux côtés du PDG de Google DeepMind, Demis Hassabis, Amodei a affirmé que les systèmes sociaux et les marchés du travail sont peu susceptibles de s’adapter au même rythme que le progrès technique. Selon lui, le temps de préparation diminue plutôt qu’il ne s’allonge.

Amodei a réitéré sa conviction que l’IA au niveau humain est probablement à seulement quelques années. Il a déclaré que ses projections antérieures restent valables et que les progrès se poursuivent selon une courbe raide. Selon son estimation, les capacités surhumaines pourraient arriver dès 2026 ou 2027. Selon ses mots, il est difficile de voir comment le développement pourrait s’étendre bien au-delà de cette période.

Une grande partie de cette rapidité vient du fait que les systèmes d’IA assistent de plus en plus leur propre développement. Chez Anthropic, a dit Amodei, les ingénieurs logiciels passent déjà de la rédaction de code à la supervision des résultats générés par l’IA. Les ingénieurs passent désormais plus de temps à réviser et corriger le code qu’à le produire à partir de zéro. D’ici six à douze mois, a-t-il suggéré, les modèles d’IA pourraient gérer la plupart des tâches de codage de bout en bout.

Plusieurs forces poussent ce cycle en avant :

• Les modèles d’IA génèrent désormais de larges portions de code de niveau production.
• Les ingénieurs agissent principalement comme réviseurs plutôt que comme auteurs principaux.
• Les améliorations d’entraînement alimentent directement des mises à jour plus rapides des modèles.
• Les limites du matériel freinent plus la vitesse que la capacité de recherche.
• Des cycles de développement plus courts compressent les délais d’adoption.

Demis Hassabis de DeepMind estime à 50 % les chances d’AGI d’ici 2030

Tout en reconnaissant des progrès importants, Hassabis a soutenu que tous les domaines ne sont pas également adaptés à l’automatisation. Des secteurs tels que le codage et les mathématiques sont des cibles plus faciles car les résultats peuvent être rapidement vérifiés. D’autres disciplines, notamment les sciences naturelles, reposent sur des expériences qui nécessitent du temps et des ressources.

La découverte scientifique, a-t-il dit, reste un obstacle majeur. Les systèmes actuels peuvent résoudre des problèmes bien définis mais peinent à générer de nouvelles questions ou théories. Produire des hypothèses originales, selon lui, représente l’un des plus hauts niveaux de créativité humaine. L’IA n’a pas encore démontré de capacité fiable dans ce domaine, et il reste incertain quand — ou si — cet écart se comblera.

En raison de ces limites, Hassabis a estimé que les chances d’atteindre l’AGI d’ici 2030 sont d’environ cinquante pour cent. Il a pointé la différence entre le calcul rapide et l’innovation réelle comme une incertitude clé. Pourtant, les deux dirigeants ont convenu que la perturbation économique n’est plus une préoccupation lointaine.

Les emplois de cols blancs sont de plus en plus exposés. Amodei a précédemment estimé que jusqu’à la moitié des emplois professionnels de niveau débutant pourraient disparaître d’ici cinq ans, et à Davos, il a confirmé ce chiffre. Le travail de bureau, autrefois considéré comme protégé, fait désormais face à des pressions d’automatisation similaires à celles qui ont transformé le secteur manufacturier des décennies plus tôt.

Hassabis a averti que même les prévisions économiques prudentes peuvent sous-estimer la vitesse du changement. Cinq à dix ans, a-t-il dit, ce n’est pas long pour que les sociétés s’adaptent. Les institutions conçues pour des transitions plus lentes pourraient avoir du mal à répondre si les structures d’emploi changent d’un coup.

L’IA érode l’autonomie au travail bien avant le début des licenciements massifs

Pour Amodei, le défi s’est étendu au-delà de l’ingénierie à une crise de coordination. Il a estimé que les gouvernements devraient concentrer la majeure partie de leur attention sur la gestion de la transition. Bien que les risques liés à un mauvais usage et aux tensions géopolitiques restent gérables, la marge d’erreur se réduit.

Les principales pressions politiques émergentes du débat incluent :

• Des changements dans le travail se produisant plus vite que les systèmes de reconversion actuels peuvent gérer.
• Des lacunes réglementaires entourant des modèles puissants à usage général.
• Une inégalité croissante due à l’automatisation du travail qualifié.
• La concentration des capacités d’IA entre un petit nombre d’acteurs majeurs.
• Une coordination mondiale limitée sur les normes de sécurité.

Certains analystes du travail estiment que la perturbation pourrait arriver par la restructuration des emplois plutôt que par leur remplacement pur et simple. Bob Hutchins, PDG de Human Voice Media, a déclaré que les rôles professionnels sont morcelés en tâches plus petites et plus étroitement surveillées. Les algorithmes gèrent de plus en plus les flux de travail autrefois contrôlés par des travailleurs individuels.

Selon Hutchins, ce changement modifie la sensation et le fonctionnement du travail. Les rôles créatifs et techniques passent de positions de prise de décision à des rôles de vérification. Les travailleurs contrôlent les résultats plutôt que de façonner les projets. Avec le temps, ce processus peut priver les emplois d’autonomie et réduire les salaires, même si les titres restent inchangés.

Plutôt que de se demander si les machines remplaceront les gens, Hutchins a estimé que l’attention devrait se tourner vers la manière dont la qualité du travail est modifiée. À mesure que les tâches se fragmentent et que la supervision augmente, l’identité professionnelle elle-même pourrait s’effacer. Les gouvernements et les employeurs sont désormais confrontés à un défi qui dépasse la préservation de l’emploi pour inclure la préservation d’un travail significatif alors que les capacités de l’IA continuent de s’étendre.