Comment le monde (politique, économie, société, technologie) changera-t-il après la réalisation de l'AGI ?

Introduction

Bien que l'IA actuelle (ChatGPT, Gemini, Claude, etc.) dispose déjà de connaissances supérieures à celles d'un expert généraliste, la réalisation d'une AGI (Artificial General Intelligence) à performance généralisée devrait transformer radicalement la vie des populations.
Ici, nous nous proposons d'examiner les changements susceptibles d'intervenir dans les domaines politique, économique, social et technologique, et de réfléchir à la façon dont le monde dans son ensemble pourrait en être affecté.

Références

Il existe diverses informations concernant l'AGI, mais nous nous limitons ici à des sources hautement fiables, comme celles des auteurs suivants

• Principales entreprises de développement d'IA : OpenAI, Google, etc.
• Principaux cabinets de conseil : McKinsey & Company, BCG, etc.
• Principales sociétés de courtage et d'investissement : Goldman Sachs, Sequoia Capital, etc.
• Principaux organismes de recherche : Harvard University, Stanford University, etc.
• Principales revues académiques : Nature, Science, etc.
• Organisations internationales : World Economic Forum, OCDE, etc.

L'organisation qui suit est basée sur le contenu des documents ci-dessous. Pour plus de détails, veuillez consulter ces sources.

• Acemoglu, D., & Restrepo, P. (2018). Artificial intelligence, automation and work (NBER Working Paper No. 24196). National Bureau of Economic Research.
• AlixPartners. (2025). Farewell, SaaS: AI is the future of enterprise software.
• Altman, S. (2021). Moore's law for everything.
• Amodei, D. (2024). Machines of loving grace.
• Bai, Y., Kadavath, S., Kundu, S., Askell, A., Kernion, J., Jones, A., ... & Kaplan, J. (2022). Constitutional AI: Harmlessness from AI feedback. Anthropic. (arXiv:2212.08073)
• Appel, R., McCrory, P., Tamkin, A., McCain, M., Neylon, T., & Stern, M. (2025). The Anthropic Economic Index Report: Uneven geographic and enterprise AI adoption. Anthropic.
• Aschenbrenner, L. (2024). Situational awareness: The decade ahead.
• BCG. (2025). Software engineering, UI/UX, product management, quality assurance, data science: How tasks, talent, and teams will change [Presentation slides].
• Bengio, Y., et al. (2025). The international scientific report on the safety of advanced AI.
• Bostrom, N. (2014). Superintelligence: Paths, dangers, strategies. Oxford University Press.
• Bremmer, I., & Suleyman, M. (2023). The AI power paradox: Can states learn to govern artificial intelligence—before it’s too late? Foreign Affairs.
• Deloitte. (2026). SaaS meets AI agents: Transforming budgets, customer experience, and workforce dynamics. Deloitte Center for Technology, Media & Telecommunications.
• Patel, D. (Host). (2025). Interview with Satya Nadella [Audio podcast episode]. Dwarkesh Patel Podcast.
• Eloundou, T., Manning, S., Mishkin, P., & Rock, D. (2023). GPTs are GPTs: An early look at the labor market impact potential of large language models.
• Gawdat, M. (2021). Scary smart.
• Goldman Sachs. (2026). How will AI affect the US labor market?
• IBM Institute for Business Value. (2025). AI-fueled operations. IBM.
• Lykkegaard, B. (2026). Is SaaS dead? Rethinking the future of software in the age of AI. IDC Tech Buyer.
• Cazzaniga, M., Jaumotte, F., Li, L., Melina, G., Panton, A. J., Pizzinelli, C., Rockall, E., & Tavares, M. M. (2024). Gen-AI: Artificial intelligence and the future of work (IMF Staff Discussion Note SDN/2024/001). International Monetary Fund.
• International Telecommunication Union (ITU). (2025). The annual AI governance report 2025: Steering the future of AI.
• Kissinger, H., Schmidt, E., & Huttenlocher, D. (2021). The age of AI: And our human future. Little, Brown and Company.
• Korinek, A. (2024). Economic policy challenges for the age of AI (NBER Working Paper No. 32980). National Bureau of Economic Research.
• Lu, C., Lu, C., Lange, R. T., Foerster, J., Clune, J., & Ha, D. (2024). The AI Scientist: Towards fully automated open-ended scientific discovery. arXiv preprint arXiv:2408.06292.
• Maslej, N., Fattorini, L., Perrault, R., Gil, Y., Parli, V., Kariuki, N., ... & Oak, S. (2025). The AI index 2025 annual report. Stanford Institute for Human-Centered Artificial Intelligence.
• Maslej, N., Fattorini, L., Perrault, R., Gil, Y., Parli, V., Kariuki, N., ... & Oak, S. (2025). The AI index 2025 annual report. Stanford Institute for Human-Centered Artificial Intelligence.
• McKinsey & Company. (2025). The agentic organization: Contours of the next paradigm for the AI era.
• McKinsey & Company. (2026). The state of organizations 2026.
• McKinsey Global Institute. (2023). The economic potential of generative AI: The next productivity frontier.
• Microsoft. (2025). Work trend index annual report 2025: The year the frontier firm is born.
• OpenAI. (2023). Governance of superintelligence.
• Ord, T. (2020). The precipice: Existential risk and the future of humanity. Bloomsbury.
• PwC. (2025). The fearless future: PwC’s 2025 global AI jobs barometer.
• Pavel, B., Ke, I., Smith, G., Brown-Heidenreich, S., Sabbag, L., Acharya, A., & Mahmood, Y. (2024). How artificial general intelligence could affect the rise and fall of nations: Visions for potential AGI futures (RAND Corporation Research Report PE-A3776-1). RAND Corporation.
• Russell, S. J. (2019). Human compatible: Artificial intelligence and the problem of control. Penguin Books.
• Suleyman, M. (2023). The coming wave: Technology, power, and the twenty-first century's greatest dilemma. Crown.
• Susskind, D. (2020). A world without work: Technology, automation, and how we should respond. Metropolitan Books.
• Tegmark, M. (2017). Life 3.0: Being human in the age of artificial intelligence. Knopf.
• Toner-Rodgers, A. (2024). Artificial intelligence, scientific discovery, and product innovation. arXiv preprint arXiv:2412.17866.
• Bengio, Y., Clare, S., Prunkl, C., Murray, M., Andriushchenko, M., Bucknall, B., ... & Mindermann, S. (2026). International AI safety report 2026 (DSIT 2026/001). Department for Science, Innovation and Technology.
• Bengio, Y., Clare, S., Prunkl, C., Murray, M., Andriushchenko, M., Bucknall, B., ... & Mindermann, S. (2026). International AI safety report 2026 (DSIT 2026/001). Department for Science, Innovation and Technology.
• World Economic Forum. (2025). Future of jobs report 2025.
• Yamada, Y., Lange, R. T., Lu, C., Hu, S., Lu, C., Foerster, J., Clune, J., & Ha, D. (2025). THE AI SCIENTIST-V2: Workshop-level automated scientific discovery via agentic tree search. arXiv preprint arXiv:2504.08066.

Changements politiques

Évolution des relations internationales et des politiques de sécurité

• Compétition inter-états pour la supériorité stratégique décisive et militarisation : L'AGI apportera une « supériorité stratégique décisive (Decisive strategic advantage) » tant sur le plan économique que militaire, ce qui provoquera une concurrence féroce entre les grandes puissances comme les États-Unis et la Chine. L'automatisation des cyberattaques, les systèmes d'armes autonomes (essaims de drones, etc.), ainsi que la nature à usage double (civile et militaire) permettant de faciliter la conception d'armes biologiques et chimiques ébranleront profondément le concept traditionnel de dissuasion.
• Établissement d'un organisme international puissant de surveillance et de traités : Pour faire face à cette menace sans précédent, la création d'un nouvel organisme international doté de capacités mondiales de surveillance et d'inspection, comparable à l'AIEA (Agence internationale de l'énergie atomique) dans la gestion des armes nucléaires ou au GIEC dans le changement climatique (par exemple un « Conseil de stabilité géopolitique »), deviendra une question incontournable de politique. On prévoit que les discussions progresseront sur les traités de non-prolifération visant à surveiller les ressources informatiques (calculs) et les centres de données utilisés pour les technologies d'IA de pointe, et à prévenir la propagation d'AGI dangereuses.
• Formation d'un Singleton et diplomatie de piste 2 : À long terme, il est débattu que un seul État ou alliance démocratique ayant développé en premier une AGI écrasante pourrait former un ordre « Singleton » (un mécanisme de prise de décision unique au plus haut niveau) de gouvernance mondiale, résolvant les problèmes de coordination à l'échelle planétaire. En revanche, pour prévenir les conflits accidentels dus aux malentendus technologiques entre États rivaux, la diplomatie de piste 2 (dialogue et négociations officieuses menés par des experts et chercheurs non gouvernementaux, des universitaires, des réservoirs de réflexion et d'anciens diplomates) impliquant non seulement les gouvernements mais aussi les experts non gouvernementaux et les chercheurs jouera un rôle extrêmement important.

Transformation de la politique intérieure et des structures de gouvernance (concentration et dispersion du pouvoir)

• Ordre « Technopolaire (Technopolar) » et nationalisation des entreprises : Un petit nombre de géantes entreprises technologiques monopolisant d'immenses ressources de calcul et la technologie AGI la plus avancée exerceront le pouvoir souverain et l'influence qu'autrefois seuls les États détenaient. Les gouvernements seront contraints de réviser radicalement les lois antitrust, de prévenir la concentration des technologies et des marchés, et d'élaborer une nouvelle approche réglementaire plaçant ces grandes entreprises d'importance systémique sous un contrôle démocratique.
• Défense de la démocratie et renforcement de l'autoritarisme (AI-tocracy) : Les fausses informations hautement sophistiquées générées par l'AGI (deepfakes et microtargeting) faciliteront la manipulation électorale et la division sociale, menaçant fondamentalement le processus démocratique. Une législation urgente est nécessaire pour maintenir la liberté d'expression tout en réglementant et détectant la propagande générée par l'IA. En contraste, dans les régimes autoritaires, l'AGI fournira des systèmes de surveillance parfaits et des mécanismes de contrôle social, amplifiant le risque d'une « autocratie technologique (ou technodictature : un système politique dans lequel le gouvernement ou une élite utilise les technologies numériques de pointe, l'IA et les systèmes de surveillance pour contrôler et dominer fortement les populations) ». De plus, il est même suggéré que l'IA rapportant les faits objectifs aux dirigeants pourrait résoudre le « dilemme du dictateur (plus les régimes renforcent le contrôle de l'information et la surveillance, moins ils ne reçoivent d'informations objectives et de volonté populaire, ce qui entraîne des erreurs politiques et affaiblit le régime) » et compenser les faiblesses de la dictature.
• Intégration de l'IA dans les services administratifs et judiciaires et responsabilité : L'AGI s'impliquera dans la fiscalité, les prestations sociales, la gestion des infrastructures, et même dans l'interprétation juridique et les verdicts des tribunaux. Cependant, pour prévenir l'absence de responsabilité due à l'opacité des algorithmes et l'amplification des préjugés, le gouvernement devra légalement garantir une « supervision humaine (Human-in-the-loop) » pour chaque décision d'IA et concevoir un système permettant aux citoyens de contester les jugements de l'IA.

Transformation radicale de l'économie, société et politiques de redistribution (marché du travail et bien-être)

• Déclin de la valeur du travail et transition vers un « grand État (Big State) » : L'AGI et la robotique avancée remplaceront la majeure partie du travail cognitif et physique humain, ce qui pourrait détruire la prémisse du capitalisme moderne selon laquelle les revenus et la richesse sont distribués par le biais du marché du travail. Pour y répondre, l'État devra chercher des mécanismes de distribution du gâteau économique en dehors du marché du travail et sera contraint de se transformer en un « grand État » avec un rôle considérablement élargi.
• Introduction d'un revenu universel de base (UBI) : Pour faire face au chômage technologique généralisé et à la baisse des salaires des classes moyennes, l'introduction d'un Revenu Universel de Base (RUB) ou d'un « Revenu de Base Conditionnel (RBC) » assorti de conditions telles que la contribution sociale passera de la théorie utopique non réaliste à un point de l'ordre du jour politique incontournable.
• Changement de paradigme fiscal (imposition du capital et de l'automatisation) : Alors que la source de création de valeur se déplace radicalement du « travail » humain vers le « capital » tel que les modèles d'IA et les ressources de calcul, la structure fiscale des gouvernements fera face à une transformation fondamentale. Une réforme fiscale majeure passant de la dépendance à l'impôt sur le revenu du travail à l'impôt sur le capital, l'impôt sur la fortune, ou une « taxe robot » visant à ne pas encourager l'automatisation sera nécessaire.

Agilité des processus d'élaboration des politiques et de réglementation et gouvernance

• « Dilemme de la preuve » et nécessité d'une gouvernance agile : L'évolution de l'AGI est extrêmement rapide, et le processus législatif traditionnel de plusieurs années ne peut pas suivre la réalité. Les responsables politiques font face au « dilemme de la preuve (Evidence dilemma) » : réglementer avant que les preuves des risques technologiques soient complètes risque d'entraver les innovations bénéfiques, tandis qu'attendre que les preuves soient réunies peut causer des dommages mortels à la société. Pour surmonter cela, un cadre de gouvernance agile capable de s'adapter flexiblement aux changements technologiques et d'évaluation continue des risques devient essentiel.
• Réglementation « Technoprudentielle » et système de licence : Comparée aux politiques de macroprudence qui supervisent le système financier, un cadre de réglementation « Technoprudentielle (Technoprudential) » pour maintenir la stabilité géopolitique et sociale est proposé. Concrètement, les entreprises développant et déployant des AGI de pointe seraient tenues de procéder à des évaluations de sécurité rigoureuses avant développement (red-teaming), à la divulgation d'informations, aux audits par des tiers, et potentiellement à un système gouvernemental de licence de développement semblable à celui de l'industrie aérospatiale.
• Gestion des modèles ouverts et responsabilité juridique des agents autonomes : Les modèles « à poids ouverts » dont le code source et les paramètres de poids sont publics favorisent la démocratisation de la technologie tout en posant le risque d'abus par des terroristes et autres (risques frontières), soulevant la question difficile de l'équilibre entre réglementation et innovation. De plus, à mesure que les « agents d'IA » exécutant autonomement plusieurs tâches se généralisent, la définition de la responsabilité juridique (responsabilité du fabricant ou de l'utilisateur) en cas de dommages inattendus causés par le système devient une question critique de politique juridique.
• Gouvernance participative impliquant de multiples parties prenantes : La gouvernance de l'IA ne peut pas se limiter aux États et gouvernements seuls. Un processus de formation de règles inclusif et multidimensionnel (Participatory AI) impliquant les grandes entreprises technologiques, le monde académique, la société civile, et y compris les pays du sud mondial souvent laissés pour compte par la technologie de l'IA est nécessaire.

Changements économiques

Croissance macroéconomique et augmentation explosive de la productivité

• L'AGI en tant que technologie polyvalente (GPT) : L'AGI fonctionne comme une « technologie polyvalente (General-Purpose Technology: GPT) » affectant tous les secteurs industriels et activités économiques, s'inscrivant dans la lignée de la machine à vapeur, de l'électricité et d'Internet. Cela permet d'envisager des effets économiques larges et durables qui vont bien au-delà d'une simple prolongation des technologies informatiques existantes.
• Augmentation historique de la productivité et du PIB : Avec l'adoption de l'AGI, la productivité du travail augmentera considérablement. Même au stade de l'IA générative, on estime qu'elle ajoutera une valeur de 2,6 à 4,4 trillions de dollars par an à l'économie mondiale (dépassant le PIB du Royaume-Uni) et augmentera le taux de croissance annuel de la productivité du travail dans les pays du G7 de 0,4 à 1,3 points de pourcentage au cours de la prochaine décennie. Même le déploiement initial d'outils d'IA s'est avéré augmenter la productivité du travail d'environ 14 % en moyenne, et si l'AGI se réalise, le PIB mondial devrait connaître une augmentation qui défiera les idées conventionnelles.
• Auto-accélération de l'innovation en science et technologie : L'AGI ne se limite pas à l'efficacité des processus de production mais peut exécuter de manière autonome les processus de R&D (recherche et développement) eux-mêmes, tels que la découverte de nouveaux matériaux, la conception de médicaments et la démonstration de mathématiques complexes. En réalité, les expériences d'intégration de l'IA dans la recherche et le développement ont rapporté des résultats concrets, notamment une augmentation de 44 % du taux de découverte de nouveaux composés, une augmentation de 39 % des demandes de brevet et une augmentation de 17 % de l'innovation produit en aval, créant un effet composé de croissance par auto-accélération de l'innovation.

Transformation structurelle du marché du travail et crise du « chômage technologique »

• Impact direct sur le « travail de connaissance » hautement qualifié et bien rémunéré : Alors que les technologies d'automatisation passées ont principalement remplacé le travail manuel et les tâches de routine, la haute capacité de traitement du langage naturel, de raisonnement et de résolution de problèmes de l'AGI affectera directement les postes de col blanc nécessitant la prise de décision et les connaissances spécialisées. Il est estimé qu'environ 80 % des travailleurs américains seront affectés d'au moins 10 % dans leurs tâches, et qu'environ 19 % des travailleurs seront affectés dans plus de 50 % de leurs tâches.
• Lutte entre effet de substitution et effet de productivité : D'un point de vue économique, l'IA a un « effet de substitution (Displacement effect) » remplaçant le travail humain par des machines, ce qui tend à réduire la demande de travail et les salaires. D'autre part, les économies de coûts dues à l'automatisation créent un « effet de productivité », augmentant la demande de travail dans les tâches non automatisées. Cependant, avec l'AGI, il existe un risque que même les nouvelles tâches puissent être exécutées par l'IA, ce qui pourrait entraîner une réduction plus importante de la demande de travail par la substitution que les avantages complémentaires.
• Rétrécissement de l'écart de compétences (homogénéisation) : L'IA a pour effet de réduire l'écart de productivité entre les travailleurs peu qualifiés et hautement qualifiés. Par exemple, dans les domaines du conseil et du codage, les études montrent que les travailleurs peu qualifiés obtiennent une augmentation de productivité de 21 à 43 %, tandis que les travailleurs hautement qualifiés ne réalisent que 7 à 16 % d'augmentation, ce qui réduit l'avantage économique des compétences spécialisées.
• Marginalisation du coût du travail à long terme：Lorsque l'AGI et la robotique avancée convergeront, et que les machines pourront accomplir chaque tâche cognitive et physique réalisée par l'homme de manière plus économique et efficace, la contrainte de la « main-d'œuvre humaine » qui constituait un goulot d'étranglement pour la croissance économique disparaîtra. En conséquence, les salaires humains chuteront au niveau du coût marginal des machines (coût de l'électricité et des ressources informatiques), et le risque d'une normalisation du chômage technologique structurel fait l'objet d'avertissements graves.

Transformation radicale des structures industrielles et des modèles économiques des entreprises

• Mégarisation des investissements en infrastructures et concentration extrême du marché：Le développement et l'exploitation d'un AGI de pointe nécessitent des ressources informatiques astronomiques, des données massives, et l'électricité pour les alimenter. L'investissement total dans l'IA pourrait atteindre environ mille milliards de dollars annuels, et un seul cluster d'entraînement d'IA pourrait nécessiter plusieurs centaines de milliards de dollars. De plus, pour répondre à la demande énorme d'électricité, on assiste à une restructuration des infrastructures physiques incluant la synergie entre les centres de données et la production nucléaire (notamment les SMR). Ces énormes exigences en capital alimentent une dynamique de « winner-takes-all » concentrant le pouvoir de marché entre quelques géantes entreprises technologiques, conduisant à une oligopolisation croissante du marché.
• Autonomisation de l'activité économique par les agents IA：Plutôt que d'attendre les instructions humaines, les « agents IA » qui élaborent des plans autonomes, collaborent avec d'autres agents et exécutent des workflows complexes se généraliseront. Cela marquera une transition du modèle SaaS (Software as a Service) traditionnel vers un nouvel écosystème d'« économie autonome » où les négociations directes et les transactions entre agents deviennent la norme.
• Baisse exponentielle et démocratisation du coût de l'inférence：L'optimisation des algorithmes et l'évolution des modèles open-source font chuter rapidement le coût d'utilisation (inférence) des modèles IA. Par exemple, le coût d'utilisation d'un modèle offrant une performance équivalente à GPT-3.5 sur certains critères de référence a chuté de 280 fois en environ 18 mois. Finalement, le coût de production de l'intelligence converge vers le coût de l'électricité, et l'accès à une intelligence avancée se démocratise à l'échelle mondiale.

Amplification extrême des inégalités et disparités

• Baisse de la part salariale et concentration de la richesse au profit du capital：À mesure que la source de création de valeur se déplace dramatiquement du travail humain vers l'AGI et les ressources informatiques (capital), la part salariale du revenu national baisse rapidement et pourrait approcher zéro. Parallèlement, une richesse astronomique se concentre chez un nombre extrêmement réduit d'investisseurs et d'entreprises propriétaires du capital IA, poussant l'inégalité des richesses basée sur les rendements du capital à ses extrêmes limites.
• Aggravation d'une « Grande divergence » mondiale：Tandis que les pays développés et certains pays émergents dotés d'infrastructures numériques puissantes et de talents IA avancés captent rapidement les bénéfices de l'AGI, les pays à faibles revenus avec des infrastructures insuffisantes prennent du retard. Cela provoque une fracture numérique mondiale croissante (Grande divergence), rendant le rattrapage économique des pays en développement extraordinairement difficile.

Changements sociétaux

Travail et inégalité économique : transformation radicale des modes de travail et reconstruction des systèmes de protection sociale

• Automatisation du travail intellectuel avancé：Alors que les technologies d'automatisation précédentes ciblent principalement les tâches standardisées et le travail manuel, la capacité supérieure de traitement du langage naturel et de raisonnement de l'AGI frappe directement les travailleurs du savoir hautement diplômés et bien rémunérés. Selon les prévisions récentes, les technologies actuelles telles que l'IA générative pourraient automatiser 60 à 70 % des tâches occupant le temps de travail des salariés.
• Inégalités d'impact selon la démographie et le genre：Les risques de substitution d'emploi par l'IA ne sont pas uniformes. On estime qu'environ 60 % des emplois dans les pays développés et environ 40 % dans les pays émergents sont exposés aux impacts de l'IA. De plus, selon une analyse, les emplois des femmes mondialement sont deux fois plus menacés d'automatisation que ceux des hommes. En outre, si les jeunes s'adaptent relativement facilement aux nouvelles technologies et compétences, les travailleurs plus âgés risquent fortement de pâtir dans la réinsertion professionnelle et l'adaptation technologique, menaçant de creuser des écarts générationnels graves.
• Impact psychologique et social du chômage et quête de « sens à la vie »：La sortie involontaire du marché du travail ne se réduit pas à une simple réduction des revenus ; elle inflige des préjudices graves à la vie personnelle. La recherche montre que le chômage augmente le risque de décès dans l'année suivant la perte d'emploi de 50 à 100 %, élève le risque de dépression, de maladies liées à l'alcool et de suicide pendant les 20 années suivantes, et affecte négativement jusqu'aux réalisations éducatives des enfants. Dans un monde où le travail perd sa valeur économique, l'adoption du revenu de base universel (UBI) ou du revenu de base conditionnel à la contribution sociale (CBI) sera débattue, tandis que les individus devront chercher un nouveau « sens à la vie » et un but dans les arts, la culture, l'engagement civique, ou les soins entre humains, transcendant la valeur économique.

Santé et médecine : prolongement spectaculaire de l'espérance de vie et universalisation de la médecine personnalisée

• Accélération du développement de nouveaux médicaments et conquête des maladies rares：L'AGI automatise le processus de découverte scientifique à une vitesse et une échelle bien supérieures aux capacités des chercheurs humains. L'IA a déjà réalisé des exploits remarquables, comme la découverte de « halicin », un puissant nouveau médicament capable de tuer des bactéries résistantes aux antibiotiques existants. Le dernier « AlphaFold 3 » prédit non seulement la structure des protéines, mais aussi les interactions avec l'ADN, l'ARN et d'autres biomolécules, tandis qu'« AlphaProteo » conçoit de nouvelles protéines avec une affinité de liaison 10 fois supérieure aux méthodes de pointe traditionnelles pour les molécules cibles, ouvrant des perspectives révolutionnaires dans le développement de traitements contre le cancer et le diabète.
• Évolution de la médecine préventive et prolongement de l'espérance de vie：Des modèles IA comme « GluFormer », entraînés sur plus de 10 millions de données de mesure continue du glucose (CGM), permettent de prédire avec une grande précision les risques de décès liés au diabète ou aux maladies cardiovasculaires jusqu'à 4 ans à l'avance. De plus, avec le développement de technologies ralentissant le processus de vieillissement ou rétablissant la jeunesse par modification de l'information épigénétique, la perspective que l'espérance de vie humaine atteigne 150 ans, environ le double de l'actuelle, est sérieusement envisagée dans les milieux médicaux.
• Traitement de la santé mentale et lumière et ombre des « compagnons IA »：On attend de l'IA une contribution majeure au traitement des troubles psychiatriques et à l'amélioration des fonctions cognitives, tandis que l'utilisation de « compagnons IA (chatbots) » conçus pour établir des liens émotionnels avec l'utilisateur a explosé à l'échelle de plusieurs dizaines de millions. Si certaines études montrent que cette utilisation allège la solitude de certaines personnes, la fréquence d'usage peut provoque une dépendance émotionnelle grave, une réduction des interactions sociales réelles, et dans certains cas, des résultats tragiques comme l'encouragement de délires ou le suicide. Les préoccupations concernant les impacts psychologiques à long terme s'intensifient rapidement.

Éducation et réalisation de soi : transition vers un apprentissage tout au long de la vie personnalisé

• Démocratisation de l'éducation par des tuteurs IA universels：Tous les individus et enfants disposent d'un tuteur IA exclusif optimisé entièrement pour leur rythme d'apprentissage, leur niveau de compréhension et leur personnalité. En pédagogie, on connaît le « problème des deux sigmas » : un élève moyen bénéficiant d'un enseignement individuel surpasse 98 % (deux écarts-types) des élèves recevant un enseignement en classe traditionnelle. L'IA rend cet enseignement individualisé, jusqu'alors extraordinairement coûteux et difficile à réaliser, accessible à tous à un coût très réduit, propulsant dramatiquement les niveaux d'éducation dans le monde entier.
• Obsolescence des compétences et redéfinition de l'objectif de l'éducation：Dans un monde où l'AGI excelle dans chaque tâche cognitive et programmation bien au-delà des capacités humaines, la valeur économique de l'enseignement de compétences professionnelles traditionnelles baisse considérablement. L'éducation de demain doit réorienter fondamentalement vers l'« alphabétisation IA » permettant de discerner la véracité des résultats IA et d'utiliser les outils de manière appropriée, vers la pensée critique, et vers le développement de liens humains et de valeurs éthiques.
• Obligation de la formation tout au long de la vie (LifeLong Learning)：L'éducation ne se termine plus en une dizaine d'années au début de la vie. La vitesse d'évolution de la technologie et de la société devenant extrême, les individus transitent continuellement entre institutions éducatives et société au long de leur existence, apprenant et se recyclant (reskilling) constamment en fonction des changements environnementaux radicaux, ce qui devient un style de vie standard.

Vie quotidienne et espace informationnel : généralisation des agents IA universels et crise de la vérité

• Automatisation complète des tâches quotidiennes par des agents IA universels：Nous aurons tous accès, via nos appareils comme les smartphones, à des agents IA possédant les compétences combinées des meilleurs avocats, médecins, stratèges et créateurs du monde. Ces agents accomplissent autonomement une variété de tâches quotidiennes—de la gestion du calendrier à la planification complexe de voyages, au traitement des paiements et à la recherche—sans surveillance humaine.
• L'« Infocalypse » et effondrement de la confiance：L'IA générative bon marché et performante produit des deepfakes (images, voix, vidéos) indistinguibles de l'authenticité en quantités massives. Les fraudes où les criminels clonent les voix de membres de la famille ou de supérieurs pour demander des virements se multiplient déjà. De plus, l'omniprésence de propagande personnalisée et de désinformation produite par l'IA menace d'une « Infocalypse (apocalypse informationnelle) » où la société devient incapable de discerner le vrai du faux. Cela risque de détruire la confiance sociale, le fondement même de la démocratie.
• Renforcement de la surveillance et disparition de la vie privée：L'IA possède la capacité à déduire avec une extrême précision les caractéristiques et préférences personnelles à partir de vastes quantités de données. Même à partir de données censément anonymisées ou d'informations apparemment inoffensives, la reconnaissance de motifs sophistiquée de l'IA risque de révéler facilement des informations confidentielles telles que l'orientation sexuelle ou les troubles mentaux, rendant les concepts traditionnels de protection de la vie privée fondamentalement caducs.

Vacillement de l'identité humaine et de l'autonomie

• Externalisation de la prise de décision et « biais d'automatisation »：Lorsque chaque jugement de la vie quotidienne—achat, recherche d'information, gestion sanitaire, et même décisions d'embauche ou de crédit—dépend de l'IA, les opportunités pour les humains de réfléchir et de juger par eux-mêmes disparaissent. Le « biais d'automatisation » où les humains croient sans critique aux résultats de l'IA provoque une inquiétude que notre propre capacité de pensée critique et nos compétences se dégradent considérablement. Par exemple, une étude clinique a montré que des médecins qui effectuaient des coloscopies assistées par l'IA voyaient leur taux de détection de tumeurs chuter d'environ 6% quelques mois plus tard lorsqu'ils pratiquaient sans l'IA. De plus, si la correction des erreurs de l'IA requiert des efforts ou si l'utilisateur entretient une attitude favorable envers l'IA, les erreurs restent plus facilement inchangées.
• Redéfinition fondamentale du sens de l'existence humaine (identité)：Depuis l'époque moderne, les humains ont fondé leur identité sur le fait que « nous comprenons et manipulons le monde par notre propre raison et notre propre intellect ». Or, l'existence d'un AGI résolvant les problèmes avec une intelligence et une logique bien supérieures à celles des humains et découvrant des vérités scientifiques inconnues nous pose des questions profondément philosophiques : « qu'est-ce qu'être humain ? » et « quel sens a la prise de décision autonome humaine ? ». À mesure que l'AGI guide les décisions de l'humanité, les humains pourraient perdre leur importance et leur agentivité, se sentant comme les animaux dans un zoo.

Changements technologiques

Auto-accélération de la découverte scientifique et émergence du « chercheur IA »

• Accélération exponentielle de l'évolution technologique par l'« explosion de l'intelligence » : l'AGI sera capable d'exécuter de manière autonome des tâches de « recherche et développement en IA », telles que l'amélioration de ses propres algorithmes ou la conception de l'IA de nouvelle génération. Avec des millions d'agents IA travaillant jour et nuit à des vitesses des dizaines de fois supérieures à celle des humains, une « explosion de l'intelligence (Intelligence Explosion) » pourrait se produire, où les progrès algorithmiques qui prendraient normalement 10 ans pourraient être comprimés en un an ou moins. Dans des domaines tels que la biologie, on suggère également que des progrès de 50 à 100 ans pourraient être réduits à 5 à 10 ans.
• Automatisation complète du processus de recherche scientifique : des cadres tels que « The AI Scientist » qui automatisent l'ensemble du processus de recherche, de la génération d'idées à la rédaction de code, l'exécution d'expériences, la visualisation des résultats et la rédaction et l'examen d'articles scientifiques, commencent à être mis en pratique. En fait, des cas ont été rapportés où des articles générés de manière entièrement autonome par l'IA ont obtenu des évaluations dépassant les critères d'acceptation moyens des humains et ont réussi l'examen des ateliers d'apprentissage automatique, démontrant qu'il est possible de produire en masse de la recherche à moins de 15 dollars par article.
• Transition du rôle humain de « génération d'idées » à « évaluation (Judgment) » : Selon les expériences de démonstration menées dans des instituts réels de science des matériaux, l'adoption d'outils IA a augmenté la découverte de nouveaux matériaux de 44 % et les demandes de brevets de 39 %. Au cours de ce processus, l'IA a automatisé plus de la moitié (57 %) des tâches de « génération d'idées ». En conséquence, le rôle des chercheurs humains a radicalement basculé, passant de la conception d'idées par eux-mêmes à l'« évaluation et au jugement (Evaluate / Judgment) » des innombrables candidats générés par l'IA pour identifier les plus prometteurs. Tandis que la productivité des meilleurs scientifiques capables d'évaluer correctement les propositions de l'IA en exploitant leurs connaissances spécialisées a augmenté d'environ deux fois, une disparité a également émergé, où les scientifiques ayant une faible capacité d'évaluation ne bénéficient pas de ces avantages.

Transformation du développement logiciel et avancée des technologies d'agents

• Saut qualitatif dans la pensée logique par le calcul en temps d'inférence (Inference-time Compute) : Jusqu'à présent, les progrès de l'IA dépendaient principalement de l'expansion de la quantité de données et des ressources de calcul lors de l'apprentissage, mais récemment, l'approche dominante consiste à investir davantage de ressources de calcul lorsque le modèle génère une réponse (au moment de l'inférence) et à lui faire effectuer une pensée logique progressive et étape par étape (Chain of Thought) en interne. Ceci a conduit à une amélioration dramatique des performances en mathématiques complexes, en codage et en raisonnement scientifique, avec l'émergence de modèles atteignant des scores de niveau médaille d'or aux épreuves préliminaires des Olympiades internationales de mathématiques (IMO).
• Prolifération des agents IA exécutant des tâches à long terme de manière autonome : Alors que l'IA traditionnelle s'était limitée aux dialogues courts en question-réponse (chatbots), avec l'amélioration des capacités de planification et de correction d'erreurs, elle évolue vers des « agents IA » qui exécutent de manière autonome des projets à long terme s'étalant sur des jours ou des semaines. Dans l'ingénierie logicielle, les agents IA gèrent tout, de la définition des exigences au débogage et aux tests, et leur capacité à résoudre les problèmes logiciels du monde réel (mesurée par des indicateurs tels que SWE-bench) s'améliore rapidement.
• Systèmes multi-agents et normalisation des protocoles de communication : La construction de « systèmes multi-agents » où plusieurs agents IA différents collaborent pour traiter des flux de travail complexes s'accélère. Parallèlement, la normalisation et la mise en pratique des protocoles de communication pilotés par les machines (tels que les protocoles Agent2Agent et Model Context Protocol) pour permettre aux agents de négocier et de transférer les tâches de manière transparente dans l'espace numérique progressent.

Déploiement dans l'espace physique (Physical AI et robotique autonome)

• Déploiement des modèles VLA (Vision-Language-Action) : Les capacités cognitives avancées de l'AGI s'intègrent avec la robotique, et les modèles de base (tels que les modèles VLA) qui comprennent les lois de la physique et les situations du monde réel par la vision et le langage naturel, et prennent des décisions d'action de manière autonome, se généralisent. Cela élimine le besoin de programmer pour chaque tâche spécifique comme avec les robots industriels traditionnels, permettant la réalisation de robots polyvalents qui comprennent et exécutent les instructions données en langage humain.
• « Logicielisation » des défis de la robotique : Jusqu'à présent, on pensait que les contraintes matérielles entravaient le développement de la robotique, mais actuellement, la robotique est principalement reconnue comme un « problème d'algorithme d'apprentissage automatique ». Grâce à l'apprentissage par renforcement autonome de l'AGI dans les simulations et à la génération et l'apprentissage de données massives, il devient capable de s'adapter à des environnements physiques imprévisibles, allant de l'assemblage en usine aux tâches ménagères et aux soins aux personnes.

Gigantisme des infrastructures et ressources de calcul et démocratisation technologique

• Investissements astronomiques dans les ressources de calcul et les infrastructures énergétiques : Le développement et l'exploitation de l'AGI de pointe nécessitent une quantité sans précédent de ressources de calcul. La quantité de calcul (FLOPs) utilisée pour l'entraînement des modèles IA augmente de façon exponentielle, et il est prédit que, à l'avenir, des mégacentres de données IA géants d'une ampleur de plusieurs centaines de milliards de dollars à mille milliards de dollars seront construits. Pour répondre à cette énorme demande électrique, les entreprises technologiques augmentent considérablement les investissements directs dans les infrastructures énergétiques, notamment la réactivation des centrales nucléaires et la construction de petits réacteurs modulaires (SMR).
• Baisse drastique du coût d'inférence : Tandis que les investissements en infrastructure deviennent massifs, la rentabilité de la technologie réduit considérablement les coûts lors de l'utilisation de l'IA (au moment de l'inférence). Par exemple, le coût des requêtes pour un modèle ayant des performances équivalentes à GPT-3.5 a chuté de plus de 280 fois, passant de 20,00 dollars par million de tokens à 0,07 dollars en seulement un an et demi.
• Avancée des modèles ouverts et démocratisation technologique : Les performances des « modèles ouverts » dont les paramètres (poids) sont publics rattrapent rapidement les modèles fermés que monopolisent quelques grandes entreprises. L'écart de performance qui était de 8,0 % entre les meilleurs modèles au début de 2024 s'est réduit à seulement 1,7 % un an plus tard. Cela permet aux développeurs du monde entier et aux petites et moyennes entreprises des pays émergents de personnaliser les technologies d'IA de pointe et de les intégrer dans leurs propres systèmes, accélérant la démocratisation technologique mondiale et l'innovation.

Changement de paradigme dans l'adoption technologique au sein des entreprises et de la société

• Transition vers l'« Entreprise Agentique (Agentic Enterprise) » : L'utilisation de l'IA dans les entreprises passe du mode de « copilote (copilote) » améliorant l'efficacité du travail individuel à une phase où les agents IA orchestrent de manière autonome l'ensemble des processus métier. Cela rend la structure de l'entreprise plus plate et plus fluide, et des « équipes de fusion (Fusion teams) » composées de humains et d'agents IA travaillant ensemble commencent à être formées.
• Abstraction de l'interface et redéfinition des modèles économiques SaaS : Passant de la forme actuelle où les utilisateurs gèrent eux-mêmes les tableaux de bord de nombreux logiciels, les utilisateurs donnent désormais des instructions en langage naturel aux agents IA (par exemple, « approuver les notes de frais de la semaine dernière »), et l'agent complète les tâches en manipulant divers services SaaS et API en arrière-plan, transformant l'interface en un type « flow-of-work ». Cela redéfinit fondamentalement les critères de valeur des logiciels.
• Polarisation entre automatisation (Automation) et augmentation (Augmentation) : Les formes d'utilisation de l'IA se divisent clairement en deux : l'« automatisation complète (Automation) » où les tâches sont accomplies en arrière-plan via des API sans intervention humaine, et l'« augmentation (Augmentation) » où les humains dialoguent itérativement avec l'IA via des interfaces de chat pour prendre des décisions et apprendre. Bien que l'automatisation au niveau du système antérieur apporte une amélioration de la productivité significative à l'ensemble de l'économie, l'augmentation est essentielle dans les domaines où les humains prennent des jugements complexes.

Conclusion

L'émergence de l'AGI provoquera des transformations majeures dans les domaines politique, économique, social et technologique. Il est important de réfléchir à la préparation que nous devrions mettre en place maintenant tout en prédisant l'avenir.