Tech • IA • Robotique • Jeu
Anthropic vient de choquer le monde... la singularité de l'IA est là !
INTRO
Jack Clark, cofondateur d’Anthropic, a déclaré devant un public du FMI que l’IA de pointe offre déjà des performances proches du niveau expert, voire expertes, dans plusieurs domaines de recherche, tandis qu’un nouveau modèle économique suggère qu’elle pourrait porter le PIB américain à 44,4 billions de dollars d’ici 2030 dans un scénario d’adoption extrême, avec d’importants gains mais aussi de graves perturbations pour les travailleurs du savoir.
POINTS CLÉS
L’affirmation de singularité de Clark
Lors de la Per Jacobson Lecture à Bangkok, Clark a soutenu que la « singularité » n’est plus une perspective lointaine mais une réalité présente. Il a évoqué les gains rapides de capacités chez Anthropic, affirmant notamment que les employés génèrent désormais près de 10 fois plus de code qu’auparavant, et a déclaré que les systèmes d’IA sont passés du rôle d’outils d’assistance à ce qu’il a appelé des « polymathes virtuels ».
Des bonds sur les benchmarks en moins de deux ans
Clark a mis en avant une forte progression sur Humanity’s Last Exam, un test large couvrant la chimie, l’informatique, les mathématiques, la littérature et l’écologie. L’IA la plus performante aurait obtenu 8 % lors de l’apparition du benchmark en janvier 2025, tandis que Claude Opus 5.5 atteint désormais 67,7 %. Sur Frontier Math, les performances seraient passées de 2 % au lancement fin 2024 à 94 %.
Le test de physique a suscité la réaction la plus forte
Une nouvelle évaluation de physique théorique appelée TheoPhys a utilisé 50 questions de recherche inédites rédigées par des physiciens de premier plan, limitant la possibilité de réponses mémorisées. GPT-6, Astra et Opus 5.5 ont d’abord obtenu plus de 80 %, mais une révision ultérieure a porté un modèle à 98 %, soit 49 sur 50, après que des physiciens ont constaté de petites erreurs dans certaines de leurs propres solutions de référence que l’IA avait correctement signalées.
Une vision d’une main-d’œuvre de recherche numérique de masse
Clark a présenté les implications en termes de travail: il n’existe qu’environ 10 millions de chercheurs à plein temps dans le monde, alors que la civilisation moderne dépend fortement de leur production. Dans le scénario qu’il décrit, la puissance de calcul pourrait finir par soutenir non seulement des milliers mais potentiellement des milliards de chercheurs numériques infatigables et pluridisciplinaires, réduisant le développement de médicaments de plusieurs années à quelques semaines et accélérant la découverte de matériaux, notamment dans les supraconducteurs et les batteries.
L’auto-amélioration récursive passe de la théorie à la préoccupation
L’une des affirmations les plus sensibles est que l’IA aide de plus en plus à construire une IA meilleure. Cette perspective, souvent décrite comme une auto-amélioration récursive, a longtemps été considérée comme un seuil théorique dans les débats sur la sécurité de l’IA. C’est aussi une préoccupation géopolitique, car elle soulève la possibilité que les premiers leaders renforcent rapidement leur avance.
Comment le chiffre de 44,4 billions de dollars a été construit
L’estimation largement citée de 44,4 billions de dollars provient d’un rapport de l’Anthropic Institute, Economic Scenarios for Transformative AI, signé Anton Korinek, Chad Jones, Simon Sakaue, Tess Carter et Peter McCrory. Le modèle traite l’économie comme un ensemble de tâches issues de données sur le travail. Il examine la part de ces tâches que l’IA peut accomplir, l’ampleur de son adoption, le gain de productivité, la part automatisée par rapport à la part augmentée, ainsi que le nombre de nouvelles tâches humaines qui apparaissent.
Trois scénarios, des gains de type internet au choc économique
Sans IA, le modèle situe le PIB américain à environ 33,5 billions de dollars en 2030. Dans un cas modeste, le PIB est supérieur de 1,6 % à 34,1 billions de dollars. Dans un cas substantiel, le PIB est supérieur de 8,3 % à 36,3 billions de dollars, avec une croissance annuelle portée à 5,4 %. Dans le cas extrême, le PIB dépasse de 32,4 % la trajectoire de référence pour atteindre 44,4 billions de dollars, tandis que la croissance annuelle autour de 2030 atteint 15,4 %.
Dans le modèle, les plus grands gains ne viennent pas des découvertes scientifiques
Un aspect marquant du rapport est que l’accélération de la science contribue peu au résultat phare d’ici 2030. Même dans le cas extrême, le stock d’idées n’est supérieur que de 0,6 % à la trajectoire sans IA. Cela signifie que le résultat à 44,4 billions de dollars reflète surtout le fait que l’IA exécute le travail existant bien plus efficacement, et non une explosion complète de nouvelles découvertes.
Les travailleurs du savoir absorbent l’essentiel du choc
Le modèle divise les travailleurs entre professions du savoir et tous les autres. Dans le cas extrême, les salaires des travailleurs du savoir finissent 11,5 % en dessous de leur trajectoire sans IA, l’emploi dans cette catégorie recule de 21,5 %, et le chômage de ce groupe monte à 17,9 %. Le chômage global atteint 11,9 %. Si les salaires sont rigides, le chômage des travailleurs du savoir grimpe à 24 %; s’ils s’ajustent pleinement, le chômage reste plus faible mais la rémunération baisse de plus de 42 %.
Le capital capte une plus grande part des gains
Aujourd’hui, le travail reçoit environ 60 % du revenu national et le capital environ 40 %. Dans le scénario extrême, cela s’inverse: 45 % pour le travail et 55 % pour le capital. Le revenu total du travail en 2030 reste presque stable, en hausse de seulement 0,5 %, tandis que le revenu du capital bondit de 81 %. Le rapport estime que des transferts équivalents à environ 9 % du PIB pourraient compenser les pertes des travailleurs du savoir déplacés, tout en reconnaissant qu’une compensation d’une telle ampleur serait sans précédent historique.
CONCLUSION
L’analyse présentée aux banquiers centraux associait des affirmations extraordinaires sur les capacités de l’IA à un avertissement sévère sur la répartition des effets. Même si une IA transformative apporte une croissance historique, le défi politique décisif pourrait être de gérer qui gagne, qui perd et à quelle vitesse le choc survient.
Poser une question