L’IA est en train de tout résoudre : 5 dingueries au parfum d’AGI

Cinq signaux, une même odeur d’AGI

Le titre dit bien le vertige du moment: l’IA semble commencer à attaquer tous les domaines à la fois. La revue tech française qui a réuni ces sujets sous l’expression “5 dingueries au parfum d’AGI” cite cinq fronts: les problèmes du prix du millénaire chez OpenAI, GPT-6 Astra dans les jeux, Atlas de World Labs pour les mondes 3D, Astra for Law pour le droit, et AlphaGenome Atlas de Google DeepMind pour l’ADN humain [1]. Le point commun n’est pas qu’une intelligence générale artificielle soit officiellement arrivée. Le point commun, c’est que les mêmes familles de modèles s’appliquent désormais à la preuve mathématique, à l’action autonome, à la modélisation spatiale, au travail professionnel et à l’interprétation biologique.

C’est cette largeur qui change l’ambiance. Une IA qui code impressionne. Une IA qui touche à la recherche fondamentale, au raisonnement juridique, à la simulation 3D, à la conduite d’agents et à la génomique oblige à poser une autre question: qui contrôle ces systèmes, qui vérifie leurs résultats, et qui profite de l’accélération?

1. OpenAI et le mystère du deuxième problème du millénaire

Le sujet le plus explosif reste celui des mathématiques. Après la controverse autour de Navier-Stokes, OpenAI aurait indiqué avoir réalisé des “progrès substantiels” sur un autre problème du prix du millénaire, sans dire lequel et sans publier de preuve complète [2]. C’est précisément ce silence qui rend l’affaire fascinante et frustrante. Des spéculations en ligne pointent vers la conjecture de Hodge, mais OpenAI ne l’a pas confirmé, et il n’existe à ce stade ni article public, ni formalisation Lean publiée pour ce deuxième résultat, ni certification du Clay Mathematics Institute [2].

La ligne éditoriale doit donc rester stricte: c’est un signal majeur, pas une résolution publique. En mathématiques, l’événement réel n’est pas l’annonce. C’est la preuve. Un problème à un million de dollars ne se règle pas parce qu’un laboratoire dit qu’un modèle a avancé. Il se règle quand la communauté peut lire, vérifier, reproduire et critiquer l’argument.

Même avec cette prudence, le signal est énorme. Si des systèmes internes d’OpenAI produisent des avancées significatives sur plusieurs problèmes de niveau millénaire, la recherche fondamentale pourrait se déplacer vers les organisations qui disposent du calcul, des modèles et de l’infrastructure d’agents nécessaires pour explorer massivement l’espace des preuves. C’est une question scientifique, mais aussi une question de pouvoir.

2. GPT-6 Astra dans Minecraft: autonomie spectaculaire, fragilité visible

Le deuxième signal paraît plus ludique, mais il est très révélateur. GPT-6 Astra a été soumis par Vals AI à un test Minecraft de 141 heures, et les comptes rendus indiquent qu’il est allé plus loin que les systèmes d’IA précédemment testés dans cet environnement [3]. Le modèle aurait accompli des étapes avancées: collecte de ressources importantes, exploration d’environnements dangereux, progression vers des objectifs de fin de partie [3].

Puis un Creeper a fait exploser son coffre et son lit. Après ce choc, Astra aurait passé des heures à cultiver des pommes de terre au lieu de reconstruire rapidement sa stratégie [3]. Internet y a vu une scène absurde, presque touchante. Mais le message technique est plus sérieux: les agents de longue durée peuvent être très compétents tant que leur trajectoire reste stable, puis devenir étrangement inefficaces après un accident.

Il ne faut pas anthropomorphiser. Rien ne prouve qu’Astra ait ressenti de la tristesse ou de la peur. En revanche, l’épisode montre que les benchmarks longs révèlent des modes d’échec comportementaux: inertie, surprudence, boucle locale, mauvaise récupération après perte. Dans un jeu, cela donne des pommes de terre. Dans un cabinet d’avocats, une usine, un système informatique ou un robot, le même type d’échec peut devenir beaucoup plus coûteux.

3. World Labs Atlas: transformer le monde en interface

Le troisième front concerne la modélisation spatiale. Atlas, le modèle de World Labs, est décrit dans une couverture récente comme capable de transformer des entrées visuelles minimales, comme une image ou une vidéo de téléphone, en espaces 3D navigables et en simulations utilisables pour l’entraînement de robots [4]. La revue française le présente comme un modèle d’intelligence spatiale capable de générer, reconstruire et simuler des scènes 3D à partir d’images, avec des implications pour la création visuelle et la robotique [1].

C’est ici que le “parfum d’AGI” devient physique. Les modèles de langage manipulent des symboles. Les modèles de monde tentent de manipuler des lieux, des objets, des caméras, des occlusions, des trajectoires et des transformations. Pour agir dans une maison, un entrepôt, un hôpital ou une rue, une IA ne peut pas se contenter de texte. Elle doit disposer d’une représentation cohérente de l’espace.

Atlas pointe vers une boucle puissante: capturer le réel, le convertir en simulation, entraîner des agents dans cette simulation, puis renvoyer ces agents vers le monde physique. Cette boucle pourrait accélérer la robotique et la création 3D. Elle pose aussi des questions très concrètes: qui possède les espaces scannés, qui contrôle les mondes générés, et comment prouve-t-on qu’une simulation est assez fidèle pour entraîner des systèmes critiques?

4. Astra for Law: l’IA entre dans la production du droit

Le quatrième sujet est plus commercial, mais tout aussi structurant. OpenAI a présenté Astra for Law le 17 septembre comme une configuration juridique de GPT-6 Astra destinée aux cabinets d’avocats et aux entreprises de legal tech [5]. Le produit combine le modèle, un index de recherche juridique, des consignes d’analyse et de rédaction, des contrôles de confidentialité et des intégrations de workflow [5].

L’échelle est frappante. OpenAI affirme que son index couvre la jurisprudence américaine, les lois, les règlements, les règles de procédure et les décisions administratives sur plus de 230 millions d’URL, avec des sources ajoutées quotidiennement [5]. Sur un ensemble privé de 200 questions du Legal Research Bench de Vals AI, Astra for Law aurait obtenu 54,0 % de réussite au contrôle global de justesse au niveau de raisonnement le plus élevé, contre 38,7 % pour GPT-6 Astra avec recherche web seule [5]. OpenAI annonce aussi 26 plugins partenaires et des intégrations avec des outils utilisés par les cabinets [5].

Le mot clé n’est pas “remplacement”, mais “infrastructure”. OpenAI cherche à devenir une couche de production du droit américain: recherche, notes, due diligence, contrats, précédents, intégration documentaire. Cela peut accélérer le travail et réduire certains coûts. Mais le droit repose sur l’autorité, la confidentialité, la responsabilité professionnelle et le jugement humain. Une hallucination dans une conversation est gênante. Une erreur dans une analyse juridique peut modifier la stratégie d’un client.

5. AlphaGenome Atlas: 9 milliards de mutations rendues consultables

Le cinquième signal vient de la biologie. AlphaGenome Atlas de Google DeepMind est un ensemble de prédictions pour plus de 9 milliards de changements possibles d’une seule lettre dans le génome humain, avec une taille rapportée d’environ un pétaoctet [6]. Au lieu de faire tourner AlphaGenome variant par variant, les chercheurs peuvent consulter des effets moléculaires déjà pré-calculés [6].

L’intérêt principal est le tri. HPCwire rapporte que l’Atlas contient des milliers de prédictions d’effets moléculaires pour chaque variant, couvrant des centaines de types cellulaires et de tissus humains et murins, et que DeepMind introduit un score AlphaGenome Variant Impact combinant AlphaGenome et AlphaMissense [6]. Parmi les premiers usages rapportés figurent l’analyse de plus de 54 000 participants de UK Biobank, avec 22 % d’associations génétiques non codantes supplémentaires détectées, ainsi qu’un cas de maladie rare où un variant affectant DNM1, lié à une encéphalopathie épileptique, a été identifié puis validé expérimentalement [6].

Là encore, il ne s’agit pas de magie. AlphaGenome Atlas ne démontre pas à lui seul qu’une mutation cause une maladie. Il aide à décider quelles mutations méritent des expériences. Mais quand l’espace de recherche compte des milliards de possibilités, une meilleure priorisation peut accélérer massivement la science.

Le vrai parfum d’AGI: la convergence

Aucun de ces cinq signaux ne prouve que l’AGI est là. Les annonces mathématiques restent incomplètes publiquement. L’agent Minecraft a révélé une fragilité évidente. Les modèles de monde doivent être validés. L’IA juridique exige une supervision experte. Les prédictions génomiques doivent être confirmées en laboratoire et en clinique.

Mais l’ensemble raconte quelque chose de puissant: l’IA devient une couche générale de recherche et de production. Elle touche les preuves, les jeux, les mondes simulés, le droit et l’ADN non comme des curiosités isolées, mais comme les manifestations d’une même courbe: modèles plus capables, agents plus longs, outils spécialisés, données massives, évaluations par domaine.

La promesse est immense: science plus rapide, simulation moins chère, expertise plus accessible, workflows plus productifs. Le risque l’est aussi: si quelques laboratoires peuvent produire en privé des preuves, des outils juridiques, des mondes 3D et des cartes génomiques, nos mécanismes de vérification doivent accélérer. Sinon, le futur ne sera pas seulement automatisé. Il sera annoncé avant d’être compris.

Sources des dernières 72 heures

1. [1]L'IA est en train de tout résoudre ! 5 dingueries au parfum d'AGI | Renaud Dékode | Ausha18 sept. 2026, 00:00 UTC
2. [2]OpenAI Says It's Made Progress on a Second $1 Million Math Problem17 sept. 2026, 00:00 UTC
3. [3]GPT-6 Astra Spent Hours Farming Potatoes in Minecraft After Being Blown up by a Creeper17 sept. 2026, 00:00 UTC
4. [4]Atlas Reconstructs 3D Worlds from 1 Photo17 sept. 2026, 20:30 UTC
5. [5]Introducing Astra for Law17 sept. 2026, 00:00 UTC
6. [6]Google DeepMind’s AlphaGenome Takes Aim at One of Genetics’ Biggest Problems18 sept. 2026, 00:00 UTC

Article généré par IA à partir d’une recherche web récente, puis conservé comme instantané éditorial daté.