Ramesh Raskar du MIT imagine des agents IA décentralisés et vérifiables pour l’AGI

Une autre réponse à la question de l’AGI

Le débat actuel sur l’intelligence artificielle générale, ou AGI, repose souvent sur une hypothèse simple: si les modèles deviennent assez grands, s’ils sont entraînés avec assez de données et s’ils disposent d’assez de puissance de calcul, ils finiront par franchir un seuil de compétence générale. Ramesh Raskar, chercheur au MIT, conteste cette vision. Dans une analyse et un entretien publiés par Forbes, il affirme que l’AGI, telle qu’elle est souvent présentée dans l’industrie, est une notion trop floue et trop centralisée pour décrire la prochaine phase de l’intelligence artificielle [1].

Son argument ne consiste pas seulement à dire que les progrès de l’IA ralentissent ou s’accélèrent. Il affirme plutôt que le mot “AGI” masque le vrai problème: l’ingénierie de l’écosystème et sa gouvernance. Le savoir mondial est fragmenté, privé, réglementé, propriétaire et fortement dépendant du contexte. Aucun modèle unique ne peut l’absorber entièrement, surtout lorsque des connaissances cruciales restent enfermées dans des laboratoires pharmaceutiques, des hôpitaux, des administrations, des entreprises, des foyers ou des histoires personnelles [1]. Si ce diagnostic est juste, l’avenir de l’IA capable ne dépendra pas seulement d’un système universel, mais d’une multitude d’agents spécialisés capables de prouver leur identité, de négocier entre eux et d’agir dans des limites vérifiables.

C’est ce qui rend la proposition de Raskar importante. Elle transforme l’AGI en problème d’infrastructure. Au lieu de demander quand un système unique deviendra généralement intelligent, il demande quelles infrastructures permettraient à des milliards d’agents spécialisés, personnels ou institutionnels de collaborer de manière sûre à travers les réseaux [1].

Des modèles de fondation à l’infrastructure d’agents

Raskar utilise une analogie automobile pour distinguer deux couches souvent confondues. Les modèles de fondation seraient les moteurs; les agents seraient les voitures; et l’internet des agents aurait encore besoin de routes, de règles de circulation, de centres de test, de registres et d’institutions de sécurité [1]. L’image est parlante, car elle montre pourquoi la performance d’un modèle ne suffit pas à résoudre le problème du déploiement.

Un modèle peut générer du texte, écrire du code, élaborer un plan ou appeler des outils. Mais un agent qui agit au nom d’une personne pose d’autres questions. Qui l’a autorisé? Dans quel domaine prétend-il intervenir? Est-il certifié pour donner des conseils médicaux, financiers ou juridiques? Ses droits peuvent-ils être révoqués? Un autre agent peut-il vérifier ses affirmations en temps réel? Les utilisateurs peuvent-ils distinguer un agent personnel fiable d’un imposteur? Pour Raskar, ces questions relèvent de la sécurité des agents, et pas seulement de la sécurité des modèles [1].

Cette distinction pourrait modifier la manière dont les entreprises construisent leurs produits d’IA. Si le modèle n’est que le moteur, la couche la plus stratégique pourrait se déplacer vers les harnais d’agents, les services de vérification, les registres, les systèmes de réputation et les échafaudages de sécurité propres à chaque domaine. Raskar suggère notamment que des acteurs tiers, pas nécessairement les entreprises qui entraînent les grands modèles, pourraient fournir les cadres dont des secteurs comme la pharmacie auront besoin pour déployer leurs agents [1].

C’est une remise en cause directe du récit d’une AGI intégrée verticalement. Dans ce récit, l’entreprise qui possède le meilleur modèle devient le fournisseur dominant de l’IA. Dans la vision de Raskar, la valeur se déplace vers un marché décentralisé d’agents interopérables, où les systèmes gagnants ne sont pas seulement les plus intelligents, mais les plus fiables, les plus auditables et les plus utiles dans leur contexte.

NANDA et “l’internet des agents IA”

L’article de Forbes relie la vision de Raskar à NANDA, pour Network AI Agents in Decentralized Architecture, un protocole destiné à permettre à des agents de travailler ensemble sur internet [1]. Des résumés récents de la même histoire décrivent également cette proposition comme une vision d’agents IA décentralisés, vérifiables et personnalisés collaborant à travers les réseaux [2]. Une autre agrégation de l’article reprend une formulation proche, en soulignant que Raskar ne se contente pas de prédire une course à de plus grands modèles, mais remet en question les hypothèses actuelles autour de l’AGI [3].

Le mot essentiel est “réseau”. Un agent isolé peut être utile, mais un réseau d’agents ouvre la voie à la coordination: un agent personnel d’apprentissage pourrait dialoguer avec un agent scolaire; un agent de santé pourrait échanger des informations limitées et autorisées avec une clinique; un agent de recherche pourrait trouver un agent expert certifié; un agent d’entreprise pourrait négocier avec un agent fournisseur. Mais tout cela ne fonctionne que si les agents peuvent se découvrir, s’identifier et vérifier leurs déclarations.

C’est pourquoi la liste des défis formulée par Raskar est très infrastructurelle. Il nomme quatre besoins majeurs: un registre pour les agents, l’attestation, la vérification et les tests [1]. Ces quatre termes définissent le programme pratique derrière la vision.

Un registre répond au problème de la découverte: où se trouve un agent et comment un autre agent peut-il le trouver? L’attestation répond au problème de l’identité et des compétences: qui confirme que cet agent est bien ce qu’il prétend être? La vérification répond au problème de la confiance: ses affirmations, ses permissions et son comportement peuvent-ils être contrôlés en continu? Les tests répondent au problème de la sécurité: comment évaluer des agents avant de les laisser opérer dans des environnements à forts enjeux? La version de Forbes Liberia met en avant les mêmes quatre enjeux, en les présentant comme les obstacles centraux à la construction du web de demain [4].

Une vérification continue, pas une certification ponctuelle

L’une des idées les plus marquantes de Raskar est que les agents IA pourraient avoir besoin d’une certification continue, et non d’une approbation donnée une fois pour toutes. Dans le récit de Forbes, il évoque des agents qui prétendraient conseiller des personnes diabétiques ou donner des recommandations financières; de telles déclarations devraient, selon lui, être attestées et vérifiées régulièrement plutôt qu’acceptées sur simple affirmation [1].

Cette proposition correspond à la nature particulière de l’IA agentique. Un logiciel classique peut être testé, publié puis corrigé. Un agent IA peut adapter son comportement, utiliser des outils externes, interagir avec d’autres agents et fonctionner dans des contextes mouvants. S’il agit dans la santé, la finance ou l’éducation, un certificat statique risque de ne pas suffire. Son modèle actuel, ses permissions, ses accès aux données, sa conformité aux règles et son comportement récent peuvent tous être pertinents.

C’est ici que la pensée de Raskar s’éloigne du modèle habituel fondé sur la confiance dans une marque ou une plateforme. La confiance ne devrait pas dépendre seulement d’un nom d’entreprise, d’une fiche de modèle ou de l’intuition de l’utilisateur. Elle devrait être médiée par des systèmes techniques et institutionnels capables de vérifier de manière répétée le statut d’un agent. Concrètement, cela pourrait impliquer des identifiants d’agents, des contrôles de conformité en temps réel, des signaux de réputation, des journaux d’audit, des mécanismes de révocation et des environnements contrôlés pour tester les comportements risqués.

Cette idée reformule aussi la régulation. Les régulateurs demandent souvent si un système d’IA est suffisamment sûr pour être lancé. Le cadre de Raskar demande plutôt si un agent reste suffisamment sûr pour continuer à agir. La différence est essentielle si les agents deviennent des représentants numériques persistants pour les individus, les entreprises et les administrations.

L’IA de périphérie et la thèse de l’agent personnel

La vision de Raskar n’est pas seulement décentralisée au niveau du réseau. Elle l’est aussi au niveau du matériel et des données. Dans l’entretien rapporté par Forbes, il cite l’Inde comme exemple important, affirmant que le gouvernement prépare la mise à disposition d’agents IA pour les citoyens et que beaucoup d’agents peuvent fonctionner localement sur des téléphones, des ordinateurs portables ou des PC, au lieu de dépendre entièrement de grands centres de données [1].

Cette affirmation est significative, car elle contredit l’idée selon laquelle l’IA avancée impliquerait toujours une infrastructure cloud plus massive. Selon Raskar, de nombreux agents utiles peuvent fonctionner “en périphérie”, au plus près de l’utilisateur et de ses données [1]. Cela compte pour la vie privée, les coûts, la latence et la personnalisation. Un agent personnel qui apprend à partir des documents, des habitudes, des préférences, de la langue et du contexte local d’un utilisateur n’a pas nécessairement besoin d’envoyer chaque interaction vers un centre de données distant.

Cela ne signifie pas que le cloud disparaît. Raskar reconnaît qu’une réplique ou une sauvegarde dans le cloud peut avoir un rôle [1]. Mais son insistance porte sur une architecture où les agents personnels ne sont pas de simples clients légers raccordés à une intelligence centrale. Ils deviennent des systèmes façonnés, locaux et spécifiques à l’utilisateur, capables de porter une partie de son expertise et de ses préférences dans un réseau plus large d’agents.

C’est aussi pour cela que l’histoire se rattache à l’idée de “8 milliards d’agents”. Raskar imagine un avenir où les agents personnels seraient fortement individualisés, reflétant le travail accumulé, les talents, le contexte et les priorités de chacun [1]. Le point essentiel n’est pas que tout le monde reçoive le même chatbot. Le point essentiel est que chaque personne puisse disposer d’un représentant numérique distinct.

L’ère du bazar de l’IA

La conséquence la plus importante de l’argument de Raskar est économique. Si l’IA devient un réseau d’agents, le marché ne se limite plus aux abonnements à des modèles. Il exige aussi des rails d’identité, des rails de paiement et un système de justice pour les agents qui se comportent mal [1].

Cette formule peut sembler spéculative, mais elle désigne un vrai vide de gouvernance. Si des agents négocient, achètent, vendent, recommandent, planifient, diagnostiquent, enseignent ou réalisent des transactions, des litiges apparaîtront. Un agent pourra mentir sur ses qualifications, dépasser son mandat, causer une perte, divulguer des données ou manipuler un autre agent. L’infrastructure devra donc permettre d’attribuer les responsabilités, d’annuler certaines transactions, de suspendre des agents, de résoudre les conflits et de protéger les utilisateurs.

Raskar parle d’une “ère du bazar” de l’IA, par opposition à un avenir où les utilisateurs achèteraient simplement de l’intelligence auprès d’une grande entreprise centralisée [1]. Un bazar exige des standards. Il exige aussi du pluralisme. Des agents créés par différents constructeurs, pays, secteurs et communautés doivent pouvoir interagir sans appartenir tous à une seule plateforme.

C’est pourquoi la décentralisation n’est pas seulement une préférence philosophique dans son raisonnement. Elle devient une exigence fonctionnelle. Un monde d’agents personnalisés ne peut pas fonctionner si chaque agent doit être possédé, hébergé et approuvé par une seule entreprise. Mais une décentralisation sans vérification serait chaotique. La formule de Raskar n’est donc pas la décentralisation seule; c’est une coordination décentralisée avec registres, attestations, vérification et tests.

Pourquoi cela bouscule la course à l’AGI

La course conventionnelle à l’AGI récompense l’échelle: plus de paramètres, plus de calcul, plus de données, plus de capital. Le cadre de Raskar récompense l’infrastructure: une meilleure identité, des cadres d’agents plus sûrs, une vérification plus robuste et une personnalisation plus utile. Cela ne rend pas les modèles de fondation inutiles. Cela les replace dans un système plus large.

C’est la portée profonde de sa critique. Il ne se contente pas de rejeter le battage médiatique autour de l’AGI. Il propose une autre voie vers une intelligence largement utile: non pas un esprit unique, mais une société d’agents; non pas un oracle, mais un réseau; non pas une date de lancement, mais la construction progressive d’une infrastructure de confiance.

La base documentaire récente sur cette discussion publique précise reste limitée. Le compte rendu le plus détaillé est l’article de Forbes du 23 octobre 2026; les autres sources récentes reprennent surtout son cadrage ou en proposent des résumés [1], [2], [3], [4]. Mais l’idée est substantielle, car elle identifie un goulot d’étranglement que les débats centrés sur les modèles négligent souvent. Si les agents IA doivent agir dans le monde, la question centrale n’est pas seulement de savoir s’ils sont intelligents. Elle est de savoir s’ils peuvent être trouvés, reconnus, limités, testés et tenus responsables.

La réponse de Raskar est celle d’un écosystème d’agents décentralisés et vérifiables. Si cette vision s’impose, le débat sur l’AGI pourrait cesser de tourner uniquement autour du moment où les machines deviendront généralement intelligentes. Il pourrait se concentrer sur la manière dont les sociétés construisent les routes, les identifiants et les règles qui permettront à des milliards d’agents artificiels d’agir sans détruire la confiance.

Sources des dernières 72 heures

1. [1]Are We Near AGI? | Daily Artifact23 oct. 2026, 23:20
2. [2]Are We Near AGI? | Collector24 oct. 2026, 02:00
3. [3]Unpacking the Myth of AGI: MIT Experts Reveal the Jagged AI Frontier23 oct. 2026, 17:55
4. [4]Are We Near AGI?23 oct. 2026, 17:55

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