Au moment où les géants Silicon Valley se ruent vers le développement des modèles de langages, le fondateur de Google DeepMind Demis Hassabis calme les ardeurs. Il estime que les technologies actuelles ne suivent pas la perspective d’une intelligence artificielle générale (AGI) pour la fin de la décennie.
Les géants de la technologie cherchent à proposer des modèles de langage presque parfait. Leur objectif consiste à permettre à l’intelligence artificielle de surpasser l’humain dans presque toutes les tâches cognitives. Mais voilà, Demis Hassabis a vraiment jeté un pavé dans la mare des certitudes techniques. Il s’est exprimé lors d’une intervention marquante dans le podcast de l’accélérateur Y Combinator, Le patron de Google DeepMind pense qu’avec le système d’apprentissage actuel, il est encore impossible d’atteindre la vraie intelligence. Les bases sont là, mais ce n’est pas suffisant. Pour lui, l’industrie pourrait bien se heurter à un plafond de verre si elle ne change pas sérieusement d’approche.
Quels sont les trois piliers manquants de l’intelligence artificielle ?
L’analyse de Hassabis met en lumière trois obstacles structurels majeurs. Ceux-ci bloquent les grands modèles de langage (LLM) dans leur quête d’autonomie. Cela concerne entre autre GPT-4 ou Gemini le langage révolutionnaire de Google,
Il y a d’abord le problème de l’apprentissage continu. Les modèles sont en ce moment figés après l’entraînement initial. Ils ne peuvent pas intégrer de nouvelles connaissances de manière fluide sans passer par des mises à jour lourdes. Celui-ci est pourtant essentiel pour résoudre des problèmes complexes. Et puis, la gestion de la mémoire est carrément dépassée. Les LLM ingèrent une quantité énorme d’informations sans vraiment faire le tri. Ils mélangeant des données essentielles avec du bruit inutile ou des erreurs factuelles. Ce manque de filtrage sémantique empêche de bâtir une base de connaissances à la fois structurée et fiable.
Le paradoxe du raisonnement et le test d’Einstein
Demis Hassabis (@demishassabis), co-founder & CEO of Google DeepMind is coming to YC!
— Y Combinator (@ycombinator) April 6, 2026
> Fireside chat with @garrytan on the future of AI
> Keynote from DeepMind researchers on Gemini + Gemma
> Talks & live demos from YC founders building on Google's AI stack
> Meet DeepMind… pic.twitter.com/0vxawC8wgn
Demis Hassabis illustre ses propos par le concept de raisonnement en dents de scie. Il observe qu’un modèle peut briller lors des Olympiades de mathématiques et échouer lamentablement sur une simple addition si la question est posée différemment. Un test frappant mentionné par Hassabis consiste à demander à une IA de redécouvrir les théories d’Albert Einstein. Aucun système actuel ne parvient à élaborer seul la théorie de la relativité restreinte de 1905 avec les connaissances du modèle aux données disponibles en 1901.
Cela signifie que les LLM excellent dans la synthèse et la prédiction de séquences, mais ils sont incapables d’inventer des concepts radicalement nouveaux. Cette incapacité provient du fait que ces modèles ne possèdent aucune représentation interne du monde physique. Ils manipulent des mots qui décrivent la gravité, mais ils ne comprennent pas les effets mécaniques. Ils sont déconnectés de la réalité empirique.
Vers une architecture hybride et des modèles de monde
Cette vision rejoint les travaux de Yann LeCun. Ce dernier est la figure de proue de l’IA chez Meta et à la tête d’AMI Labs à Paris. Il milite également pour le développement de modèles de monde capables de simuler la réalité physique par plusieurs langages. Hassabis prône ainsi une voie hybride. Il prend pour exemple AlphaFold, le système de DeepMind qui a révolutionné la biologie moléculaire. AlphaFold n’est pas un LLM. Il s’agit d’un système d’intelligence artificielle capable de faire une structure 3D d’une protéine via ses séquences d’acides aminés.
L’avenir de l’IA réside donc dans une constellation de système d’experts pilotés par des modèle généraux et non dans un cerveau omniscient. Selon Hassabis, cette approche permettra de créer des simulateurs capables de modéliser dynamiquement le comportement d’une cellule humaine d’ici dix ans. Pour les acteurs du secteur, le message est clair : l’AGI de 2030 ne sera pas une extension des chatbotsactuels. Ce sera une fusion entre la puissance du langage et la compréhension profonde des lois de notre univers.
- Partager l'article :
Restez à la pointe de l'information avec
INTELLIGENCE-ARTIFICIELLE.COM !
