GPT-6 Astra est-il vraiment une AGI ?

La définition change le verdict

Choisissez une définition avant d’évaluer l’affirmation. L’AGI désigne-t-elle de bonnes performances dans de nombreux domaines, l’apprentissage rapide en situation inconnue ou l’exécution fiable de travaux économiquement utiles ? Ces critères se recoupent sans être identiques. En changer en cours de raisonnement permet de défendre presque n’importe quelle conclusion.

L’article de recherche Levels of AGI distingue l’étendue des capacités, leur niveau de performance et l’autonomie en déploiement. C’est une proposition de cadre scientifique, pas une certification universelle. Son intérêt pratique est de nommer les dimensions considérées plutôt que de réduire l’intelligence à un interrupteur.

Nous demandons ici si les preuves établissent une compétence large et fiable au-delà de démonstrations choisies. Ce n’est pas la même question que de savoir si Astra impressionne, présente un intérêt commercial ou surpasse son prédécesseur. Ces trois propositions pourraient être vraies sans clore le débat.

Ce que les preuves publiées permettent de conclure

L’annonce d’Astra par OpenAI décrit des progrès en programmation, utilisation d’ordinateur et travail professionnel, ainsi que de bons résultats d’évaluation. Ces affirmations méritent examen. Il faut les attribuer à leur éditeur et conserver leurs conditions de test, sans les transformer en garantie pour votre projet.

Un benchmark répond à une question délimitée : comment un système a-t-il réussi ces tâches avec ces outils, ressources et règles de notation ? Une démonstration montre un résultat possible dans un certain dispositif. Aucun des deux n’indique automatiquement la fréquence de réussite d’un nouvel utilisateur, l’aide nécessaire ou le comportement face à des exigences contradictoires.

La reproductibilité est donc essentielle : évaluateurs indépendants, protocoles explicites, tâches inconnues et publication des échecs autant que des succès. Une affirmation solide doit résister aux changements de formulation et d’environnement, pas dépendre d’un exemple soigneusement préparé.

Capacité, autonomie et fiabilité ne sont pas synonymes

Un modèle compétent peut savoir résoudre un problème sans disposer des outils pour agir. Une application autonome peut enchaîner les étapes et commettre une erreur importante. Un processus fiable peut volontairement limiter son périmètre et demander une approbation. Ce sont des propriétés distinctes, pas des contradictions.

Prenons la préparation d’une page pour un événement associatif. Rédiger le texte montre une capacité ; modifier un calendrier mobilise un autre système ; envoyer des invitations produit un effet externe. Corriger une mauvaise date teste la gestion d’erreurs. Davantage de permissions ne signifie pas davantage d’intelligence, et demander une validation n’est pas un échec.

La conscience est encore une autre question. La qualité des réponses et l’achèvement des tâches décrivent des comportements observables, pas une expérience subjective. Une analyse pratique ne doit pas devenir implicitement une affirmation sur ce que ressent le modèle.

Une grille réutilisable pour les affirmations sur l’AGI

Transformez les titres annonçant l’AGI en questions vérifiables. Notez le résultat et les conditions qui l’ont rendu possible. Une réponse manquante indique une lacune dans les preuves, pas une capacité inexistante ou illimitée.

Cette grille aide à lire annonces, évaluations et démonstrations. Il s’agit d’un outil éditorial, pas d’un nouveau test scientifique ni d’une note attribuée à Astra.

• Définition : quel sens précis donne-t-on à l’AGI ?
• Étendue : quelles tâches sont évaluées ou exclues ?
• Nouveauté : comment distingue-t-on situations inconnues et exemples familiers ?
• Ressources : quels outils, délais, essais et aides humaines sont autorisés ?
• Fiabilité : les échecs, répétitions et récupérations sont-ils décrits ?
• Transfert : le résultat résiste-t-il aux changements d’environnement et d’instructions ?
• Responsabilité : peut-on inspecter le travail et arrêter les actions importantes ?

Un exemple de jeu rend la distinction concrète

Demander à une IA un petit jeu de réflexion illustre ces différences. Obtenir un écran jouable est une étape. Préserver les règles après modification, éviter les états impossibles et expliquer un test échoué en sont d’autres. Une capture convaincante ne montre ni le redémarrage ni les blocages après une action inhabituelle.

Vous pouvez découvrir des jeux jouables, observer commandes, retours visuels et redémarrage, puis convertir ces observations en critères pour un prototype distinct. Cela évalue un résultat utile, pas l’AGI. Cela ne signifie pas non plus que les jeux observés ont été créés avec Astra.

Pour les créateurs, la question utile devient : le système produit-il et maintient-il un résultat vérifiable ? Distinguez le plaisir de jouer, subjectif, d’une vérification fonctionnelle comme la réponse d’un bouton.

Utiliser les capacités sans exagérer l’étiquette

La conclusion prudente n’est pas qu’Astra serait sans importance. Une avancée majeure et un verdict établi sur l’AGI restent deux affirmations différentes. On peut reconnaître le progrès tout en demandant des preuves plus larges et reproductibles.

Pour votre prochain projet, fixez un livrable limité, des frontières et des contrôles. Observez l’achèvement utile, l’effort de correction et la récupération après erreur. Ces observations peuvent éclairer une décision malgré les désaccords terminologiques.

Si de nouvelles preuves apparaissent, la conclusion doit pouvoir évoluer. Le critère reste stable : définition explicite, attribution des affirmations et absence de substitution des exemples impressionnants aux preuves nécessaires.