OpenAI vise une singularité imminente, freinée par les réalités de l'ingénierie

La Silicon Valley n'a jamais manqué de calendriers audacieux, mais le PDG d'OpenAI, Sam Altman, a une fois de plus fait monter les enchères. À travers des déclarations publiques et des écrits récents sur l'aube d'une « ère de l'intelligence », Altman a postulé que l'intelligence artificielle générale — et la vaste singularité technologique qui l'accompagne — pourrait survenir en l'espace de « quelques milliers de jours ». Si les rejets de telles prévisions agressives viennent souvent rapidement des ingénieurs conservateurs, des chercheurs d'institutions telles que le Technion en Israël ont adopté une position plus mesurée et analytique. Leur évaluation suggère que la trajectoire mathématique d'Altman pourrait en réalité se maintenir, à condition que le rythme actuel des percées algorithmiques et de la mise à l'échelle informatique ne soit pas entravé par des obstacles théoriques.

Pourtant, passer de la projection algorithmique pure à la réalité industrielle fonctionnelle introduit des variables que les benchmarks logiciels ignorent systématiquement. Lorsque les informaticiens parlent de singularité, ils mesurent généralement les performances de référence sur des tâches linguistiques abstraites, la logique symbolique et des environnements de codage autonomes. Pour ceux d'entre nous qui examinent ces systèmes à travers le prisme de l'ingénierie mécanique et des systèmes industriels, l'intelligence n'est pas un concept éthéré piégé dans un cluster de serveurs. Elle doit agir, manipuler, fabriquer et s'intégrer dans un monde physique régi par la thermodynamique, la friction et des réseaux électriques finis.

L'argument central derrière la singularité accélérée

Ce changement structurel est précisément ce qui a attiré l'attention des informaticiens universitaires, y compris des chercheurs du Technion. Lors de l'examen de la vitesse à laquelle les moteurs de raisonnement automatisé résolvent des preuves scientifiques et mathématiques de niveau universitaire, la pente de la courbe de capacité ne semble pas s'aplatir. Au contraire, les systèmes autonomes démontrent des heuristiques précoces d'auto-amélioration : ils écrivent leurs propres tests unitaires, génèrent des environnements d'entraînement synthétiques et identifient les inefficacités dans leurs propres architectures sous-jacentes. Si une intelligence artificielle peut optimiser de manière autonome le compilateur, affiner le plan d'implantation du silicium et architecturer la prochaine génération de poids de modèles, la boucle de rétroaction définissant une singularité technologique classique passe de la science-fiction à un calendrier d'ingénierie.

Les experts du Technion analysant ces développements notent que le seuil de l'intelligence générale ne nécessite pas qu'un système imite la biologie humaine ; il exige simplement une parité fonctionnelle en matière de raisonnement inter-domaines, de planification de tâches et de correction d'erreurs. Si les optimisations algorithmiques combinées des architectures d'apprentissage profond, de l'apprentissage par renforcement via des récompenses vérifiables et de l'inférence distribuée maintiennent leur vélocité actuelle, atteindre une architecture cognitive surpassant le débit intellectuel humain sur la quasi-totalité des travaux commercialement valorisables est mathématiquement défendable dans la décennie décrite par Altman.

Le mur du silicium et les goulots d'étranglement thermodynamiques

Reconnaître la possibilité algorithmique de la singularité est une chose ; construire l'infrastructure informatique physique pour l'héberger en est une tout autre. Les grandes visions de superintelligence articulées par les développeurs de modèles de pointe nécessitent des installations matérielles à une échelle que l'humanité n'a jamais tentée. Les cycles d'entraînement à haute densité et les clusters d'inférence distribuée à latence ultra-faible testent déjà les limites de la photolithographie moderne et de la conception des réseaux électriques.

De plus, l'empreinte énergétique de ces systèmes se heurte directement aux infrastructures civiles. Les propositions de centres de données de plusieurs gigawatts ne sont plus des curiosités théoriques ; ce sont des cibles de conception actives. Les fournisseurs de services publics aux États-Unis et en Europe avertissent déjà les hyperscalers que les délais de raccordement pour les lignes de transmission peuvent dépasser cinq ans. Altman a publiquement reconnu qu'une percée dans la fission nucléaire de nouvelle génération ou la fusion nucléaire commerciale sera obligatoire pour alimenter cet écosystème d'intelligence. Lorsqu'un calendrier algorithmique dépend de la refonte globale de la production d'énergie civile et de l'expansion massive des réseaux électriques, le calendrier n'est pas dicté par les commits de code, mais par les coulages de béton, la fabrication des turbines et les approbations réglementaires.

Le vide critique de l'incarnation physique

Même si un noyau cognitif ultra-performant est réalisé dans un centre de données distant en quelques milliers de jours, l'humanité ne vit pas et ne produit pas de valeur uniquement dans une mémoire tampon textuelle. La véritable singularité industrielle nécessite une incarnation. Une intelligence numérique capable d'écrire des systèmes de contrôle complexes ou de concevoir de nouveaux moteurs thermodynamiques ne peut pas affecter les chaînes d'approvisionnement physiques tant qu'elle ne possède pas le matériel robotique pour les mettre en œuvre.

La robotique exige une fiabilité déterministe. Dans une salle blanche de semi-conducteurs, une usine d'assemblage automobile de précision ou une plateforme énergétique offshore, une erreur d'actionnement de deux millimètres ou un décalage de latence de cinquante millisecondes peut entraîner une défaillance mécanique catastrophique ou des blessures humaines. La nature probabiliste des réseaux neuronaux modernes — où les cas limites entraînent des hallucinations ou des saccades mécaniques — est fondamentalement incompatible avec les machines industrielles déterministes. Tant que l'ingénierie mécanique derrière l'agentivité physique ne rattrapera pas le raisonnement numérique, toute singularité proclamée restera fonctionnellement coupée de la chaîne d'approvisionnement mondiale.

La rationalité économique à l'ère des dépenses d'investissement massives

Pour que le calendrier d'Altman se concrétise, les acheteurs de logiciels d'entreprise et les industries lourdes doivent constater un retour sur investissement indéniable qui justifie ces colossaux investissements en infrastructure. Si une entreprise déploie un cluster de modèles coûtant des centaines de millions de dollars, ce système doit remplacer des frais opérationnels entiers ou débloquer des dividendes de productivité sans précédent. Si les rendements économiques sont à la traîne par rapport aux cycles d'amortissement vertigineux des clusters de GPU éphémères — qui deviennent souvent économiquement obsolètes en trois à quatre ans — le capital alimentant cette poussée rapide vers la singularité pourrait facilement se contracter avant que le jalon technique ne soit franchi.

Les observateurs universitaires du Technion et d'ailleurs notent à juste titre que la trajectoire intellectuelle est indéniable. Le logiciel fonctionne, les comportements émergents sont vérifiables et les modèles théoriques suggèrent que le raisonnement général est un défi mathématique soluble. Mais les journalistes techniques et les ingénieurs mécaniques doivent rester ancrés dans la réalité de l'atelier, de l'usine de fabrication et de la sous-station électrique. Si la singularité arrive selon le calendrier de Sam Altman, ce ne sera pas parce que les algorithmes logiciels auront percé le code de l'intelligence générale ; ce sera parce que la base manufacturière mondiale aura réussi à forger le corps physique et à générer la puissance électrique brute nécessaire pour faire entrer cette intelligence dans le monde physique.