Demis Hassabis voit dans l’IA une révolution plus vaste et bien plus rapide

La comparaison est volontairement vertigineuse. Pour Demis Hassabis, directeur de Google DeepMind, l’intelligence artificielle pourrait être « dix fois plus grande que la révolution industrielle », et « peut-être dix fois plus rapide ». À la date du 4 août 2025, cette formule résume l’ambition d’un chercheur qui voit l’IA non comme un simple outil numérique supplémentaire, mais comme une technologie susceptible de modifier la recherche, l’économie et les conditions de vie.

Cette projection ne doit pas être lue comme un calcul exact. Il n’existe ni unité universelle pour mesurer la taille d’une révolution technologique, ni méthode permettant de comparer directement deux périodes historiques aussi différentes. Elle exprime plutôt une idée centrale : si l’IA progresse vite et se diffuse dans la plupart des activités, ses effets pourraient se faire sentir à la fois dans les laboratoires, les entreprises, les services publics et les foyers, sur un calendrier beaucoup plus resserré que celui des grandes transformations industrielles passées.

Pourquoi comparer l’IA à la révolution industrielle ?

La révolution industrielle désigne un ensemble de changements techniques, économiques et sociaux qui se sont étalés sur plusieurs décennies. Les machines, les usines et de nouvelles sources d’énergie ont transformé la production, les transports, les villes et l’organisation du travail. Ce processus n’a pas été instantané : il a nécessité des infrastructures, des investissements, des compétences et des adaptations sociales profondes.

L’IA générative et les modèles avancés suivent une autre logique. Une fois qu’un modèle est entraîné, il peut être déployé dans de très nombreux logiciels et utilisé simultanément par des millions de personnes. Les améliorations peuvent aussi circuler rapidement par les services en ligne, les mises à jour de produits et les outils destinés aux entreprises. C’est cette vitesse de diffusion potentielle qui nourrit la comparaison de Demis Hassabis.

Le dirigeant de DeepMind ne dit pas que l’IA remplacera mécaniquement chaque invention de l’ère industrielle. Il avance qu’elle pourrait agir comme une technologie générale, capable d’améliorer des tâches intellectuelles variées : rédiger, programmer, analyser des données, rechercher des molécules, concevoir des matériaux ou assister des décisions. Son effet dépendra toutefois des usages retenus, des règles fixées et de la capacité des organisations à intégrer ces outils de façon fiable.

Que prévoit Demis Hassabis pour l’AGI ?

Au cœur de cette vision se trouve l’AGI, pour intelligence artificielle générale. Cette expression désigne, dans le débat technologique, une IA qui ne serait pas limitée à une tâche spécifique et qui pourrait atteindre un niveau de capacités cognitives comparable à celui d’un humain dans un large éventail d’activités.

Demis Hassabis estime qu’une telle étape pourrait survenir dans les cinq à dix prochaines années. Cette échéance doit être comprise comme une anticipation personnelle, et non comme un calendrier garanti. Le domaine ne dispose pas d’une définition unique, ni d’un test accepté par tous, permettant d’annoncer objectivement qu’une AGI a été atteinte. Les performances impressionnantes d’un système sur le texte, l’image, le code ou les jeux ne suffisent pas nécessairement à démontrer une compréhension générale du monde, une autonomie fiable ou un jugement comparable à celui d’une personne.

La distinction est importante pour le grand public. Les IA actuelles peuvent accomplir certaines tâches avec une rapidité remarquable, mais elles peuvent aussi commettre des erreurs, reproduire des biais présents dans leurs données ou fournir une réponse convaincante sans être exacte. L’hypothèse d’une IA plus générale renforce donc l’intérêt d’évaluer non seulement ses capacités, mais aussi sa robustesse, ses limites et les conditions de son contrôle.

L’enjeu n’est donc pas seulement de savoir quand apparaîtrait une AGI. Il est aussi de déterminer quels critères permettraient de juger ses capacités, qui serait chargé de les évaluer et quelles protections devraient s’appliquer avant son déploiement dans des domaines sensibles.

AlphaFold, l’exemple d’une IA qui accélère la science

Pour illustrer le potentiel positif de l’IA, Demis Hassabis met notamment en avant AlphaFold. Ce système développé par DeepMind est capable de prédire la structure de protéines. Or la forme tridimensionnelle d’une protéine aide les scientifiques à comprendre son fonctionnement et ses interactions, deux éléments essentiels pour la recherche en biologie.

L’intérêt d’un tel outil ne tient pas à l’idée qu’une machine remplacerait les chercheurs. Il réside dans l’accélération de certaines étapes particulièrement complexes. Les biologistes peuvent s’appuyer sur ces prédictions pour formuler des hypothèses, orienter des expériences et mieux explorer des mécanismes qui auraient demandé davantage de temps à étudier par les seules méthodes traditionnelles.

C’est dans cette perspective que Hassabis évoque des avancées possibles contre des maladies graves. Entre la prédiction informatique d’une structure et un traitement effectivement disponible pour les patients, le chemin reste cependant long. Il faut encore vérifier les résultats, mener des expériences, évaluer la sécurité des approches envisagées et, le cas échéant, passer par les essais cliniques. L’IA peut accélérer la découverte, elle n’abolit ni l’incertitude scientifique ni les exigences de la médecine.

La même logique vaut pour les autres promesses citées autour des matériaux, de la supraconductivité à température ambiante ou de la fusion nucléaire. Une IA capable d’explorer plus vite des pistes scientifiques pourrait devenir un puissant outil de recherche. Mais une piste calculée n’est pas une percée industrielle, et une percée de laboratoire ne devient pas automatiquement une solution accessible à grande échelle.

L’abondance radicale face à la question de l’emploi

Demis Hassabis associe le développement de l’IA à la possibilité d’une « abondance radicale ». L’expression renvoie à une société dans laquelle des gains majeurs de productivité et de découvertes permettraient de produire davantage de biens, de services ou de connaissances. Cette perspective optimiste repose sur l’idée que l’IA pourrait aider à résoudre des problèmes aujourd’hui coûteux, longs ou difficiles.

Mais créer davantage de richesse ne répond pas, à lui seul, à la question de sa répartition. Si une technologie automatise une partie des tâches, les bénéfices peuvent profiter très inégalement aux salariés, aux entreprises, aux investisseurs et aux territoires. Hassabis souligne ainsi la responsabilité des sociétés dans le partage des gains liés à l’IA.

Le débat sur l’emploi ne se limite pas à l’alternative simpliste entre disparition et création de métiers. Dans de nombreuses professions, l’IA peut modifier la répartition des tâches : automatiser la mise en forme d’un document, aider à analyser une grande quantité d’informations, proposer du code ou accélérer la recherche. Cela peut dégager du temps, mais aussi exiger de nouvelles compétences et transformer les critères de recrutement.

Hassabis évoque à cet égard l’importance persistante de fonctions fondées sur le jugement humain. Les philosophes, les économistes, les responsables publics et plus largement les professionnels capables d’arbitrer entre des objectifs contradictoires pourraient jouer un rôle crucial. Décider ce qui est juste, souhaitable ou acceptable ne se réduit pas à produire une réponse statistiquement probable.

Pour que l’IA soit un facteur de progrès partagé, plusieurs conditions seront déterminantes : l’accès à la formation, l’accompagnement des travailleurs exposés aux transformations, la capacité à diffuser les outils au-delà des seules grandes entreprises et un débat démocratique sur les usages qui méritent d’être encouragés ou limités.

Énergie, désinformation et sécurité : les revers d’une course technologique

La promesse d’une IA plus puissante s’accompagne de contraintes matérielles. Les centres de données nécessaires à l’entraînement et à l’utilisation de grands modèles peuvent consommer des ressources considérables. Demis Hassabis inscrit donc la question environnementale parmi les défis à traiter en parallèle de l’innovation. L’efficacité des modèles, le choix des infrastructures et l’origine de l’énergie utilisée comptent autant que les performances affichées par les systèmes.

La sécurité est un autre sujet central. Des outils capables de générer rapidement des textes, des voix ou des images réalistes peuvent être détournés pour amplifier la désinformation ou faciliter des usurpations d’identité. Les exemples de contenus fabriqués à l’aide de l’IA rappellent qu’une technologie conçue pour assister la création ou la communication peut aussi être exploitée pour manipuler une audience.

À cela s’ajoute la compétition entre les grands acteurs du secteur, dont OpenAI, Meta et Microsoft, aux côtés de Google DeepMind. La rivalité peut stimuler l’investissement, la recherche et l’amélioration des produits. Elle peut aussi encourager une course à la vitesse, dans laquelle la pression du marché rend plus difficile la mise en place de tests rigoureux et de garde-fous suffisants.

Le défi consiste donc à ne pas opposer artificiellement innovation et prudence. Une IA utile dans la recherche, l’éducation ou les services peut exiger simultanément des règles sur la sécurité, la responsabilité des concepteurs, la protection contre les abus et la transparence sur les limites des outils.

Pourquoi le débat dépasse la seule technologie

Les propos de Demis Hassabis posent finalement une question politique et philosophique : que souhaite-t-on faire d’une capacité de calcul et de création sans précédent ? Pour le chercheur, l’arrivée éventuelle de systèmes plus généraux doit s’accompagner de discussions avec les gouvernements et les experts afin de traiter les inconnues avant qu’elles ne deviennent des crises.

Cette approche ne signifie pas que les scientifiques ou les entreprises doivent décider seuls. Les effets de l’IA toucheront les salariés, les élèves, les patients, les créateurs, les administrations et les citoyens. Les règles de déploiement, les recours en cas de préjudice et l’accès aux bénéfices doivent donc faire l’objet d’un débat public éclairé.

La réflexion personnelle de Hassabis sur le monde que ses fils connaîtront traduit cette dimension. Au-delà des prouesses techniques, il s’agit de savoir quelle place les humains souhaitent conserver dans les décisions importantes, comment préserver l’autonomie individuelle et comment donner un sens collectif aux gains de productivité annoncés.

Ce qu’il faut surveiller

La vision de Demis Hassabis est ambitieuse : une IA capable d’accélérer la science, de soutenir une prospérité plus large et, potentiellement, de faire émerger une intelligence générale dans un délai de cinq à dix ans. Elle est aussi conditionnelle. Les effets réels de cette technologie dépendront de sa fiabilité, de son coût énergétique, de l’accès aux infrastructures, de la formation des personnes et de la qualité des règles établies.

Dans les prochaines années, il faudra suivre moins les déclarations les plus spectaculaires que les éléments concrets : les avancées reproductibles dans les laboratoires, la capacité des outils à fonctionner sans erreur dans des contextes sensibles, les mesures prises contre les contenus trompeurs et les modalités de partage des gains de productivité.

L’IA pourrait effectivement compter parmi les transformations majeures de ce siècle. Mais sa portée ne sera pas dictée par la technologie seule. Elle dépendra des choix humains qui encadreront sa conception, son déploiement et les bénéfices qui en seront tirés.