Google DeepMind lance le DeepMind Institute (DMI), une nouvelle plateforme de recherche et de débat consacrée aux conséquences de l’intelligence artificielle générale. Dirigé notamment par Demis Hassabis et Shane Legg, l’institut veut réunir chercheurs, économistes et penseurs autour d’une question qui dépasse désormais la seule performance des modèles : que faudra-t-il changer dans la société si des systèmes dotés de capacités cognitives générales deviennent une réalité ?
La première série de travaux donne le ton. Sécurité, transparence du raisonnement, gouvernance et redistribution des gains économiques sont déjà au programme. DeepMind estime que les systèmes actuels conservent des lacunes importantes, mais considère que certaines pourraient être comblées relativement rapidement.
DeepMind crée un institut pour penser les conséquences de l’AGI
Le DeepMind Institute est dirigé par trois personnalités occupant des positions centrales dans l’écosystème IA de Google : Shane Legg, cofondateur et Chief AGI Scientist de Google DeepMind, Demis Hassabis, cofondateur et président de DeepMind ainsi que Chief Scientist d’Alphabet, et James Manyika, président de Google chargé de la recherche, des laboratoires, de la technologie et de la société. Shane Legg occupe également le rôle de managing editor de la nouvelle plateforme.
DMI ne se présente toutefois pas comme un nouveau laboratoire chargé de développer des modèles. Son objectif est davantage intellectuel et interdisciplinaire : permettre à des chercheurs de Google DeepMind, de Google et de la communauté scientifique internationale de publier et confronter leurs analyses sur les conséquences possibles de l’AGI.
L’institut précise d’ailleurs que les textes publiés représentent les positions de leurs auteurs et ne doivent pas être considérés comme la position officielle de Google. Les contributeurs pourront être en désaccord entre eux, une caractéristique que DeepMind présente comme essentielle dans un domaine où les incertitudes restent considérables.
Cette séparation est importante. DeepMind Institute doit pouvoir accueillir des propositions économiques, sociales ou réglementaires qui ne correspondent pas nécessairement à la stratégie commerciale d’Alphabet.
DeepMind estime que certaines lacunes actuelles pourraient disparaître rapidement
Dans son texte de lancement, l’institut définit l’AGI comme un système capable de manifester l’ensemble des capacités cognitives du cerveau humain. DeepMind reconnaît que les modèles actuels échouent encore sur certaines tâches relativement élémentaires. Mais les auteurs du texte estiment que plusieurs de ces lacunes pourraient être comblées prochainement, ce qui justifierait de préparer dès maintenant les mécanismes de gouvernance nécessaires.
Cette anticipation explique l’attention accordée à la sécurité.
Le DMI identifie notamment les cyberrisques, les risques biologiques et, à plus long terme, la possibilité d’une perte de contrôle face à des systèmes capables de s’améliorer eux-mêmes. Shane Legg insiste parallèlement sur la nécessité d’éviter que les capacités des modèles progressent plus rapidement que les dispositifs permettant de les contrôler. Interrogé par le Financial Times, il a qualifié d’« intéressante » et de digne d’être examinée l’idée défendue par Dario Amodei, patron d’Anthropic, de ralentir le rythme de publication des modèles les plus avancés sans pour autant suspendre leur développement.
Legg reste en revanche prudent lorsqu’il s’agit d’affirmer que l’AGI existe déjà. Il considère qu’il est prématuré de déclarer cet objectif atteint et maintient sa précédente estimation d’une probabilité de 50 % d’obtenir une forme « minimale » d’AGI d’ici 2028. Il s’agit d’une prévision personnelle et non d’un calendrier annoncé par Google DeepMind.
Sécurité, économie et transparence ouvrent les débats
Pour son lancement, DeepMind Institute publie plusieurs travaux qui illustrent l’étendue des sujets que l’institut souhaite couvrir. Rohin Shah et Anca Dragan s’intéressent à la transparence du raisonnement des modèles et à la possibilité d’utiliser leurs processus intermédiaires pour détecter certains comportements indésirables. Stephen Cave propose de son côté une réflexion sur les principes permettant d’imaginer des futurs souhaitables avec l’AGI, tandis que Demis Hassabis développe un cadre consacré aux modèles d’IA de pointe et à l’évaluation de leurs capacités.
Un autre travail, signé par les chercheurs Julian Jacobs et Alex Imas, se concentre sur une question beaucoup plus concrète : comment adapter la politique économique si l’IA commence à perturber massivement le marché du travail ?
Les auteurs évaluent onze mécanismes différents, parmi lesquels l’assurance chômage, la formation professionnelle, le crédit d’impôt sur les revenus du travail, le revenu de base universel, l’impôt négatif sur le revenu, les services universels, un fonds souverain lié à l’IA ou encore le capital universel de base.
Leur objectif n’est pas d’identifier une solution unique. Les chercheurs partent au contraire du principe que les politiques nécessaires dépendront fortement de l’ampleur réelle des transformations provoquées par l’AGI.
Trois réponses économiques selon l’ampleur de l’automatisation
Jacobs et Imas proposent ainsi trois grands scénarios permettant d’adapter progressivement la réponse publique. Dans le scénario le plus modéré, l’AGI améliorerait fortement la productivité tout en provoquant des transformations comparables, dans leur logique générale, à celles des précédentes vagues d’automatisation. Certains emplois disparaîtraient ou évolueraient, mais la demande globale de travail ne s’effondrerait pas.
Les chercheurs privilégient alors des mécanismes déjà relativement connus : assurance chômage renforcée, extension du Earned Income Tax Credit américain et programmes de reconversion directement associés aux employeurs. L’idée est d’utiliser des dispositifs pouvant être renforcés automatiquement si les perturbations augmentent.
Le deuxième scénario suppose des déplacements d’emplois beaucoup plus importants, accompagnés de périodes de chômage prolongées et d’une pression durable sur les salaires. Les auteurs estiment alors qu’un impôt négatif sur le revenu pourrait constituer un mécanisme plus adapté. Les personnes situées sous un certain seuil recevraient automatiquement un transfert, celui-ci diminuant progressivement à mesure que leurs revenus du travail augmentent. Cette approche serait notamment plus ciblée qu’un revenu universel versé à toute la population.
Enfin, le troisième scénario est beaucoup plus radical : l’AGI provoquerait un découplage durable entre croissance économique et travail humain, une part croissante de la richesse provenant alors essentiellement du capital et des systèmes automatisés.
Dans ce cas, les chercheurs envisagent un capital universel de base comme filet de sécurité structurel.
DeepMind s’interroge sur une économie où le travail ne serait plus central
Le concept de capital universel de base diffère sensiblement du revenu universel. Au lieu de distribuer périodiquement une somme identique, le mécanisme donnerait aux citoyens une participation directe dans des actifs économiques, par exemple sous la forme de parts détenues dans un fonds public investi en actions et obligations.
La logique est de permettre à la population de bénéficier directement de l’appréciation du capital si l’IA déplace progressivement la création de valeur du travail vers les infrastructures automatisées.
Dans l’évaluation réalisée par les chercheurs, ce mécanisme obtient un score de 76,3 sur 100 sur le critère d’autonomie économique et de participation, le plus élevé parmi les onze politiques étudiées. Sa faisabilité n’atteint cependant que 33,1 sur 100, ce qui illustre l’écart considérable entre son intérêt théorique dans certains scénarios et la difficulté de sa mise en œuvre.
Les enquêtes mobilisées dans l’étude aboutissent à une conclusion comparable. Aux États-Unis, 85 % des personnes interrogées soutiennent les programmes publics de reconversion professionnelle et 72 % l’assurance chômage, contre 54 % pour le capital universel de base.
Les auteurs ne proposent donc pas de mettre immédiatement en place un tel système. Ils suggèrent plutôt de préparer son architecture à l’avance afin qu’il puisse devenir une option si les données économiques montrent un recul durable de la part du travail dans le PIB parallèlement à une augmentation des rendements du capital.
Cette approche par seuils constitue l’un des fils conducteurs de leur travail : ne pas présumer que l’AGI détruira massivement l’emploi, mais préparer les instruments nécessaires au cas où les données montreraient qu’un tel scénario commence effectivement à se produire.
Le revenu universel n’est pas la solution privilégiée par les chercheurs
L’étude est également critique à l’égard d’une solution régulièrement associée à l’automatisation : le revenu universel de base.
Les auteurs le décrivent comme un instrument coûteux et relativement peu ciblé, susceptible de consacrer d’importantes ressources à des personnes qui n’en ont pas nécessairement besoin tout en n’apportant pas toujours un soutien suffisant aux populations les plus touchées.
Ils soulignent également qu’un revenu universel ne donne pas directement aux citoyens une participation dans la richesse créée par les systèmes automatisés.
C’est précisément ce que le capital universel tente de corriger. Si l’AGI produit effectivement une économie dans laquelle la valeur provient davantage de la propriété des infrastructures et du capital que du travail, posséder une fraction de ces actifs pourrait devenir aussi important que recevoir un transfert monétaire.
Mais DeepMind ne présente pas cette conclusion comme une prescription politique définitive. L’étude combine revue de littérature, enquêtes et une méthodologie expérimentale utilisant 51 agents IA construits à partir des réponses et profils de 51 économistes réels pour évaluer les différentes politiques.
Les résultats doivent donc être considérés comme un cadre exploratoire destiné à structurer le débat, et non comme une démonstration empirique de ce que produirait réellement une économie dominée par l’AGI.
DeepMind veut préparer les institutions avant que l’AGI n’arrive
La création du DeepMind Institute montre finalement que la compétition autour de l’intelligence artificielle commence à dépasser la course aux benchmarks et aux modèles. Google DeepMind continue évidemment de développer ses propres systèmes, mais ses dirigeants considèrent désormais nécessaire de réfléchir simultanément aux institutions qui pourraient devoir accompagner une technologie beaucoup plus puissante.
Cette démarche comporte une tension évidente : les entreprises qui développent les systèmes les plus avancés participent également au débat sur les règles destinées à encadrer leur impact. L’ouverture de DMI à des chercheurs extérieurs et la volonté affichée de publier des opinions divergentes seront donc importantes pour déterminer la véritable portée intellectuelle de l’institut.
Les premières publications ont néanmoins le mérite de déplacer la discussion. Elles ne demandent plus uniquement quand l’AGI arrivera, mais ce qu’il faudrait mesurer et préparer avant qu’elle ne provoque éventuellement des transformations économiques ou sociales majeures.
Car l’incertitude reste considérable. L’AGI pourrait produire des gains de productivité sans provoquer le bouleversement radical du travail imaginé dans les scénarios les plus extrêmes. Elle pourrait également arriver plus tard que ne l’anticipent certains chercheurs.
Le pari du DeepMind Institute consiste précisément à ne pas attendre d’avoir la réponse : si l’AGI devient réellement l’une des ruptures économiques majeures de ce siècle, concevoir les institutions après son arrivée pourrait être beaucoup plus difficile que commencer à les penser avant.
