On parle de superintelligence depuis des années dans les cercles de l'IA, souvent avec plus de frisson que de rigueur. Google DeepMind vient de changer de registre. Dans un document de recherche publié le 12 juin 2026, le laboratoire propose pour la première fois une cartographie formelle de la transition entre intelligence artificielle générale (AGI) et superintelligence artificielle (ASI), avec quatre trajectoires distinctes, une définition opérationnelle de l'ASI, et un cadre analytique qui tient davantage du document stratégique que de la spéculation futuriste.
Une définition qui déplace le curseur
La première chose qui frappe dans ce texte, c'est la définition retenue. L'ASI n'y est pas décrite comme une entité omnisciente ou un être conscient : c'est un système « plus intelligent que de larges organisations humaines ». Formulé ainsi, le seuil devient presque mesurable. On ne parle plus d'un fantasme philosophique mais d'un objectif qu'on pourrait un jour évaluer, comparer, peut-être même certifier. Cette sobriété est soit très prudente, soit très habile — probablement les deux.
Google DeepMind s'inscrit ici dans une série de publications sur la gouvernance et la conscience de l'IA qu'il a intensifiée tout au long de juin 2026. Le timing n'est pas anodin. À mesure que les laboratoires s'approchent de ce qu'ils appellent eux-mêmes l'AGI, la pression pour poser des jalons conceptuels publics augmente : vis-à-vis des régulateurs, des investisseurs, et de la communauté scientifique.
Quatre trajectoires, quatre paris sur l'avenir
Le cœur du document repose sur l'identification de quatre chemins vers l'ASI. Le premier, le scaling AGI, prolonge la logique actuelle : plus de données, plus de puissance de calcul, plus de paramètres. C'est la trajectoire la plus connue, celle qui a produit les grands modèles de langage des dernières années. La question reste ouverte de savoir si cette courbe peut atteindre le seuil ASI ou si elle plafonne avant.
Le deuxième chemin suppose des changements de paradigme dans l'architecture même des systèmes d'IA — non pas faire plus de la même chose, mais inventer autre chose. Cela renvoie aux débats sur les architectures post-transformers, les systèmes hybrides ou les modèles à raisonnement symbolique. DeepMind ne tranche pas, mais reconnaît que le scaling seul pourrait ne pas suffire.
La troisième trajectoire est celle qui concentre le plus d'attention dans les discussions sur les risques : l'amélioration récursive, soit un système capable d'optimiser sa propre architecture ou ses propres algorithmes. C'est l'hypothèse dite de « l'explosion d'intelligence », popularisée il y a plus de dix ans. La formaliser dans un document officiel de DeepMind, c'est reconnaître qu'on la prend au sérieux comme scénario plausible, pas seulement comme récit de science-fiction.
Enfin, la quatrième trajectoire est celle de l'ASI émergente : un système atteignant des capacités surhumaines non pas par conception délibérée, mais par émergence de comportements non anticipés à partir d'un certain seuil de complexité. C'est le scénario le moins contrôlable, et sans doute le plus inconfortable à mettre par écrit pour un laboratoire de recherche.
Un document qui dit plus que ce qu'il énonce
Lire ce texte uniquement comme une contribution académique serait passer à côté de sa portée. Google DeepMind est l'un des rares laboratoires au monde à avoir les ressources, les ambitions et la trajectoire technique pour rendre ce type de transition crédible à moyen terme. Publier une telle cartographie, c'est aussi signaler sa position : nous y pensons sérieusement, nous le faisons publiquement, et nous structurons le débat avant que d'autres ne le fassent à notre place.
La publication arrive dans un contexte où OpenAI, Anthropic et DeepMind rivalisent autant sur le terrain scientifique que sur celui de la légitimité publique. Chaque document de recherche sur la gouvernance ou la sécurité est aussi une prise de parole dans un débat politique qui s'accélère. Les quatre trajectoires décrites ne sont pas seulement des hypothèses scientifiques : elles constituent un cadre que régulateurs et législateurs pourraient être amenés à utiliser pour définir des seuils, des obligations ou des interdictions.
Ce qui reste en suspens, et que le document ne tranche pas, c'est la question du calendrier. DeepMind ne prédit pas quand — ni même si — l'une de ces trajectoires aboutira. Mais le fait de les cartographier aussi précisément suggère que l'horizon n'est plus aussi lointain qu'on voulait bien le croire.
