Depuis des années, le débat sur l'AGI tourne en rond faute d'instruments de mesure fiables. On proclame des jalons, on conteste les benchmarks existants, et chacun définit l'intelligence générale à sa façon. Google DeepMind tente de sortir de cette impasse avec un papier présenté à Google I/O 2026 : Measuring Progress Toward AGI: A Cognitive Taxonomy, accompagné d'un concours Kaggle à 200 000 dollars pour pousser la communauté à s'en emparer.
Une grille de lecture, pas une définition de l'AGI
Le document, présenté par Eli Collins de Google DeepMind le 22 juin 2026, ne prétend pas trancher la question philosophique de ce qu'est l'AGI. Il propose plutôt une taxonomie cognitive : un ensemble structuré de dimensions pour évaluer où en est un système IA sur différentes facettes de l'intelligence. L'idée est de remplacer les affirmations vagues par des métriques concrètes et comparables d'un modèle à l'autre.
C'est un problème réel que le terrain ressent depuis longtemps. Les benchmarks actuels, qu'il s'agisse de MMLU, HumanEval ou d'autres suites d'évaluation, mesurent des compétences précises mais peinent à rendre compte d'une progression globale vers une intelligence plus générale. Un modèle peut exceller en raisonnement mathématique tout en échouant sur des tâches de planification ouverte ou d'adaptation à des contextes nouveaux. La taxonomie proposée cherche à cartographier ces dimensions de façon plus systématique.
Le concours comme test grandeur nature
Pour ne pas laisser ce cadre théorique dans un tiroir académique, Google DeepMind ouvre un hackathon sur Kaggle avec une dotation de 200 000 dollars. La structure du prix est claire : 10 000 dollars sont attribués par piste, sur cinq pistes distinctes, et 25 000 dollars supplémentaires récompensent chacune des quatre meilleures soumissions globales.
L'intérêt de ce format dépasse la carotte financière. En mobilisant des chercheurs, des ingénieurs et des praticiens indépendants, Google DeepMind s'offre une validation externe de sa taxonomie. Si des équipes du monde entier arrivent à l'opérationnaliser, à construire des évaluations concrètes à partir de ce cadre, c'est la preuve qu'il tient la route au-delà du laboratoire d'origine. Dans le cas contraire, les retours de la communauté permettront d'identifier les angles morts.
C'est une stratégie que l'on voit de plus en plus dans la recherche en IA : publier un cadre théorique et simultanément créer les conditions pour le challenger en dehors de ses propres équipes. Anthropic l'a fait avec ses travaux sur l'interprétabilité, Meta avec ses releases open source. Google DeepMind joue ici sur les deux tableaux, recherche et communauté, en même temps.
Un enjeu qui dépasse Google
La question de savoir comment mesurer la progression vers l'AGI n'est pas anodine. Elle a des implications directes sur la façon dont les entreprises communiquent sur leurs modèles, sur la manière dont les régulateurs pourraient un jour définir des seuils de risque, et sur la capacité des chercheurs en sécurité à anticiper les changements qualitatifs dans le comportement des systèmes.
Aujourd'hui, faute d'outils partagés, chaque laboratoire avance ses propres métriques et ses propres définitions. OpenAI a ses niveaux d'AGI internes, Anthropic ses critères d'évaluation, DeepMind ses propres grilles. Cette fragmentation complique les comparaisons et laisse le champ libre aux annonces marketing difficiles à vérifier.
La taxonomie de Google DeepMind ne résoudra pas ce problème seule, et ses auteurs le savent probablement. Mais en la soumettant à l'épreuve d'un concours ouvert, ils créent au moins un point de départ commun sur lequel la communauté peut travailler, critiquer et itérer. Ce sera au résultat du hackathon, attendu dans les prochains mois, de dire si le cadre résiste au contact de la réalité empirique.
