En juillet 2026, Elon Musk déclarait dans un entretien au Economist que l’intelligence artificielle (IA) dépasserait la somme des intelligences humaines « d’ici environ cinq ans », soit vers 2031. Cette prédiction, qui repousse de deux ans son estimation précédente de mars 2024 (qui fixait l’échéance à 2029), interroge : simple recalage technique ou vraie dynamique d’accélération ? Pour y voir clair, il faut disséquer les arguments du PDG de xAI et les confronter aux mesures indépendantes disponibles.
La prédiction d’Elon Musk : calendrier et mise en garde
Dans cet échange avec Zanny Minton Beddoes, Musk détaille un basculement en deux temps. D’abord, vers 2031, l’IA surpasserait l’intelligence collective de l’humanité. Ensuite, vers 2036, les humains perdraient le contrôle effectif des systèmes. Il reprend son analogie du chimpanzé : quand l’écart d’intelligence devient trop grand, le moins intelligent ne commande plus.
Musk conserve son estimation d’un risque de 10 à 20 % de scénario catastrophe pour l’espèce humaine. Mais sa posture a changé : il ne voit plus comment freiner le mouvement et préfère désormais trouver un moyen de contrôler l’expansion incontrôlable. Il propose une mesure concrète : que les laboratoires concurrents se réunissent toutes les semaines ou toutes les deux semaines pour auditer mutuellement leurs modèles avant publication. Selon lui, ce sont les entreprises qui doivent s’auto-contrôler, pas les États, car elles seraient en mesure de repérer un danger bien plus vite.
Pour approfondir la question des risques liés à une AGI mal maîtrisée, un article d’Inktomi revient sur les mises en garde de Demis Hassabis, cofondateur de DeepMind : l’AGI selon Demis Hassabis.
L’analogie Stockfish : la clé de voûte de sa démonstration
Musk utilise l’exemple du moteur d’échecs Stockfish, qui bat Magnus Carlsen sans effort, y compris sur un simple téléphone. L’intérêt de l’analogie n’est pas que la machine gagne, mais que la question a disparu : plus personne n’organise de match homme contre moteur. Ce seuil, Musk le transpose au génie logiciel, puis à toutes les tâches humaines.
Il décrit trois paliers pour le développement logiciel : aujourd’hui, l’IA écrirait déjà du code mieux que 90 % des ingénieurs professionnels ; à court terme, elle passerait devant 99 % d’entre eux ; enfin, le palier Stockfish où aucune compétition n’est possible. Musk précise que ce niveau finira par s’appliquer à absolument toutes les tâches humaines. Attention toutefois : ces affirmations ne sont adossées à aucune étude publique et émanent du dirigeant de xAI, qui commercialise un modèle de génération de code.
Cette vision est contestée par Yann LeCun, prix Turing et fondateur d’AMI Labs, qui a répété à VivaTech en juin 2026 que les grands modèles de langage ne construisent pas de modèle du monde physique. Si LeCun a raison, aucun ajout de puissance de calcul ne suffira à atteindre ce calendrier.
Ce que les mesures indépendantes disent de l’accélération
L’organisme à but non lucratif METR mesure l’autonomie des modèles avec un indicateur fiable : la durée d’une tâche qu’un agent réussit une fois sur deux, calibrée sur le temps d’un professionnel humain. En janvier 2026, cette durée doublait tous les 196 jours sur l’ensemble de la série depuis 2019. Sur la seule génération publiée depuis 2024, le doublement tombait sous les trois mois.
Le 8 mai 2026, METR a ajouté un avertissement : au-delà de 16 heures de tâche, ses mesures ne sont plus fiables avec son jeu d’évaluation actuel. Traduction : les modèles récents réussissent trop de tâches du test pour que le test les départage encore. L’organisme travaille à relever ce plafond.
Cependant, la courbe publique mesure un état antérieur du marché. Claude Opus 5, Fable 5, Grok 4.5 et GPT-5.6 n’ont à ce jour aucun horizon publié, chaque évaluation demandant une à deux semaines de travail. L’accélération est réelle, mais son extrapolation à cinq ans reste un pari.
Le profil de performance des agents : un autre écueil
METR donne une illustration parlante avec un agent GPT-5 (août 2025), dont l’horizon tourne autour de 2 h 17. Sur les tâches de 90 minutes à 3 heures, il en réussit un tiers systématiquement, en échoue un tiers systématiquement, et se montre irrégulier sur le dernier tiers. Ce profil n’a rien d’un moteur d’échecs : Stockfish ne perd pas un tiers de ses parties de façon reproductible.
La courbe de performance monte vite, mais la régularité reste le point faible de n’importe quel modèle en 2026. La question est : pour encore combien de temps ?
| Année | Prédiction / événement | Source |
|---|---|---|
| 2024 (mars) | Musk date le dépassement de l’IA à 2029 | Déclaration publique |
| 2025 (août) | Agent GPT-5 : horizon médian de 2h17 | METR |
| 2026 (janvier) | Doublement de l’horizon tous les 196 jours | METR |
| 2026 (juillet) | Musk prédit 2031 pour l’intelligence collective | The Economist |
| 2026 (mai) | METR : mesures non fiables au-delà de 16h | METR, avertissement officiel |
Implications concrètes pour les professionnels
Une prédiction à cinq ans n’est pas une donnée de pilotage. La courbe de METR, elle, en est une. Voici ce qu’elle implique pour une équipe marketing, produit ou technique :
- La frontière de ce que vous pouvez déléguer à un agent se déplace par trimestre, pas par année. Un outil testé et écarté en janvier mérite un nouveau passage en test.
- La zone mouvante, ce sont les tâches qui se comptent en heures : un audit sémantique complet, une refonte de plan de tracking, la production d’une campagne de bout en bout.
- Mesurez au lieu de ressentir. Dans l’essai contrôlé de METR début 2025, des développeurs expérimentés étaient 19 % plus lents avec l’IA alors qu’ils estimaient avoir gagné 20 % de temps. L’écart entre perception et mesure n’a pas disparu.
- Séparez systématiquement ce qui est démontré de ce qui est annoncé avant d’arbitrer un budget outil.
Sur le volet emploi, le débat utile n’est pas la disparition des métiers en 2031, mais la recomposition des tâches à court terme. Pour un profil marketing, la question opérationnelle tient en une ligne : quelles compétences perdront leur valeur marchande d’ici deux ans, et lesquelles en gagnent ? Un article d’Inktomi explore justement les professions résilientes face à l’IA.
Reste une question que peu d’équipes se posent franchement : si la frontière de la délégation bouge tous les trois mois, à quelle fréquence votre organisation est-elle réellement capable de réévaluer sa stack et ses process sans s’épuiser ?
