Dans des bureaux calmes éclairés par la douce lueur des écrans, un nouveau type d'examen a commencé—un examen sans surveillants parcourant les allées ou crayons grattant le papier. Au lieu de cela, des serveurs bourdonnent, des GPU pulsent de chaleur, et des lignes de code s'étendent dans des domaines autrefois réservés aux dissertations doctorales et aux débats nocturnes dans les couloirs universitaires.
Ils l'appellent le dernier examen de l'humanité—un nom à la fois grand et légèrement ironique, comme pour reconnaître la longue tradition humaine de surestimer la finalité. Conçu comme un benchmark de niveau doctorat, le test s'étend à travers les mathématiques, la science, la philosophie et d'autres disciplines qui exigent un raisonnement en couches plutôt qu'un simple rappel rapide. Ses architectes le décrivent comme l'une des évaluations les plus difficiles jamais assemblées pour l'intelligence artificielle, une tentative d'explorer non pas ce que les machines peuvent répéter, mais ce qu'elles peuvent réellement raisonner.
Lorsque Google a dévoilé des résultats montrant que son dernier modèle, Gemini 3, avait obtenu 48,4 pour cent, ce chiffre a porté une sorte d'électricité. Près de la moitié des questions—nombre d'entre elles élaborées à un niveau doctoral—ont été répondues correctement. À une autre époque, un tel score aurait pu être rejeté comme moyen. Dans le contexte du raisonnement machine, cela ressemblait à un marqueur sur une pente raide.
Pourtant, l'humeur parmi les experts est restée mesurée.
L'intelligence générale artificielle, ou AGI, est souvent définie comme un système capable d'effectuer des tâches intellectuelles dans divers domaines à un niveau égal ou supérieur à celui des humains, avec flexibilité et autonomie. Il s'agit moins de réussir un test que de naviguer dans le terrain imprévisible de la complexité du monde réel. Un benchmark, peu importe sa rigueur, ne capture qu'une tranche de ce paysage.
Les créateurs du dernier examen de l'humanité ont souligné cette distinction. Le test n'est pas une déclaration d'arrivée mais un test de résistance—un instrument évolutif destiné à révéler les faiblesses autant que les forces. Les questions sont conçues pour résister aux raccourcis de correspondance de motifs. Elles nécessitent un raisonnement en plusieurs étapes, une synthèse de concepts inconnus et, dans certains cas, une capacité à reconnaître l'incertitude.
Dans cette optique, 48,4 pour cent devient moins une proclamation et plus un point de données : un signe que les systèmes s'améliorent dans le raisonnement structuré, mais aussi que des lacunes significatives demeurent. Près de la moitié de l'examen reste encore au-delà des capacités actuelles.
Il y a quelque chose de discrètement révélateur dans le cadrage. L'expression « Le dernier examen de l'humanité » suggère un seuil, comme si l'intelligence était un sommet à conquérir. Mais l'intelligence, dans la pratique, est moins un pic unique qu'un horizon mouvant. Chaque avancée redessine la frontière entre ce qui semble être exclusivement humain et ce qui peut être simulé par du code.
Au cours de la dernière décennie, les modèles d'IA sont passés de compétences étroites—identifier des images, traduire des textes—à générer des essais, résoudre des équations et assister à la recherche scientifique. Les benchmarks ont évolué parallèlement, augmentant en difficulté à mesure que les anciens tests deviennent saturés. Le cadrage de niveau doctorat de ce nouvel examen reflète cette escalade : une reconnaissance que les ensembles de problèmes de premier cycle ne suffisent plus à mesurer les progrès.
Pourtant, réussir même le test écrit le plus redoutable ne garantirait pas les capacités plus larges associées à l'AGI : des objectifs persistants, un apprentissage autodirigé, une compréhension incarnée ou le jugement nuancé formé par l'expérience vécue. Un système peut démontrer un raisonnement remarquable dans un format contraint tout en manquant de l'adaptabilité requise au-delà.
Pour l'instant, les résultats se situent dans le domaine de la possibilité plutôt que de la proclamation. Les ingénieurs affinent les modèles ; les chercheurs affinent les tests. Chaque itération ajoute de la clarté à ce que les machines peuvent et ne peuvent pas faire. La conversation passe du spectacle à l'examen.
S'il y a une leçon dans ce moment, elle pourrait être que l'intelligence—humaine ou artificielle—se déploie de manière incrémentale. L'examen ne met pas fin à l'enquête ; il l'approfondit. Près de la moitié des réponses correctes, près de la moitié non résolues : un rappel que le progrès arrive souvent non pas comme un franchissement dramatique de seuils, mais comme une accumulation constante de connaissances.
Les serveurs continuent leur travail silencieux. Dans les laboratoires et les bureaux, les chercheurs analysent les modèles d'erreur, recalibrent les ensembles de données et débattent des définitions. Le dernier examen de l'humanité, il s'avère, pourrait être moins un test final qu'un dialogue continu—un dialogue dans lequel les humains et les machines apprennent encore les questions.
Publié par Banx Network. Cet article fait partie du programme de médias décentralisés Banx, propulsé par le jeton BXE sur le XRP Ledger.
