Définition de l'IA Générale
A Definition of AGI
October 21, 2025
papers.authors: Dan Hendrycks, Dawn Song, Christian Szegedy, Honglak Lee, Yarin Gal, Erik Brynjolfsson, Sharon Li, Andy Zou, Lionel Levine, Bo Han, Jie Fu, Ziwei Liu, Jinwoo Shin, Kimin Lee, Mantas Mazeika, Long Phan, George Ingebretsen, Adam Khoja, Cihang Xie, Olawale Salaudeen, Matthias Hein, Kevin Zhao, Alexander Pan, David Duvenaud, Bo Li, Steve Omohundro, Gabriel Alfour, Max Tegmark, Kevin McGrew, Gary Marcus, Jaan Tallinn, Eric Schmidt, Yoshua Bengio
cs.AI
papers.abstract
L'absence de définition concrète de l'intelligence artificielle générale (IAG) obscurcit l'écart entre l'IA spécialisée actuelle et la cognition humaine. Cet article propose un cadre quantifiable pour résoudre ce problème, définissant l'IAG comme l'équivalent de la versatilité et de la compétence cognitives d'un adulte bien éduqué. Pour opérationnaliser cette approche, nous ancrons notre méthodologie dans la théorie de Cattell-Horn-Carroll, le modèle de cognition humaine le plus empiriquement validé. Le cadre décompose l'intelligence générale en dix domaines cognitifs fondamentaux - incluant le raisonnement, la mémoire et la perception - et adapte des batteries psychométriques humaines reconnues pour évaluer les systèmes d'IA. L'application de ce cadre révèle un profil cognitif fortement "hétérogène" chez les modèles contemporains. Bien que compétents dans les domaines exigeant des connaissances, les systèmes d'IA actuels présentent des déficits critiques dans les mécanismes cognitifs fondamentaux, particulièrement le stockage mnésique à long terme. Les scores d'IAG qui en résultent (par exemple, GPT-4 à 27%, GPT-5 à 58%) quantifient concrètement tant les progrès rapides que l'écart substantiel restant avant d'atteindre l'IAG.
English
The lack of a concrete definition for Artificial General Intelligence (AGI)
obscures the gap between today's specialized AI and human-level cognition. This
paper introduces a quantifiable framework to address this, defining AGI as
matching the cognitive versatility and proficiency of a well-educated adult. To
operationalize this, we ground our methodology in Cattell-Horn-Carroll theory,
the most empirically validated model of human cognition. The framework dissects
general intelligence into ten core cognitive domains-including reasoning,
memory, and perception-and adapts established human psychometric batteries to
evaluate AI systems. Application of this framework reveals a highly "jagged"
cognitive profile in contemporary models. While proficient in
knowledge-intensive domains, current AI systems have critical deficits in
foundational cognitive machinery, particularly long-term memory storage. The
resulting AGI scores (e.g., GPT-4 at 27%, GPT-5 at 58%) concretely quantify
both rapid progress and the substantial gap remaining before AGI.