Pendant des décennies, la singularité technologique appartenait davantage à la science-fiction qu’au domaine de l’ingénierie. Aujourd’hui, ce concept est devenu un sujet de discussion dans les laboratoires d’intelligence artificielle, les grands groupes industriels, les fonds d’investissement et les entreprises de robotique du monde entier.

L’accélération spectaculaire de l’intelligence artificielle générative, des robots autonomes, des modèles de fondation (foundation models) et des agents IA relance une question fondamentale : que se passera-t-il lorsque les machines seront capables d’améliorer elles-mêmes leur propre intelligence plus rapidement que les humains ne peuvent le faire ?

Personne ne peut affirmer avec certitude que cette « singularité » se produira un jour. En revanche, une chose est sûre : les progrès actuels de l’IA obligent désormais les industriels à considérer cette hypothèse non plus comme une curiosité philosophique, mais comme un véritable enjeu stratégique.

Une théorie vieille de soixante ans

L’origine de la singularité technologique remonte à 1965 lorsque le mathématicien britannique I.J. Good, ancien collaborateur d’Alan Turing, imagine qu’une « machine ultra-intelligente » capable de concevoir des machines encore plus performantes déclencherait une véritable explosion d’intelligence.

Dans les années 1990, le mathématicien et auteur Vernor Vinge développe cette idée en estimant qu’à partir d’un certain niveau d’intelligence artificielle, l’évolution technologique deviendrait tout simplement impossible à prévoir pour l’être humain.

Le concept est ensuite popularisé par Ray Kurzweil, aujourd’hui chercheur principal chez Google, qui estime que l’intelligence artificielle générale (AGI) pourrait apparaître au cours des prochaines décennies avant de conduire progressivement à une auto-amélioration continue des systèmes.

Contrairement aux IA actuelles, spécialisées malgré leurs performances impressionnantes, une AGI serait capable d’apprendre, de raisonner et de résoudre des problèmes dans pratiquement tous les domaines intellectuels, avec une polyvalence comparable, voire supérieure, à celle d’un être humain.

La singularité ne correspond donc pas simplement au moment où une IA dépasse l’homme. Elle désigne surtout l’instant où les systèmes intelligents deviennent capables d’améliorer eux-mêmes leurs algorithmes, leurs architectures matérielles, leurs méthodes de recherche et leurs propres capacités d’innovation.

La véritable révolution de l’IA ne réside peut-être
pas dans sa capacité à répondre à nos questions,
mais dans sa capacité à apprendre sans que nous lui indiquionschaque étape.

Pourquoi le débat est-il devenu si sérieux ?

Il y a encore cinq ans, la majorité des robots industriels fonctionnaient essentiellement grâce à des programmes déterministes.

Aujourd’hui, la situation évolue extrêmement rapidement.

Les grands modèles de langage (LLM), les modèles vision-langage-action, les agents autonomes et les modèles de fondation permettent progressivement aux robots de comprendre des instructions en langage naturel, d’interpréter leur environnement, de planifier des actions complexes et d’apprendre de nouvelles tâches sans programmation spécifique.

Des entreprises comme NVIDIA, Google DeepMind, Tesla, Figure AI, Boston Dynamics, Agility Robotics, Sanctuary AI ou encore Physical Intelligence investissent désormais plusieurs milliards de dollars dans le développement de cette nouvelle génération de robots intelligents.

Parallèlement, le marché mondial de la robotique poursuit sa croissance.

Selon la Fédération Internationale de la Robotique (IFR), plus de 4,2 millions de robots industriels sont actuellement en service dans les usines à travers le monde, tandis que plus de 540 000 nouveaux robots sont installés chaque année. La densité robotique atteint désormais des niveaux records, notamment en Corée du Sud, à Singapour, en Chine, au Japon et en Allemagne.

Les cabinets Goldman Sachs et Morgan Stanley estiment quant à eux que le marché des robots humanoïdes pourrait représenter plusieurs dizaines de milliards de dollars par an d’ici 2035, avec potentiellement plusieurs millions de robots déployés dans l’industrie, la logistique, la santé ou les services.

Ces chiffres expliquent pourquoi la singularité n’est plus uniquement un sujet académique.

La révolution de la puissance de calcul

L’un des principaux moteurs de cette accélération est l’augmentation spectaculaire de la puissance de calcul disponible.

Les modèles d’IA les plus avancés sont désormais entraînés sur des infrastructures composées de dizaines de milliers de processeurs graphiques (GPU).

Les supercalculateurs dédiés à l’intelligence artificielle atteignent aujourd’hui des performances mesurées en exaFLOPS, tout en consommant plusieurs centaines de mégawatts d’électricité.

Le coût d’entraînement des modèles les plus avancés, qui se chiffrait en quelques millions de dollars il y a quelques années, atteint désormais plusieurs centaines de millions de dollars. Certains analystes estiment même que les prochaines générations de modèles nécessiteront des investissements supérieurs au milliard de dollars.

Parallèlement, chaque nouvelle génération de puces IA développée notamment par NVIDIA ou AMD améliore considérablement les performances tout en réduisant la consommation énergétique par opération.

Cette progression simultanée du matériel, des algorithmes et des infrastructures crée un cercle vertueux qui accélère continuellement les capacités de l’intelligence artificielle.

Quand les robots commencent à apprendre

Pendant longtemps, chaque nouvelle tâche robotique nécessitait des semaines de programmation.

Cette époque est en train de disparaître.

Les modèles de fondation dédiés à la robotique permettent désormais de transférer des connaissances d’une tâche à une autre.

Au lieu de programmer individuellement chaque mouvement, les ingénieurs peuvent montrer quelques démonstrations ou simplement décrire une tâche en langage naturel.

Les plateformes comme Isaac de NVIDIA ou les modèles RT développés par Google DeepMind illustrent parfaitement cette évolution.

À terme, chaque robot pourrait apprendre des expériences de milliers d’autres robots connectés au même modèle d’intelligence artificielle.

Une amélioration réalisée dans une usine pourrait ainsi bénéficier instantanément à toutes les autres machines déployées dans le monde.

Sans atteindre encore la singularité, cette intelligence collective constitue déjà une première forme d’amélioration continue à grande échelle.

La question n’est plus seulement de construire
des machines plus intelligentes, mais de s’assurer
qu’elles restent alignées avec les intérêts humains.

La vision de Peter Thiel

Parmi les investisseurs de la Silicon Valley, Peter Thiel, cofondateur de PayPal, adopte une position particulièrement intéressante.

Très tôt, il a soutenu financièrement des organisations travaillant sur l’intelligence artificielle avancée et investi dans plusieurs entreprises majeures du secteur.

Contrairement aux visionnaires les plus optimistes, Peter Thiel considère que la singularité représente simultanément la plus grande opportunité économique de l’histoire et le plus grand risque technologique auquel l’humanité pourrait être confrontée.

Il compare parfois l’arrivée d’une super-intelligence artificielle à une première rencontre avec une civilisation extraterrestre : le véritable enjeu ne serait pas sa puissance, mais sa capacité à rester compatible avec les intérêts humains.

Les sceptiques rappellent les limites

Tous les chercheurs ne partagent cependant pas cet optimisme.

Les systèmes actuels continuent de produire des erreurs, peinent à raisonner sur le très long terme, consomment énormément de ressources informatiques et comprennent encore imparfaitement le monde physique.

De nombreux spécialistes estiment que l’augmentation de la taille des modèles ne suffira probablement pas, à elle seule, à faire émerger une véritable intelligence générale.

D’autres rappellent que les limites physiques demeurent bien réelles : production mondiale de semi-conducteurs, consommation énergétique, refroidissement des centres de calcul, disponibilité des métaux critiques ou encore coût des infrastructures.

La progression de l’IA pourrait donc être freinée autant par les contraintes économiques que par les défis scientifiques.

L’alignement : le véritable défi

Finalement, le principal défi n’est peut-être pas de construire une intelligence plus performante.

Il pourrait être de garantir qu’elle reste alignée avec les objectifs humains.

C’est tout l’enjeu des recherches sur l’AI Alignment, qui visent à rendre les systèmes d’IA transparents, interprétables, contrôlables et sûrs.

Dans le domaine de la robotique, cette question est encore plus cruciale.

Contrairement aux modèles conversationnels, les robots interagissent directement avec le monde réel.

Un robot logistique, un robot chirurgical ou un robot de construction autonome devra prendre des décisions en permanence dans un environnement imprévisible, parfois au contact direct de l’humain.

La sécurité pourrait ainsi devenir un avantage concurrentiel aussi important que les performances de l’intelligence artificielle elle-même.

Plus qu’une rupture, une transition

La singularité technologique se produira-t-elle dans vingt ans ? Dans cinquante ans ? Ou jamais ?

Personne ne peut aujourd’hui répondre à cette question.

En revanche, une réalité s’impose déjà : l’intelligence artificielle transforme la robotique à une vitesse inédite.

Les robots deviennent adaptatifs plutôt que programmés.

Les usines deviennent pilotées par logiciel.

Les robots humanoïdes quittent progressivement les laboratoires pour rejoindre les premiers sites industriels.

Les ingénieurs collaborent désormais quotidiennement avec des assistants IA capables de générer du code, de concevoir des pièces mécaniques, d’optimiser des trajectoires ou d’analyser des milliers de scénarios de simulation.

Peut-être que l’histoire retiendra finalement la singularité non pas comme un événement brutal, mais comme une longue transition au cours de laquelle les machines auront progressivement cessé d’être de simples outils pour devenir de véritables partenaires d’ingénierie.

Dans cette perspective, la question n’est plus vraiment de savoir si l’intelligence artificielle dépassera un jour les capacités humaines, mais plutôt comment les industriels apprendront à collaborer avec des systèmes capables d’innover à leurs côtés.

Cet article Qu’est ce que la singularité technologique ? est apparu en premier sur Robot Magazine.