Jensen Huang n'attend pas le consensus académique. Le PDG de Nvidia a déclaré que l'intelligence artificielle générale — le Graal recherché depuis des décennies par les chercheurs en IA — est déjà là.

« Je pense que c'est maintenant. Je pense que nous avons atteint l'AGI », a déclaré Huang lors de sa participation au podcast de Lex Fridman le 23 mars. Venant de l'homme dont l'entreprise fournit l'ossature de calcul de la quasi-totalité des grands laboratoires d'IA de la planète, cette déclaration a un poids particulier.

Redéfinir la ligne d'arrivée

Le 27 août, lors de la conférence sur les résultats du deuxième trimestre 2026 de Nvidia, Huang est revenu sur cette affirmation. « Pour de nombreuses tâches, nous pouvons dire que nous avons déjà atteint l'AGI », a-t-il déclaré aux analystes et aux investisseurs.

Il est allé plus loin, qualifiant les benchmarks traditionnels de l'AGI d'« un peu dénués de sens ». Plutôt que de mesurer si l'IA peut égaler ou dépasser la cognition humaine sur tous les plans, Huang soutient que la véritable métrique devrait être la capacité des systèmes d'IA à générer ce qu'il appelle des « tokens rentables » — c'est-à-dire un output économique productif issu d'un travail réel.

Ce cadrage compte, car l'AGI n'a jamais eu de définition établie. Depuis que le terme a été popularisé dans les années 2000, les chercheurs débattent de savoir s'il désigne une performance de niveau humain dans tous les domaines cognitifs, dans l'ensemble des travaux à valeur économique, ou quelque chose de plus restreint. La position de Huang déplace effectivement les piquets de la capacité vers l'utilité commerciale, alignant ce jalon sur ce que les entreprises peuvent déployer aujourd'hui plutôt que sur des benchmarks de laboratoire.

400 000 agents IA et ça continue

Nvidia construit un modèle de main-d'œuvre dans lequel plus de 400 000 agents IA travailleront aux côtés d'environ 40 000 employés humains. L'entreprise imagine que ces agents prendront en charge des tâches dans les domaines de l'ingénierie, des opérations et des fonctions commerciales.

Côté matériel, Nvidia a évoqué des déploiements de GPU impliquant plus de 1,5 million de puces en une seule génération, alimentant ce que l'entreprise appelle des « usines d'IA » — des installations conçues sur mesure pour produire l'intelligence comme un output industriel.

Un désaccord opportun avec OpenAI

La définition de l'AGI selon Huang le met en désaccord avec OpenAI. L'entreprise dirigée par Sam Altman a maintenu une définition plus formelle, décrivant l'AGI comme des systèmes surpassant les humains dans une majorité de tâches économiquement utiles.

Le désaccord n'est pas purement académique. La définition de l'AGI d'OpenAI est intégrée à sa structure de gouvernance d'entreprise, avec des dispositions spécifiques liées à ce qui se passe lorsque l'AGI est atteinte. Notamment, l'accord de calcul historique d'OpenAI avec Microsoft ne s'applique qu'aux systèmes pré-AGI, ce qui signifie qu'une déclaration formelle d'AGI aurait des conséquences commerciales directes pour ce partenariat. Pour OpenAI, déclarer l'AGI signifie déclencher des changements contractuels et organisationnels. Pour Nvidia, déclarer l'AGI signifie vendre davantage de matériel aux entreprises qui se précipitent pour construire dessus.

Huang a reconnu les contributions d'OpenAI pour en arriver à ce moment, saluant le rôle joué par ses modèles dans la démonstration de ce que le calcul à grande échelle rend possible.

Pour les lecteurs qui suivent ce débat, le test pratique de l'affirmation de Huang se jouera dans l'adoption par les entreprises : si les systèmes d'IA crédités de générer des « tokens rentables » se traduisent par des gains de productivité mesurables à grande échelle, et si les autres grands laboratoires d'IA acceptent une définition de l'AGI tâche par tâche ou s'en tiennent à des définitions plus globales.