François Chollet, créateur du benchmark ARC-AGI et figure majeure de l’IA chez Google, vient de publier une comparaison frappante : la science est passée de l’observation de la radioactivité à la bombe atomique en une cinquantaine d’années. Un rappel que les découvertes fondamentales peuvent basculer très vite vers des applications concrètes — pour le meilleur comme pour le pire.
Pourquoi cette comparaison parle autant
Entre la découverte de la radioactivité par Becquerel en 1896 et les bombes d’Hiroshima en 1945, il s’est écoulé moins de 50 ans. Un demi-siècle entre une observation de laboratoire et une technologie qui a changé l’histoire mondiale. Pour l’IA, nous sommes aujourd’hui en 2026 — et les premiers réseaux de neurones modernes datent des années 2010. Selon Chollet, nous vivons peut-être une accélération similaire : ce qui semble être de la recherche fondamentale aujourd’hui pourrait devenir omniprésent dans nos vies bien plus vite qu’on ne l’imagine.
Cette comparaison résonne particulièrement avec les débats actuels sur l’AGI (intelligence artificielle générale). Le benchmark ARC-AGI de Chollet teste justement la capacité des IA à raisonner sur des problèmes jamais vus — une forme d’intelligence adaptative encore loin d’être maîtrisée. Mais les progrès récents de modèles comme GPT-4, Claude ou o1 montrent une évolution rapide.
Ce que ça change pour nous
Concrètement, cette réflexion nous pousse à anticiper : quels métiers seront transformés dans 5 ans ? Quelles compétences développer maintenant ? Les parallèles avec le nucléaire ne s’arrêtent pas à la vitesse d’innovation — ils concernent aussi la régulation. L’AI Act européen, entré en vigueur progressivement depuis 2024, essaie justement d’encadrer l’IA avant qu’elle ne devienne incontrôlable. Un peu comme les traités de non-prolifération nucléaire après 1945.
Pour les professionnels, le message est clair : l’IA n’est plus un sujet de veille technologique, c’est un changement structurel. Les entreprises qui intègrent ChatGPT, Midjourney ou des assistants IA dans leurs workflows aujourd’hui prennent une longueur d’avance. Celles qui attendent « de voir » risquent de se retrouver distancées — exactement comme les industries qui ont tardé à s’électrifier au XXe siècle.
Ce qu’il faut retenir
La comparaison de Chollet n’est pas alarmiste, elle est réaliste : les technologies transformatrices évoluent par paliers rapides une fois les bases posées. Nous sommes probablement dans cette phase d’accélération pour l’IA. Cela implique à la fois des opportunités (automatisation, créativité augmentée, nouvelles industries) et des risques (emplois transformés, questions éthiques, concentration de pouvoir).
La bonne nouvelle ? Contrairement au nucléaire militaire qui s’est développé dans le secret, l’IA se construit en partie de façon ouverte. Des chercheurs comme Chollet partagent leurs benchmarks, les modèles open source progressent (Llama, Mistral), et le débat public commence à s’emparer du sujet. À nous de rester informés et de participer à cette transformation plutôt que de la subir.
Ce qu’en disent les experts IA
New Anthropic Fellows Research: a new method for surfacing behavioral differences between AI models.
We apply the “diff” principle from software development to compare open-weight AI models and identify features unique to each.
Read more: https://t.co/VAsu2PSgCX
— Anthropic (@AnthropicAI) April 3, 2026
The more AI can do, the more we need to ask what it should and shouldn’t do.
OpenAI researcher @w01fe joins host @AndrewMayne to explore the Model Spec, the public framework that defines how models are intended to behave.
They break down how it works in practice, from the chain… pic.twitter.com/ZctVfctglO
— OpenAI (@OpenAI) March 25, 2026
Les comparaisons historiques sont des analogies pour illustrer un rythme d’innovation, pas des prédictions strictes. L’évolution de l’IA dépend de nombreux facteurs technologiques, économiques et réglementaires.
