L’essentiel en bref
- Musk situe le dépassement autour de 2031, contre 2029 dans sa prédiction publique de mars 2024.
- Il maintient une probabilité de 10 à 20 % de scénario catastrophe pour l’humanité.
- L’accélération est réelle et mesurée : le benchmark de référence de METR sature désormais au delà de 16 heures de tâche, de l’aveu même de l’organisme.
- Le pilier robotique de sa démonstration accuse un retard que Musk a lui-même reconnu en janvier 2026.
Accès rapide (Sommaire) :
Ce que Musk a réellement dit à The Economist
L’entretien a été enregistré à Giga Texas et publié le 23 juillet 2026 par The Economist.
Zanny Minton Beddoes, rédactrice en chef du journal, l’interroge sur son revirement à propos de l’IA.
Musk y estime que l’IA dépassera la somme des intelligences humaines dans environ cinq ans. Il ajoute qu’il ne restera à peu près rien qu’un humain fasse mieux qu’une machine, sauf l’expérience d’être humain.
Le basculement qu’il décrit se joue en deux temps.
- Vers 2031, l’IA passe devant.
- Vers 2036, les humains ne contrôleront plus grand chose.
Il reprend son analogie du chimpanzé pour justifier ce second point : quand l’écart d’intelligence devient trop grand, le moins intelligent ne commande plus.
Musk conserve son estimation d’un risque de 10 à 20 % de scénario catastrophe pour l’espèce humaine.
Ce qui a changé, c’est sa posture : il dit ne plus voir comment freiner le mouvement et préfère désormais trouver un moyen de contrôler au mieux l’expansion incontrôlable.
Il avance une mesure de sécurité concrète, et elle mérite d’être mentionnée :
Les laboratoires concurrents se réuniraient toutes les semaines ou toutes les deux semaines pour auditer mutuellement leurs modèles avant publication. Selon lui, c’est aux entreprises de s’auto-contrôler, pa aux Etats car les entreprises spécialisées seraient en mesure de repérer un danger bien plus vite qu’un État le pourrait.
L’ère « Stockfish » : l’analogie qui porte toute la démonstration de Musk
Définition :
Le niveau Stockfish : le seuil à partir duquel une machine surpasse tous les humains dans un domaine de façon si nette que la comparaison cesse d’avoir un sens, y compris pour les meilleurs spécialistes mondiaux.
Stockfish est un moteur d’échecs libre et gratuit.
Musk rappelle qu’il bat Magnus Carlsen sans effort, y compris en tournant sur un simple téléphone.
L’intérêt de l’analogie n’est pas que la machine gagne.
C’est que la question a disparu.
Plus personne n’organise de match homme contre moteur, plus personne ne considère la performance humaine comme un point de comparaison pertinent.
C’est ce seuil que Musk transpose au génie logiciel, puis à tout le reste.
Les trois paliers annoncés pour le développement logiciel
Musk décrit une progression en trois temps.
- Aujourd’hui : selon lui, l’IA écrirait déjà du code mieux que 90 % des ingénieurs et développeurs professionnels.
- À court terme : elle passerait devant 99 % d’entre eux.
- Le palier Stockfish : plus aucune compétition possible, avec un code produit plus vite, plus efficacement et sans erreur.
Le génie logiciel n’est qu’un point d’entrée dans son raisonnement.
Musk précise que ce niveau finira par s’appliquer à absolument toutes les tâches humaines.
Attention toutefois car aucun de ces trois paliers partagés ne sont adossés à une étude publique, et ils émanent du dirigeant de xAI, qui commercialise un modèle de génération de code et d’IA (il a récemment racheté Cursor, l’un des leaders du secteur).
Pourquoi l’analogie de Musk tient aux échecs mais est plus fragile sur le le code et le reste des tâches ?
Les échecs forment un système fermé.
Règles finies, information complète, résultat vérifiable automatiquement.
Le génie logiciel en entreprise ne coche aucune de ces trois cases.
Les mesures de METR le montrent noir sur blanc, et l’organisme le dit lui-même dans sa documentation.
Un horizon de tâche de huit heures ne signifie pas qu’une IA automatise un métier.
METR avance trois raisons.
- Ses tâches sont autonomes et parfaitement spécifiées, ce que le travail réel n’est presque jamais.
- L’horizon mesuré correspond à ce que ferait une personne sans contexte préalable, du type nouvelle recrue ou prestataire externe, pas un salarié qui connaît la base de code depuis trois ans.
- La plupart des métiers reposent sur des interactions et des critères de réussite qu’aucun script ne peut noter.
METR ajoute une observation plus gênante encore pour la thèse de Musk.
Quand la performance des agents est évaluée de façon globale plutôt que par un score algorithmique, elle chute nettement.
Le mot « sans erreur » est donc l’endroit précis où l’analogie choisi par Musk est fragile.
Un exemple chiffré vaut mieux qu’un long discours (ou article, en l’occurence).
METR donne une illustration parlante avec un agent GPT-5, dont l’horizon tourne autour de 2 h 17.
Sur les tâches qui prennent 90 minutes à 3 heures à un professionnel, il en réussit un tiers systématiquement, en échoue un tiers systématiquement, et se montre irrégulier sur le dernier tiers.
Le modèle date d’août 2025 et les générations suivantes font mieux.
Ce qui compte ici, c’est la forme du profil, pas le niveau : la capacité progresse plus vite que la régularité.
Ce profil n’a rien d’un moteur d’échecs.
Stockfish ne perd pas un tiers de ses parties de façon reproductible.
METR signale par ailleurs que ses mesures deviennent peu fiables au delà de 16 heures de tâche, faute de jeu d’évaluation adapté.
En clair ? La courbe de performance des modèles IA monte vite mais la régularité, elle, reste le point faible de n’importe quel modèle en 2026.
La vraie question à se poser, est la suivante : oui mais pour encore combien de temps ?
Le second mécanisme : passer de l’écran aux atomes
Musk considère que l’intelligence numérique seule plafonne.
Tant qu’elle reste derrière un écran, elle manipule des données, pas des atomes.
Le saut viendrait de l’intégration des modèles dans des robots humanoïdes servant d’effecteurs physiques.
De là découle le reste de sa projection : une économie quasi illimitée, une déflation massive, puis un revenu universel élevé financé par cette productivité automatisée.
Sur le calendrier, Musk n’est pas isolé, même s’il reste le plus agressif du lot : Sam Altman avance lui aussi ses propres échéances sur l’AGI.
Ce que les mesures indépendantes disent de cette accélération
L’organisme à but non lucratif METR mesure l’autonomie des modèles avec un indicateur lisible.
Il calcule la durée d’une tâche qu’un agent réussit une fois sur deux, calibrée sur le temps qu’y consacre un professionnel humain.
Dans ses chiffres publiés en janvier 2026, cette durée doublait tous les 196 jours sur l’ensemble de la série depuis 2019.
Sur la seule génération publiée depuis 2024, le doublement tombait sous les trois mois.
Mais attention, ces valeurs sont à lire comme un ordre de grandeur, pas comme une constante.
METR a corrigé en mars 2026 une erreur de régularisation qui affectait ses mesures, puis ajouté sept modèles plus récents à son classement.
Le 8 mai 2026, METR a ajouté un avertissement à sa page de référence : au delà de 16 heures de tâche, ses mesures ne sont plus fiables avec son jeu d’évaluation actuel.
Traduction : les modèles récents réussissent trop de tâches du test pour que le test les départage encore.
L’organisme reconnaît d’ailleurs travailler à relever ce plafond de mesure.
Second signal, plus discret : Claude Opus 5, Fable 5, Grok 4.5 et GPT-5.6 n’ont à ce jour aucun horizon publié et ne sont pas encore dans le référentiel.
Chaque évaluation demande une à deux semaines de travail, et METR ne promet pas de couverture exhaustive.
La courbe publique mesure donc déjà un état antérieur du marché, ce qui est un argument pour Musk autant qu’un problème pour quiconque veut piloter sur des données solides, y compris parmi les modèles d’IA les plus performants du moment.
L’accélération est mesurée, son extrapolation à cinq ans, elle, reste un pari.
Tout le monde ne lit d’ailleurs pas cette courbe de la même façon.
Yann LeCun, prix Turing et fondateur d’AMI Labs après douze ans à la tête de la recherche fondamentale en IA de Meta, a redit à VivaTech en juin 2026 que les grands modèles de langage ne mènent pas à une intelligence de niveau humain.
Son argument porte sur la nature de l’apprentissage : un système entraîné à prédire du texte ne construit pas de modèle du monde physique.
Si LeCun a raison, aucun ajout de puissance de calcul et de capacité électrique ne suffira à atteindre le calendrier de Musk.
Super-intelligence dans 5 ans (ou 10 ans) : ce que cela implique concrètement pour les pros
Une prédiction à cinq ans n’est pas une donnée de pilotage, la courbe de METR, elle, en est une.
Voici ce qu’elle implique concrètement pour une équipe marketing, produit ou technique :
- La frontière de ce que vous pouvez déléguer à un agent se déplace par trimestre, pas par année. Un outil testé et écarté en janvier mérite un nouveau passage en test.
- La zone mouvante, ce sont les tâches qui se comptent en heures : un audit sémantique complet, une refonte de plan de tracking, la production d’une campagne de bout en bout.
- Mesurez au lieu de ressentir. Dans l’essai contrôlé de METR mené début 2025, des développeurs expérimentés étaient 19 % plus lents avec l’IA alors qu’ils estimaient avoir gagné 20 % de temps. METR considère depuis ce résultat comme un instantané daté, mais l’écart entre perception et mesure, lui, n’a pas disparu.
- Séparez systématiquement ce qui est démontré de ce qui est annoncé avant d’arbitrer un budget outil.
Sur le volet emploi, le débat utile n’est pas la disparition des métiers en 2031 :
- Il porte sur la recomposition des tâches à court terme, un sujet sur lequel OpenAI a publié ses propres alertes économiques.
- Pour un profil marketing, la question opérationnelle tient en une ligne : quelles compétences perdront leur valeur marchande d’ici deux ans, et lesquelles en gagnent.
Notre verdict :
La courbe d’accélération est réelle, mesurée par des tiers indépendants, et elle justifie de revoir vos arbitrages outils tous les trimestres. La date de 2031, elle est plus hypothétique. Traitez la première comme une donnée de planification, la seconde comme une base de réflexion à prendre en compte dans votre stratégie long-terme.
Reste une question que peu d’équipes se posent franchement : si la frontière de la délégation bouge tous les trois mois, à quelle fréquence votre organisation est-elle réellement capable de réévaluer sa stack et ses process sans s’épuiser ?
Fondateur de LEPTIDIGITAL et SUPASST, je suis également consultant spécialisé en acquisition de leads B2B (SaaS). Passionné par le marketing digital, l’intelligence artificielle et le SEO. Avant de devenir indépendant, j’ai occupé des postes clés en tant que SEO Manager et responsable e-commerce pour plusieurs grandes entreprises (Altice Media, Infopro Digital, Voyage Privé et le Groupe ERAM). Sur le plan perso, je suis un curieux insatiable, également passionné par la photographie, le badminton et les voyages. Pour toute demande de partenariat, privilégiez LinkedIn ou email ([email protected]).
