À la fin des années 1990, un jeune studio de jeux vidéo entreprend de simuler un pays entier, avec des villes vivantes et leurs habitants, sur un ordinateur domestique équipé d'un processeur Pentium. Le jeu s'appelle Republic, le studio Elixir Studios. Son fondateur, Demis Hassabis, chercheur en intelligence artificielle et entrepreneur, cofondera une dizaine d'années plus tard DeepMind, devenu depuis Google DeepMind.
En 2026, interrogé sur la scène de l'AI Ascent de Sequoia Capital, il revient sur l'épisode sans l'embellir. Le projet était peut-être « too ambitious », admet-il. Il en a gardé une règle de calendrier qu'il a appliquée ensuite à ses propres paris sur l'intelligence artificielle.
Un comité de direction se pose la même question depuis l'autre rive. Hassabis la posait en constructeur de technologie. Le CODIR la pose en utilisateur, pour un outil qu'il n'a pas conçu et dont il ne maîtrise pas le rythme d'évolution. La transposition demande donc des précautions. Elle éclaire pourtant une décision qu'il est tentant de trancher par réflexe, entrer parce que les concurrents entrent ou attendre parce que rien n'est encore stable.
Les phrases de Demis Hassabis sont citées en anglais, telles qu'elles figurent dans la transcription de son entretien. Les phrases françaises qui les accompagnent sont des traductions de travail.
Que dit Demis Hassabis du bon moment pour se lancer ?
Il dit qu'il faut être en avance, d'une avance que la technique du moment peut encore porter. Des années d'Elixir Studios, il retient une leçon qu'il présente comme peut-être la plus grande, être « 5 years ahead of your time, not 50 years ahead », cinq ans en avance sur son temps et non cinquante. Quand une idée paraît évidente à tout le monde, « it's too late ». Avec cinquante ans d'avance, le projet n'a selon lui probablement aucune chance de réussir.
Cette fenêtre sert d'appui à la posture de direction que décrit l'article préparer son entreprise à l'AGI sans parier sur une date. La question traitée ici est plus étroite, reconnaître le moment d'entrer quand on ne peut pas le dater.
Même son auteur s'y est trompé d'un facteur deux
L'intervieweur l'interroge ensuite sur 2009, l'année où il décide de viser l'intelligence artificielle générale. Hassabis reconnaît que la règle n'a pas suffi à viser juste, « we thought we were 5 years ahead, but maybe we were more like 10 ». Son équipe se croyait cinq ans en avance alors qu'elle l'était plutôt de dix.
L'aveu compte davantage que la règle. Celui qui la formule a mal estimé sa propre avance du simple au double, dans son propre domaine. Pour un comité de direction qui juge une technologie depuis l'extérieur, la leçon est nette. Une date d'entrée estimée à l'avance est une hypothèse fragile. Un signal observable l'est beaucoup moins.
Que coûte une IA adoptée trop tôt ?
Elle coûte un projet dimensionné pour une technique qui n'existe pas encore, comme Republic l'était pour les PC de son époque.
Pour une organisation qui adopte une IA, arriver trop tôt ne veut pas dire arriver avant les concurrents. Arriver trop tôt, c'est confier à l'outil une tâche qu'il ne tient pas encore de façon fiable sur ses propres cas. Une démonstration tourne sur des exemples choisis, le quotidien d'une équipe sur ses dossiers réels, avec leurs manques, leurs exceptions et leurs formats hérités.
Le coût se déplace alors vers les personnes. Quand l'outil se trompe trop souvent, l'équipe relit tout, corrige et rattrape. Vérifier ce que produit une IA peut coûter plus cher que le produire. Ce coût n'apparaît dans aucun tableau de bord au moment de la décision.
Un essai prématuré peut aussi laisser une trace plus longue que l'essai lui-même. Si l'équipe en retient que « l'IA ne marche pas chez nous », la prochaine tentative partira d'un scepticisme acquis, même lorsque l'outil aura rattrapé le besoin. Trop tôt se mesure donc à l'écart entre ce que le projet exige et ce que l'outil tient aujourd'hui, sur des cas réels.
Que coûte une IA adoptée trop tard ?
Elle coûte l'apprentissage que d'autres ont déjà fait et qui ne s'achète pas. Les licences s'achètent en un jour. Les habitudes de travail, la façon de vérifier un résultat, la répartition des tâches entre l'humain et la machine se construisent en le faisant.
La borne de l'évidence partagée vise ce point. Le récit de 2009 en montre l'autre face. Au moment où la fenêtre était ouverte, presque personne n'y croyait. Selon lui, ni le monde académique ni l'industrie ne pensaient alors qu'un progrès important était possible. Il se souvient de chercheurs qui « literally rolled their eyes up at us » quand son équipe parlait de travailler sur l'AGI.
Attendre le consensus revient par construction à laisser la fenêtre se refermer. On entre ensuite dans la hâte, avec l'envie de rattraper en un trimestre ce que d'autres ont appris en deux ans. Or la vitesse d'absorption d'une organisation ne se force pas. Forcer la cadence ajoute des chantiers ouverts sans ajouter de chantiers terminés.
À quels signaux Hassabis a-t-il reconnu le moment d'entrer ?
À la réunion de conditions qu'il jugeait mûres, jamais à une date. Ses deux décisions de calendrier les plus nettes, la fondation de DeepMind et le lancement de l'IA pour la science, reposent sur des ingrédients qu'il nomme un à un.
2009, quatre fils qui se rejoignent
Pour DeepMind, il cite quatre fils. L'apprentissage profond progressait dans le milieu académique sans que presque personne n'en mesure la portée. Son équipe connaissait bien l'apprentissage par renforcement et voulait le combiner au premier. Il pressentait l'utilité du calcul accéléré par les processeurs graphiques. Lui et plusieurs de ses premiers associés, neuroscientifiques de formation, pensaient enfin disposer d'assez de principes tirés du fonctionnement du cerveau. Il décrit le lancement comme le moment où « the timing we felt was right ». Le verbe dit bien qu'il s'agissait d'un jugement et non d'une certitude.
2016, un seuil attendu puis franchi
Le second cas est plus instructif encore. Hassabis raconte que la division consacrée à l'IA pour la science a formellement démarré au retour du match de Go joué à Séoul par AlphaGo en mars 2016. Il attendait que les algorithmes soient assez puissants et les idées assez générales, « I was waiting for the algorithms to be powerful enough and the ideas to be general enough ». Pour lui, « cracking Go was that point ».
La condition existait avant l'événement. L'événement l'a rendue observable. Transposé dans une organisation, ce schéma donne une discipline simple. On écrit la condition d'entrée avant l'essai, puis on regarde si la réalité la franchit, au lieu de décider d'une date et de chercher ensuite des raisons de la tenir.
| Moment | Ce qu'en dit Hassabis | Nature de l'énoncé |
|---|---|---|
| Fin des années 1990 | Republic, chez Elixir Studios, simule un pays entier sur un PC à processeur Pentium. Projet jugé trop ambitieux. | Leçon tirée après coup, à l'origine de sa règle de calendrier. |
| 2009 | Son équipe se croit cinq ans en avance. Elle l'était plutôt de dix. | Estimation rétrospective de sa propre avance. |
| 2010 | La mission est pensée comme un projet de vingt ans. Il juge le domaine « exactly on track ». | Évaluation de l'orateur contre sa propre prévision. |
| Mars 2016 | Lancement formel de l'IA pour la science au retour du match de Go de Séoul. | Décision datée, déclenchée par un seuil observable. |
| 2026 | L'outil devient « more and more autonomous and agent-like ». Il recommande à ceux qui construisent l'AGI de bâtir l'outil d'abord. | Constat et recommandation de séquence. |
| 2030 | Année qu'il donne pour l'intelligence artificielle générale, dans un tour de questions éclair. | Prédiction en un mot, sans définition de l'AGI dans l'entretien. |
Faut-il commencer par un outil ou par un agent IA ?
Hassabis place l'outil avant l'agentivité, mais il parle à ceux qui construisent l'intelligence artificielle générale, « those of us on that journey ». Pour eux, « it would be best to build a tool first ». Il constate pourtant que l'outil devient déjà « more and more autonomous and agent-like ».
Sa recommandation porte sur la conception des systèmes, pas sur leur adoption en entreprise. Une équipe peut pourtant la prolonger à son échelle. L'ordre devient celui de la délégation. On commence par une IA dont un humain valide les productions, on élargit son autonomie à mesure qu'elle a fait ses preuves sur des cas réels, puis on écrit ce qu'on lui confie et ce qu'on se réserve. Manager à l'ère des agents IA revient d'ailleurs à cadrer et vérifier plus qu'à commander.
Pour poser ce partage, l'article Human Reserved, décider quels métiers restent humains présente le canevas Accord d'équipe avec l'IA, un outil pour écrire ce que l'IA peut faire ou non et ce que l'humain se réserve.
Comment un CODIR prépare-t-il le moment d'entrer ?
Par des expériences courtes et bornées d'avance qui font apprendre avant que le sujet devienne évident pour tous. Le bon moment se prépare plus qu'il ne se choisit, par des gestes qui transforment une hésitation en décision instruite.
- Choisir un cas réel. Un processus précis de l'organisation, avec ses dossiers ordinaires et ses exceptions, plutôt qu'un usage générique de démonstration.
- Écrire le signal d'entrée avant l'essai. Une condition observable qui dira « on entre », fixée avant de voir les résultats, comme le seuil que Hassabis attendait avant 2016.
- Fixer la perte acceptable. Le temps, le budget et le crédit interne que l'on accepte d'engager, décidés avant tout calcul de retour.
- Tenir l'essai court. Une durée bornée qui permet de constater si le signal est franchi ou manqué, puis d'en tirer une conclusion.
- Décider à la sortie et dater le réexamen. Entrer, attendre en fixant la date du prochain essai, ou abandonner. Un outil qui échoue aujourd'hui peut franchir le seuil quelques mois plus tard.
Le troisième geste emprunte à l'effectuation. Saras Sarasvathy, professeure d'entrepreneuriat à l'université de Virginie, y décrit une logique de décision qui part de la perte acceptable plutôt que du retour espéré. Elle convient au choix du moment d'adopter une IA. Personne ne peut y prédire le rendement d'un outil qui évolue d'une version à l'autre. Pour décider à l'avance du risque que l'on refuse, la matrice de Farmer appliquée au risque IA fournit une grille. La durée de l'essai relève quant à elle de la boucle de travail courte, la discipline que l'IA rend obligatoire.
Le dernier geste répond à l'aveu de Hassabis sur 2009. Si l'un des meilleurs spécialistes du domaine a mal estimé son avance du simple au double, une direction ne peut pas espérer fixer une fois pour toutes le bon moment. Elle peut en revanche réexaminer régulièrement le même signal, sur les mêmes cas, avec un outil qui a changé.
D'où je parle
Depuis 2012, j'accompagne des équipes, des managers et des CODIR et je pratique la facilitation, dans une carrière commencée en 1998 dont quatorze ans à manager des équipes. Je travaille le sujet des agents IA depuis 2024. Dès 2020, je travaillais sur les robots logiciels, ancêtres des agents IA.
J'ai cadré une expérience IA avec un Product Owner sur une semaine, en revisitant un design sprint. Le gain a porté sur le temps de traitement, pour la synthèse d'entretiens, les personae et le product vision board. La stratégie produit est restée entièrement humaine.
Que ne faut-il pas tirer de la leçon de Hassabis ?
Une loi. Sa règle est une leçon personnelle de fondateur racontée après coup. Il le signale lui-même. Dès l'ouverture de l'entretien, au moment de relier le jeu d'échecs, les jeux vidéo, les neurosciences et DeepMind en un seul fil, il prévient qu'il a peut-être fabriqué ce fil lui-même, « maybe I made it into a common thread ».
Sa formule vaut donc comme une question qui fait réfléchir. Elle aide un comité à situer un projet entre les deux bornes. Elle ne dit pas où passe la fenêtre pour un secteur, une entreprise ou un processus donnés. Ce travail reste à faire sur place, avec les cas de l'organisation.
La date de 2030 appelle la même lecture. Quand l'intervieweur lui demande l'année de l'intelligence artificielle générale, Hassabis répond « No, 2030. I've been pretty consistent about that. » La réponse tient en un tour de questions éclair et l'entretien ne donne aucune définition de l'AGI. Elle renseigne sur la conviction constante de son auteur. Elle ne fournit pas un calendrier d'adoption à une entreprise. Pour tenir une échéance à la fois proche et incertaine, préparer son entreprise à l'AGI sans parier sur une date reste la posture utile, avec le cap que l'AGI impose aux dirigeants.
Questions fréquentes
Pas la maturité générale de l'IA, celle de l'outil sur vos propres cas. Attendre que l'usage paraisse évident à tous revient, selon la borne de Demis Hassabis, à arriver quand l'avance a disparu. Un essai court sur un cas réel dit plus vite si l'outil tient ce dont vous avez besoin.
Quand le projet exige de l'outil ce qu'il ne tient pas aujourd'hui sur des cas réels, comme Republic exigeait d'un PC de la fin des années 1990 de simuler un pays entier. Le signal d'entrée écrit avant l'essai sert à le constater sans se raconter d'histoire.
La logique reste la même, à une autre échelle. Une PME fixe une perte acceptable à sa mesure, choisit un seul cas réel et tient l'essai court. Ce qui compte est le signal d'entrée écrit à l'avance, pas la taille du budget.
Non. Demis Hassabis la donne en un mot, lors d'un tour de questions éclair, sans définir l'AGI dans l'entretien. Elle renseigne sur sa conviction. Une décision d'adoption se prend sur un cas réel et un signal observable, quelle que soit la date de l'AGI.
Le temps nécessaire pour constater si le signal d'entrée est franchi, borné avant de commencer. L'expérience menée avec un Product Owner et décrite plus haut tenait sur une semaine. L'essentiel est que la durée soit décidée avant l'essai et non prolongée faute de conclusion.
Par un seul cas réel et une phrase écrite avant l'essai, celle qui dira « on entre ». Ajoutez la perte que vous acceptez et la date à laquelle vous regarderez le résultat. Pour formuler ce signal sur votre contexte, réservons un échange de 30 minutes.
Vous hésitez sur le moment d'adopter une IA ?
Que vous soyez dirigeant, manager ou DRH, un premier échange permet de choisir le cas à tester et d'écrire le signal qui vous dira d'entrer.
Réserver un échange découverte (30 min)
