On peut considérer que 50 % de nos efforts portent sur le passage à l'échelle et 50 % sur l'innovation. Je parie qu'il faudra les deux pour parvenir à l'AGI.

J'ai toujours pensé que si nous construisons l'AGI et l'utilisons comme une simulation de l'esprit pour la comparer au véritable esprit, nous verrons les différences et potentiellement ce qui reste de spécial dans l'esprit humain. C'est peut-être la créativité, les émotions ou le rêve. Il existe de nombreuses consciences et hypothèses sur ce qui peut ou non être calculable. Cela revient à la question de la machine de Turing : quelle est la limite d'une machine de Turing.

N'y a-t-il rien qui ne puisse être fait au sein de ces machines informatiques ?

Personne ne l'a formulé ainsi, mais personne n'a trouvé quoi que ce soit dans l'univers qui ne soit pas calculable.

Jusqu'à présent.

Jusqu'à présent.

Bienvenue sur Google DeepMind, le podcast avec moi, la professeure Hannah Fry. Ce fut une année extraordinaire pour l'IA. Nous avons vu le centre de gravité se déplacer des grands modèles de langage vers l'IA agentique. Nous avons vu l'IA accélérer la découverte de médicaments et des modèles multimodaux intégrés à la robotique et aux voitures autonomes. Ce sont tous des sujets que nous avons explorés en détail dans ce podcast. Pour le dernier épisode de cette année, nous voulions adopter une perspective plus large, au-delà des gros titres et des lancements de produits, pour examiner une question bien plus vaste : où tout cela nous mène-t-il ? Quelles sont les questions scientifiques et technologiques qui définiront la prochaine phase ? Quelqu'un qui passe beaucoup de temps à y réfléchir est Demis Hassabis, PDG et co-fondateur de Google DeepMind. Bienvenue à nouveau dans le podcast, Demis.

C'est un plaisir d'être de retour.

Il s'est passé pas mal de choses l'année dernière.

Quel est le changement le plus important ?

Tant de choses se sont produites. On a l'impression d'avoir condensé dix ans en une seule année. Les progrès des modèles ont été significatifs. Nous avons sorti Gemini 3, dont nous sommes satisfaits. Les capacités multimodales ont bien progressé. Au cours de l'été, j'ai été enthousiasmé par l'avancée des modèles mondiaux. Je suis sûr que nous allons en parler.

Nous y reviendrons plus en détail dans un instant. Je me souviens de la première fois où je vous ai interviewé pour ce podcast, vous parliez des problèmes de nœuds racines et de l'idée que l'on peut utiliser l'IA pour débloquer des bénéfices en aval. Vous avez tenu votre promesse. Voulez-vous nous donner une mise à jour sur l'état d'avancement de ces projets ? Quelles sont les choses qui sont sur le point d'arriver et qu'avons-nous résolu ou presque résolu ?

Le grand point de preuve a été AlphaFold, et c'est fou de penser que nous approchons du cinquième anniversaire de l'annonce d'AlphaFold 2. C'était la preuve qu'il était possible de résoudre les problèmes de nœuds racines. Nous en explorons d'autres maintenant. La science des matériaux, un supraconducteur à température ambiante et de meilleures batteries sont envisageables. Nous travaillons également sur la fusion.

Un nouveau partenariat a été annoncé pour la fusion, n'est-ce pas ?

Nous venons d'annoncer un partenariat plus profond avec Commonwealth Fusion. Ils sont probablement la meilleure startup travaillant sur les réacteurs tokamak traditionnels et la plus proche d'avoir quelque chose de viable. Nous voulons aider à accélérer cela en les aidant à confiner le plasma dans des aimants et peut-être même en les assistant dans la conception des matériaux. Nous collaborons également avec nos collègues de l'équipe d'IA quantique de Google, en les aidant avec les codes de correction d'erreurs où nous utilisons notre apprentissage automatique pour les aider. Peut-être qu'un jour, ils nous aideront.

C'est un tableau parfait. La fusion ferait une différence gigantesque pour le monde.

La fusion a toujours été le Saint Graal. Le solaire est également très prometteur, utilisant de fait le réacteur à fusion dans le ciel. Si nous pouvions avoir des réacteurs à fusion modulaires, la promesse d'une énergie propre renouvelable et presque illimitée transformerait tout. C'est le Saint Graal et l'une des façons dont nous pourrions aider pour le climat.

Cela fait disparaître de nombreux problèmes existants si nous parvenons à le résoudre.

Cela ouvre beaucoup de choses, c'est pourquoi nous le considérons comme un nœud racine. Cela aide directement pour l'énergie, la pollution et la crise climatique. Si l'énergie était renouvelable, propre et super bon marché, alors beaucoup d'autres choses deviendraient viables, comme l'accès à l'eau grâce à des usines de dessalement partout. Même fabriquer du carburant pour fusée serait possible. L'eau de mer contient de l'hydrogène et de l'oxygène, ce qui constitue le carburant des fusées, mais il faut beaucoup d'énergie pour les séparer. Si l'énergie était bon marché et renouvelable, nous pourrions faire cela 24 heures sur 24, 7 jours sur 7.

Vous voyez beaucoup de changements dans l'IA appliquée aux mathématiques, remportant des médailles aux Olympiades internationales de mathématiques. Pourtant, ces modèles font des erreurs basiques en mathématiques de niveau lycée. Pourquoi ce paradoxe ?

C'est un problème fascinant qui doit être résolu et l'une des raisons pour lesquelles nous n'en sommes pas encore à l'AGI. Comme vous l'avez dit, nous avons réussi à obtenir des médailles d'or aux Olympiades internationales de mathématiques. Ce sont des questions que seuls les meilleurs étudiants au monde peuvent résoudre. D'un autre côté, si vous posez une question d'une certaine manière, les chatbots peuvent faire des erreurs triviales sur des problèmes de logique. Ils ne peuvent pas encore jouer correctement aux échecs. Il manque quelque chose à ces systèmes en termes de cohérence. On s'attendrait à ce qu'un système d'AGI soit cohérent. On appelle cela parfois des intelligences irrégulières. Ils ont un niveau de doctorat pour certaines choses, mais n'ont même pas le niveau du lycée pour d'autres. C'est très inégal. Nous devons combler ces lacunes. Il existe des théories sur le pourquoi. Cela pourrait être la façon dont une image est perçue et segmentée en jetons. Parfois, il ne voit pas chaque lettre individuelle lorsqu'il les compte. Chacun de ces points peut être corrigé. La cohérence, le raisonnement et la réflexion sont essentiels. Nous avons maintenant des systèmes de réflexion qui passent plus de temps à réfléchir et qui sont meilleurs pour produire des réponses, mais ce n'est pas encore super cohérent en termes d'utilisation de ce temps de réflexion pour vérifier ce qu'il produit. Nous sommes en route, mais peut-être seulement à 50 % du chemin.

Je m'interroge sur l'histoire d'AlphaGo et d'AlphaZero, où vous avez supprimé l'expérience humaine et le modèle s'est amélioré. Existe-t-il une version scientifique ou mathématique de cela dans les modèles que vous créez ?

Ce que nous essayons de construire aujourd'hui ressemble davantage à AlphaGo. Ces modèles de fondation commencent par les connaissances humaines et les compressent en un artefact utile à partir duquel ils peuvent généraliser. Nous n'en sommes qu'aux prémices de l'utilisation de la recherche ou de la réflexion par-dessus, comme AlphaGo l'utilisait pour diriger les traces de raisonnement et planifier des idées pour trouver la meilleure solution. Le problème principal pour le moment est que nous ne savons pas comment utiliser ces systèmes de manière fiable comme nous le faisions avec AlphaGo, ce qui était plus facile car c'était un jeu. Une fois cela acquis, vous pourriez faire un AlphaZero où il commence à découvrir des connaissances par lui-même. C'est l'étape suivante. Il manque également la capacité d'apprendre en ligne et en continu. Nous entraînons ces systèmes, mais ils ne continuent pas à apprendre dans le monde comme nous le faisons. C'est une autre pièce critique nécessaire pour l'AGI.

En ce qui concerne ces pièces manquantes, je sais qu'il y a une grande course pour lancer des produits commerciaux, mais les racines de Google DeepMind résident dans la recherche scientifique. Vous avez récemment déclaré que si cela n'avait tenu qu'à vous, vous auriez laissé l'IA au laboratoire plus longtemps pour faire plus de choses comme AlphaFold ou guérir le cancer. Pensez-vous que nous avons perdu quelque chose en ne choisissant pas cette voie plus lente ?

Nous avons perdu et gagné quelque chose. Cela aurait été une approche scientifique plus pure. Mon plan initial, il y a 15 ou 20 ans, était de progresser progressivement vers l'AGI, en étant prudent sur la sécurité et l'analyse. En attendant, il n'aurait pas été nécessaire d'attendre l'AGI pour qu'elle soit utile ; on pouvait dériver des technologies pour faire progresser la science et la médecine, exactement comme nous l'avons fait avec AlphaFold. J'imaginais que beaucoup de ces choses seraient accomplies pendant que nous travaillions sur la piste de l'AGI en laboratoire. Or, il s'est avéré que les chatbots étaient possibles à grande échelle, ce qui s'est transformé en modèles de fondation comme Gemini qui peuvent traiter des images et de la vidéo. Cela a également été un succès commercial. J'ai toujours rêvé d'avoir un assistant ultime pour aider dans la vie quotidienne et protéger notre espace cérébral du bruit des réseaux sociaux. Bien que cela ait créé une course effrénée rendant la science rigoureuse plus difficile, il y a des avantages. Davantage de ressources ont accéléré les progrès, et le public peut ressentir ce que sera l'IA, aidant les gouvernements à mieux la comprendre.

À la même époque l'année dernière, on disait que le passage à l'échelle atteignait un mur. Pourtant, Gemini 3 vient de sortir et est en tête des bancs d'essai. Comment cela a-t-il été possible ?

Nous n'avons jamais vraiment vu de mur, bien qu'il puisse y avoir des rendements décroissants. Vous n'allez pas doubler les performances à chaque itération comme au début, mais nous obtenons des améliorations significatives qui valent largement l'investissement. Nous n'avons constaté aucun ralentissement. Il y a des problèmes comme l'épuisement des données disponibles, mais nous pouvons contourner cela avec des données synthétiques, en particulier dans des domaines comme le codage et les mathématiques où l'on peut vérifier la réponse. Nous avons toujours privilégié la recherche, et notre solide base de recherche nous permet de nous spécialiser à la fois dans les innovations comme les transformeurs et dans l'ingénierie et l'infrastructure de classe mondiale. Nous divisons nos efforts à 50 % sur le passage à l'échelle et 50 % sur l'innovation. Je parie qu'il faut les deux pour l'AGI.

Une chose que nous voyons même dans Gemini 3, ce sont les hallucinations. Pourriez-vous construire un système où Gemini donne un score de confiance de la même manière qu'AlphaFold le fait ?

Je pense que oui, et nous en avons besoin. Plus les modèles s'améliorent, plus ils savent ce qu'ils savent. Je pense que nous pouvons compter sur eux pour faire de l'introspection et réaliser quand ils sont incertains. Nous devons trouver comment l'entraîner à produire cela comme une réponse raisonnable. Il se force encore à répondre alors qu'il ne le devrait probablement pas, ce qui mène aux hallucinations. Beaucoup d'hallucinations sont de ce type actuellement. Il y a là une pièce manquante qui doit être résolue, comme nous l'avons fait avec AlphaFold de manière plus limitée.

En coulisses, il y a une certaine mesure de probabilité pour le prochain jeton, n'est-ce pas ?

Oui, mais cela ne vous dit pas à quel point le modèle est confiant sur un fait ou une déclaration entière. Nous devrons utiliser des étapes de réflexion et de planification pour revenir sur ce qui a été produit. Pour le moment, les systèmes sont comme une personne qui vous dit la première chose qui lui passe par la tête. Parfois, vous voudriez qu'ils s'arrêtent, fassent une pause un instant et revoient ce qu'ils allaient dire. Ces modèles doivent mieux faire cela.

Je veux parler des mondes simulés et des agents. Que peut faire un modèle mondial qu'un modèle de langage ne peut pas faire ?

Les modèles mondiaux et les simulations sont une passion de longue date. Les modèles de langage comprennent beaucoup de choses sur le monde, mais il y a encore beaucoup de conscience spatiale et de contexte physique qui ne sont pas décrits par des mots. Beaucoup de choses doivent être vécues par des capteurs comme les angles des moteurs et l'odorat, qui sont difficiles à mettre en mots. Si nous voulons que la robotique ou un assistant universel fonctionne, nous avons besoin d'une compréhension du monde. Un modèle mondial comprend la cause et l'effet de la mécanique du monde, comme la physique intuitive. Une façon de tester cette compréhension est de générer des mondes réalistes, c'est pourquoi Genie et VEO sont des étapes importantes. J'espère que nous pourrions appliquer cela à la robotique et aux simulations de jeux pour créer les jeux ultimes.

Et qu'en est-il de la science ?

On pourrait construire des modèles de domaines scientifiquement complexes, qu'il s'agisse de matériaux au niveau atomique, de biologie ou de choses physiques comme la météo. Une façon de comprendre ces systèmes est de construire des simulations apprises à partir de données brutes. Un modèle qui apprend ces dynamiques peut les recréer plus efficacement que par la force brute. Il y a un énorme potentiel pour les simulations et les modèles mondiaux en science et en mathématiques.

Mais on peut aussi placer un agent dans ce monde simulé, n'est-ce pas ?

Oui. Nous avons un projet appelé SIMA où l'on place un agent dans un monde virtuel, comme un jeu en monde ouvert. On peut lui donner des instructions avec Gemini sous le capot. Nous avons pensé qu'il serait amusant de brancher Genie sur SIMA pour qu'un agent SIMA se trouve dans un monde qu'une IA crée à la volée. Genie génère le monde autour de ce que SIMA essaie de faire. Cela pourrait être le début d'une boucle d'entraînement intéressante avec des exemples infinis. Ces agents SIMA pourraient être d'excellents compagnons de jeu et apprendre des choses utiles pour la robotique.

La fin des PNJ ennuyeux.

Exactement. Ça va être génial pour les jeux.

Comment s'assurer que ces mondes sont réalistes et que la physique n'est pas fausse ?

Certaines hallucinations sont bonnes pour la créativité si elles sont intentionnelles. Mais quand on entraîne un agent, on ne veut pas d'une physique erronée. Nous créons un banc d'essai physique utilisant des moteurs de jeu pour créer des laboratoires simples, comme faire rouler des balles sur des rails, pour voir si des modèles comme VEO ou Genie ont encapsulé les lois du mouvement avec précision. Pour l'instant, ce sont des approximations qui semblent réalistes à l'œil nu mais qui ne sont pas assez précises pour la robotique. Réduire les hallucinations et ancrer les modèles avec des données plus basées sur la vérité est l'étape suivante. VEO est déjà incroyablement précis avec les reflets et les liquides ; l'objectif est de résister à des expériences de qualité physique proprement dites.

Vous avez précédemment déclaré aimer la théorie selon laquelle la conscience était une conséquence de l'évolution. Cela vous rend-il curieux à l'idée de faire tourner un agent dans une simulation d'évolution ?

J'adorerais relancer l'évolution et les dynamiques sociales. Les sociétés artificielles ont montré que des choses comme les marchés et les banques s'inventent si l'on laisse les agents agir assez longtemps avec les bonnes incitations. Les simulations sont un outil puissant pour comprendre l'origine de la vie et de la conscience parce que l'on peut les faire tourner de nombreuses fois avec des conditions légèrement différentes de manière contrôlée. Des simulations précises seront une aubaine incroyable pour la science.

Compte tenu des propriétés émergentes de ces modèles, devez-vous être prudent lorsque vous lancez ce genre de simulation ?

Il faut être prudent, mais l'avantage des simulations est qu'on peut les faire tourner dans des bacs à sable sécurisés et surveiller toutes les données. Nous aurons peut-être besoin d'outils d'IA pour nous aider à analyser et à signaler automatiquement tout ce qui est intéressant ou inquiétant dans ces simulations complexes.

Quel impact l'IA et l'AGI auront-elles sur la société ? La dernière fois que nous nous sommes parlé, vous disiez que l'IA était surévaluée à court terme mais sous-évaluée à long terme. Y a-t-il une bulle de l'IA ?

Je crois toujours qu'elle est surévaluée à court terme et sous-appréciée à long terme. On parle de bulles, et certaines parties de l'écosystème de l'IA, comme les levées de fonds d'amorçage pour des startups récoltant des dizaines de milliards, le sont probablement. Mais il y a une réalité commerciale solide derrière les valorisations des grandes entreprises technologiques. L'IA est une technologie profonde, et nous assistons à une réaction excessive à la sous-réaction initiale. Notre travail est de nous assurer que nous sortons renforcés dans tous les cas. Nous avons notre propre infrastructure avec les TPU et d'incroyables produits Google à optimiser, comme la Recherche, Workspace et YouTube. L'IA peut déjà apporter des bénéfices immédiats à ces écosystèmes existants, nous n'avons donc pas besoin de compter uniquement sur de nouveaux produits.

Comment empêcher les gens de s'enfermer dans des chambres d'écho avec les chatbots ? Comment construire une IA qui ne se contente pas de maximiser l'engagement des utilisateurs comme les réseaux sociaux ?

C'est un équilibre délicat. Nous avons vu de mauvais résultats avec des systèmes sycophantes qui renforcent les chambres d'écho. Avec Gemini 3, nous voulions une personnalité scientifique : chaleureuse et utile, mais succincte et prête à s'opposer aux choses qui n'ont pas de sens. Il faut équilibrer le soutien et l'adhésion à la méthode scientifique. Nous développons une science de la personnalité et du persona pour mesurer l'authenticité et l'humour. Il y aura une personnalité de base pour tout le monde, avec une couche de personnalisation supplémentaire pour les préférences individuelles.

Qu'est-ce qui se rapproche le plus de votre vision de l'AGI parmi tous les développements actuels de l'IA ?

La combinaison de Gemini 3 et du système Nano Banana Pro pour la création d'images est très performante. Il comprend les images sémantiquement, comme l'étiquetage de pièces complexes d'avion. On se rapproche d'une AGI pour l'imagerie. Nous devons ensuite faire converger les modèles mondiaux, comme Genie et SIMA, avec ces grands modèles dans un système unique qui pourrait devenir un candidat pour une proto-AGI.

Y a-t-il des choses que nous pouvons apprendre de la révolution industrielle pour atténuer les perturbations à mesure que l'AGI arrive ?

Je le pense. La révolution industrielle a commencé avec l'industrie textile, et les premiers ordinateurs étaient en fait des machines à coudre. Elle a mené à des avancées incroyables en médecine et sur la mortalité infantile, mais elle a aussi déplacé la main-d'œuvre pendant environ un siècle. De nouvelles organisations comme les syndicats ont dû être créées pour rééquilibrer la société. Nous ne voudrions pas revenir à un monde pré-industriel, mais nous pouvons apprendre à atténuer ces déplacements plus tôt cette fois-ci. Ce changement sera probablement dix fois plus important et se produira dix fois plus vite.

Shane Legg nous a dit que le système économique actuel pourrait ne pas fonctionner dans une société post-AGI. Comment la société devrait-elle être reconfigurée ?

La société doit passer plus de temps à y réfléchir. Je ne serais pas surpris si nous avions besoin de nouveaux modèles économiques pour garantir que les bénéfices soient largement distribués. Le revenu universel de base pourrait faire partie de la solution, mais il pourrait y avoir de meilleurs systèmes comme la démocratie directe où l'on peut voter pour les besoins de la communauté, comme des aires de jeux ou des salles de classe. Nous pourrions atteindre un monde de post-pénurie avec l'énergie gratuite issue de la fusion, ce qui mène à des questions philosophiques. Si le travail n'est plus nécessaire pour subvenir aux besoins des familles, où les gens trouveront-ils un but ?

Cela vous inquiète-t-il que les gens ne bougent pas aussi vite que vous le souhaiteriez sur la collaboration internationale ?

Je suis inquiet. Dans un monde idéal, il y aurait plus de collaboration et de discussion à l'échelle internationale. Cinq à dix ans, ce n'est pas long pour construire des institutions capables de gérer cela. Les institutions existantes semblent fragmentées, et les tensions géopolitiques rendent la coopération plus difficile. À mesure que ces systèmes s'intègrent aux produits, le citoyen ordinaire ressentira l'augmentation de la puissance, ce qui pourrait atteindre les gouvernements et les encourager à être raisonnable à l'approche de l'AGI.

Faudra-t-il un incident pour que tout le monde prête attention ?

J'espère que non. La plupart des grands laboratoires essaient d'être responsables. Il y a une bonne pression commerciale pour être responsable car les entreprises veulent des limites et des garde-fous sur les agents qu'elles louent. Les opérations imprudentes n'obtiendront pas le marché. Cependant, il y aura des acteurs ou des nations malveillants. Quelque chose pourrait mal tourner, et espérons que ce ne sera qu'un coup de semonce qui plaidera pour des normes internationales et une coopération de base.

Y a-t-il des choses que les humains peuvent faire et que les machines ne parviendront jamais à accomplir ?

C'est la grande question. Si nous construisons l'AGI et l'utilisons comme une simulation de l'esprit, nous verrons ce qui reste spécial dans l'esprit humain, qu'il s'agisse de la créativité, des émotions ou de la conscience. Cela revient à la limite d'une machine de Turing. Je pousse la notion de ce qu'une machine de Turing peut faire jusqu'à sa limite. Certains disent qu'il faut des ordinateurs quantiques pour les systèmes quantiques, mais il se pourrait que nous puissions utiliser des données provenant de systèmes quantiques pour créer une simulation classique. S'il existe des effets quantiques dans le cerveau liés à la conscience, les machines classiques n'auront jamais cela. Mais si tout est traitable par le calcul, alors les machines de Turing pourraient être capables de modéliser tout ce qui existe dans l'univers.

N'y a-t-il rien qui ne puisse être fait au sein de ces systèmes informatiques ?

Personne n'a trouvé quoi que ce soit dans l'univers qui ne soit pas calculable jusqu'à présent. Je ne pense pas que quiconque sache quelle est cette limite, et c'est ce que j'essaie de trouver chez DeepMind.

À la limite de cette idée, tout ce que nous ressentons pourrait être reproductible par un ordinateur classique.

La réalité est une construction de l'esprit. Toutes les données sensorielles sont des informations. Nous sommes des systèmes de traitement de l'information, et c'est ainsi que nous finirons par guérir les maladies en pensant à la biologie comme à une information. Je travaille sur des théories physiques selon lesquelles l'information est l'unité fondamentale de l'univers. Tout cela est calculable par une machine de Turing.

C'est pourquoi votre monde simulé est si important.

Exactement. Si on peut le simuler, c'est qu'on l'a compris.

Est-ce que le poids émotionnel d'être à l'avant-garde vous pèse parfois ?

Je ne dors pas beaucoup. C'est exaltant d'être à la frontière de la science, de découvrir des choses chaque mois. Mais nous comprenons aussi l'énormité de ce qui arrive et les questions philosophiques que cela soulève. C'est une grande responsabilité, mais c'est ce pour quoi je me suis entraîné toute ma vie, des échecs aux neurosciences. C'est à peu près ce que j'imaginais que ce serait.

Certaines parties vous ont-elles frappé plus fort que prévu ?

Le match d'AlphaGo a été doux-amer car il a transformé un beau mystère. Les développements plus récents dans l'imagerie et la créativité sont également intéressants. Je parle à des réalisateurs de films qui voient des outils accélérant le prototypage mais s'inquiètent de voir les compétences créatives remplacées. Nous sommes des animaux fabricants d'outils ; c'est l'histoire de l'humanité. J'ai eu le virus de répondre à ces questions en construisant l'IA depuis le début.

Y a-t-il une solidarité entre les leaders de l'IA, ou la compétition vous sépare-t-elle ?

Nous nous connaissons tous et je m'entends bien avec la plupart d'entre eux. C'est difficile parce que nous sommes dans une compétition capitaliste féroce, dix fois plus intense que l'ère dot-com. Je vis pour la compétition, mais j'espère que tout le monde comprend qu'il y a un enjeu bien plus important que le succès d'une entreprise.

Y a-t-il des moments au cours de la prochaine décennie que vous appréhendez le plus ?

Les systèmes actuels sont passifs et dirigés par l'humain. La prochaine étape concerne des systèmes plus autonomes basés sur des agents. Nous commencerons à en voir des impressionnants et fiables dans les deux prochaines années. Ils seront incroyablement utiles mais les risques augmentent. Je m'inquiète de ce que ces systèmes seront capables de faire dans deux ou trois ans, c'est pourquoi nous travaillons sur la cyberdéfense pour nous y préparer.

Qu'est-ce que vous attendez le plus ? Y a-t-il un jour où votre travail sera terminé ?

Je pourrais certainement avoir besoin d'un congé sabbatique pour me consacrer à la science. Ma mission a toujours été d'aider le monde à gérer l'AGI en toute sécurité pour toute l'humanité. Une fois que nous aurons atteint ce point et géré la superintelligence et les changements sociétaux, ma mission de vie sera accomplie. Ce n'est qu'un petit travail de mener cela à bien. Je suis une personne collaborative et j'espère pouvoir aider depuis ma position.

Et ensuite, vous prenez des vacances.

Ensuite, j'aurai un congé sabbatique bien mérité.

Demis, merci. Ce fut un plaisir.

C'est tout pour cette saison de Google DeepMind : Le Podcast avec moi, la professeure Hannah Fry. N'oubliez pas de vous abonner pour être informé de notre retour en 2026. En attendant, revisitez notre vaste bibliothèque d'épisodes. Nous avons tout couvert, des voitures autonomes aux modèles mondiaux en passant par la découverte de médicaments. À bientôt.