Un examen pour mesurer les limites de l'intelligence artificielle

Les intelligences artificielles progressent si rapidement que certains examens censés mesurer leurs capacités deviennent progressivement trop faciles. Des modèles obtiennent désormais d'excellents résultats à de nombreux tests académiques, rendant plus difficile la distinction entre les systèmes les plus performants.

C'est dans ce contexte qu'a été créé Humanity's Last Exam (HLE), littéralement « le dernier examen de l'humanité ». Lancé en janvier 2025 par le Center for AI Safety et Scale AI, puis présenté dans la revue scientifique Nature en janvier 2026, ce test cherche à repousser les limites des évaluations traditionnelles.

Son objectif n'est pas simplement de vérifier les connaissances d'une intelligence artificielle, mais de déterminer jusqu'où elle peut résoudre des problèmes scientifiques complexes, parfois accessibles uniquement à une poignée d'experts.

2 500 questions parmi les plus difficiles au monde

Pour concevoir cet examen, les organisateurs ont mobilisé une communauté internationale de chercheurs et de spécialistes. Le résultat : 2 500 questions couvrant plus de 100 disciplines, notamment les mathématiques, la physique, la médecine, la biologie et les sciences humaines.

Contrairement aux examens classiques, les questions ne portent pas uniquement sur des connaissances générales. Elles nécessitent souvent des raisonnements élaborés, des compétences très spécialisées ou l'analyse de schémas et d'images scientifiques. Certaines peuvent même mettre en difficulté des chercheurs qui ne travaillent pas directement dans le domaine concerné.

Les réponses sont conçues pour être précises et vérifiables. L'objectif est d'éviter qu'une intelligence artificielle puisse réussir simplement en reproduisant des informations mémorisées pendant son entraînement, même si aucun test ne peut totalement exclure cette possibilité.

Des résultats qui progressent à une vitesse spectaculaire

Lors du lancement de Humanity's Last Exam en janvier 2025, les meilleurs modèles d'intelligence artificielle obtenaient moins de 10 % de bonnes réponses. Un résultat qui témoignait alors de l'importante difficulté des questions proposées.

Mais les performances ont rapidement évolué. Selon les données publiées par Epoch AI, le meilleur score enregistré sur l'examen original atteignait environ 55 % en octobre 2026. En moins de deux ans, les modèles les plus avancés ont donc considérablement amélioré leur capacité à résoudre des problèmes scientifiques de haut niveau.

Face à cette progression, les organisateurs ont présenté en septembre 2026 une nouvelle version appelée HLE-Diamond. Composée de 1 000 questions, elle vise à proposer une évaluation plus rigoureuse des connaissances spécialisées et du raisonnement. Sur cette version, le meilleur modèle testé lors de sa publication obtenait près de 60 % de bonnes réponses, sans utilisation d'outils externes.

Ces chiffres doivent toutefois être interprétés avec prudence : les deux versions ne comportent pas exactement les mêmes questions et leurs résultats ne sont pas directement comparables.

Réussir cet examen signifie-t-il dépasser l'intelligence humaine ?

Un score exceptionnel à Humanity's Last Exam pourrait donner l'impression qu'une intelligence artificielle est devenue plus intelligente que l'être humain. Pourtant, les chercheurs à l'origine du test rappellent qu'une telle réussite ne prouverait pas, à elle seule, l'existence d'une intelligence artificielle générale, ou AGI.

Répondre correctement à des questions scientifiques ne signifie pas nécessairement être capable de mener des recherches autonomes, de formuler des découvertes inédites ou de comprendre toutes les subtilités du monde réel. L'intelligence humaine repose également sur l'expérience, le jugement, la créativité et la capacité à s'adapter à des situations imprévues.

Un modèle pourrait ainsi obtenir un excellent résultat à cet examen tout en commettant des erreurs dans des tâches quotidiennes beaucoup plus simples. HLE mesure donc une dimension importante de l'intelligence, sans permettre d'en évaluer toutes les formes.

Un enjeu majeur pour la recherche scientifique

Au-delà de la compétition entre entreprises technologiques, Humanity's Last Exam pourrait devenir un indicateur important de l'évolution des capacités scientifiques de l'intelligence artificielle. Si les modèles continuent de progresser, ils pourraient assister davantage les chercheurs dans la résolution de problèmes complexes, l'analyse de données ou l'exploration de nouvelles hypothèses.

Mais cette évolution comporte également des limites. Une intelligence artificielle capable de fournir une réponse exacte n'est pas nécessairement capable d'en expliquer correctement le raisonnement. Certains modèles peuvent aussi produire des réponses erronées avec un niveau de confiance particulièrement élevé.

C'est pourquoi les organisateurs s'intéressent non seulement au taux de réussite, mais également à la fiabilité des réponses et à la capacité des modèles à reconnaître leurs incertitudes. Pour la recherche scientifique, savoir identifier ce qu'une IA ignore pourrait devenir aussi important que mesurer ce qu'elle sait.

Vers la fin des examens impossibles pour les IA ?

L'histoire récente de l'intelligence artificielle montre que les évaluations considérées comme particulièrement difficiles peuvent devenir accessibles bien plus rapidement que prévu. Si Humanity's Last Exam venait à être largement maîtrisé par les modèles, les chercheurs devraient probablement imaginer de nouveaux tests pour continuer à mesurer leurs progrès.

Mais le véritable enjeu pourrait bientôt dépasser la simple réussite à un examen. La question ne serait plus seulement de savoir si une machine peut résoudre des problèmes imaginés par des experts humains, mais si elle peut contribuer à produire des connaissances que l'humanité ne possède pas encore.

Humanity's Last Exam ne signifie donc pas que l'intelligence humaine arrive à ses limites. Il révèle surtout la vitesse à laquelle les machines progressent dans des domaines autrefois réservés à une expertise très spécialisée. Et si, demain, la véritable différence entre l'humain et l'intelligence artificielle ne résidait plus dans notre capacité à répondre aux questions, mais dans celle de savoir lesquelles poser ?