Superintelligence

Une superintelligence est un agent hypothétique qui posséderait une intelligence de loin supérieure à celle des humains les plus brillants et les plus doués. Un système résolvant des problèmes (comme un traducteur automatique ou un assistant à la conception) est parfois aussi décrit comme « superintelligent » s'il dépasse de loin les performances humaines correspondantes, même si cela ne concerne qu'un domaine plus limité.

S'il existe des scénarios de création de superintelligence biologique, ou de superintelligence collective, la plupart des analyses se concentrent sur la possibilité qu'une intelligence artificielle devienne capable de s'améliorer elle-même, donnant naissance à la singularité technologique ; celle-ci est le sujet d'espoirs (le transhumanisme), mais aussi de craintes de catastrophe.

Le 22 octobre 2025, plus de 800 scientifiques et personnalités politiques demandent l'arrêt du développement de l'intelligence artificielle dite « superintelligence » en raison des risques existentiels qu'elle ferait peser sur l'humanité ; tant qu'il n'y aura pas de consensus scientifique et de cadre législatif strict et démocratiquement décidé. Sam Altman (OpenAI), estime que la superintelligence pourrait émerger d'ici cinq ans, et Mark Zuckerberg investit des dizaines de milliards de dollars dans la recherche d'une « superintelligence ».

Définitions

De manière générale, on parle de superintelligence dès qu'un agent dépasse de loin les performances humaines dans une activité intellectuelle. Le philosophe Nick Bostrom définit une « superintelligence » comme « un intellect beaucoup plus compétent que les meilleurs cerveaux humains dans pratiquement tous les domaines, y compris la créativité scientifique, la sagesse et les talents sociaux. ». Pour lui, des programmes de jeux de réflexion, tels que Fritz ou AlphaGo, bien que largement supérieurs aux humains, ne méritent pas le qualificatif superintelligents, car n'étant compétents que pour une seule tâche. Comme Marcus Hutter avant lui, Bostrom définit la superintelligence comme une supériorité générale dans les comportements ayant un objectif, laissant ouverte la question de capacités telles que l'intentionnalité ou la perception des qualia.

La notion de « modèle de frontière » (frontier model) désigne dans ce domaine un système d'IA capable d'une grande variété de tâches complexes dans différents domaines et considéré comme étant à la limite supérieure des capacités technologiques du moment. Un modèle de frontière peut être open source ou propriétaire, mais est souvent généraliste, massif et aux capacités multimodales. Ces modèles sont donc caractérisés par une puissance de calcul, une complexité et un potentiel d'impact particulièrement élevés. Au milieu des années 2020, ils sont bâtis avec de nombreux milliards de paramètres, entraînés sur des volumes massifs de données, et capables d'opérations avancées comme le raisonnement complexe, la planification ou l'action autonome (IA agentique). Certains usages ou capacités émergentes soulèvent des enjeux majeurs de sécurité, d'explicabilité, de gouvernance et de contrôle. Ils risquent notamment de faciliter la manipulation de masse, les cyberattaques et la conception d'armes chimiques, biologiques, radiologiques ou nucléaires, et pourraient donc nécessiter une surveillance règlementaire spécifique et des garde‑fous renforcés. Ce sont aussi les plus coûteux, énergivores et consommateurs de ressources. À partir de 2025, l'écart de performance entre les modèles de frontière fermés et « à poids ouverts » (de l'anglais open weight, signifiant que les paramètres entrainés sont publiquement accessibles, le modèle pouvant ainsi être téléchargé et modifié) semble régulièrement se réduire. Le concept de modèle de frontière a été promu en juillet 2023 par le lancement du Frontier Model Forum (« forum des modèles de frontière »), créé par des grandes entreprises américaines engagées dans la course à l'IA générale : Google, Microsoft, OpenAI et Anthropic.

En septembre 2026, Donald Trump a signé un décret affirmant que l'humanité est entrée dans « une nouvelle ère de Super Intelligence » et ordonnant aux agences fédérales de remplacer les termes artificial intelligence (AI) par celui de Super Intelligence (SI), car le mot « artificial » donnerait selon lui une impression de fausseté. Cette décision a été accueillie diversement, dans un contexte de préoccupations croissantes face au rythme du développement de l'IA, et alors que Trump minimise régulièrement ces inquiétudes et critique les appels à la régulation et les décisions prudentielles de l'UE. Le mot superintelligence est en fait usité depuis les années 2010 dans la littérature scientifique, mais pour y désigner de futurs systèmes, hypothétiques, surpassant largement toutes les capacités humaines. L'utiliser trop tôt et à mauvais escient risque selon plusieurs chercheurs ou commentateurs de faire perdre son sens technique, notamment s'il est utilisé comme simple substitut d'« IA » par les administrations et alors que le mot « IA » est solidement établi. Des responsables politiques, tel le gouverneur de Californie, ont répondu qu'ils ne l'utiliseraient pas, et à l'opposé, quelques acteurs industriels (dont Elon Musk), ont aussitôt repris le terme SI ; et un document international récent, la Kyoto Vision for a Golden Age of Science, appelle à « mobiliser la Super Intelligence pour la science ». Dans la Revue Nature, en octobre 2026, des chercheurs estiment que la superintelligence est encore une notion spéculative plutôt qu'une réalité technologique et que les systèmes actuels (LLM de pointe y compris) ne font encore qu'imiter, de mieux en mieux, le comportement humain sans globalement dépasser les capacités humaines. De plus, ils reposent sur des mécanismes internes opaques susceptibles de rendre leur évolution vers une véritable superintelligence « intrinsèquement dangereuse » (ainsi, Stuart Russell, craint que l'orientation technologique actuelle ne conduise à des systèmes superintelligents, mais probablement « pas sous une forme sûre, et donc utilisable »).

Possibilité de créer une superintelligence

Au milieu des années 2020, les chercheurs sont en désaccord sur les chemins pouvant mener à une superintelligence. Le scénario le plus courant envisage des progrès en intelligence artificielle générative ou dans le domaine de l'IA agentique, mais d'autres pensent que les humains évolueront ou modifieront leur biologie pour augmenter radicalement leurs capacités intellectuelles. Certains futurologues combinent ces possibilités, suggérant que les humains pourraient se connecter directement à des ordinateurs ou à des objets connectés, voire pourraient y transférer leur esprit, de façon à amplifier leurs capacités.

Superintelligence artificielle

L'intelligence artificielle a réalisé des progrès rapides, en particulier avec les modèles de fondation, commençant à surpasser les capacités humaines sur divers tests.

Des chercheurs, comme David Chalmers, pensent que la superintelligence apparaîtra rapidement après la création d'une intelligence artificielle générale (IAG). Plusieurs scientifiques considèrent l'étude de ces possibilités comme prioritaire, en raison de leurs conséquences sociétales et sociales.

Certains logiciels sont capables de se reprogrammer pour s'auto-améliorer. Ils peuvent contribuer au scénario connu sous le nom d'explosion d'intelligence, proche du concept de singularité technologique.

Nick Bostrom écrit que l'IA possède de nombreux avantages sur le cerveau humain:

• Vitesse de calcul : les neurones biologiques opèrent à une fréquence allant jusqu'à 200 Hz, là où les ordinateurs peuvent dépasser 2 GHz.
• Vitesse de communication interne : les axones transmettent le signal à une vitesse de moins de 120 m/s, là où les ordinateurs transmettent le signal à la vitesse de l'électricité, voire optiquement à la vitesse de la lumière.
• Évolutivité : l'intelligence humaine est limitée par la taille et la structure du cerveau, et par l'efficacité de la communication sociale, là où les capacités de calcul de l'IA pourraient être augmentées par l'ajout de matériel.
• Mémoire : notamment la mémoire de travail, qui dans le cerveau humain est limitée à quelques unités d'information à la fois.
• Fiabilité : les transistors sont plus fiables que les neurones biologiques, permettant une meilleure précision et nécessitant moins de redondance.
• Duplicabilité : contrairement au cerveau humain, les modèles d'IA peuvent être facilement copiés.
• Éditabilité : les paramètres et l'architecture d'un système d'IA peuvent être aisément modifiés, comparé aux connexions d'un cerveau humain.
• Partage de mémoire et apprentissage : Une IA peut apprendre des expériences d'une autre IA de façon bien plus efficace qu'avec l'apprentissage humain.

En juin 2025, après les performances jugées décevantes de son modèle Llama 4, Meta lance le Meta Superintelligence Labs (MSL), dirigé par Alexandr Wang (ancien dirigeant de Scale AI). Ce labo est créé avec un investissement de base de 14 milliards de dollars, pour 49 % du capital de sa société. Mark Zuckerberg a aussi recruté plusieurs chercheurs de haut niveau, dont Lucas Beyer, Alexander Kolesnikov et Xiaohua Zha. Le laboratoire disposera de 50 des meilleurs experts en IA, certains ayant des salaires annuels atteignant les 9 chiffres. Meta a prévu d'investir jusqu'à 65 milliards de dollars en IA rien que pour 2025. Cette initiative émerge dans un contexte de rivalité croissante entre géants du numérique.

Une autre approche pour la conception d'une superintelligence consiste à émuler un équivalent de cerveau humain, mais doté de circuits électroniques, permettant une meilleure rapidité et diverses optimisations. L'intelligence ainsi simulée (jumeau numérique) pourrait en théorie être des millions de fois plus rapide et doué d'un énorme avantage dans la plupart des tâches intellectuelles, en particulier celles demandant des décisions rapides, ou nécessitant de longues chaînes de déductions couvrant de nombreux cas possibles. Un autre avantage des circuits électroniques est leur modularité, permettant d'accroître presque sans limite leur taille et leur complexité. Nick Bostrom, en 2014, considérait aussi que cela pourrait donner naissance à une « superintelligence collective », si l'on peut faire interagir un nombre assez grand d'agents déjà intelligents.

Superintelligence biologique

Carl Sagan a suggéré que la généralisation des césariennes et de la fécondation in vitro pourrait permettre aux humains de développer de plus grands cerveaux, que la sélection naturelle pourrait ensuite conduire à une intelligence améliorée. D'un autre côté, Gerald Crabtree (en) craint au contraire que la diminution des pressions de sélection amène à un déclin de l'intelligence humaine. Il n'y a pas de consensus à ce sujet, et a priori, ces changements seraient lents, comparés à la vitesse des changements culturels.

Des méthodes eugéniques, et plus encore le génie génétique, pourraient améliorer l'intelligence humaine plus rapidement. Bostrom pense qu'en comprenant les mécanismes génétiques de l'intelligence, il est possible de sélectionner des embryons à hauts potentiel intellectuel ; et qu'en itérant ce processus sur des générations, les gains pourraient être importants. Selon Bostrom, ce processus pourrait aussi être accéléré en travaillant directement sur les cellules souches embryonnaires ; une organisation sociale convenable d'humains ayant une intelligence exceptionnelle pourrait développer une superintelligence collective.

Les avantages cités plus haut d'une superintelligence artificielle sont cependant moins importants pour une superintelligence biologique, les contraintes physiologiques limitant la vitesse et la taille des cerveaux ; c'est pourquoi les études ont plutôt porté sur des scénarios d'intelligence artificielle. Un compromis pourrait être la création de cyborgs, associations symbiotiques de l'homme et de la machine, mais Bostrom doute de la faisabilité d'une interface superintelligente, estimant qu'il s'agit d'un problème aussi difficile que de créer une superintelligence artificielle pure.

Histoire et prospective

Au XX^e siècle

En 1965, le mathématicien Irving John Good (qui fut le statisticien en chef d'Alan Turing durant la seconde guerre mondiale) formule l'idée qu'une machine « ultra‑intelligente » capable de surpasser toutes les capacités humaines pourrait apparaitre, qu'elle pourrait auto-concevoir des versions toujours plus avancées d'elle‑même, ce qui entraînerait une explosion d'intelligence où l'humanité serait rapidement dépassée. Selon lui, une telle machine serait la dernière invention humaine nécessaire — à condition qu'elle reste assez docile pour nous indiquer comment la garder sous contrôle.

Une superintelligence serait notamment capable d'apprendre par elle-même, de gérer efficacement l'incertitude. Elle pourrait extraire des concepts utiles à partir de données sensorielles (acquises de l'environnement) ou internes ou d'un modèle du monde, pour les combiner ensuite dans des raisonnements flexibles.

Turing, postule en 1950 qu'il est possible de créer une « machine enfant », qui pourrait ensuite être progressivement éduquée dans un processus qui serait une forme d'évolution accélérée où l'expérimentateur guiderait les modifications plutôt que de compter sur des mutations aléatoires. Cette idée (concevoir un programme qui acquiert la majeure partie de son contenu par apprentissage plutôt que d'être entièrement préprogrammé dès le départ) s'applique aussi bien aux approches neuromorphiques qu'aux approches synthétiques de l'intelligence.

Une variante l'idée de la « machine enfant » est celle d'une « IA graine » (seed AI), plus sophistiquée et capable d'auto-améliorer sa propre architecture. Elle le ferait d'abord par essais-erreurs, par acquisition d'informations ou avec l'aide de programmeurs. Puis, cette IA finirait par mieux comprendre son propre fonctionnement et celui du monde. Via de nouveaux algorithmes et des structures computationnelles de plus en plus complexes et efficaces, elle pourrait alors lancer un processus d'« auto-amélioration récursive » (recursive self-improvement).

Au XXI^e siècle

Au début du XXI^e siècle, peu de gens croient à une superintelligence proche : néanmoins, à la conférence de l'AI@50 (en) de 2006, 18 % des participants disaient s'attendre à ce que les machines « soient capable de simuler l'apprentissage et les autres capacités intellectuelles humaines » dans les 50 ans à venir (c'est à dire avant 2056) ; 41 % pensaient que cela se produirait, mais après 2056, et 41 % pensaient que les machines n'y arriveraient jamais.

Dans les années 2010, la singularité est abordée par divers auteurs — dont David Chalmers et Hans Moravec —, qui estimeront ensuite que puisque l'évolution darwinienne (biologique) a déjà produit sur Terre une intelligence générale (humaine), une version dirigée et rationalisée de l'apprentissage supervisé pourrait permettre à l'ingénierie informatique d'atteindre un résultat similaire bien plus vite (Moravec compare cette situation à l'histoire de l'aviation : les animaux volants ont prouvé la faisabilité du vol des centaines de millions d'années avant que la technologie humaine ne l'accomplisse, par d'autres voies). En mai 2013, une enquête auprès des cent auteurs les plus cités dans le domaine de l'IA, 2070 était l'année médiane pour laquelle était estimée, avec une confiance de 90 %, que des machines pourraient « exercer la plupart des professions humaines aussi bien qu'un humain typique » ; avec une probabilité de 50 %. Ils estimaient de même qu'il faudrait ensuite 30 ans pour que se développe une superintelligence.

Dix ans après (en 2023), alors qu'une nouvelle version de ChatGPT évoque pour certains les prémisses d'une explosion d'intelligence, l'enquête a été répétée, mais cette fois auprès de 2 778 chercheurs en IA, et publiée dans le Journal of Artificial Intelligence Research : les chercheurs estiment alors, en moyenne, que l'IA a 10% de chances de surpasser les humains dans toutes les tâches d'ici 2027, et 50 % d'ici 2047. 68 % estiment que l'IA aura un effet globalement positif, et 38% estiment qu'il y a au moins 10 % de chances que l'IA ait un effet extrêmement négatif, par exemple en causant extinction de l'humanité. Plus de la moitié des répondants appellent à une priorité accrue pour la recherche sur la réduction des risques liés à l'IA. À partir du milieu des années 2020, la majorité des chercheurs en IA s'attendent à ce que les machines soient un jour prochain capable de rivaliser avec les humains sur le plan de l'intelligence, mais il y a encore peu de consensus sur quand cela se produira.

Plusieurs rapports — dont celui de Google DeepMind — décrivent des chemins possibles vers une IA superintelligente. Et, parallèlement, des travaux de synthèse (NASA, Microsoft Research) et divers experts insistent sur les défis que poserait un alignement durable pour un système potentiellement surhumain.

Vers une « intelligence universelle » (AIXI) ?

AIXI (en) est le nom d'un modèle théorique d'IA universelle basée sur des agents intelligents, proposé en 2000 par Marcus Hutter, chercheur chez Google DeepMind, puis formalisé dans son livre Universal Artificial Intelligence (2005). C'est, initialement un concept : un « agent mathématique » idéal qui combinerait l'induction de Solomonoff (pour prédire) et la théorie de la décision séquentielle (pour agir), et qui pourrait être mathématiquement démontré comme étant optimal, en moyenne, sur l'ensemble des environnements calculables.

En aout 2026, un rapport de prospective et futurologie de Google DeepMind analyse comment, dans un « futur imprédictible », l'IA pourrait évoluer après l'apparition d'une IA générale (« de niveau humain ») ; possiblement sur un continuum évolutif théorique conduisant à une « intelligence artificielle universelle » (Universal AI). Les auteurs y présentent un cadre AIXI théorique (qui reste une théorie mathématique) décrivant ce que pourrait être, au vu de nos connaissances, une intelligence artificielle parfaite, capable de s'adapter à n'importe quel environnement, d'apprendre n'importe quelle tâche, et de prendre les meilleures décisions possibles en moyenne. Selon les auteurs, cette expérience de pensée est aussi l'esquisse de « modèle limite » et d'un nouvel « horizon théorique » de l'« intelligence machine ».

Ces derniers identifient quatre voies possibles pour cela :

1. « Mise à l'échelle des calculs, des modèles et des données. L'évolution exponentielle pourrait se poursuivre pendant plusieurs années, comme cela a été le cas au cours de la dernière décennie et plus » ; Selon les auteurs, bien que cette voie (mise à l'échelle) semble aujourd'hui la plus prometteuse pour poursuivre les progrès en IA, rien ne garantit que les taux de croissance exponentiels pourront être maintenus, notamment en raison des limites économiques, matérielles et énergétiques des systèmes d'IA disponible en 2025. Les sources de données de qualité à l'échelle d'Internet étant presque épuisées, il demeure incertain que la production de données synthétiques ou interactives puisse être intensifiée au niveau requis, et on ignore si le paradigme actuel — même étendu — suffirait à atteindre l'IA générale, et a fortiori la superintelligence ;

1. « Changements de paradigme algorithmiques. Davantage d'algorithmes et d'architectures économes en données, en calcul ou en énergie, ainsi que des paradigmes d'apprentissage, pourraient être découverts » ;

1. « Amélioration autorécursive. Les systèmes d'IA peuvent automatiser significativement, voire totalement, la recherche et le développement en IA, conduisant à un cycle auto-accéléré du progrès de l'IA ». Si des systèmes d'IA peuvent considérablement l'accélérer, cela peut enclencher une « boucle d’amélioration récursive » où des modèles plus rapides et plus capables permettront de créer des modèles encore meilleurs, ce qui pourrait mener à des dynamiques de croissance super‑exponentielle ou hyperbolique. Cette idée fut introduite par Solomonoff dès 1985, reprise par Kurzweil (en 2005, 2024) et au cœur des scénarios d'explosion d'intelligence discutés par Good (en 1965), Chalmers (en 2010), Bostrom (en 2014), Hutter (en 2012), Russell (en 2019), Ord (en 2020), Davidson et al. (en 2025), MacAskill & Moorhouse ou encore Kirk‑Giannini & Davidson en 2025. De telles boucles d’amélioration peuvent déjà émerger de modèles capables de créer ou sélectionner de meilleures données d’entraînement, d'après Wu et al. en 2025 ;

1. « Superintelligence artificielle via la formation d'agents de groupe. Les collectifs d'IA pourraient devenir bien plus intelligents que leurs membres individuels. Faire évoluer la taille des groupes en lançant plus d'instances est simple ».

- Nota : « Ces quatre voies ne sont pas incompatibles et des progrès peuvent se produire simultanément sur chacune d'elles, ce qui pourrait conduire à des augmentations multiplicatives (et non seulement additives) de l'intelligence artificielle ».

L'étude porte ensuite sur les frictions et goulets d'étranglement (ex : manque éventuel d'énergie, ou d'infrastructure de support) susceptibles de ralentir ces trajectoires, tout en soulignant l'incertitude concernant la vitesse de ces progrès.

L'IA générale pourrait n'être qu'un seuil intermédiaire, ouvrant une série de transformations rapides et successives, permises par d'autres avancées scientifiques et techniques, dans de multiples autres domaines. Au vu des possibles impacts sociétaux d'une IA évoluant vers l'IA universelle, les auteurs appellent à un effort massif, interdisciplinaire et international de préparation face à de probables bouleversements. Ils recommandent notamment de mesurer et de suivre quantitativement les signes d'« automatisation de la recherche » et de l’amélioration récursive pour mieux prévoir l’évolution de l’IA, malgré une forte incertitude et des dynamiques concurrentes d’accélération et de décélération.

Problèmes de conception et de prévention des dangers potentiels

Le 22 octobre 2025, plus de 800 scientifiques, personnalités politiques, entrepreneurs et célébrités ont signé un nouvel appel lancé par le Future of Life Institute, demandant l'arrêt du développement de la superintelligence en raison du risque existentiel posé par l'intelligence artificielle. Les signataires incluent des pionniers de l'IA comme Geoffrey Hinton, Stuart Russell et Yoshua Bengio, mais aussi des figures de la tech (Richard Branson, Steve Wozniak), des responsables politiques (Susan Rice, ex-conseillère à la sécurité nationale de Barack Obama ; ou Steve Bannon ex-conseiller de Donald Trump, autrefois impliqué dans la plateforme Ripon et la création de Cambridge Analytica et d'AggregateIQ), des représentants religieux (Paolo Benanti, conseiller du Vatican sur l'IA) et des célébrités (le chanteur will.i.am ou le prince Harry et son épouse Meghan Markle). Le message appelle à une interdiction du développement de la superintelligence tant qu'il n'y a pas de consensus scientifique sur le fait que cela se fasse de façon contrôlée et sécurisée, et tant qu'il n'y a pas un soutien fort de la population. Sam Altman, le PDG d'OpenAI, l'entreprise derrière ChatGPT, a estimé en 2025 que la superintelligence pourrait émerger d'ici à 2030. Cette initiative fait écho à une lettre publiée lors de l'Assemblée générale de l'ONU en septembre 2025, réclamant des accords internationaux fixant des « lignes rouges » pour encadrer l'IA et prévenir celles de ses conséquences pouvant être dévastatrices.

Le principal danger envisagé est la possibilité qu'une superintelligence échappe à ses créateurs (ce que Nick Bostrom appelle le « problème du contrôle »). Eliezer Yudkowsky pense que les risques ainsi créés sont plus imprévisibles que toutes les autres sortes de risques, et il ajoute que la recherche à ce sujet est biaisée par l'anthropomorphisme : les gens basant leur analyse de l'intelligence artificielle sur leur propre intelligence, ce qui les amène à en sous-estimer les possibilités. Il sépare d'ailleurs les risques en problèmes techniques (des algorithmes imparfaits ou défectueux empêchant l'IA d'atteindre ses objectifs), et en échecs « philosophiques », bien plus pernicieux et difficiles à contrôler, où les objectifs de l'IA sont en fait nuisibles à l'humanité ; de plus, presque par définition, une superintelligence serait si puissante qu'on ne pourrait l'arrêter en cas de comportement imprévu. Selon Yudkowsky, en l'absence de contrôle, « L'IA ne vous détesterait pas nécessairement, mais vous êtes faits d'atomes qu'elle pourrait décider d'utiliser pour faire autre chose. »

Nick Bostrom s'est inquiété des valeurs qui devraient être incorporées au design d'une superintelligence pour éviter ces problèmes. Il a ainsi comparé plusieurs propositions :

• Volition extrapolée cohérente (coherent extrapolated volition) : la superintelligence adopte les valeurs vers lesquelles les humains convergeraient s'ils étaient plus informés et rationnels.
• Justesse morale (moral rightness) : la superintelligence utilise ses capacités cognitives supérieures pour déterminer ce qui est moralement juste et agit en conséquence.
• Permissivité morale (moral permissibility) : la superintelligence suit la volition extrapolée cohérente mais limite ses actions à ce qui est moralement permissible.

Dans la fiction

• Ted Chiang décrit dans sa nouvelle Comprends la vie d'un individu qui a acquis artificiellement une intelligence totalement hors norme.

Voir aussi

• Agent intelligent
• Altruisme efficace
• Apprentissage automatique
• Cerveau artificiel
• Course aux armements
• Explosion d'intelligence
• Future of Humanity Institute
• Intelligence artificielle digne de confiance
• Machine autoréplicative
• Machine Intelligence Research Institute
• Post-humanisme
• Risque de catastrophe planétaire
• Singularitarisme

Bibliographie

• (en) Nick Bostrom, « Existential Risks », Journal of Evolution and Technology, vol. 9,‎ 2002 (lire en ligne, consulté le 7 août 2007).
• (en) Nick Bostrom, Superintelligence : Paths, Dangers, Strategies, Oxford University Press, 2014
• (en) David Chalmers, « The Singularity: A Philosophical Analysis », consc.net, vol. 17,‎ 2010, p. 7-65 (lire en ligne).
• (en) Bill Hibbard, Super-Intelligent Machines, Kluwer Academic/Plenum Publishers, 2002.
• (en) Shane Legg, « Machine Super Intelligence », Department of Informatics, University of Lugano, 2008 (consulté le 19 septembre 2014).
• (en) Vincent C. Müller et Nick Bostrom, Fundamental Issues of Artificial Intelligence, Springer, 2016, 553-571 p. (lire en ligne), « Future Progress in Artificial Intelligence: A Survey of Expert Opinion ».
• (en) Christopher Santos-Lang, « Our responsibility to manage evaluative diversity », ACM SIGCAS Computers & Society, vol. 44, n^o 2,‎ 2014, p. 16–19 (DOI 10.1145/2656870.2656874, lire en ligne).

Liens externes

• (en) Cet article est partiellement ou en totalité issu de l’article de Wikipédia en anglais intitulé « Superintelligence » (voir la liste des auteurs).

• (en) Bill Gates Joins Stephen Hawking in Fears of a Coming Threat from "Superintelligence"
• (en) Will Superintelligent Machines Destroy Humanity?
• (en) Apple Co-founder Has Sense of Foreboding About Artificial Superintelligence