[ FIG. ∞ / CARTE DES CAPACITÉS ] · étroit → général → super

La carte de l'ASI

Trois niveaux d'intelligence — et la vérité honnête sur celui qui est réel. Tout ce qui existe aujourd'hui est étroit (ANI). Le général (AGI) et le super (ASI) sont des objectifs de recherche et de la théorie, pas des choses que l'on assemble à partir de pièces. Cette page est le guide stratégique complet : où se situe chaque système, les cadres que les laboratoires de pointe utilisent pour classer les progrès, et l'architecture exacte à 6 couches que vous construisez réellement — la même pile qui propulse Max.

Vérité souveraine : Aucun connecteur ni plugin ne fait passer un système d'ANI à AGI. La généralité est une propriété du modèle — pas une intégration que l'on ajoute.

Les trois niveaux

étroit · général · super

La taxonomie classique. Même les systèmes très puissants restent « étroits » car ils opèrent à l'intérieur de domaines délimités.

En service aujourd'hui
ANI
Intelligence artificielle étroite · « IA faible »

Toute l'IA qui existe aujourd'hui. Excelle dans des tâches spécifiques et définies mais ne peut transférer cette capacité ailleurs. Les assistants de chat, générateurs d'images, moteurs de recommandation, systèmes de conduite autonome, moteurs d'échecs — tous étroits.

Objectif de recherche
AGI
Intelligence artificielle générale · « forte / de niveau humain »

Comprend, apprend et applique l'intelligence dans n'importe quel domaine à un niveau à peu près humain — transférant les connaissances entre les domaines et traitant des problèmes inédits sans réentraînement. N'existe pas encore ; l'objectif actuel des laboratoires de pointe.

Hypothétique
ASI
Superintelligence artificielle

Une intelligence qui dépasse largement les meilleurs esprits humains dans pratiquement tous les domaines — science, créativité, stratégie, aptitude sociale. Hypothétique ; au cœur du débat à long terme sur le risque lié à l'IA et de l'idée d'« explosion de l'intelligence ».

Des cadres plus fins

comment les labos classent les progrès
DeepMind

Niveaux d'AGI

Classe selon la performance et la généralité. Chaque niveau existe à la fois dans une colonne étroite et une colonne générale.

NiveauPerformance
0Aucune IA
1Émergent — égal à un humain non qualifié
2Compétent — adulte au 50e centile
3Expert — 90e centile
4Virtuose — 99e centile
5Surhumain — surpasse tous les humains
Industry

Feuille de route en 5 étapes vers l'AGI

Un chemin de la conversation à l'autonomie. Remarque : les « agents » — le niveau que vous construisez aujourd'hui — sont le niveau 3.

NiveauÉtape
1Chatbots — langage conversationnel
2Reasoners — résolution de problèmes de niveau humain
3Agents — systèmes qui prennent des actions autonomes
4Innovators — aident l'invention et la découverte
5Organizations — une IA capable de diriger une organisation

Termes que vous rencontrerez

vocabulaire
IA transformatrice (TAI)IA qui remodèle radicalement la société et l'économie. Définie par son impact, pas par son mécanisme.
Seed AIUn système capable de s'améliorer récursivement.
Auto-amélioration récursiveLe mécanisme proposé par lequel une AGI pourrait rapidement s'amorcer vers l'ASI.
Singularité technologiqueLe point hypothétique où le progrès porté par l'IA devient incontrôlable et irréversible.

L'architecture

comment les pièces se connectent

« Construire ma propre IA » signifie en réalité construire un système étroit sophistiqué — peut-être un agent autonome — à partir de ces composants. Voici comment ils s'assemblent.

Modèle de fondation
le moteur de raisonnement — le cerveau
↓
Couche d'orchestration
logique d'agent · routage · la boucle
↓
Mémoire
BD vectorielle · RAG
Interface
chat · API · appli
Outils et connecteurs
API · MCP · plugins
autour de tout → ingénierie de prompt · garde-fous et sécurité · évaluation et journalisation

Les 6 couches

ce qu'est chaque partie
Couche 1

Modèle de fondation — le cerveau

Appelez un modèle hébergé via une API, ou exécutez vous-même un modèle ouvert. Compromis : contrôle et confidentialité (auto-hébergé) contre capacité et zéro maintenance (hébergé). Pour un premier système, l'hébergé est généralement le bon choix — mais Maxtryx fonctionne en local souverain à dessein.

hosted frontier modelsopen-weight modelslocal models
Couche 2

Orchestration — la logique de l'agent

Le code qui décide quand appeler un outil, comment boucler, comment enchaîner les étapes. Ou écrivez simplement la boucle vous-même sur l'API brute pour une abstraction minimale.

LangGraphLlamaIndexCrewAIAutoGenHaystackboucle brute
Couche 3

Mémoire — pour qu'il se souvienne

Les modèles sont sans état entre les appels ; la mémoire est ajoutée de l'extérieur. Le modèle dominant est le RAG — stockez les documents sous forme d'embeddings, récupérez les fragments pertinents au moment de la requête.

pgvectorChromaQdrantPineconeWeaviateMilvus
Couche 4

Outils et connecteurs — pour qu'il puisse agir

Là où vivent « connecteurs et plugins ». La norme émergente est MCP. Au-delà, les outils ne sont que des fonctions que le modèle peut appeler — c'est ce qui transforme un chatbot en un agent qui fait des choses.

MCPrecherche webexécution de codeSQLtoute API REST
Couche 5

Interface — comment les utilisateurs l'atteignent

La surface par laquelle l'agent s'exprime. Maxtryx fournit une interface de chat web ainsi qu'un talkie-walkie vocal local souverain.

chat webAPI RESTteam chatmobilewidget intégré
Couche 6

Environnement — de qualité production

L'ingénierie de prompt façonne le comportement, les garde-fous filtrent l'entrée/sortie, et l'évaluation plus l'observabilité journalisent et tracent exactement ce que l'agent a fait.

promptsNeMo GuardrailsGuardrails AILangSmithLangfuseHelicone

Mise à jour de terrain 2026

ce qui a changé

L'architecture à 6 couches tient toujours. Voici les changements qui comptent à la mi-2026. Le plus important : les modèles de raisonnement sont désormais la norme — les modèles de pointe consacrent un temps de calcul variable à l'inférence (« réflexion ») avant de répondre, et ce calcul est un curseur que vous contrôlez.

L1 · Raisonnement + multimodal

Aiguillez les tours faciles vers un petit modèle rapide ; n'escaladez que les étapes difficiles vers un modèle de raisonnement. La vision (et de plus en plus l'audio/vidéo) est native, pas un ajout. La quantification (GGUF/AWQ) est ce qui rend « Max fonctionne en local » réaliste.

L2 · SDK d'agents + durabilité

Les SDK d'agents ont dépassé le stade du bricolage. Les agents à longue durée d'exécution utilisent désormais des moteurs d'exécution durable (pause/reprise + relances). Composez des patrons nommés : ReAct, réflexion, plan-exécution, évaluateur-optimiseur, orchestrateur-travailleur.

L3 · RAG a mûri

Le simple embed→récupération est le minimum. Ajoutez une recherche hybride (mot-clé + vecteur) avec un reranker, GraphRAG pour les questions de recoupement, et des couches de mémoire dédiées (Mem0, Zep, Letta) pour le rappel inter-sessions.

L4 · MCP a gagné

MCP est passé du stade émergent à la norme de facto — registre, authentification OAuth, élicitation, échantillonnage. Nouvelles catégories réelles : usage ordinateur/navigateur, bacs à sable d'exécution de code, et protocoles A2A (agent à agent).

L5 · UI générative + voix

Les modèles produisent une UI interactive, pas seulement du texte. La conversion voix-à-voix en temps réel rend possibles des agents parlés naturels ; une pile entièrement hors ligne, c'est Whisper (STT) + Piper/Kokoro (TTS).

L6 · La sécurité est primordiale

Dès qu'un agent peut agir sur des données non fiables, méfiez-vous de la « triade létale » : accès aux données privées + contenu non fiable + une voie d'exfiltration. Brisez un maillon — limitez les permissions des outils, isolez dans un bac à sable, exigez une approbation humaine pour les actions irréversibles.

Une construction minimale réaliste

édition 2026
  1. Modèle. Un modèle de raisonnement hébergé pour la qualité, ou local via Ollama pour la confidentialité.
  2. Boucle. Un petit SDK d'agent ou une boucle ReAct écrite à la main — zéro dépendance convient très bien.
  3. Mémoire. pgvector ou Chroma avec recherche hybride + un reranker ; n'ajoutez une couche de mémoire que s'il doit se souvenir d'une session à l'autre.
  4. Outils. Deux ou trois serveurs MCP ou des fonctions personnalisées ; un bac à sable s'il écrit du code, l'usage ordinateur seulement s'il doit piloter un navigateur.
  5. Interface. Chat ou voix — Whisper + Piper en local pour un fonctionnement entièrement hors ligne.
  6. Finition. Mise en cache des prompts activée, un jeu d'évaluations, traçage OpenTelemetry, limitation explicite des permissions d'outils. Toujours résolument ANI — mais de qualité production.

Où se situe Maxtryx

notes honnêtes

1. Le mur ANI→AGI tient. Les modèles de raisonnement, MCP, les maillages multi-agents et l'exécution durable rendent les systèmes étroits bien plus capables — aucun d'eux ne confère d'intelligence générale. Aucune intégration ne le fera jamais. La généralité est une propriété du modèle.

2. La capacité s'est déplacée vers le système. Raisonnement + outils + mémoire + bonnes évaluations l'emportent sur un modèle brut plus gros dépourvu de tout cela. Le levier réside dans l'architecture autour du cerveau.

3. Ce domaine évolue chaque mois. Les cadres et les modèles de pointe changent vite — vérifiez la documentation actuelle avant de vous engager sur une pile figée.

4. Max est un agent ANI honnête. Un agent étroit sophistiqué et local souverain fonctionnant sur votre propre appareil via Ollama — le seul niveau que quiconque peut réellement construire aujourd'hui, bien construit.