C'est quoi le test d'Einstein conceptualisé par Google DeepMind ?
Demis Hassabis, le patron de Google DeepMind, répète une même idée depuis février 2026 : pour reconnaître une AGI, une intelligence artificielle générale capable de raisonner et d'apprendre sur n'importe quel sujet comme le ferait un humain, il faut la confronter à une découverte qu'aucune IA n'a jamais faite seule. Il a baptisé cette expérience le test d'Einstein. Le principe tient en une phrase, mais il déplace la façon de mesurer les progrès de l'IA. Voici ce que recouvre réellement cette proposition, qui la porte, et pourquoi elle circule autant depuis quelques mois.
D'où vient l'idée du test d'Einstein
Demis Hassabis a formulé cette proposition pour la première fois le 17 février 2026, lors d'un échange avec l'entrepreneur Varun Mayya à l'Institut indien des sciences de Bangalore, dans le cadre de l'India AI Impact Summit. Il l'a reprise et affinée à plusieurs reprises, notamment fin avril lors d'une conversation avec Garry Tan, le patron de Y Combinator.
Né à Londres en 1976, Hassabis est maître international d'échecs dès l'âge de 13 ans, avant d'étudier l'informatique à Cambridge puis de décrocher un doctorat en neurosciences cognitives à l'University College London. Entre les deux, il fonde et dirige un studio de jeux vidéo, Elixir Studios. En 2010, il cofonde DeepMind avec Shane Legg et Mustafa Suleyman, avec un objectif affiché dès le départ : construire une intelligence artificielle générale. La société est rachetée par Google en 2014 et devient Google DeepMind.
Sous sa direction, le laboratoire produit AlphaGo, qui bat les meilleurs joueurs mondiaux de go en 2016, puis AlphaFold, une IA qui prédit la structure tridimensionnelle des protéines. Ce dernier projet lui vaut, avec John Jumper, le prix Nobel de chimie en 2024. Cette double casquette de chercheur et de dirigeant pèse dans la balance : quand Hassabis explique pourquoi ces réussites ne suffisent pas à démontrer une intelligence générale, le propos a du poids dans le secteur, y compris venant de la personne qui a livré certaines des avancées les plus citées de l'IA de la dernière décennie.
En quoi consiste le test
Le principe est simple. On entraîne un modèle d'IA uniquement sur les connaissances scientifiques disponibles avant une date donnée, entre 1901 et 1911 selon les versions que Hassabis en donne. On lui demande ensuite de retrouver seul un résultat qu'aucun humain de l'époque n'avait encore formulé : la relativité restreinte, publiée par Einstein en 1905, ou la relativité générale, publiée en 1915.
Le modèle aurait donc accès aux mêmes éléments qu'Einstein en 1911 : les équations de Maxwell, le résultat négatif de l'expérience de Michelson-Morley, la précession anormale du périhélie de Mercure, la tension déjà connue entre la mécanique newtonienne et la relativité restreinte. Rien de plus. La question posée à l'IA est directe : peut-elle assembler ces pièces disparates en une théorie nouvelle, comme Einstein l'a fait, ou se contente-t-elle de reproduire des raisonnements déjà présents dans ses données d'entraînement ?
Le verdict de Hassabis sur les systèmes actuels ne laisse pas de place au doute : il a affirmé qu'aucun modèle aujourd'hui n'en serait capable.
Pourquoi choisir Einstein plutôt qu'un autre exemple
Le choix n'a rien d'arbitraire. Hassabis distingue deux types de problèmes : ceux qui se résolvent à l'intérieur d'un cadre existant, avec des règles connues, et ceux qui demandent d'inventer un cadre entièrement neuf. AlphaFold appartient à la première catégorie : le repliement des protéines obéit à des règles physiques fixes, même si sa résolution exige une puissance de calcul considérable. La relativité générale appartient à la seconde. Einstein n'a pas amélioré un modèle existant, il a changé la définition même de la gravité, en la remplaçant par une courbure de l'espace-temps.
Hassabis applique le même raisonnement à d'autres réussites de son laboratoire, comme la résolution de certains problèmes ouverts d'Erdős en mathématiques. Résoudre un problème difficile dans un domaine balisé ne prouve rien sur la capacité d'un système à produire un concept qui n'existait pas avant lui.
Le test a-t-il déjà été mis en pratique ?
Non. Aucun laboratoire, DeepMind y compris, n'a annoncé avoir entraîné un modèle sur des données coupées à 1911 pour vérifier s'il redécouvre la relativité. Le test reste une proposition orale, répétée dans des interviews et des conférences, sans protocole publié, sans jeu de données défini et sans critère de réussite détaillé.
Cette absence de mise en œuvre n'empêche pas le sujet de nourrir des débats. Un chercheur de DeepMind lui-même, Tom Zahavy, coauteur du projet AlphaProof, a publié quelques semaines après les premières déclarations de Hassabis un article de position intitulé LLMs Can't Jump, qui explique pourquoi les grands modèles de langage actuels peinent à produire ce type de saut conceptuel plutôt que de démontrer une preuve déjà existante.
D'autres chercheurs ont repris l'idée pour l'ancrer plus solidement, en proposant par exemple d'entraîner des versions spécialisées de modèles frontière uniquement sur les publications antérieures aux découvertes d'Einstein. Rien de tout cela n'a, à ce jour, été exécuté publiquement.
Ce que le test d'Einstein change dans le débat sur l'AGI
Le test d'Einstein s'inscrit dans un mouvement plus large chez DeepMind pour dépasser les benchmarks à score unique. Le laboratoire a publié en parallèle un référentiel qui évalue les modèles sur dix dimensions cognitives distinctes (perception, mémoire de travail, raisonnement causal, cognition sociale, entre autres), chacune comparée à des performances humaines de référence. L'objectif affiché reste le même : un modèle qui obtient 90 % sur MMLU ne dit rien sur sa capacité à tenir un raisonnement de long terme ou à s'adapter à une situation inédite.
Hassabis maintient par ailleurs son estimation d'une arrivée de l'AGI autour de 2030, à un an près. Le test d'Einstein ne prétend pas mesurer un chiffre ou un pourcentage. Il pose une question presque philosophique : un système peut-il produire une explication du monde qu'aucun humain n'avait formulée avant lui, à partir des mêmes éléments que ceux dont disposait un scientifique du passé. Tant qu'aucun laboratoire ne tente réellement l'expérience, la réponse reste une intuition, pas un résultat.
Sources
- KuCoin News : présentation du test d'Einstein et du parcours de Demis Hassabis.
- Big Think : analyse de la faisabilité technique du test et de son intérêt méthodologique.
- Zaruko : compte-rendu détaillé de l'intervention de Demis Hassabis à Bangalore.
Qu'est-ce que le test d'Einstein proposé par Demis Hassabis ?
C'est une expérience de pensée qui consiste à entraîner une IA uniquement sur les connaissances scientifiques disponibles avant 1911, puis à vérifier si elle peut retrouver seule la théorie de la relativité d'Einstein.
Qui a proposé le test d'Einstein ?
Demis Hassabis, cofondateur et CEO de Google DeepMind, l'a formulé pour la première fois en février 2026 lors de l'India AI Impact Summit à Bangalore.
Une intelligence artificielle a-t-elle déjà réussi le test d'Einstein ?
Non, aucun modèle n'a été mis à l'épreuve dans ces conditions. Selon Demis Hassabis, les systèmes actuels ne seraient de toute façon pas capables de réussir ce test.
Le test d'Einstein est-il un benchmark officiel de DeepMind ?
Non, il ne s'agit pas d'un protocole publié ni d'un jeu de données officiel. C'est une proposition conceptuelle que Demis Hassabis utilise pour définir ce que serait une vraie intelligence artificielle générale.
