Sources & donnéesSources & data

D'où viennent les chiffres

Where the numbers come from

Ordres de grandeur au 24 septembre 2026. Ces chiffres bougent vite — ils sont faits pour être re-tirés.

Orders of magnitude as of 24 September 2026. These figures shift quickly — they are meant to be re-run.

Points de calage globaux

Global anchor points

SourceSource Ce qu'elle mesureWhat it measures Chiffre cléKey figure
AI Impacts / Grace 2024 (n=2778) Extinction ou désempowerment sévèreExtinction or severe disempowerment méd. 5 % · moy. 16 %med. 5% · mean 16%
Tournoi XPT Extinction IA d'ici 2100AI extinction by 2100 extinction : experts IA ~3 % · superfor. ~0,4 %
catastrophe (≥10 % de morts) : ~12 % · ~2,3 %
extinction: AI experts ~3% · superfor. ~0.4%
catastrophe (≥10% dead): ~12% · ~2.3%
Carlsmith 2021 Catastrophe existentielle IA d'ici 2070AI existential catastrophe by 2070 ~5 % (révisé >10 %)~5% (revised >10%)
Ord, The Precipice Catastrophe existentielle IA d'ici 2100AI existential catastrophe by 2100 ~10 % (= ~½ × ~⅕)~10% (= ~½ × ~⅕)

Le désaccord, facteur par facteur

The disagreement, factor by factor

Carlsmith et un panel de superforecasters sont proches — les superforecasters étant même plus pessimistes — sur les trois premières prémisses, et divergent fortement sur les trois dernières. C'est l'illustration centrale : l'écart se loge dans quelques facteurs précis.

Carlsmith and a panel of superforecasters are close — the superforecasters being if anything more pessimistic — on the first three premises, and diverge sharply on the last three. This is the central illustration: the gap sits in a few precise factors.

Prémisse (≈ facteur)Premise (≈ factor) CarlsmithSuperforecasters
1. Capacités faisables (p_cap)1. Feasible capabilities (p_cap)65 %80 %
2. Incitations à déployer (p_agent)2. Deployment incentives (p_agent)80 %90 %
3. Difficulté d'alignement (p_désalign)3. Alignment difficulty (p_misalign)40 %58 %
4. Échecs à fort impact (≈ p_levier, avec 5)4. High-impact failures (≈ p_leverage, with 5)65 %25 %
5. Désempowerment complet (≈ p_levier, avec 4)5. Full disempowerment (≈ p_leverage, with 4)40 %5 %
6. Catastrophe existentielle (p_terminal)6. Existential catastrophe (p_terminal)95 %40 %
ProduitProduct~5 %~1 %

Les cinq familles et leur calage

The five schools and their anchors

Chaque famille du calculateur est un jeu de facteurs reconstruit pour retomber sur un point de calage public. Médianes produites par le moteur (ρ = 0,25, horizon 2100) :

Each school in the calculator is a reconstructed factor set tuned to land on a public anchor point. Medians produced by the engine (ρ = 0.25, horizon 2100):

FamilleSchool Point de calageAnchor point P(extinction) 2100P(extinction) 2100 P(catastrophe irrémédiable) 2100P(irrecoverable catastrophe) 2100
SceptiquesSkepticsLeCun, Marcus, Ng : « ≪ 0,1 % » — position publique, sans décomposition publiéeLeCun, Marcus, Ng: "≪ 0.1%" — public stance, no published decomposition~0,08 %~0,35 %
SuperforecastersXPT : 0,38 % extinction, 2,3 % catastrophe ; prémisses de Carlsmith notées ~1 %XPT: 0.38% extinction, 2.3% catastrophe; Carlsmith's premises scored ~1%~0,65 %~2,2 %
Chercheurs MLML researchersGrace 2024 : médiane 5 % (extinction ou désempowerment sévère) ; XPT experts IA : 3 % extinctionGrace 2024: median 5% (extinction or severe disempowerment); XPT AI experts: 3% extinction~3,1 %~7,3 %
Sécurité de l'IAAI safetyOrd : 10 % catastrophe existentielle ; Carlsmith : >10 %Ord: 10% existential catastrophe; Carlsmith: >10%~6,6 %~15 %
Pessimistes maximauxMaximal pessimistsYudkowsky et al. : « > 50 % », jusqu'à > 90 % — sans décomposition chiffréeYudkowsky et al.: "> 50%", up to > 90% — no quantified decomposition~65 %~81 %

Les extrêmes (sceptiques, pessimistes) sont les moins bien sourcés : leurs tenants publient une conclusion, rarement des facteurs. Leurs jeux sont donc des reconstructions cohérentes avec leurs positions publiques, à lire comme des bornes plutôt que comme des citations.

The extremes (skeptics, pessimists) are the least well sourced: their proponents publish a conclusion, rarely factors. Their sets are therefore reconstructions consistent with their public positions, to be read as bounds rather than quotations.

Robustesse par facteur

Robustness by factor

FacteurFactor SourcesSources RobustesseRobustness
p_cap, p_dualeMetaculus, Epoch AI, bio-anchors, tableau agrégéMetaculus, Epoch AI, bio-anchors, aggregate dashboardmoyennemedium
p_agenttendances de déploiement (agents déjà la norme)deployment trends (agents already the norm)faiblelow
p_désalign, p_levier, p_terminalélicitation d'experts seulement, forts effets de cadrageexpert elicitation only, strong framing effectstrès faible / quasi nullevery low / near zero
p_obsolescence, p_désempowerment, p_contrainte, p_verrouillageKulveit et al. 2025, analogies historiques (colonisation, automatisation)Kulveit et al. 2025, historical analogies (colonisation, automation)très faiblevery low
p_acteur, p_levier_mbase rates du terrorisme de masse, évaluations bio/cyber des labs et agencesmass-terrorism base rates, bio/cyber evaluations by labs and agenciesfaiblelow
p_base_ext, p_base_catOrd 2020 (nucléaire, climat ~1/1000 chacun), XPT (catastrophe hors IA)Ord 2020 (nuclear, climate ~1/1000 each), XPT (non-AI catastrophe)la meilleurethe best
p_attrib, p_irrévjugement ; aucune donnéejudgement; no dataquasi nullenear zero
L'asymétrie de mesurabilité. Comme chez Drake, les facteurs qu'on mesure bien (risques de fond, chaîne industrielle des puces) pèsent le moins sur le résultat, tandis que ceux qui dominent (désalignement, levier, complétude de la catastrophe) n'ont aucune donnée. L'expliciter est la condition pour éviter une fausse rigueur.
The measurability asymmetry. As with Drake, the factors we measure well (background risks, the industrial chip chain) matter least to the result, while those that dominate (misalignment, leverage, completeness of catastrophe) have no data. Making this explicit is what prevents false rigour.

La chaîne des puces : la donnée qui justifie une exclusion

The chip chain: the datum that justifies an exclusion

La donnée la plus dure du dossier ne sert pas à calculer un facteur, mais à justifier le parti-pris d'écarter l'autonomie matérielle complète de l'IA (voir Le modèle, §6, contre-arguments inclus). ASML détient 100 % de la lithographie EUV (~50–60 machines/an, ~100 000 pièces chacune) ; TSMC ~90 % de la logique la plus avancée, avec des quasi-monopoles en amont (Zeiss, TRUMPF, photorésists japonais) — voir aussi CSET. L'écosystème est décrit comme effectivement irreproductible. Par contraste, l'électricité (415 → ~945 TWh pour les datacenters d'ici 2030) est une contrainte de montée en charge, pas d'irreproductibilité.

The hardest datum in the file is not used to compute a factor but to justify the choice of setting aside the AI's full material autonomy (see The model, §6, counter-arguments included). ASML holds 100% of EUV lithography (~50–60 machines/year, ~100,000 parts each); TSMC ~90% of the most advanced logic, with upstream near-monopolies (Zeiss, TRUMPF, Japanese photoresists) — see also CSET. The ecosystem is described as effectively irreproducible. By contrast, electricity (415 → ~945 TWh for data centres by 2030) is a ramp-up constraint, not an irreproducibility one.

Précédent méthodologique

Methodological precedent

Le passage d'estimations ponctuelles à des distributions reprend Sandberg, Drexler & Ord, Dissolving the Fermi Paradox (2018), et la menace de remplacement graduel suit Kulveit et al., Gradual Disempowerment (2025).

Moving from point estimates to distributions follows Sandberg, Drexler & Ord, Dissolving the Fermi Paradox (2018), and the gradual-replacement threat follows Kulveit et al., Gradual Disempowerment (2025).