Départ 23/11Cohorte 3 en direct Vibe Coding & Agents IA : 3 semaines, 9 sessions liveCohorte 3 (23/11) →

L'IA américaine a gagné ×1,91, les dépenses ×6,19 : le rendement par dollar a chuté de 69 %

Le rapport de METR compare ce que l'IA américaine a accompli après octobre 2025 et ce que cela a coûté. Les capacités des modèles ont augmenté de ×1,91, tandis que les dépenses de R&D ont été multipliées par 6,19, un peu comme une usine qui a presque doublé sa production avec un budget six fois plus important. Le gain par dollar a baissé d'environ 69 %, et le gain par technicien et par an de 38 %. Miser un produit sur des progrès de modèles peu coûteux reste donc risqué.

Traité par IA depuis TG: @bezsmuzi (Русский ИТ бизнес) ; édité par Hamidun News
L'IA américaine a gagné ×1,91, les dépenses ×6,19 : le rendement par dollar a chuté de 69 %
Source : TG: @bezsmuzi (Русский ИТ бизнес). Collage: Hamidun News.
Écouter l'article
Fiche synthèse et chiffres clés
ParamètreDonnées
Source primaireTG: @bezsmuzi (Русский ИТ бизнес) ↗
Rédacteur en chef
Capacités de l'IA×1,91, dépenses de R&D : ×6,19, effectifs : ×3,10
Chiffre clé #2Rendement par dollar en baisse de 69 %, par salarié et par an de 38 %
Chiffre clé #3Les économistes Garicano et Imas ne voient pas de preuves d'une auto-accélération de l'IA

On pense souvent que l'IA est sur le point de s'améliorer toute seule : elle écrit le code du modèle suivant, lance des expériences, et le progrès s'emballe. Un rapport récent de l'organisation de recherche METR dresse un tableau plus terre à terre. Depuis octobre 2025, l'IA américaine s'est effectivement améliorée, mais chaque pas en avant coûte nettement plus cher.

Ce que METR a calculé et comment lire ces chiffres

Le principe est simple : comparer ce que les laboratoires ont obtenu et ce qu'ils ont dépensé pour y parvenir. La R&D, ce sont les travaux de recherche et de développement, c'est-à-dire tout ce que les entreprises investissent dans la création de nouveaux modèles : calcul, données, salaires.

Depuis octobre 2025 :

  • les capacités mesurées de l'IA ont augmenté de ×1,91 ;
  • les dépenses de R&D ont augmenté de ×6,19 ;
  • les effectifs techniques ont augmenté de ×3,10.

Si l'on rapporte le résultat aux dépenses, on obtient : le gain de capacités par dollar investi a baissé d'environ 69 %, et le gain par technicien et par an de 38 %. C'est facile à vérifier : 1,91 / 6,19 ≈ 0,31, soit un rendement d'environ un tiers de l'ancien. Et 1,91 / 3,10 ≈ 0,62, soit une baisse d'environ 38 %.

Un exemple concret. Imaginez une usine qui a presque doublé sa production, mais qui a dû pour cela multiplier son budget par six et embaucher trois fois plus de personnel. Il y a davantage de produits, mais chaque euro investi rapporte moins qu'avant. C'est à peu près le tableau que dresse le rapport pour les laboratoires américains.

Pourquoi c'est important pour le débat sur l'IA « auto-accélérée »

En théorie, la tendance devrait être inverse. Si les modèles aident les chercheurs, le progrès par unité de dépense devrait augmenter : l'IA accélère la recherche, la recherche améliore l'IA, et la nouvelle IA accélère encore davantage. Les prévisions d'une « explosion » reposent précisément sur cette logique.

Les économistes Luis Garicano et Alex Imas ne voient pas, pour l'instant, de preuves convaincantes que l'IA fournisse elle-même les ressources nécessaires à la recherche. Or c'est justement la condition d'une croissance explosive. Aujourd'hui, le progrès doit être payé en argent, en calcul et en personnes, et ce coût ne cesse d'augmenter.

Réserve importante : les chiffres de METR ne disent pas que le progrès s'est arrêté. Les capacités ont presque doublé. Le problème, c'est que chaque amélioration mobilise des ressources disproportionnées.

Que faire pour les développeurs, les chefs de produit et les fondateurs

Premier point. Ne bâtissez pas votre plan sur l'hypothèse de modèles toujours moins chers et qui progressent par bonds. Si le coût d'une amélioration croît plus vite que l'amélioration elle-même, les laboratoires répercuteront ces coûts sur les prix, les quotas et une concentration sur les segments les plus rentables. Prévoyez dans votre budget une éventuelle hausse des tarifs de l'API.

Deuxième point. Concevez une architecture qui ne dépende pas d'un seul modèle. Si la prochaine version s'avère moins spectaculaire qu'annoncé, gagnera celui qui sait tirer le maximum des modèles actuels : de bons prompts, une évaluation de la qualité sur ses propres données, une gestion soignée du contexte, les bons outils.

Troisième point. Lisez les prédictions tapageuses avec prudence. La phrase « l'IA va s'accélérer toute seule » reste pour l'instant une hypothèse, et non un fait mesuré.

Limites

Le post d'origine est un résumé succinct du rapport. Il ne donne pas de détails sur la manière dont METR mesure les « capacités », sur les modèles et laboratoires inclus dans le calcul, ni sur la façon dont les dépenses de R&D ont été comptabilisées. Ces choix déterminent le pourcentage final, et un seul rapport sur une seule période ne démontre pas une tendance à long terme. La conclusion porte sur le rapport « résultat par investissement », et non sur la vitesse absolue d'apparition de nouveaux modèles.

Il est donc raisonnable de considérer ce rapport comme un signal d'alerte, en attendant confirmation sur les périodes suivantes. Si cette confirmation arrive, le débat sur l'IA devra quitter le terrain des fantasmes de croissance explosive pour celui de l'économie : qui est prêt à payer, et combien, pour chaque nouveau pas en avant ?

Dossier

Questions clés sur cet article

Que sait-on sur Ce que METR a calculé et comment lire ces chiffres ?

Le principe est simple : comparer ce que les laboratoires ont obtenu et ce qu'ils ont dépensé pour y parvenir. La R&D, ce sont les travaux de recherche et de développement, c'est-à-dire tout ce que les entreprises investissent dans la création de nouveaux modèles : calcul, données, salaires. Depuis octobre 2025 : les capacités mesurées de l'IA ont augmenté de ×1,91 ; les dépenses de R&D ont augmenté de ×6,19 ; les effectifs techniques ont augmenté de ×3,10.

Pourquoi c'est important pour le débat sur l'IA « auto-accélérée »?

En théorie, la tendance devrait être inverse. Si les modèles aident les chercheurs, le progrès par unité de dépense devrait augmenter : l'IA accélère la recherche, la recherche améliore l'IA, et la nouvelle IA accélère encore davantage. Les prévisions d'une « explosion » reposent précisément sur cette logique. Les économistes Luis Garicano et Alex Imas ne voient pas, pour l'instant, de preuves convaincantes que l'IA fournisse elle-même les ressources nécessaires à la recherche.

Que sait-on sur Que faire pour les développeurs, les chefs de produit et les fondateurs ?

Premier point. Ne bâtissez pas votre plan sur l'hypothèse de modèles toujours moins chers et qui progressent par bonds. Si le coût d'une amélioration croît plus vite que l'amélioration elle-même, les laboratoires répercuteront ces coûts sur les prix, les quotas et une concentration sur les segments les plus rentables. Prévoyez dans votre budget une éventuelle hausse des tarifs de l'API. Deuxième point. Concevez une architecture qui ne dépende pas d'un seul modèle.

ZK
Zhemal Khamidun — CPO d'Alpina Digital, product manager d'AlpinaGPT. Conçoit des produits IA depuis 2019. Hamidun News est un projet personnel devenu un agrégateur en production avec plus de 6 000 lecteurs.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
Qu'en pensez-vous ?
Chargement des commentaires…