L'économie de l'IA : pourquoi les leaders du marché n'essaient même pas de gagner de l'argent

Si vous pensiez qu'Uber ou WeWork dans leurs pires années étaient des maîtres en combustion d'argent, l'industrie de l'intelligence artificielle vous demande de tenir son portefeuille sans fond. Aujourd'hui, les plus grands acteurs du marché — d'OpenAI à Anthropic — ne prétendent même pas viser la rentabilité opérationnelle dans un futur prévisible. Nous assistons à un moment unique dans l'histoire de la technologie, quand des entreprises évaluées à des centaines de milliards de dollars reconnaissent ouvertement : nos dépenses en entraînement de modèles dépasseront toujours nos revenus d'abonnement.

Ce n'est pas simplement une difficulté temporaire, mais une caractéristique fondamentale de la course actuelle aux armements, où le gagnant ne sera pas celui qui vend mieux, mais celui qui pourra ignorer un compte bancaire qui se vide le plus longtemps.

Le contexte importe plus que n'importe quel chiffre. Pour comprendre l'ampleur de ce qui se passe, nous devons nous souvenir de comment la Silicon Valley a fonctionné au cours des dix dernières années. Typiquement, une startup brûle de l'argent pour capturer le marché, puis commence à monétiser son public fidèle.

Mais avec l'IA, ce modèle s'est effondré. Le coût de l'entraînement de chaque version ultérieure de GPT ou Claude croît en progression géométrique. Si l'entraînement de GPT-4 a coûté environ cent millions de dollars, les itérations suivantes exigent déjà des milliards.

La part du lion de ces fonds ne va pas aux salaires des programmeurs, mais dans les poches de Nvidia pour les puces et aux compagnies d'électricité pour l'électricité. Nous nous sommes retrouvés dans une situation où le produit devient plus cher à produire plus vite que le marché ne peut s'habituer à son prix actuel.

Pourquoi les investisseurs continuent-ils à émettre des chèques de milliards de dollars en regardant ces ruines financières ? La réponse réside dans la foi aveugle dans le concept d'AGI — Intelligence Artificielle Générale. Dans les couloirs d'OpenAI et de Google DeepMind, il y a une conviction que dès qu'ils créent un système capable de remplacer les humains dans la plupart des tâches cognitives, la question de l'argent se résoudra d'elle-même.

Un tel système prétendument découvrira comment gagner des billions, optimiser l'économie et fermer toutes les dettes. C'est une sorte de messianisme technologique : nous construisons un dieu numérique, et les dieux n'ont pas besoin de rapports trimestriels. Mais le problème est que nous devons encore survivre jusqu'à ce moment, et le coût d'entrée dans ce club des élus continue d'augmenter chaque jour.

En attendant, les modèles économiques qui nous sont proposés maintenant ressemblent plus à une tentative d'apaiser la conscience des actionnaires qu'à un véritable plan. Les abonnements à vingt dollars par mois ne couvrent même pas l'amortissement des serveurs sur lesquels tournent ces modèles. Les déploiements d'entreprise progressent lentement en raison des préoccupations de sécurité et des hallucinations d'IA.

En résultat, nous avons une situation paradoxale : une technologie qui devrait automatiser et bon marché tout est elle-même le plus cher et le plus inefficace des affaires au monde. Les entreprises sont obligées de lever constamment des fonds juste pour garder les lumières allumées dans les salles de serveurs, créant une dépendance au capital-risque qui ressemble à une pyramide financière construite sur des algorithmes très intelligents.

Le lien avec les précédentes bulles technologiques est évident, mais il y a une différence significative. À l'époque des points com, les entreprises dépensaient de l'argent en marketing et en capture d'attention. À l'ère de l'IA, l'argent est dépensé en infrastructure physique et en puissance informatique brute.

Cela rend tout effondrement, s'il survient, beaucoup plus douloureux pour l'économie entière. Si demain les investisseurs décident que le chemin vers AGI est trop long, nous ne resterons pas seulement avec des sites web en faillite, mais avec des montagnes de matériel coûteux et des géants centres de données qui consomment l'électricité de villes entières. L'ironie est que les leaders du marché ne tentent même pas de cacher cette situation, déclarant ouvertement le besoin de centaines de milliards d'investissement pour continuer à opérer.

Que signifie cela pour nous ? Nous utilisons des outils incroyablement coûteux pratiquement gratuitement, tandis que les fonds de capital-risque et Microsoft paient l'addition pour ce festin. C'est un âge d'or pour les utilisateurs, mais un signal d'alarme pour l'industrie.

La viabilité à long terme des sociétés d'IA dépend maintenant non pas de la qualité du code, mais de la géopolitique, de l'approvisionnement en lithium et de la patience des plus grands investisseurs de la planète. Tant qu'ils croient au miracle, la fête continue. Mais le moment où quelqu'un demande d'abord « où est l'argent ?

», les règles du jeu changeront instantánemment, et beaucoup devront se souvenir de quoi ressemble l'économie traditionnelle avec ses ennuyeux concepts de profit et de perte.

L'essentiel : l'industrie de l'IA actuelle n'est pas une affaire au sens classique, mais une grande expérience scientifique financée par l'argent des autres. Les modèles pourront-ils devenir assez intelligents pour se financer eux-mêmes avant que les investisseurs ne perdent patience ?