Altman propose de recalculer le coût de l'intelligence : 20 ans de nourriture contre un data center

Vingt watts. C'est ce que consomme le cerveau humain en pleine activité, moins qu'une faible ampoule à incandescence. Pendant des décennies, ce fait a été l'atout maître des débats sur l'inefficacité de l'intelligence artificielle : pourquoi bâtir des data centers de la taille d'une petite ville alors que la nature a résolu le même problème avec un kilo et demi de tissu neuronal et une poignée de glucose ? Sam Altman a décidé qu'il était temps de revoir les termes de cette comparaison.

Le patron d'OpenAI a avancé une thèse provocatrice : comparer la consommation d'énergie d'un cerveau qui travaille à celle d'un réseau de neurones qui travaille relève de la tricherie intellectuelle. Un calcul correct, selon Altman, doit inclure toute l'énergie dépensée pour créer l'intelligence, et pas seulement pour la faire fonctionner. Pour un être humain, cela représente environ vingt ans d'alimentation continue, de sommeil et d'apprentissage : des milliers et des milliers de calories converties en connexions synaptiques. En allant plus loin, il faudrait compter des millions d'années d'évolution, pendant lesquelles d'innombrables organismes sont nés, ont consommé des ressources et sont morts pour que la sélection naturelle finisse par produire un être capable de raisonner sur des abstractions.

L'argument n'est pas nouveau dans les cercles universitaires, mais dans la bouche du patron de la plus grande entreprise d'IA, il a sonné autrement : comme un récit stratégique. Le contexte est crucial. OpenAI et ses concurrents font face à une pression croissante sur l'empreinte énergétique des grands modèles de langage.

Selon diverses estimations, l'entraînement d'un seul grand modèle de la classe de GPT-4 a consommé une énergie comparable à la consommation annuelle de plusieurs milliers de foyers. Chaque requête à un chatbot dépense plusieurs fois plus d'électricité qu'une recherche web classique. La construction de nouveaux data centers pour les charges d'IA est devenue l'un des sujets les plus brûlants de la politique énergétique, du Texas à la Scandinavie.

Dans ces conditions, tout argument capable de reformuler le débat a un poids non seulement philosophique, mais aussi très concret.

Sur le plan scientifique, la position d'Altman contient un fond rationnel, mais aussi des raccourcis évidents. Il est vrai que, si l'on voit le cerveau comme le produit d'un entraînement, son « budget d'entraînement » est colossal. Un enfant consomme en moyenne de 1000 à 2500 kilocalories par jour, et une part importante de cette énergie, durant les premières années de vie, sert précisément au développement du système nerveux.

Sur vingt ans, cela représente environ 15–18 millions de kilocalories, soit à peu près 17–21 mégawattheures en énergie électrique. Le chiffre est impressionnant, mais reste inférieur de plusieurs ordres de grandeur à ce que coûte l'entraînement des modèles de pointe, une fois comptées les pertes liées au refroidissement, à la transmission de données et à l'infrastructure. Quant à l'évolution, on peut techniquement l'inclure dans le calcul, mais il faudrait alors imputer à l'IA toute l'histoire de l'informatique, des premières machines à tubes aux clusters de GPU actuels, ce qui rend la comparaison absurde.

Les critiques d'Altman n'ont pas tardé. Beaucoup de chercheurs ont souligné une différence de fond : le cerveau est un système universel qui pilote à la fois le corps, traite l'information sensorielle, entretient la vie émotionnelle et résout des tâches intellectuelles. Un grand modèle de langage fait exactement une chose : générer du texte (ou, en version multimodale, aussi des images). Comparer leur « coût d'entraînement » revient à comparer le coût de construction d'une ville entière à celui d'un seul gratte-ciel, aussi impressionnant soit-il. D'autres commentateurs ont été plus durs, jugeant les propos d'Altman comme une tentative de normaliser la consommation d'énergie illimitée de l'industrie de l'IA au moment où la société commence à poser des questions dérangeantes.

Il y a pourtant une couche plus profonde dans cette discussion. Le simple fait que le patron d'OpenAI réfléchisse publiquement au prix de l'intelligence signale un changement dans l'état d'esprit de l'industrie. Il y a encore deux ans, les entreprises préféraient ne pas aborder la question énergétique, espérant que les progrès d'efficacité des puces et des algorithmes régleraient le problème d'eux-mêmes. Aujourd'hui, la stratégie évolue : plutôt que de nier l'ampleur de la consommation, les dirigeants du secteur tentent de redéfinir le repère à l'aune duquel elle est jugée. Si l'intelligence est un produit coûteux par définition, alors la forte dépense énergétique cesse d'être un bug pour devenir une fonctionnalité.

Cette manœuvre narrative aura des conséquences bien au-delà des réseaux sociaux. Les régulateurs en Europe et aux États-Unis élaborent déjà des normes d'efficacité énergétique pour les systèmes d'IA. La manière dont l'industrie définira la base de comparaison, qu'il s'agisse du coût d'une requête, de l'entraînement d'un modèle ou du coût complet de création d'une intelligence « à partir de zéro », influencera directement la sévérité des futures réglementations. Altman, consciemment ou non, fixe le cadre de ce débat.

Une chose est sûre : l'époque où les entreprises d'IA pouvaient simplement ignorer la question des ressources est révolue. Elles doivent désormais construire non seulement des modèles, mais aussi des arguments prouvant que ces modèles valent l'énergie dépensée. Et la force de persuasion de ces arguments déterminera non seulement la réputation d'OpenAI, mais aussi le rythme de développement de tout le secteur dans les années à venir.