Trois points d'inflexion de l'IA : du ChatGPT aux agents et à l'intelligence physique

Lors d'une conférence à San Francisco en mars, Jensen Huang, CEO et fondateur de NVIDIA, a décrit trois points d'inflexion critiques dans le développement de l'IA au cours des deux dernières années. Sa conclusion principale : le calcul n'est plus une ressource annexe, il est devenu le socle d'une nouvelle économie où l'IA influence directement le chiffre d'affaires des entreprises et le PIB des pays. Chaque point d'inflexion a radicalement transformé l'utilité de la technologie, le volume de tokens consommés et la consommation électrique associée. Pour Jensen Huang, l'industrie du logiciel deviendra bientôt entièrement pilotée par les tokens.

Pourquoi NVIDIA a connu une croissance aussi fulgurante

Dès ses débuts, NVIDIA ne s'est pas concentrée sur des puces isolées, mais sur la construction d'une pile de calcul complète — des algorithmes à l'architecture, jusqu'à l'écosystème. Déjà à l'époque des jeux vidéo, l'entreprise posait les bases d'une approche de contrôle total : algorithmes de bas niveau, intégration profonde dans les moteurs logiciels, architecture système.

La culture de l'entreprise a été conçue dès le départ pour renouveler chaque année l'ensemble de la pile — processeurs, interconnexions, architecture. Seul un contrôle total sur tous les niveaux permet d'intégrer les innovations à cette vitesse. Lorsqu'une entreprise possède toute l'infrastructure, elle peut la faire évoluer chaque année, au lieu de devoir faire coïncider des composants venant de fournisseurs différents.

Trois points d'inflexion de l'IA

Premier : l'IA générative. La capacité à traduire l'information d'une forme à une autre et à générer automatiquement des tokens. GPT-3 a longtemps existé comme modèle, jusqu'à ce qu'elle soit enveloppée dans une interface conviviale : ChatGPT. Mais les systèmes génératifs souffraient d'hallucinations — ils ne s'appuyaient pas sur un contexte actualisé ni sur des données vérifiées.

Deuxième : l'IA de raisonnement (modèle O1). Est apparu l'appui sur la recherche, les faits et le RAG (génération augmentée par récupération). L'IA a appris la génération conditionnelle : la réponse se construit en tenant compte du contexte et de la vérité terrain. L'auto-analyse et l'autocorrection en temps réel ont fait leur apparition. L'utilité a fortement augmenté, le volume de tokens générés a été multiplié par des centaines, la consommation de calcul par mille. ChatGPT, de simple divertissement, est devenu un outil fiable.

Troisième, actuelle : l'IA agentique. L'IA peut désormais travailler avec des fichiers, des outils, effectuer des recherches, planifier et exécuter des tâches complexes. Les prompts ont changé : aux questions ont succédé des commandes — « crée », « fais ». Les agents lisent eux-mêmes la documentation, explorent le web, mobilisent des outils. Un seul agent consomme un million de fois plus de tokens qu'un chatbot classique, et fonctionne en continu en arrière-plan. OpenClaw est devenu le projet open-source à la croissance la plus rapide de l'histoire, dépassant Linux en nombre de téléchargements en seulement trois semaines.

L'économie des tokens et le basculement vers le token-driven

Jensen Huang propose de ne plus voir les data centers comme de simples entrepôts de données, mais comme des usines à IA dont le produit principal est le token. Plus la puissance de calcul est élevée, plus il y a de tokens, plus le chiffre d'affaires augmente. Le volume de capacité de calcul est directement corrélé aux revenus des entreprises et au PIB des pays.

La métrique clé est le « tokens per watt ». Avec une puissance disponible limitée (1 à 2 gigawatts par usine), l'efficacité de l'architecture déterminera le niveau de revenu d'une entreprise l'année suivante. Le choix de l'architecture informatique se décide désormais au niveau du CEO.

Selon les prévisions de Jensen Huang, cela va transformer l'ensemble de l'industrie informatique. Aujourd'hui, elle se contente essentiellement de louer des outils. Demain, chaque éditeur de logiciels créera ses propres agents — combinant modèles ouverts et fermés, employant des « travailleurs numériques », louant des tokens spécialisés. Une industrie valant des milliers de milliards de dollars, qui ne consommait presque aucun token, va devenir l'un de leurs plus grands consommateurs, créant une demande de calcul colossale et inédite. L'industrie d'internet a d'ailleurs déjà entièrement redirigé ses dépenses d'investissement (CapEx) vers les systèmes d'IA.

La prochaine frontière : l'IA physique

Dans les années à venir, les systèmes agentiques passeront au second plan. L'IA physique prendra le relais, exigeant une compréhension des lois de la physique, des relations de cause à effet, de la gravité, de l'inertie et de la permanence des objets — une compréhension fondamentale du fait que les objets continuent d'exister même lorsqu'ils disparaissent du champ de vision.

NVIDIA développe activement des modèles dans ce domaine : de la simulation physique à la robotique, jusqu'à la biologie numérique. Dans deux à trois ans, l'IA physique deviendra le grand sujet de la prochaine décennie. Elle ouvrira l'application de l'intelligence artificielle au-delà des data centers — dans les robots, l'industrie, les transports autonomes et le monde réel. Jensen Huang en est convaincu : il est impossible de freiner la croissance du calcul. À l'avenir, chaque entreprise aura besoin de puissance de calcul pour générer du revenu, et chaque pays pour maintenir la compétitivité de son économie nationale.