Les outils d’IA transformeront sans aucun doute la nature du travail. Les grands modèles de langage (LLM) sont d’ores et déjà capables de générer des rapports d’évaluation sur mes propres articles de recherche, des rapports qui rivalisent avec ceux que rédigent les évaluateurs humains. Contrairement aux êtres humains, qui sont constamment pressés par le temps, un grand modèle de langage «connaît» ou peut accéder à une quantité bien plus importante de littérature en un instant, et fait souvent preuve de moins de partialité. L’IA met en évidence mes faiblesses analytiques, vérifie mes démonstrations, et formule des suggestions d’amélioration. Il est rare que les rapports humains soient de meilleure qualité, et lorsqu’ils le sont, c’est généralement parce qu’ils établissent des liens et proposent de nouveaux points de vue.
Il n’en demeure pas moins que l’euphorie du marché autour de l’IA devient préoccupante, notamment compte tenu de l’ampleur des émissions de dette à grande échelle par ce secteur. Il vaut par conséquent la peine d’examiner à quel niveau de la chaîne d’approvisionnement de l’IA les choses pourraient mal tourner.
La chaîne d’approvisionnement débute par les producteurs et les concepteurs d’infrastructures d’IA: des entreprises telles que TSMC et Samsung (qui fabriquent les puces électroniques), Nvidia (qui les conçoit) et Cisco (qui assure la connectivité). Interviennent ensuite les hyperscalers, en premier lieu desquels Amazon, Google et Microsoft, qui construisent des centres de données à la fois pour utiliser leurs propres modèles d’IA et pour vendre de la puissance de calcul (capacité de traitement) à d’autres acteurs. Au-delà des hyperscalers, interviennent des entreprises plus spécialisées telles qu’Equinix (centres de données), et bien entendu Anthropic et OpenAI, les développeurs des LLM fondamentaux.
À l’extrémité de la chaîne se situent les utilisateurs finaux des services d’IA, particuliers ou entreprises. L’utilisation de ces services par les particuliers affiche une croissance que l’on peut qualifier de rapide, tandis que leur utilisation par les entreprises de certains secteurs (développement de logiciels et service client) est véritablement explosive.
Pour autant, bien qu’elles expérimentent intensément l’IA, la plupart des grandes entreprises n’ont pas encore mis en œuvre d’utilisations de bout en bout. Nombre d’entre elles doivent encore organiser leurs données historiques pour pouvoir entraîner l’IA à leurs propres finalités, et restructurer leurs opérations traditionnelles afin que l’IA puisse être déployée de manière à s’améliorer avec le temps. Par ailleurs, de nombreuses entreprises s’inquiètent à juste titre de la sécurité des données, des erreurs ainsi que des hallucinations de l’IA, qui pourraient nuire à leur image de marque. Certes, à mesure que des entreprises plus jeunes et moins conservatrices mettront en évidence de nouveaux cas d’utilisation pour l’IA, elles exerceront une pression concurrentielle qui conduira les entreprises plus anciennes et plus imposantes à évoluer.
es progrès de l’IA finiront probablement par porter leurs fruits, mais tous les fournisseurs n’en tireront pas profit, et tous ne survivront pas.
Le déploiement de l’IA pourrait toutefois être interrompu de différentes manières, ce qui créerait un risque pour les acteurs financés par l’endettement. Si par exemple les processeurs graphiques, les processeurs centraux et les puces mémoire devenaient plus rapides et plus économes en énergie, les équipements installés dans les centres de données existants pourraient se déprécier rapidement, et l’amortissement de leurs coûts devenir plus difficile. De même, les LLM, qui sont devenus extraordinairement performants grâce à ce qui correspond pour l’essentiel à une prédiction du mot suivant, pourraient atteindre un plateau jusqu’à ce qu’un nouveau procédé émerge.
Pour l’heure, les laboratoires d’IA investissent des sommes colossales dans le but d’entraîner des modèles plus récents et plus puissants, en partant du principe que le premier modèle à atteindre le seuil miraculeux de la capacité à s’auto-améliorer dominera le monde de l’IA, et engrangera de formidables profits. Or, il est peu probable que ce scénario se concrétise. Même si un tel seuil existait, les concurrents pourraient toujours égaler le modèle de l’entreprise pionnière (y compris en débauchant des employés clés pour obtenir des secrets techniques).
En l’état actuel des choses, aucun modèle d’IA ne semble avoir acquis un avantage durable. À moins que Gemini (Google), Claude (Anthropic) et ChatGPT (OpenAI) ne parviennent à se différencier en ciblant des segments d’utilisateurs spécifiques (ou encore par des fusions ou des ententes), il est difficile d’entrevoir d’où proviendront les bénéfices visés par leurs investissements considérables dans l’entraînement des modèles.
Par ailleurs, bien que les dirigeants politiques se soient largement tenus à l’écart jusqu’à présent, des mesures publiques visant à répondre aux risques et aux préoccupations liés à l’IA sont inévitables. Les centres de données consommant d’immenses quantités d’électricité – ce qui fait grimper le prix de cette énergie pour tous – les gouvernements des États et les collectivités locales feront face à une pression politique croissante en faveur de la limitation des constructions de ces installations. Dans l’Indiana, par exemple, plusieurs comtés ont récemment proclamé un moratoire sur la construction de centres de données.
Les projections pour l’an prochain indiquent d’ores et déjà que les fabricants de matériel et les centres de données ne seront pas en mesure de fournir suffisamment de puissance de calcul aux États-Unis. À mesure que les pénuries de puissance de calcul s’aggraveront, les utilisateurs finaux auront davantage de raisons de reporter l’adoption de l’IA dans leurs opérations. Vous ne pouvez pas réorganiser autour de l’IA l’ensemble de vos opérations lorsque vous craignez à juste titre un manque de fiabilité de l’accès à cette technologie ou une tarification peu raisonnable à l’avenir.
Plus problématique encore, parallèlement à ce risque de voir la généralisation de l’utilisation de l’IA nécessiter plus de temps que prévu, l’utilisation malveillante de cette technologie par des pirates informatiques et des créateurs de deepfakes, ainsi que l’utilisation non surveillée de l’IA par les enfants, se développent aujourd’hui rapidement. Des scénarios catastrophiques sont malheureusement facilement imaginables, dans lesquels un cyberincident conduirait à un décès, ou dans lesquels une utilisation abusive flagrante des données par des agents IA ou des modèles IA mal entraînés conseilleraient à des enfants de commettre des actes de violence contre eux-mêmes ou d’autres personnes (ce qui s’est déjà produit). Les voix réclamant une réglementation et une plus grande responsabilité pour les modèles d’IA ne feront que s’amplifier. Les risques soulevés par une IA incontrôlée pourraient même susciter un dialogue cruellement nécessaire entre les grandes puissances, aboutissant potentiellement à une sorte de Convention de Genève sur l’IA.
Sans doute le plus important facteur déclencheur d’une intervention politique résiderait-il dans des pertes d’emploi massives liées à l’IA. Par crainte de réactions politiques ou sociales, les entreprises même les plus enclines à adopter l’IA pourraient hésiter à se séparer de leurs employés en surnombre en dehors d’une période de récession, ce qui réduirait les gains liés au déploiement et à la diffusion de l’IA.
Compte tenu de toutes ces incertitudes, nous sommes loin de pouvoir affirmer dans quelle mesure et à quelle vitesse l’IA sera déployée, ni qui en tirera profit. Les fabricants et concepteurs de matériel semblaient a priori bien positionnés, étant donné l’immense demande en puissance de calcul. Si toutefois la construction des centres de données était interrompue, cela pourrait faire basculer les bénéfices vers les hyperscalers et les laboratoires d’IA. Ces acteurs pourraient alors réduire la puissance de calcul consacrée à l’entraînement de meilleurs modèles – qui ne leur confère que des avantages éphémères – et se tourner vers la vente de la puissance de calcul qu’ils auront sécurisée à des entreprises utilisant leurs modèles déjà performants. De changements de ce type pourraient également avoir lieu si les capacités des modèles atteignaient un plateau. La réglementation pourrait par ailleurs contraindre les modélisateurs à consacrer davantage d’efforts à l’amélioration de l’entraînement et de la sécurité des modèles existants, afin de renforcer la confiance du grand public.
La bonne nouvelle, c’est qu’un déploiement plus limité et plus prudent de l’IA pourrait conférer aux entreprises davantage de temps pour élaborer des utilisations qui viendraient appuyer la main-d’œuvre (plutôt que la remplacer), et aux gouvernements ainsi qu’aux travailleurs davantage de temps pour s’adapter. La mauvaise, c’est que les visions euphoriques de profits exceptionnels rapides pourraient se révéler infondées, ce qui poserait un sérieux problème aux entreprises d’IA tenues de rembourser une dette impitoyable. Les progrès de l’IA finiront probablement par porter leurs fruits, mais tous les fournisseurs n’en tireront pas profit, et tous ne survivront pas.
Copyright: Project Syndicate, 2026.