Post #3840569

2. L’ensemble de la valeur des installations liées à l’IA en 2030 pourrait atteindre le chiffre astronomique de 9 000 milliards de dollars. Voilà la clé pour comprendre l’économie de l’IA : le changement d’échelle (scaling) de la production d’IA sur lequel elle repose s’accompagne d’un changement d’échelle de ses coûts. Et la difficulté est, dès lors, non pas seulement le financement de l’amorçage et du décollage de la technologie, mais celui de son fonctionnement quotidien. C’est cela que nous dit l’affaire Sora : on ne peut pas espérer « sauter par-dessus » l’enfance de l’industrie pour se retrouver dans le monde enchanté d’une activité rentable. L’IA n’est ni le smartphone ni Internet. Ce nouveau secteur ressemblerait plutôt davantage au chemin de fer : une technologie fortement capitalistique aux coûts fixes si importants que sa rentabilité a toujours été problématique et que l’État a presque toujours dû être mobilisé pour assurer son existence. Au reste, le montant des investissements consentis pour le développement des infrastructures de l’IA, principalement les centres de données remplis de puces en réseau, sont si vertigineux qu’ils égalent sans doute ce qui avait été la fièvre de la construction des chemins de fer en Europe occidentale et en Amérique du Nord, dans les années 1840 et 1860. Car, alors qu’OpenAI stoppait Sora en catastrophe, les milliards de dollars continuaient à irriguer le secteur. L’entreprise de Sam Altman a levé le 31 mars 122 milliards de dollars, un record historique pour une levée de fonds privée. Et début février, les quatre géants de la technologie (Amazon, Meta, Alphabet et Microsoft) prévoyaient ensemble de dépenser 650 milliards de dollars dans l’IA en 2026, soit 60 % de plus qu’en 2025. Les chiffres sont vertigineux. Selon le Financial Times, l’ensemble de la valeur des installations liées à l’IA en 2030 pourrait atteindre le chiffre astronomique de 9 000 milliards de dollars. Et une puissance cumulée pour les centres de données de 125 gigawatts, soit plus de trois fois l’usage de l’électricité d’un pays comme le Royaume-Uni aux heures de pointe. Fuite en avant Ces investissements massifs ne sont pas le fruit du hasard. L’enjeu pour les acteurs du système est d’atteindre le plus rapidement la taille critique pour imposer leurs produits sur le marché, mettre en place un système oligopolistique ou monopolistique et, finalement, pouvoir imposer ses prix et espérer un retour sur leurs investissements. Dans ce jeu de vitesse, les acteurs ne sont cependant pas tous égaux. OpenAI est en bout de chaîne. Il développe les produits d’IA, mais ne contrôle pas les centres de données. Sa position est, par ailleurs, plus soumise à la concurrence dans la mesure où les LLM sont moins coûteux à développer que la construction de centres de données. ChatGPT est donc soumis à une dangereuse concurrence, notamment celle de Claude, le modèle de l’entreprise Anthropic. Comme souvent, les « opérateurs » de la technologie sont plus fragiles que les fournisseurs d’infrastructure, parce qu’ils accumulent les coûts en fin de chaîne mais qu’ils sont aussi soumis aux effets de revenus des consommateurs finaux. Les compagnies ferroviaires souffrent davantage que les fournisseurs d’acier prospèrent. Mais la particularité de l’IA complique l’équation. À l’importance des coûts s’ajoute la question très sensible de la durée de vie des centres de données et des puces qui les peuplent. On ignore beaucoup de choses sur ce point. L’industrie fonde ses calculs sur une durée de vie de six ans. Microsoft évoque un temps compris entre deux et six ans. Certaines sources évoquent la possibilité que les puces soient entièrement épuisées au bout de trois ans. Et Bloomberg estime que les centres de données, des bâtiments très fragiles et sensibles, pourraient devenir obsolètes au bout de cinq ans. En estimant que les 9 000 milliards de dollars soient suffisants pour les besoins de l’IA d’ici à 2030, il faudrait donc renouveler cet investissement colossal au moins tous les cinq ans. La réponse des Big Tech est alors celle de la fuite en avant. Il faut construire beaucoup et vite pour pouvoir atteindre une taille critique, devenir incontournable pour le marché et imposer une logique oligopolistique capable d’imposer des prix suffisants pour absorber de tels coûts gigantesques. De Spotify, le modèle devient Andrew Carnegie, bâtisseur d’un véritable monopole de l’acier aux États-Unis à la fin du XIXe siècle. Une course de vitesse qui a donné aux grands acteurs de l’IA leur nouveau nom : les hyperscalers, autrement dit ceux qui sont capables de démultiplier l’échelle de l’IA. Car l’échelle devient un élément central pour la rentabilité.