Crise de l'IA des subprimes : repenser la convergence entre cryptographie et IA
TechFlow SélectionTechFlow Sélection
Crise de l'IA des subprimes : repenser la convergence entre cryptographie et IA
L'étroite association entre l'IA et les grandes entreprises signifie qu'une rentabilité à long terme insuffisante de l'IA pourrait déclencher une réaction en chaîne.
Dédié à des analyses Web3 approfondiesRédaction : Edward Zitron
Traduction : Block unicorn
Si vous suivez l’IA dans le secteur de la cryptographie ou l’IA du Web traditionnel, vous devez sérieusement réfléchir à l’avenir de cette industrie. Le contenu de cet article est long ; si vous manquez de patience, vous pouvez partir immédiatement.
Ce que j’écris ici n’est pas destiné à propager le doute ou à « attaquer », mais à évaluer calmement la situation actuelle et les conséquences potentielles de notre trajectoire actuelle. Je crois que la frénésie autour de l’intelligence artificielle – plus précisément celle de l’IA générative – (comme je l’ai déjà dit) est insoutenable et finira par s’effondrer. Je crains également que cet effondrement ne porte un coup dévastateur aux grandes entreprises technologiques, endommage gravement l’écosystème des startups, et affaiblisse encore davantage le soutien du public envers l’industrie tech.
J’écris cet article aujourd’hui parce qu’il semble que la situation change rapidement, et plusieurs signes avant-coureurs d’un désastre IA sont déjà visibles : le modèle « o1 » (nom de code : « Strawberry ») lancé précipitamment par OpenAI a été qualifié de « grand tour de magie stupide » (hallucination factice) ; des rumeurs circulent sur une hausse imminente des prix pour les futurs modèles d’OpenAI (et ailleurs) ; Scale AI licencie ; et des dirigeants quittent OpenAI. Ce sont tous des signes que les choses commencent à se désagréger.
Je pense donc nécessaire d’expliquer la crise actuelle et pourquoi nous entrons dans une phase de désillusion. Je veux exprimer mon inquiétude face à la fragilité de ce mouvement, ainsi que l’obsession excessive et le manque de direction qui ont mené à ce point, dans l’espoir que certaines personnes puissent faire mieux.
En outre – peut-être un aspect que je n’ai pas suffisamment souligné auparavant – je souhaite insister sur le coût humain potentiel de l’éclatement de la bulle IA. Que ce soit par un ralentissement progressif des investissements chez Microsoft, Google (et autres grands soutiens de l’IA générative), ou par l’épuisement des ressources internes pour maintenir OpenAI et Anthropic (ainsi que leurs propres projets d’IA générative), je crois que le résultat final sera identique. Je crains que des milliers de personnes perdent leur emploi, et que la majeure partie de l’industrie technologique réalise enfin que la seule chose capable de croître indéfiniment, c’est le cancer.
Cet article ne contiendra guère de contenus légers. Je vais vous brosser un tableau sombre – non seulement pour les grands acteurs de l’IA, mais aussi pour l’ensemble de l’industrie tech et ses employés – et vous expliquer pourquoi je pense que cette issue chaotique et destructrice arrivera plus tôt que prévu.
Continuez, entrez en mode réflexion.
Comment l’IA générative survit-elle ?
Actuellement, OpenAI – cette organisation théoriquement à but non lucratif, susceptible de devenir lucrative – cherche à lever une nouvelle tranche de financement avec une valorisation d’au moins 150 milliards de dollars, visant à collecter au minimum 6,5 milliards, voire jusqu’à 7 milliards de dollars. Ce tour de table serait mené par Thrive Capital, dirigé par Josh Kushner, et NVIDIA et Apple pourraient également y participer. Comme je l’ai analysé précédemment en détail, OpenAI devra continuer à lever des sommes colossales sans précédent pour simplement survivre.
Pire encore, selon Bloomberg, OpenAI essaierait aussi de lever 5 milliards de dollars sous forme de dette via une ligne de crédit renouvelable, dont les taux d’intérêt sont généralement plus élevés.
D’après The Information, OpenAI est également en discussion avec MGX – un fonds d’investissement appuyé par les Émirats arabes unis, disposant de 100 milliards de dollars – pour chercher à investir dans des sociétés d’IA et de semi-conducteurs, et pourrait même lever des fonds auprès de l’ADIA (Abu Dhabi Investment Authority). C’est un signal d’alarme extrêmement grave, car personne ne choisit volontairement de solliciter les Émirats ou l’Arabie Saoudite. On fait appel à eux uniquement quand on a besoin d’énormes sommes et qu’on n’est pas sûr de pouvoir les obtenir ailleurs.
Note complémentaire : comme l’a souligné CNBC, Mubadala, l’un des partenaires fondateurs de MGX, détient environ 500 millions de dollars d’actions dans Anthropic, acquises à partir des actifs en faillite de FTX. On peut imaginer combien Amazon et Google doivent être « ravis » par ce conflit d’intérêts !
Comme je l’ai discuté fin juillet, OpenAI a besoin d’au moins 3 milliards de dollars, voire probablement 10 milliards, pour survivre. Elle prévoit une perte de 5 milliards de dollars en 2024, un chiffre qui risque d’augmenter avec des modèles plus complexes nécessitant davantage de ressources informatiques et de données d’entraînement. Dario Amodei, PDG d’Anthropic, prédit que les futurs modèles pourraient coûter jusqu’à 100 milliards de dollars à entraîner.
Au passage, cette « valorisation à 150 milliards de dollars » correspond à la manière dont OpenAI fixe le prix de ses actions pour les investisseurs – bien que le terme « action » reste ici flou. Dans une entreprise classique, investir 1,5 milliard à une valorisation de 150 milliards donne habituellement 1 % des parts. Mais dans le cas d’OpenAI, la situation est beaucoup plus complexe.
OpenAI avait tenté plus tôt cette année de lever des fonds à 100 milliards de dollars, mais certains investisseurs ont hésité face à ce prix jugé trop élevé, notamment en raison – selon les journalistes Kate Clark et Natasha Mascarenhas de The Information – d’une inquiétude croissante concernant la surestimation des entreprises d’IA générative.
Pour clore ce tour de financement, OpenAI pourrait passer d’une structure à but non lucratif à une entité commerciale, mais la partie la plus confuse concerne ce que reçoivent réellement les investisseurs. Kate Clark de The Information rapporte que les investisseurs participants ont été informés (citation directe) « qu’ils n’obtiendront pas d’actions traditionnelles en échange de leur investissement… Au lieu de cela, ils obtiendront des unités promettant un partage des bénéfices de l’entreprise – dès qu’elle commencera à générer des profits ».
Il n’est pas clair qu’un changement vers une structure lucrative puisse résoudre ce problème, car la structure étrange d’OpenAI (« non-lucratif + filiale lucrative ») implique qu’en vertu de l’accord de 2023, Microsoft a droit à 75 % des profits d’OpenAI – bien qu’en théorie, une structure lucrative pourrait inclure des actions. Toutefois, ce que vous obtenez en investissant dans OpenAI, ce sont des « unités de partage des profits » (PPU), pas des actions. Comme l’a écrit Jack Raines dans Sherwood : « Si vous possédez des PPU d’OpenAI, mais que l’entreprise ne devient jamais rentable, et que vous ne pouvez pas les vendre à quelqu’un qui croit qu’OpenAI finira par l’être, alors vos PPU n’ont aucune valeur. »
Le week-end dernier, Reuters a publié un rapport indiquant que toute valorisation à 150 milliards de dollars dépendrait de la capacité d’OpenAI à réorganiser entièrement sa structure d’entreprise, et donc à supprimer le plafond actuel sur les retours aux investisseurs, fixé à 100 fois leur investissement initial. Ce plafond a été instauré en 2019, lorsque OpenAI a déclaré que tout profit excédentaire serait « reversé à l’organisation à but non lucratif, pour le bien de l’humanité ». Ces dernières années, l’entreprise a modifié cette règle, permettant d’augmenter annuellement ce plafond de 20 % à partir de 2025.
Étant donné l’accord actuel de partage des profits entre OpenAI et Microsoft – sans parler de ses pertes massives – tout retour reste théorique dans le meilleur des cas. En prenant le risque de paraître cynique, multiplier par 500 zéro ne donne toujours rien.
Reuters ajoute également que tout passage à une structure lucrative (et donc une valorisation supérieure aux 80 milliards récents) obligerait OpenAI à renégocier avec ses investisseurs existants, dont les parts seraient diluées.
Selon Financial Times, les investisseurs doivent « signer un accord opérationnel stipulant que “tout investissement dans [la filiale lucrative d’OpenAI] doit être considéré comme un don” », et que OpenAI « pourrait ne jamais devenir rentable ». De telles clauses sont véritablement absurdes, et quiconque investit dans OpenAI mérite pleinement ce qui lui arrive, car il s’agit d’un investissement extrêmement grotesque.
En réalité, les investisseurs n’obtiennent ni une part d’OpenAI ni aucun contrôle sur l’entreprise, mais simplement une participation aux profits futurs d’une société qui perd plus de 5 milliards par an, et qui perdra probablement encore plus en 2025 (si elle tient jusque-là).
Les modèles et produits d’OpenAI – dont nous discuterons plus tard de l’utilité – sont extrêmement déficitaires sur le plan opérationnel. The Information rapporte qu’OpenAI paiera environ 4 milliards de dollars à Microsoft en 2024 pour supporter ChatGPT et ses modèles sous-jacents, et cela au tarif réduit de 1,30 $ par heure et par GPU, contre 3,40 à 4 $ pour les autres clients. Cela signifie que, sans la coopération étroite avec Microsoft, OpenAI dépenserait environ 6 milliards par an en serveurs – sans compter d’autres coûts comme les salaires (1,5 milliard par an). Et comme je l’ai déjà mentionné, les coûts d’entraînement s’élèvent actuellement à 3 milliards par an, et augmenteront presque certainement.
Bien que The Information ait rapporté en juillet que le chiffre d’affaires annuel d’OpenAI était de 3,5 à 4,5 milliards de dollars, The New York Times a annoncé la semaine dernière que celui-ci « dépasse désormais 2 milliards », ce qui signifie que le chiffre de fin d’année sera probablement proche de l’extrémité basse de cette fourchette.
En résumé, OpenAI brûle de l’argent, et continuera à en brûler davantage, et pour continuer, elle devra lever des fonds auprès d’investisseurs ayant signé une déclaration disant « nous pourrions ne jamais être rentables ».
Comme je l’ai déjà écrit, un autre problème d’OpenAI est que l’IA générative (y compris les modèles GPT et le produit ChatGPT) ne résout pas de problèmes complexes justifiant son coût colossal. Ces modèles sont probabilistes, ce qui pose des problèmes majeurs et insolubles – autrement dit, ils ne savent rien, ils génèrent simplement des réponses (ou images, traductions, résumés) à partir des données d’entraînement, et les développeurs de modèles épuisent ces données à une vitesse incroyable.
Le phénomène d’« hallucination » – où le modèle produit explicitement des informations fausses (ou des images/vidéos incorrectes) – ne peut pas être totalement éliminé avec les outils mathématiques actuels. Bien qu’on puisse réduire ou atténuer les hallucinations, leur existence rend l’IA générative peu fiable pour des applications critiques.
Même si l’IA générative pouvait résoudre des problèmes techniques, son apport réel aux entreprises reste incertain. The Information a rapporté la semaine dernière que les clients du pack Microsoft 365 (incluant Word, Excel, PowerPoint, Outlook, etc., surtout des offres orientées entreprise liées aux services consultatifs de Microsoft) adoptent très peu leur produit IA « Copilot ». Seulement 0,1 % à 1 % des 4,4 millions d’utilisateurs (payant 30 à 50 $ chacun) paient pour ces fonctionnalités. Une entreprise testant les fonctions IA a déclaré : « La plupart ne trouvent actuellement pas grande valeur à cela. » D’autres ajoutent que « beaucoup d’entreprises n’ont pas vu d’amélioration significative de productivité » et qu’elles « ne savent pas quand elles la verront ».
Alors, combien Microsoft facture-t-il pour ces fonctionnalités mineures ? Rien de moins que 30 $ supplémentaires par utilisateur et par mois, ou jusqu’à 50 $ par mois pour la fonction « Sales Assistant ». Cela revient à exiger des clients qu’ils doublent leur paiement – rappelons-le, par contrat annuel ! – pour des produits qui semblent peu utiles.
Un point supplémentaire : le problème de Microsoft est si complexe qu’il pourrait nécessiter un article spécialisé à l’avenir.
Telle est la situation actuelle de l’IA générative – même le leader en logiciels de productivité et bureautique ne trouve aucun client prêt à payer pour ses produits, en partie à cause de résultats médiocres, en partie à cause de coûts excessifs. Soit Satya Nadella veut atteindre 500 milliards de revenus d’ici 2030 (objectif révélé lors d’une audience publique sur l’acquisition d’Activision Blizzard), soit les coûts sont trop élevés pour baisser les prix, ou les deux.
Pourtant, tout le monde insiste sur le fait que l’avenir de l’IA va nous époustoufler – la prochaine génération de grands modèles linguistiques est imminente, et elle sera incroyable.
La semaine dernière, nous avons eu un premier aperçu réel de ce soi-disant « avenir ». Le résultat a été profondément décevant.
Un tour de magie stupide
OpenAI a lancé o1 – nom de code « Strawberry » – jeudi soir, avec un enthousiasme comparable à celui d’un rendez-vous chez le dentiste. Sam Altman a décrit o1 dans une série de tweets comme le « modèle le plus puissant et le mieux aligné » d’OpenAI. Bien qu’il admette que o1 « présente encore des défauts, des limites, et que ses performances diminuent après un usage prolongé », il promet que o1 fournira des résultats plus précis pour les tâches ayant une réponse correcte définie (programmation, maths, sciences).
Cela est déjà très révélateur – mais nous y reviendrons. D’abord, voyons comment cela fonctionne. J’introduirai quelques concepts nouveaux, mais je m’engage à ne pas entrer dans des détails trop complexes. Si vous voulez lire l’explication officielle d’OpenAI, elle se trouve sur leur site dans l’article « Learning to Reason with LLMs ».
Lorsqu’il est confronté à une question, o1 la décompose en étapes distinctes – espérant que ces étapes conduiront à la bonne réponse, processus appelé « chaîne de pensée » (Chain of Thought). Il est plus facile de comprendre o1 en le voyant comme deux parties d’un même modèle.
À chaque étape, une partie du modèle applique un apprentissage par renforcement, tandis que l’autre partie (celle produisant la sortie) « récompense » ou « punit » selon la justesse de ses étapes intermédiaires (sa « réflexion »), et ajuste sa stratégie en cas de punition. Cela diffère des grands modèles linguistiques classiques, qui génèrent une réponse directement sans revenir en arrière. Ici, le modèle ignore ou valide les étapes « bonnes » pour arriver à la réponse finale.
Bien que cela semble être une percée majeure, voire une avancée vers l’intelligence artificielle générale (AGI), ce n’est pas le cas – on le voit au fait qu’OpenAI a choisi de sortir o1 comme un produit séparé plutôt qu’une mise à jour de GPT. Les exemples présentés par OpenAI – mathématiques, sciences – sont tous des tâches dont la réponse est connue à l’avance, permettant au modèle de guider sa « chaîne de pensée » à chaque étape.
Vous remarquerez qu’OpenAI n’a pas montré comment o1 résout des problèmes complexes dont la solution est inconnue, ni en maths ni ailleurs. OpenAI admet même avoir reçu des retours : o1 souffre davantage d’« hallucinations » que GPT-4o, et reconnaît moins facilement qu’il ne connaît pas la réponse. Car même si une partie du modèle vérifie sa sortie, cette partie « vérificatrice » peut aussi halluciner (parfois, l’IA invente des réponses plausibles, causant des hallucinations).
OpenAI affirme que, grâce au mécanisme de « chaîne de pensée », o1 est plus convaincant pour les utilisateurs humains. Parce qu’il donne des réponses plus détaillées, on est plus enclin à croire sa sortie, même si elle est totalement fausse.
Si vous pensez que je suis trop dur avec OpenAI, considérez comment l’entreprise commercialise o1. Elle décrit le processus d’apprentissage par renforcement comme « penser » et « raisonner », alors qu’en réalité, il s’agit de deviner, et chaque étape consiste à deviner si on a deviné juste, avec souvent une réponse prévisible.
C’est une insulte aux humains – de véritables penseurs. Notre pensée repose sur une série de facteurs complexes : expérience personnelle, connaissances accumulées, chimie cérébrale. Bien que nous « devinions » aussi certaines étapes lors de la résolution de problèmes complexes, nos devinettes reposent sur des faits concrets, pas sur des calculs mathématiques maladroits comme o1.
Et bon sang, le coût est exorbitant.
Le prix de o1-preview est de 15 $ par million de tokens d’entrée, 60 $ par million de tokens de sortie. Autrement dit, o1 coûte trois fois plus cher en entrée que GPT-4o, quatre fois plus en sortie. Mais il y a aussi un coût caché. Le data scientist Max Woolf souligne que les « tokens de raisonnement » – ceux générés pour aboutir à la réponse finale – ne sont pas visibles dans l’API. Cela signifie que non seulement o1 est plus cher, mais que son essence même oblige les utilisateurs à payer plus fréquemment. Tous les contenus générés pour « réfléchir » à la réponse (précisons que le modèle ne « pense » pas vraiment) sont facturés, rendant la résolution de problèmes complexes comme la programmation extrêmement coûteuse.
Parlons maintenant de la précision. Sur Hacker News – un site similaire à Reddit, appartenant à Y Combinator, société fondée par Sam Altman – des utilisateurs se sont plaints que o1 invente des bibliothèques et fonctions inexistantes en programmation, et se trompe sur des questions non trouvables facilement en ligne.
Sur Twitter, le fondateur de startup et ancien développeur de jeux Henrik Kniberg a demandé à o1 d’écrire un programme Python calculant le produit de deux nombres, et de prédire le résultat. Bien que o1 ait correctement écrit le code (quoique plus verbeux qu’une simple ligne), le résultat réel était complètement faux. Karthik Kannan, fondateur d’une entreprise IA, a testé une tâche de programmation : o1 a inventé une commande inexistante dans l’API.
Un autre utilisateur, Sasha Yanshin, a joué aux échecs contre o1, qui a « créé » une pièce supplémentaire sur l’échiquier, puis a perdu la partie.
Par curiosité, j’ai demandé à o1 de lister les États dont le nom contient « A ». Après 18 secondes de réflexion, il a donné 37 noms, incluant le Mississippi. La réponse correcte est 36.
Quand je lui ai demandé de lister les États contenant « W », après 11 secondes de réflexion, il a inclus Caroline du Nord et Dakota du Nord.
J’ai aussi demandé combien de fois la lettre « R » apparaît dans son nom de code « Strawberry ». Il a répondu deux.
OpenAI affirme que o1 performe comme un doctorant en physique, chimie et biologie sur des benchmarks complexes. Pourtant, il échoue en géographie, tests élémentaires d’anglais, maths et programmation.
Remarquablement, c’est exactement ce que j’avais prédit dans ma précédente newsletter : un « grand tour de magie stupide ». OpenAI a lancé « Strawberry » juste pour prouver aux investisseurs et au public que la révolution IA continue, mais a livré un modèle lourd, ennuyeux et coûteux.
Pire encore, il est difficile d’expliquer pourquoi quiconque devrait s’y intéresser. Bien que Sam Altman puisse vanter ses « capacités de raisonnement », ceux qui financent encore le projet voient un temps d’attente de 10 à 20 secondes, des erreurs de base, et aucune nouveauté excitante.
Personne ne se soucie plus des réponses « meilleures » – on veut du nouveau, et je ne pense pas qu’OpenAI sache comment y parvenir. Altman tente d’anthropomorphiser o1 en parlant de « pensée » et de « raisonnement », suggérant fortement que c’est un pas vers l’AGI, mais même les partisans les plus fervents de l’IA peinent à être enthousiasmés.
En réalité, je pense que o1 montre qu’OpenAI est désespéré et manque de créativité.
Les prix n’ont pas baissé, les logiciels ne sont pas plus utiles, et le tant attendu « modèle de prochaine génération » depuis novembre dernier s’est révélé un échec. Ces modèles ont un besoin urgent de données d’entraînement, au point que presque tous les grands modèles linguistiques absorbent des contenus protégés par le droit d’auteur. Cette urgence pousse Runway, l’un des plus grands éditeurs de vidéos génératives, à mener un « effort à l’échelle de l’entreprise » pour collecter des milliers de vidéos YouTube et du contenu piraté. Une plainte fédérale d’août accuse aussi NVIDIA d’adopter des pratiques similaires pour entraîner son logiciel IA « Cosmos ».
La stratégie juridique actuelle repose essentiellement sur la volonté de tenir, espérant que ces poursuites n’établissent pas de précédent légal définissant l’entraînement de ces modèles comme une violation du droit d’auteur – conclusion d’une étude interdisciplinaire récente lancée par une initiative sur le droit d’auteur.
Ces poursuites avancent : en août, un juge a autorisé les accusations de contrefaçon contre Stability AI et DeviantArt, ainsi que celles de contrefaçon de marque contre Midjourney. Si l’une de ces affaires aboutit, cela serait désastreux pour OpenAI et Anthropic, et encore plus pour Google et Meta, qui utilisent des jeux de données de millions d’artistes. Oublier les données d’entraînement est presque impossible pour les modèles IA, ce qui signifierait devoir les réentraîner depuis zéro – coûtant des milliards et réduisant fortement leur efficacité, déjà limitée.
Je crains profondément que les bases de cette industrie soient des châteaux de sable. Des modèles de grande taille comme ChatGPT, Claude, Gemini ou Llama sont insoutenables, sans voie vers la rentabilité, car la nature gourmande en calcul de l’IA générative exige des centaines de millions, voire des milliards, pour l’entraînement, et des quantités massives de données entraînées, si bien que ces entreprises volent littéralement les œuvres de millions d’artistes et d’écrivains, espérant échapper aux sanctions.
Même en mettant cela de côté, l’IA générative et son architecture associée ne semblent pas apporter de percée révolutionnaire, et le cycle de surenchère ne correspond pas vraiment au sens du terme « intelligence artificielle ». Au mieux, l’IA générative parvient occasionnellement à produire du contenu correct, résumer des documents ou faire des recherches « plus vite », mais d’une manière incertaine. Copilot de Microsoft 365 promet « des milliers de compétences » et « des possibilités infinies », mais ses exemples se limitent à générer ou résumer des e-mails, « lancer une présentation via un prompt » ou interroger des feuilles Excel – des fonctions peut-être utiles, mais loin d’être révolutionnaires.
Nous ne sommes pas « au début ». Depuis novembre 2022, les grandes entreprises tech ont dépensé plus de 150 milliards de dollars en dépenses d’infrastructure et investissements dans les startups IA émergentes, tout en développant leurs propres modèles. OpenAI a levé 13 milliards, pouvant embaucher qui elle veut, tout comme Anthropic.
Pourtant, le résultat de ce « plan Marshall » industriel pour l’IA générative n’est que quatre ou cinq grands modèles quasi identiques, les startups les moins rentables au monde, et des milliers d’applications intégrées chères et médiocres.
L’IA générative est vendue par plusieurs mensonges :
1. C’est de l’intelligence artificielle. 2. Ça va s’améliorer. 3. Ça deviendra une vraie IA. 4. C’est inévitable.
Outre des termes comme « performance » – souvent utilisés pour décrire la « précision » ou la « rapidité » de génération, pas les compétences – les grands modèles linguistiques sont en plateau. Être « plus puissant » ne signifie souvent pas « faire plus de choses », mais « coûter plus cher », ce qui veut dire que vous créez quelque chose de plus coûteux sans ajouter de fonctionnalités.
Si toutes les forces combinées des VC et des géants tech n’ont pas trouvé un cas d’usage réellement pertinent, pour lequel beaucoup paieraient, alors aucun nouveau cas n’apparaîtra. Les grands modèles linguistiques – oui, c’est là que vont ces milliards – ne deviendront pas soudainement capables parce que les géants tech et OpenAI y injecteront 150 milliards de plus. Personne n’essaie de rendre ces systèmes plus efficaces, ou du moins personne n’y est parvenu. S’il y avait réussi, on l’aurait crié haut et fort.
Nous faisons face à une illusion collective – une impasse technologique fondée sur le vol de droits d’auteur (comme chaque époque a ses problèmes inévitables), nécessitant un flux constant de capital pour fonctionner, offrant des services au mieux optionnels, déguisés en automatisation fantôme, coûtant des milliards, et continuant ainsi. L’IA générative ne fonctionne pas à l’argent (ni aux crédits cloud), mais à la confiance. Problème : la confiance – comme le capital-investissement – est une ressource limitée.
Je crains que nous soyons dans une crise IA similaire à la crise des subprimes – des milliers d’entreprises ont intégré l’IA générative dans leurs activités, mais les prix sont loin d’être stables, et encore plus loin d’être rentables.
Presque toutes les startups vantant une « IA intégrée » reposent sur des combinaisons de GPT ou Claude. Ces modèles sont créés par deux entreprises en plein déficit (Anthropic prévoit une perte de 2,7 milliards cette année), avec des stratégies tarifaires visant à attirer des clients, pas à être rentables. Comme mentionné, OpenAI dépend du soutien de Microsoft – y compris ses « crédits cloud » et ses tarifs préférentiels – son pricing repose entièrement sur le soutien continu de Microsoft en tant qu’investisseur et fournisseur. Anthropic connaît des problèmes similaires avec Amazon et Google.
Compte tenu de leurs pertes, je suppose que si OpenAI ou Anthropic facturaient près de leur coût réel, les API coûteraient 10 à 100 fois plus, bien que sans données précises. Mais examinons les chiffres de The Information : OpenAI prévoit 4 milliards de coûts serveurs chez Microsoft en 2024 – rappelons que c’est deux fois et demie moins cher que pour les autres clients – et perd encore plus de 5 milliards par an.
OpenAI ne facture probablement qu’une fraction minime du coût réel de ses modèles, et ne peut survivre qu’en levant constamment plus de fonds que jamais, tout en continuant à bénéficier de tarifs préférentiels de Microsoft, qui a récemment déclaré voir OpenAI comme un concurrent. Bien que non confirmé, on peut raisonnablement penser qu’Anthropic bénéficie de conditions similaires d’Amazon Web Services et Google Cloud.
Supposons que Microsoft ait donné à OpenAI 10 milliards de crédits cloud, qu’OpenAI dépense 4 milliards en serveurs, plus 2 milliards hypothétiques en formation – ces coûts augmenteront sûrement avec les nouveaux modèles o1 et « Orion » – alors OpenAI aura besoin de plus de crédits ou devra payer en cash à Microsoft d’ici 2025.
Bien que Microsoft, Amazon et Google puissent continuer leurs tarifs préférentiels, la question est de savoir si ces accords leur sont rentables. Comme vu après le dernier rapport trimestriel de Microsoft, les investisseurs s’inquiètent de plus en plus des dépenses en capitaux (CapEx) nécessaires à l’infrastructure IA générative, doutant de la rentabilité potentielle.
Et nous ignorons vraiment la rentabilité de l’IA générative pour ces grandes entreprises, car elles intègrent ces coûts dans d’autres revenus. Si ces activités étaient rentables, elles en parleraient, mais elles n’en parlent pas.
Le marché doute fortement de l’euphorie autour de l’IA générative, et le CEO de NVIDIA, Jensen Huang, n’ayant pas donné de réponse concrète sur le ROI de l’IA, la capitalisation boursière de NVIDIA a chuté de 279 milliards de dollars en un jour. C’est le plus gros krach boursier de l’histoire américaine, une perte totale équivalant à près de cinq fois la valeur de pointe de Lehman Brothers. Bien que la comparaison s’arrête là – NVIDIA n’est même pas en danger de faillite, et même en cas d’échec, l’impact systémique serait moindre – c’est un montant ahurissant, montrant la distorsion massive de l’IA sur les marchés.
Début août, Microsoft, Amazon et Google ont tous subi des pressions boursières dues à leurs énormes CapEx liés à l’IA. S’ils ne montrent pas une croissance significative des revenus au prochain trimestre grâce à ces 150 milliards (ou plus) investis en centres de données et GPUs NVIDIA, ils feront face à davantage de pression.
Il faut se souvenir que, hormis l’IA, les grandes entreprises tech n’ont plus d’autres marchés porteurs. Quand des entreprises comme Microsoft et Amazon montrent des signes de ralentissement, elles s’empressent de montrer au marché qu’elles restent compétitives. Google, une entreprise presque entièrement dépendante de la recherche et de la publicité, a besoin de quelque chose de nouveau et spectaculaire pour attirer les investisseurs – or, ces produits n’apportent pas assez d’utilité, et une grande partie des revenus provient de sociétés qui « essayaient » l’IA et ont conclu que ce n’était pas rentable.
Deux scénarios sont possibles :
1. Les grandes entreprises tech réalisent qu’elles sont trop engagées, craignant la colère de Wall Street, elles réduisent leurs CapEx liés à l’IA.
2. Elles décident, pour trouver une nouvelle croissance, de couper les coûts afin de maintenir leur « course à la mort » en IA générative, en licenciant et en redirigeant les fonds d’autres départements.
On ne sait pas lequel se produira. Si les grandes entreprises tech acceptent que l’IA générative n’est pas l’avenir, elles n’ont en réalité rien d’autre à montrer à Wall Street, mais pourraient adopter une stratégie du type « année de l’efficacité » de Meta, réduisant les CapEx (et les effectifs) tout en promettant une « baisse des investissements ». C’est la voie la plus probable pour Amazon et Google, qui, malgré leur désir de satisfaire Wall Street, ont encore des activités monopolistiques rentables.
Mais les prochains trimestres doivent montrer une croissance réelle des revenus issus de l’IA, substantielle, pas des phrases vagues sur l’IA étant un « marché mature » ou une « croissance annualisée ». Si les CapEx augmentent, cette contribution réelle devra être nettement plus élevée.
Je ne pense pas que cette croissance viendra. Que ce soit au T3 ou T4 2024, ou au T1 2025, Wall Street commencera à punir les grandes entreprises tech pour leur avidité envers l’IA, et cette punition sera plus sévère que celle infligée à NVIDIA, bien que Jensen Huang avec ses discours creux et ses slogans inutiles, NVIDIA soit la seule entreprise capable de montrer comment l’IA augmente les revenus.
Je crains que le deuxième scénario soit plus probable : ces entreprises croient fermement que « l’IA est l’avenir », leur culture est totalement déconnectée du développement logiciel orienté vers des problèmes réels, et elles pourraient brûler toute l’entreprise. Je crains que de vastes licenciements servent à financer ce mouvement, et les dernières années me font penser qu’elles ne prendront pas la bonne décision, qu’elles ne quitteront pas l’IA.
Les grandes entreprises tech sont totalement contaminées par les consultants en management – Amazon, Microsoft et Google sont dirigées par des MBA – et entourées de monstres similaires comme Prabhakar Raghavan chez Google, qui a écarté ceux qui ont construit la recherche Google pour prendre le contrôle.
Ces personnes ne font pas face aux problèmes humains, elles ont créé une culture centrée sur la résolution de problèmes fictifs que les logiciels peuvent « réparer ». Pour ceux dont la vie se passe en réunions ou à lire des e-mails, l’IA générative peut sembler magique. Je pense que l’état d’esprit de réussite de Satya Nadella repose surtout sur « faire en sorte que les techniciens résolvent les problèmes ». Sundar Pichai aurait pu mettre fin à toute la frénésie de l’IA générative en se moquant simplement de l’investissement d’OpenAI par Microsoft – mais il ne l’a pas fait, car ces gens n’ont aucune idée concr
Bienvenue dans la communauté officielle TechFlow
Groupe Telegram :https://t.me/TechFlowDaily
Compte Twitter officiel :https://x.com/TechFlowPost
Compte Twitter anglais :https://x.com/BlockFlow_News
@edzitron
