Les entreprises d'IA ne sont pas rentables, elles devraient prendre exemple sur le métro de Hong Kong
TechFlow SélectionTechFlow Sélection
Les entreprises d'IA ne sont pas rentables, elles devraient prendre exemple sur le métro de Hong Kong
Les laboratoires d'IA ne gagneront jamais d'argent ? MTR a déjà donné la réponse il y a 45 ans.
Dédié à des analyses Web3 approfondiesAuteur : Michael Wenye Li
Traduit par : TechFlow
Note de TechFlow : Les laboratoires d'IA ont brûlé des centaines de milliards de dollars, mais personne ne sait clairement quand l'argent sera récupéré. Les prix des API chutent d'un facteur 10 chaque année, l'open source poursuit le closed source, et les coûts d'entraînement s'accumulent de plus en plus. Cet article sort de la perspective de l'industrie technologique et offre une réponse très inspirante en utilisant le modèle commercial de 45 ans du métro de Hong Kong MTR : ne pensez pas à gagner de l'argent avec les billets, possédez les propriétés au-dessus des stations.
Ils ne peuvent pas gagner d'argent, et la question elle-même est mal posée
Il existe une entreprise qui ressemble à ceci : des milliards de capitaux investis au préalable, pas un sou de revenu. Le prix du service de base frôle le coût marginal. Une énorme valeur est créée pour les utilisateurs, mais les constructeurs ne gardent presque rien. Ils doivent continuellement investir dans l'infrastructure de la prochaine génération.
Cela ne décrit pas les laboratoires d'IA, mais les grands systèmes ferroviaires.
Beaucoup utilisent le chemin de fer pour faire une analogie avec l'industrie de l'IA, et la conclusion de la plupart est : les technologies générales ont des attributs de bien public, et la viabilité commerciale ne peut pas se passer de subventions gouvernementales.
Je souhaite contester cette conclusion. Car le MTR de Hong Kong (Metro de Hong Kong) a en fait résolu ce problème. C'est l'un des très rares systèmes de métro au monde capable de s'autofinancer commercialement, une société cotée en bourse, qui verse des dividendes et ne reçoit pas de subventions opérationnelles gouvernementales.
La structure financière est exactement la même
L'activité ferroviaire de base du MTR n'a jamais pu financer sa propre expansion. 2018 était la meilleure année avant la pandémie, avec un EBIT de 2 milliards de dollars HK pour l'activité de transport. Alors que les dépenses en capital estimées pour 2024-2026 sont de 87,9 milliards de dollars HK, presque entièrement dédiées au ferroviaire. Trois années de profits ferroviaires records ne suffisent à couvrir que 8 % des dépenses en capital. Les revenus des billets ne suffisent jamais à construire la ligne suivante, ce qui n'a jamais été l'intention de sa conception.
Les tarifs du MTR sont maintenus à un niveau abordable grâce au mécanisme d'ajustement des tarifs gouvernemental. Il est impossible de fixer les tarifs à un niveau permettant de récupérer les coûts de construction ; personne ne pourrait se le permettre, et cela irait à l'encontre de l'objectif du transport public. Chaque ligne peut peut-être couvrir ses propres coûts opérationnels, mais les revenus des billets ne soutiendront jamais la construction de la ligne suivante.
La tarification des API de l'IA fait face à une version miroir du même problème. La distillation et les alternatives open source font chuter les prix des API d'environ 10 fois par an ; tout laboratoire fixant un prix supérieur au coût marginal perdra du volume au profit de concurrents. Chaque modèle peut réaliser une profitabilité opérationnelle au niveau de l'inférence, mais la marge ne soutiendra jamais les dépenses de la prochaine ronde d'entraînement.
La solution courante dans le monde est la subvention. Le métro de Londres dépend des financements de TfL, le train à grande vitesse chinois porte des dettes de mille milliards de dollars, 94 % des lignes ne sont pas rentables. L'IA suit la même voie : loi CHIPS, projet Stargate, investissements de fonds souverains, contrats du Pentagone. Le scénario par défaut est une infrastructure quasi publique dépendante des subventions.
Le MTR a trouvé une autre voie.
Chemin de fer + Immobilier
Dès le début de la construction du MTR en 1979, les concepteurs ont compris que les tarifs ne récupéreraient jamais les coûts de construction. Ils ont donc structuré l'entreprise autour d'une prémisse complètement différente : le chemin de fer fera apprécier les terres environnantes, il faut donc garder les terres en main.
Le MTR développe des immeubles résidentiels, des bureaux et des centres commerciaux au-dessus et autour des stations, empochant la plus-value créée par son infrastructure. Les bénéfices immobiliers realimentent l'exploitation ferroviaire et financent la ligne suivante. Aujourd'hui, le MTR possède 13 centres commerciaux et gère 47 projets immobiliers au-dessus des stations ; l'immobilier contribue à la majeure partie des bénéfices réels.
La logique est claire : ne pensez pas à capturer la valeur du service ferroviaire lui-même, possédez les actifs qui s'apprécient grâce au chemin de fer.
La correspondance avec l'IA
« Quand les laboratoires d'IA gagneront-ils de l'argent ? » et « Quand le chemin de fer pourra-t-il s'autofinancer grâce aux billets ? » sont des problèmes isomorphes. La réponse est la même : impossible, et la question elle-même est mal posée.
Une startup de biotechnologie utilise un modèle de pointe pour sélectionner des composés pharmaceutiques, économisant deux ans d'essais cliniques. Une entreprise de logistique l'utilise pour optimiser les itinéraires, économisant 40 millions de dollars de carburant. Un développeur indépendant livre en un week-end un projet qui aurait pris trois mois à une équipe de cinq personnes. Dans chaque cas, le fournisseur du modèle ne récupère qu'une fraction de pourcentage de la valeur via les frais d'API. Le fournisseur ne peut pas augmenter les prix, car il y a quatre autres laboratoires et une douzaine d'alternatives open source offrant des capacités similaires. La valeur excédentaire flue vers les utilisateurs et l'économie au sens large.
C'est ainsi que fonctionnent les technologies générales. La machine à vapeur, l'électricité, TCP/IP n'ont jamais généré de revenus significatifs pour leurs créateurs.
La leçon du MTR : n'essayez plus de faire couvrir les coûts de construction par les billets, allez trouver votre « immobilier ».
Quatre solutions candidates, classées par défensabilité
Les droits de déploiement accordés par le gouvernement arrivent en premier. Le gouvernement autorise un laboratoire à accéder exclusivement aux dossiers médicaux nationaux, au système fiscal ou à la logistique de défense. Les données de domaine accumulées par le laboratoire, la profondeur de l'intégration système et les qualifications réglementaires prennent des années à reproduire. C'est le propre mécanisme du MTR : l'État accorde des droits de développement basés sur des attributs de monopole naturel.
Les données de récompense d'apprentissage par renforcement accumulées arrivent en deuxième position. Des milliards de signaux d'interaction sont utilisés pour entraîner la prochaine génération de modèles. Contrairement aux poids du modèle (qui se déprécient en raison de la distillation), les données RL sont presque impossibles à reproduire et s'accumulent par intérêts composés d'une génération à l'autre. Elles ne peuvent pas être monétisées directement, mais c'est un terrain, qui s'apprécie, et qui n'est pas encore développé.
L'intégration par déploiement préemptif arrive en troisième position. Plutôt que de vendre l'interface du modèle à une société de conseil et de la laisser empocher le surplus de productivité, il vaut mieux posséder de bout en bout toute la couche de prestation de services. Comme Palantir qui intègre des ingénieurs dans les agences gouvernementales au lieu de vendre des licences logicielles. Le laboratoire ne facture pas de frais d'API aux cabinets d'avocats ; le laboratoire devient le service de recherche juridique lui-même, tarifant sur les résultats livrés plutôt que sur les tokens consommés. Les coûts de changement s'accumuleront continuellement avec l'accumulation de données de domaine et de connaissances institutionnelles. C'est le centre commercial du MTR : monétiser le flux de passagers créé par le chemin de fer, plutôt que d'augmenter les tarifs pour les passagers.
La garde des données des ensembles de données nationaux arrive en quatrième position. Les gouvernements de divers pays détiennent de grands ensembles de données sous-utilisés (dossiers des patients, déclarations fiscales). Un laboratoire de pointe désigné comme gardien obtient un accès exclusif, entraîne des modèles et construit des produits basés sur ces données. Mais cela créera un monopole de données public-privé, nécessitant une architecture de gouvernance stricte : des limites d'utilisation claires, des bénéfices revenant au public, une supervision indépendante et des mécanismes de responsabilité vraiment contraignants.
Redéfinir le problème
Les laboratoires qui survivront ne sont pas ceux qui rendent l'API rentable, mais ceux qui trouvent dès maintenant leur « immobilier au-dessus de la station » et commencent à construire. L'API est le chemin de fer, elle ne sera jamais assez rentable. L'argent se trouve dans les actifs qui s'apprécient autour du chemin de fer.
Les questions au niveau des politiques suivent : plutôt que de subventionner les exécutions d'entraînement, les gouvernements devraient concevoir des mécanismes institutionnels (cadre des droits de déploiement, structure de garde des données, standards de mesure de la productivité) permettant aux laboratoires de capturer la valeur excédentaire créée par leur infrastructure.
Enfin, il y a une ironie. Les discussions sur les politiques d'IA sont dominées par le cadre sino-américain : les laboratoires de libre marché américains contre les entreprises champions soutenues par l'État chinois. Le modèle institutionnel le plus référentiel pourrait n'être ni l'un ni l'autre. Cela pourrait être le modèle de Hong Kong : un hybride public-privé de 45 ans d'histoire, opérant commercialement, réalisant un autofinancement grâce à la conception institutionnelle plutôt qu'à l'idéologie.
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
