Perspectives | L’IA, encore une fois

« The Fizz » et les perspectives de transformation // L’économie surchargée de l’IA [J2T#663]

Traduction de Futures | AI, again, par Andrew Curry sur Substack, 28 avril 2026

1 : « The Fizz » et les avenirs transformateurs

Cet article est une réédition d’un texte que j’ai récemment rédigé pour le Sustainability Accelerator de Chatham House au sujet de « The Fizz », un projet prospectif basé sur l’IA sur lequel je travaille avec David Bent et l’équipe de l’Accelerator. Il commence par une introduction rédigée par l’équipe de l’Accelerator.

Dans le cadre des recherches en cours du Sustainability Accelerator sur The Rift, nous travaillons avec plusieurs groupes pour comprendre quels types de pratiques peuvent nous aider le plus efficacement à naviguer dans les conditions émergentes de perturbations climatiques et sociétales.

En tant que discipline, la prospective cherche à comprendre les forces qui façonnent l’avenir, afin que nous puissions faire de meilleurs choix dans le présent. Alors que nous traversons les premières années de notre nouvelle réalité – marquée par des crises qui se chevauchent dans les domaines du climat, de la biodiversité, de l’économie, de l’énergie et de la géopolitique –, nous avons exploré le rôle que pourraient jouer des approches innovantes de la prospective.

Cela nous a amenés à réfléchir à la manière dont l’IA peut être utilisée à bon escient, pour augmenter les capacités humaines et susciter la création de nouveaux sens. L’un des résultats est The Fizz, un outil de prospective assisté par l’IA, que nous avons développé en collaboration avec l’éminent futuriste Andrew Curry et le stratège David Bent de l’Atelier of What’s Next.

Dans cet article, Andrew décrit l’approche sous-jacente de la réflexion sur l’avenir incarnée par The Fizz – et comment celle-ci nous aide à comprendre et à répondre à notre moment présent.

Les idées sur l’avenir ne sont pas neutres. Elles accaparent constamment notre temps et notre attention, souvent sans que nous nous en rendions compte. Ces idées sont conçues pour influencer l’avenir qui nous attend. Il importe donc de savoir qui a le droit de participer aux conversations sur l’avenir, qui a cette opportunité, et quelle approche est utilisée pour générer ces futurs.

La qualité et l’étendue de nos conversations sur l’avenir déterminent désormais ce que deviendra le monde. Ce n’est pas une idée nouvelle. Il y a 60 ans, l’activiste autrichien Robert Jungk écrivait, avec Johann Galtung : « L’avenir appartient à nous tous, et pas seulement à de petits groupes oligarchiques et à leurs intérêts ». Un travail de réflexion sur l’avenir bien mené devrait nous aider à construire des sociétés plus résilientes, capables de s’épanouir même face à l’adversité.

Mais, comme le dit Sarah Houle dans Designing Hope, « Nous sommes confrontés à un problème majeur : nous manquons de nouveaux avenirs sur lesquels fonder nos espoirs. » Au lieu de cela, notre discours sur l’avenir est dominé par les rêves de milliardaires, qui semblent les avoir tirés tels quels des bandes dessinées de leur enfance : aller sur Mars, des machines conscientes, une durée de vie infinie. Ou, comme le titre évocateur d’un livre récent, « Plus de tout, pour toujours ».

*(L’avenir dans les bandes dessinées. The Usborne Book of the Future, 1979.)*

Il est difficile de mener à bien tout travail sur l’avenir. À un certain niveau, il s’agit d’une capacité humaine innée : selon des recherches récentes, notre cerveau est engagé dans un voyage mental dans le temps presque tout le temps. Comme l’explique Dean Buonomano dans Your Brain is a Time Machine, nous accédons à nos souvenirs, « en utilisant ces souvenirs pour imaginer des scénarios futurs, en comprenant la différence entre le passé et l’avenir, et en étant capables de juger si l’avenir simulé est souhaitable ou non ». Il s’agit toutefois d’un travail cognitif exigeant. Pourtant, la construction de la cognition, tant individuelle que partagée, est essentielle à tout processus prospectif significatif : comme aiment à le dire les futurologues, « le processus est le produit ». De nouveaux futurs émergent à travers cette construction sociale.

Et dans ce contexte s’inscrivent les grands modèles linguistiques (LLM) et l’intelligence artificielle (IA), que cela nous plaise ou non. Plutôt que de nous en plaindre, nous devons trouver des moyens pour que les LLM et l’IA contribuent à rendre la réflexion prospective plus efficace, au lieu de reproduire – ou d’aggraver – les mauvaises pratiques.

Les futurs dont nous avons besoin

Une grande partie des pratiques prospectives courantes a vu le jour dans les années 1970 et 1980, afin de permettre aux grandes institutions de se maintenir face à une succession de chocs externes. Cela transparaît dans ses méthodes.

Le « scanning » – processus consistant à rechercher les premiers signes de changement pour en comprendre les impacts futurs potentiels – est dominé par des « moteurs de changement » externes, structurels, à grande échelle et faciles à repérer, qui ont tendance, s’ils sont utilisés sans esprit critique, à renforcer les perspectives dominantes.

Les méthodes de scénarios – qui construisent un ensemble de futurs possibles multiples – et, en particulier, le cadre de « logiques intuitives » 2×2, renforcent cette tendance et peuvent effacer les conflits de valeurs et d’éthique du débat sur l’avenir. C’est l’une des raisons pour lesquelles Richard Slaughter a qualifié ces approches de « flatland ». L’« orientation décisionnelle » au début du processus 2×2 exclut ces grandes questions. Même si certaines questions peuvent échapper à cette tendance, la notion de « futurs plausibles » est souvent un code pour « pas dans ma vision du monde ». Comme l’écrit Shirin Elahi, les institutions évitent le malaise en péchant « par excès de familiarité et de déni de l’incertitude ».

Mais même lorsque toutes ces questions sont prises en compte, il existe encore de multiples obstacles à un travail de prospective de qualité, surtout si l’on se soucie de savoir qui peut participer à nos conversations sur l’avenir. L’analyse prospective est fastidieuse et nécessite une certaine expertise, et donc des ressources. Il peut également être difficile pour les gens de savoir quoi faire des documents prospectifs lorsqu’ils les voient.

De plus, les gens peuvent être accablés par le présent ; ils peuvent manquer d’imagination quant à leur avenir. Tout cela peut faire obstacle à la création d’un processus commun conçu pour construire un sens partagé au service d’un « avenir meilleur ».

Par « meilleur », nous entendons des pratiques prospectives ouvertes à des voix plus nombreuses et plus diverses, et qui libèrent l’imagination tout en respectant les contraintes réelles auxquelles sont confrontés les êtres humains. Les méthodes pour un avenir meilleur devraient également être plus efficaces pour créer des communautés en faveur du changement, par le dialogue et la pratique sociale. En termes simples, les nouvelles idées sur l’avenir qui ont le potentiel et l’énergie de créer le changement n’émergent que par l’interaction. Les personnes qui s’engagent dans un avenir « meilleur » ajustent leurs hypothèses et leurs normes ; elles prennent des décisions différentes.

Mais il est également possible de libérer les pratiques d’avenir de l’espace technique et analytique dans lequel elles s’inscrivent souvent, de s’engager davantage avec la culture et d’accélérer le rythme de l’apprentissage de l’avenir. C’est pourquoi nous avons entrepris de créer The Fizz – un outil destiné à bouleverser les pratiques traditionnelles d’avenir. Compte tenu de l’ampleur des défis auxquels l’humanité est actuellement confrontée, nous devons élargir notre discours sur l’avenir et créer un éventail plus large d’idées sur ce qui pourrait être possible.

Au cours du développement de The Fizz, cet ensemble de conclusions a évolué au fil du temps, à travers un long processus de réunions et d’ateliers. Mais en réalité, ces conversations ont donné naissance à une série de problématiques que nous avons entrepris de résoudre :

Comment créer des conversations sur l’avenir plus riches afin de stimuler une meilleure prise de décision ?
Comment parvenir plus rapidement à des conversations efficaces sur l’avenir ?
Comment élargir l’imaginaire des gens concernant l’avenir ?
Dans ce contexte, en quoi les LLM et l’IA peuvent-ils apporter une contribution différente de celle des humains ?

Principes de conception

Certaines réponses à ces questions se trouvent déjà dans la littérature sur l’avenir. Par exemple, The Fizz (influencé par le projet Seeds of a Good Anthropocene) se concentre sur les signaux faibles plutôt que sur les « moteurs du changement » plus familiers et plus courants qui sous-tendent généralement les travaux de scénarios. Les signaux faibles décrivent généralement les comportements marginaux de personnes ayant une vision dissidente de la société.

À ce stade de son développement, nous utilisons les LLM de deux manières. Premièrement, un moteur d’analyse qui repère les « graines », ces signaux faibles pertinents pour le programme de recherche Rift de l’Accelerator. Ensuite, un moteur générateur qui crée des « packs d’avenir » – des éléments narratifs d’un futur dans lequel les semences initiales sont devenues des phénomènes dominants, façonnant une ère. Mais ces packs ne sont que des amorces de conversation, et ils sont délibérément incomplets. Plutôt que d’être des scénarios aboutis, ce sont des perspectives qui se chevauchent sur un monde futur possible. Pour être interactif, il doit également rester inachevé, comme l’a écrit Brian Eno – invitant les utilisateurs et les interprètes humains à travailler avec ces lacunes.

Ces fragments d’avenir sont également conçus pour stimuler l’imagination. Ils peuvent inclure des bulletins radio ou des récits de styles variés, afin d’aider les gens à prendre pied dans le futur. S’inspirant des travaux de Cassie Robinson et de la Joseph Rowntree Foundation, notre collaborateur David Bent a décrit The Fizz comme «une infrastructure de l’imagination», adoptant une approche critique envers les relations sociales existantes, créative dans l’exploration de nouvelles possibilités et empathique envers les multiples perspectives.

Mais trêve de considérations sur les humains. Ce que nous avons découvert en travaillant avec The Fizz, qui en est encore à ses débuts, c’est que, comme l’IA effectue un balayage continu, elle intègre dans ses descriptions de fragments d’avenir un éventail d’idées et de concepts plus large que ce qu’un groupe d’humains serait capable d’identifier.

Par exemple, lors d’un récent test sur l’avenir des technologies numériques, elle a décrit un futur où se tiendraient chaque mois des « exercices de coupure de courant », destinés à garantir le bon fonctionnement des systèmes de secours en cas de panne du réseau. Cette procédure combinait des fiches papier et un logiciel mainframe hérité, validés à l’aide d’une encre au graphène infalsifiable. Dans les approches conventionnelles de l’avenir, il faut parfois des semaines d’immersion et de multiples ateliers pour parvenir à ce genre de point de départ « et si ».

Les idées sur l’avenir ne manquent pas, mais beaucoup d’entre elles sont des « futurs usagés » qui ont peu à dire sur le monde tel qu’il existe réellement et dans lequel nous vivons actuellement. En revanche, il y a une pénurie de futurs imaginatifs qui nous aident à élargir notre perception de ce qui pourrait être possible. The Fizz est un outil destiné à élargir l’imaginaire du futur. Il est conçu pour nous aider à créer des voies nouvelles et différentes pour traverser la crise, dans l’espoir que des choix plus visionnaires puissent nous mener vers des futurs transformateurs plutôt que vers l’effondrement. Rendez-vous là-bas.

Ce texte est une adaptation légère de la version initialement publiée sur le site web du Sustainability Accelerator de Chatham House.

2 : L’économie surchargée de l’IA

Je ne voulais pas revenir si tôt sur l’économie de l’IA, mais il semble qu’il y ait encore des choses à dire sur l’idée que l’IA pourrait connaître la même économie problématique de boom et de krach que l’industrie aéronautique. Et Gartner semble avoir chiffré à quel point il serait difficile de rentabiliser les investissements dans les centres de données. Suivez l’argent, comme on dit.

Pour revenir un instant au problème : tel que j’ai cité Dan Davies dans mon dernier article à ce sujet,

l’économie de l’IA semble être celle des centres de données.

Et l’économie des centres de données est horrible. Il s’agit principalement de composants électroniques coûteux ayant une durée de vie relativement courte (5 à 10 ans), ce qui entraîne donc une importante facture d’amortissement annuel. L’amortissement est la convention comptable qui stipule que vous devez passer en perte les immobilisations de manière régulière à mesure qu’elles perdent de la valeur au cours de leur durée de vie.

*(L’amortissement, ou le rythme auquel les choses s’usent. Ou inventez votre propre métaphore. Image* *via Etsy*.)

L’autre partie de l’équation financière concerne les coûts marginaux des jetons, qui ne sont pas les coûts marginaux négligeables de l’Internet. Il y a là des coûts réels, même s’ils sont faibles.

D’où la comparaison avec l’industrie aéronautique, dans laquelle les avions sont l’équivalent des centres de données et les passagers l’équivalent des jetons.

Il s’avère que Davies n’était pas le premier à faire la comparaison entre l’IA et le secteur aéronautique. (Je remercie mon collègue de Fizz, David Bent, pour ce lien : et comme Davies est généralement très rigoureux lorsqu’il s’agit de citer ses sources, je suppose qu’il n’était pas au courant de cela.)

L’économiste Noah Smith l’a mentionnée en passant à la fin d’un article un peu confus publié en décembre dernier, dans lequel il proposait trois modèles/métaphores pour comprendre le secteur de l’IA.

Les deux autres étaient : un « scénario de réalité virtuelle », dans lequel la technologie n’est pas assez utile pour justifier l’investissement en capital ;¹ et le scénario ferroviaire, dans lequel les bénéfices ne sont pas assez rapides pour justifier l’investissement, ce qui conduit à un krach.² Quoi qu’il en soit, après une longue discussion sur les deux premiers, il ajoute rapidement le scénario aérien à la fin. Cependant, un autre économiste américain, Brad deLong, l’a repéré et le résume ainsi :

Le scénario des compagnies aériennes correspond à une technologie de pointe très utile déployée à grande échelle, mais comme les marchés sont concurrentiels et que les rendements d’échelle sont largement absents, il n’y a pratiquement pas de bénéfices, les prix étant constamment poussés à la baisse jusqu’au coût marginal à court terme.

Il se trouve que, depuis mon dernier article, The Verge a publié un article sur une analyse de Gartner réalisée par Will Sommer qui tente de chiffrer tout cela. Tout d’abord, les investissements dans les centres de données :

Entre 2024 et 2029, a-t-il déclaré, Gartner estime que les investissements en capital dans les centres de données d’IA atteindront environ 6 300 milliards de dollars — une « somme colossale ».

Quel type de rendement cela implique-t-il donc ?

Pour éviter une dépréciation de ces actifs, les principaux fournisseurs de modèles d’IA devraient idéalement générer un rendement du capital investi (ROIC) d’environ 25 %, a déclaré M. Sommer.

C’est ce que Amazon, Google et Microsoft gagnent généralement sur leurs investissements en capital.³ Il semble très probable que leurs bénéfices sur les centres de données seront inférieurs à ce chiffre — un autre indicateur que nous nous trouvons à l’extrémité droite de la courbe en S, où les rendements ralentissent plutôt qu’ils n’accélèrent.

Si les rendements tombent en dessous de 12 %, les capitaux institutionnels se désintéressent — il y a de meilleurs placements ailleurs, a déclaré M. Sommer. En dessous de 7 %, on entre dans la zone de dépréciation, ce qui constitue « un désastre sans précédent pour tous les investisseurs dans cette technologie », a-t-il ajouté.

Voici quelques chiffres concernant les rendements nécessaires pour atteindre ce seuil de 7 % :

Gartner prévoit que les grandes entreprises d’IA devraient générer au total près de 7 000 milliards de dollars de revenus liés à l’IA d’ici 2029, soit près de 2 000 milliards de dollars par an d’ici la fin de la période.

C’est bien loin de leurs revenus probables, compte tenu de leur situation actuelle. L’article effectue également des calculs ascendants sur le nombre de jetons IA qu’il faudrait traiter, et avec quelles marges,

[p]our atteindre les 2 000 milliards de dollars de dépenses annuelles calculés par Gartner, … [m]ême en supposant une marge bénéficiaire très généreuse de 10 % par jeton, cela signifierait que la consommation de jetons d’ici à 2030 devrait croître de 50 000 à 100 000 fois. [C’est moi qui souligne]

Même si les calculs de Gartner étaient erronés d’un facteur 100, cela impliquerait tout de même des taux de croissance héroïques et irréalisables, étant donné qu’ils impliquent les investissements en capital nécessaires dans les centres de données.⁴

Et du côté des revenus, les marges sont difficiles à défendre, car les coûts de changement sont pratiquement nuls et les modèles open source grignotent les marges sur des travaux qui seraient autrement moins coûteux à réaliser.

Il convient également de noter un article publié l’année dernière par Mihir Kshirsagar, du Center for Information Technology Policy de Princeton, dans lequel il soutient que l’une des façons dont les entreprises d’IA gèrent actuellement ce problème d’amortissement de leurs investissements en capital consiste essentiellement à — enfin, il n’utilise pas ce mot — à mentir à ce sujet.

Kshirsagar calcule que

les puces au cœur du déploiement de l’infrastructure ont une durée de vie utile d’un à trois ans en raison de l’obsolescence technologique rapide et de l’usure physique, mais les entreprises les amortissent sur cinq à six ans.

The Economist a qualifié cela de « casse-tête comptable de 4 000 milliards de dollars au cœur du cloud IA », derrière un mur payant.

Tout cela semble peut-être un peu technique, mais il s’agit essentiellement d’un moyen de surévaluer sa rentabilité actuelle, même si cela signifie que l’on finira par en subir les conséquences plus tard — peut-être même une perte de 4 000 milliards de dollars. Comme l’a noté The Economist,

En juillet, Jim Chanos, un vendeur à découvert chevronné, a publié un article indiquant que si la durée de vie économique réelle des puces IA de Meta est de deux à trois ans, alors « la plupart de ses « bénéfices » sont considérablement surévalués ». Une analyse récente d’Alphabet, d’Amazon et de Meta réalisée par la banque Barclays a estimé que des coûts d’amortissement plus élevés réduiraient de 5 à 10 % leur bénéfice par action.

Kshirsagar pense qu’il s’agit d’une stratégie de conquête du marché. Son analyse du marché est assez détaillée, et je n’ai pas assez de place ici pour l’exposer, mais en substance, il suggère que le marché de l’IA est le théâtre d’une concurrence organisée autour de trois coalitions rivales et relativement étroitement alignées : Microsoft-OpenAI ; Amazon-Anthropic (avec un lien vers Google) ; et Meta. L’effet — et peut-être l’objectif — de ce « décalage » comptable est de créer une subvention en capital pour faciliter la conquête du marché. Cette subvention

permet aux dirigeants des coalitions de subventionner la tarification au niveau de la couche applicative, d’étendre leur capacité plus rapidement que ne le justifie la réalité économique, et de présenter des indicateurs de rentabilité qui attirent des capitaux à des conditions plus favorables que ne le justifie leur réalité opérationnelle.

Mais cela signifie également que si vous ne développez pas le marché, un énorme trou noir comptable vous attend à terme.

L’une des raisons pour lesquelles la comparaison avec l’industrie aéronautique est importante est qu’elle suggère que l’une des craintes récurrentes et souvent répétées concernant l’IA est infondée. Pour paraphraser légèrement, cette crainte est que tous les bénéfices de l’IA reviennent à nos nouveaux maîtres technologiques, tandis qu’une population appauvrie se bat pour des miettes économiques.

Mais revenons au billet de Brad deLong : dans un secteur dont l’économie s’apparente à celle de l’aviation, les entreprises qui gèrent ces activités ne peuvent pas conserver leurs bénéfices. Les avantages reviennent au reste d’entre nous :

La technologie fonctionne. Elle se diffuse. Elle devient une infrastructure. Pourtant, les rentes ne reviennent pas aux opérateurs, et à long terme, peu de rentes reviennent aux fabricants d’outils et aux fournisseurs. Au contraire, les rentes existantes reviennent aux complémentaires en aval. Et la grande majorité de la valeur revient aux clients sous forme de surplus de l’utilisateur.

Et deLong estime que la dynamique concurrentielle du secteur de l’IA est telle que le scénario de l’aviation n’est pas seulement possible, mais probable :

Il y a une caractéristique très importante de la situation que, selon moi, Noah néglige. C’est un facteur très puissant, et à mon avis probablement décisif, qui nous pousse vers le scénario (3) des compagnies aériennes.

Et je vais citer ici dans son intégralité le résumé que fait deLong de ce point :

Google, Facebook et Amazon ne veulent pas que quiconque — absolument personne — leur enlève leurs profits issus de la recherche et des réseaux sociaux en proposant des interfaces frontales en langage naturel pour explorer Internet, se connecter avec des amis, accéder à des divertissements et faire des achats.

Apple ne veut pas que quiconque – absolument personne – lui enlève ses profits sur les ventes de matériel iPhone en proposant aux smartphones Android bon marché une interface logicielle en langage naturel basée sur le cloud meilleure que celle offerte par la suite logicielle de l’iPhone.

Microsoft ne veut pas que quiconque – absolument personne – lui enlève ses profits liés au travail de bureau et aux entreprises dans le cloud en proposant de meilleures interfaces en langage naturel pour la manipulation des mots, des chiffres et des flux de documents administratifs.

Et face aux menaces pesant sur ces bénéfices de la part de quiconque, affirme-t-il, les cinq géants réagiront ainsi :

S’il semble un jour qu’OpenAI ou n’importe qui d’autre atteigne l’échelle d’un agrégateur de plateformes en vendant des services basés sur l’IA, Google, Facebook, Amazon, Apple ou Microsoft — ou probablement les cinq à la fois — empêcheront cela en offrant gratuitement des substituts suffisamment performants.

En d’autres termes, nous devons comprendre l’ampleur des investissements actuels de Google et consorts dans l’IA comme des investissements défensifs visant à protéger leurs marchés existants et leurs parts de marché actuelles, en dépensant les énormes profits qu’ils ont réalisés pendant le long boom des technologies numériques. Je me demande si, avec le recul, nous pourrions penser qu’il s’agissait d’une erreur stratégique — ou, à l’inverse, s’il s’agit de l’un de ces moments stratégiques où les entreprises doivent brûler de l’argent parce que l’alternative est pire.⁵

Et l’une des raisons pour lesquelles cela importe est d’ordre analytique : cela souligne que l’IA, malgré tout son potentiel, marque la fin de l’essor des technologies de l’information numérique, et non le début d’une nouvelle vague d’investissements.⁶

j2t#663

Si vous appréciez Just Two Things, n’hésitez pas à le transmettre à un ami ou à un collègue.

Notes

1
À ce sujet, voir également le billet divertissant de Neal Stephenson sur la fin du métaverse. ↩︎
2
Cela m’indique probablement aussi que Smith ne connaît pas, ou n’apprécie pas, le modèle d’innovation technologique et financière de Carlota Perez, puisque les chemins de fer constituaient un exemple classique de l’une de ses « vagues technologiques », et que celles-ci sont structurellement différentes de ce que nous observons actuellement dans le secteur de l’IA. ↩︎
3
Je me souviens que les rendements normaux à long terme sur les marchés concurrentiels se situent généralement autour de 10 %, ce qui nous en dit probablement long sur les marchés technologiques. Ce que cela vous apprend dépend sans doute de votre statut : êtes-vous un investisseur en capital-risque ou un régulateur ? ↩︎
4
Même s’ils sont erronés d’un facteur 1 000, ils impliquent des taux de croissance annualisés de 10 à 15 % en termes de capacité, dans un environnement politique déjà hostile à la construction de centres de données. ↩︎
5
Tout comme lorsque l’industrie britannique du câble a investi pour passer aux réseaux numériques face à la concurrence de la télévision par satellite BSkyB, même si les modèles économiques suggéraient qu’elle perdrait de l’argent en le faisant. ↩︎
6
Je tiens toutefois à saluer Anand Rao, qui m’a fait remarquer sur LinkedIn que l’une des caractéristiques du modèle de Carlota Perez, qu’elle n’évoque pas vraiment, est que les technologies issues d’une vague fournissent les ingrédients de l’innovation de la suivante. Ainsi, on n’aurait pas connu la vague automobile/pétrolière du XXe siècle sans les ingrédients que sont l’acier et l’électricité issus de la vague précédente de la seconde moitié du XIXe siècle. ↩︎