L’IA ne s’effondrera pas, elle brûlera. Comme à chaque cycle technologique, le feu nettoiera les broussailles, redistribuera les talents et laissera derrière lui une infrastructure prête à alimenter la prochaine vague. La question est : quel type de plante êtes-vous ?
Traduction de The AI Wildfire Is Coming. It’s Going to Be Very Painful and Incredibly Healthy. Par DION LIM, sur CEO Dinner Insights
La saison des incendies
Lors d’un récent dîner de PDG à Menlo Park, quelqu’un a posé la question habituelle : sommes-nous dans une bulle IA ?
L’une des invitées, une vétérane de plusieurs cycles de la Silicon Valley, a complètement recadré la conversation. Elle a suggéré de considérer ce moment comme un incendie de forêt plutôt que comme une bulle. La métaphore a immédiatement fait mouche. Les incendies de forêt ne font pas que détruire ; ils sont essentiels à la santé de l’écosystème. Ils éliminent les broussailles denses qui étouffent les nouvelles pousses, restituent les nutriments au sol et créent les conditions nécessaires à la prospérité de la prochaine génération de forêts.
En réfléchissant à la métaphore de l’incendie de forêt, un cadre s’est dégagé, révélant quelque chose de plus profond, construit sur sa nouvelle approche. Il offrait une taxonomie permettant de comprendre qui survit, qui brûle et pourquoi, avec des mesures spécifiques qui distinguent les éléments résistants au feu des éléments inflammables.
Le premier cycle du web a brûlé l’exubérance des dot-com et a laissé derrière lui Google, Amazon, eBay et PayPal : les survivants robustes du Web 1.0. Le cycle suivant, porté par les réseaux sociaux et les mobiles, a de nouveau brûlé en 2008-2009, dégageant les broussailles pour Facebook, Airbnb, Uber et les descendants de Y Combinator. Les deux incendies ont suivi le même schéma : croissance excessive, correction soudaine, puis renaissance.
Aujourd’hui, avec l’IA, nous sommes à nouveau entourés de broussailles sèches.
La correction à venir se manifestera sous la forme d’un incendie de forêt plutôt que d’un éclatement de bulle. Comprendre cette distinction change tout dans la manière de survivre et de prospérer dans ce qui va suivre.
La forêt envahie
Lorsque les broussailles deviennent trop denses, la lumière du soleil ne peut plus atteindre le sol. Les plantes se font concurrence pour la lumière, l’eau et les nutriments plutôt que pour l’environnement.
C’est ce que l’on ressent actuellement dans la Silicon Valley.
Le capital est abondant, peut-être trop abondant. Mais les talents ? C’est là que réside la rareté. Chaque ingénieur, concepteur ou opérateur prometteur est courtisé par trois, cinq, dix start-ups différentes spécialisées dans l’IA, qui poursuivent souvent le même objectif, qu’il s’agisse de copilotes de codage, de nouveaux ensembles de données, de service client, de technologie juridique ou d’automatisation du marketing.
Il en résulte un écosystème qui semble luxuriant vu d’en haut : vert, en pleine croissance, bruyant. Mais en dessous, le sol est sec. La croissance devient difficile lorsque les racines de chacun s’entremêlent.
Dans ce type de forêt, le feu sert de correction plutôt que de catastrophe.
L’écologie du feu
Les incendies de forêt ne détruisent pas seulement les écosystèmes. Ils les remodèlent. Certaines espèces s’enflamment instantanément. D’autres résistent aux flammes. Quelques-unes dépendent du feu pour se reproduire.
Il en va de même pour les start-ups.
Les broussailles inflammables
Ce sont les herbes sèches et les pins résineux de l’écosystème : des start-ups qui semblent dynamiques en période d’argent facile, mais qui n’ont aucune résistance lorsque l’atmosphère se réchauffe.
Il s’agit notamment
- des applications d’IA sans données propriétaires ni distribution
- des clones d’infrastructure dans des catégories saturées (une passerelle LLM de plus, une base de données vectorielle de plus)
- des applications grand public qui recherchent des utilisateurs actifs quotidiens plutôt que des utilisateurs durables
Elles sont alimentées par le battage médiatique et les valorisations exubérantes. Lorsque la chaleur augmente, que les capitaux se raréfient ou que les clients examinent de près le retour sur investissement, elles s’envolent en quelques secondes.
La broussaille inflammable a une utilité. Elle attire les capitaux et les talents dans le secteur. Elle crée une urgence sur le marché. Et lorsqu’elle brûle, elle libère ces ressources dans le sol pour que des espèces plus résistantes les absorbent. Les ingénieurs des wrappers IA qui ont échoué deviennent les cadres supérieurs des entreprises qui survivent.
Les géants ignifugés
Il y a ensuite les plantes succulentes, les chênes et les séquoias : les entreprises en place qui stockent l’humidité et protègent leur cœur.
Écorce épaisse : bilans solides et relations durables avec les clients.
Racines profondes : adéquation structurelle entre les produits et le marché dans le domaine du cloud, des puces ou des infrastructures de données.
Réserves d’humidité : revenus réels, activités diversifiées et avantages concurrentiels à long terme.
Pensez à Apple, Microsoft, Nvidia, Google, Amazon. Ils absorberont la chaleur et en sortiront plus forts. Lorsque la fumée se dissipera, ces géants se dresseront plus grands, leur écorce carbonisée mais intacte, tandis que les petits arbres autour d’eux auront été réduits en cendres.
Les repousses
Certaines plantes meurent mais repoussent ; le manzanita, le chêne nain et le toyon sont comme des phénix. En termes de start-up, ce sont les pivots et les refondations qui suivent un incendie.
Ce sont des équipes qui possèdent :
- Une expertise approfondie
- Des actifs souterrains en matière de propriété intellectuelle et de données qui survivent même si le produit disparaît
- Une volonté de tailler et de recommencer
Après l’incendie, elles repoussent, plus légères, plus intelligentes et mieux adaptées au nouveau terrain.
C’est là que se produit le véritable apprentissage. Un fondateur qui a construit le mauvais produit avec la bonne équipe en 2024 devient le fondateur qui construit le bon produit avec une équipe aguerrie en 2027. L’échec est stocké sous terre, comme les nutriments dans les racines, en attendant la saison suivante, plutôt que d’être gaspillé.
Les adeptes du feu
Enfin, viennent les fleurs sauvages. Leurs graines sont déclenchées par la chaleur. Elles ne peuvent même pas germer tant que les anciennes pousses n’ont pas disparu.
Ce sont les fondateurs qui se lancent après le crash. Ils embauchent à partir des cendres, s’appuient sur des infrastructures moins coûteuses et tirent les leçons des erreurs de ceux qui ont brûlé. LinkedIn en 2002, Stripe en 2010, Slack en 2013. Tous sont des adeptes du feu.
Les prochaines grandes entreprises natives de l’IA émergeront probablement ici. Ce sont celles qui intègrent véritablement l’intelligence dans les flux de travail plutôt que de se contenter de les agrémenter. Et surtout, la couche d’inférence (où les modèles d’IA fonctionnent réellement en production) représente le prochain grand champ de bataille. À mesure que l’informatique se banalise et que les outils agents se multiplient, la course passera de la formation des plus grands modèles à la fourniture d’une intelligence plus efficace à grande échelle.
La fonction du feu
Toutes les quelques décennies, la Silicon Valley devient envahie. Le Web 1.0 et le Web 2.0 ont tous deux prouvé la même vérité : une croissance excessive s’étouffe elle-même.
Le crash du Web 1.0 a balayé plus que les start-ups. Il a balayé le bruit. Le ralentissement du Web 2.0, davantage dû à la crise hypothécaire qu’au marché lui-même, a suivi la même dynamique : les concurrents surfinancés ont disparu, les talents se sont dispersés et les survivants ont embauché de meilleurs éléments, ont agi plus rapidement et se sont renforcés. Les entreprises avisées ont même profité de ce moment pour se rationaliser, en supprimant les postes peu performants et en reclassant les employés débutants à des postes de direction grâce à l’arrivée de réfugiés affamés provenant de concurrents en faillite.
Cette redistribution des talents est peut-être le résultat le plus puissant de tout effondrement. Bon nombre des meilleurs employés de Google à ses débuts (les architectes de ce qui est devenu l’un des modèles commerciaux les plus durables de l’histoire) étaient des fondateurs ou des employés de la première heure de start-ups Web 1.0 en faillite.
Et cela allait au-delà du simple talent. Des talents entrepreneuriaux, infatigables et culturellement impatients ont spécifiquement façonné l’éthique interne de Google. Cet ADN a créé la culture expérimentale, agressive et toujours en phase bêta de Google, qui s’est propagée vers l’extérieur dans l’écosystème plus large pendant les 10 à 20 années suivantes. L’incendie a réorganisé l’intelligence et reconfiguré la culture plutôt que de simplement détruire.
Deux grands incendies : 2000 et 2008
L’incendie de 2000
L’incendie de 2000 a tout brûlé. La surconstruction des infrastructures, la facilité d’accès au capital et l’exubérance spéculative ont réduit à néant presque toutes les histoires de croissance sans profit. Mais ce qui restait, c’étaient les systèmes racinaires : les centres de données, la fibre optique et les entreprises survivantes qui avaient appris à se développer lentement et en profondeur.
Amazon semblait mort, avec une baisse de 95 %, mais il est ressorti comme la colonne vertébrale du commerce numérique. eBay s’est stabilisé rapidement et est devenu la première plateforme de marché rentable. Microsoft et Oracle ont converti leurs monopoles logiciels en flux de trésorerie durables pour les entreprises. Cisco, brûlé par la surcapacité, s’est lentement reconstruit à mesure que les réseaux devenaient indispensables pour faire des affaires.
En ajoutant Apple, Google et Salesforce, l’histoire devient celle d’une succession autant que d’une survie. Apple n’a pas seulement survécu à l’incendie, elle a changé le climat pour tout ce qui a suivi. Google a germé là où d’autres ont brûlé, alimenté par les ingénieurs et les fondateurs dont les start-ups ont péri dans les flammes. Salesforce a profité des budgets d’entreprise brûlés pour vendre la flexibilité du cloud, définissant ainsi le modèle SaaS.
Les cendres qui ont construit l’Internet
À la fin des années 1990, les entreprises de télécommunications ont levé environ 2 000 milliards de dollars en capitaux propres et 600 milliards de dollars supplémentaires en dette pour alimenter la « nouvelle économie ». Même les actions qui symbolisaient cette frénésie ont suivi une courbe prévisible. Intel, Cisco, Microsoft et Oracle valaient ensemble environ 83 milliards de dollars en 1995 ; en 2000, leur capitalisation boursière combinée avait atteint près de 2 000 milliards de dollars. Qualcomm a augmenté de 2 700 % en une seule année.
Cet argent a permis de financer plus de 80 millions de miles de câbles à fibres optiques, soit plus des trois quarts de tout le câblage numérique qui avait été installé aux États-Unis jusqu’à cette date. Puis vint l’effondrement.
En 2005, près de 85 % de ces câbles étaient inutilisés, des brins de fibre noire enfouis dans le sol. Il s’agissait d’une surcapacité née d’un excès de confiance. Mais la fibre est restée. Les serveurs sont restés. Les gens sont restés. Et cet excédent est rapidement devenu l’épine dorsale de la vie moderne. En l’espace de quatre ans seulement après l’effondrement, le coût de la bande passante avait chuté de 90 %, et la surabondance de connectivité bon marché a alimenté tout ce qui a suivi : YouTube, Facebook, les smartphones, le streaming, le cloud.
C’est le paradoxe des bulles productives : elles détruisent la valeur sur le papier, mais créent des infrastructures dans la réalité. Une fois les flammes éteintes, les tuyaux, le code et les talents restent, prêts à être utilisés par la prochaine génération à un coût réduit.
La crise de 2008
La Grande Récession a déclenché un autre type d’incendie. Alors que les flammes du Web 1.0 avaient consumé les infrastructures spéculatives, celles du Web 2.0 ont brûlé les modèles économiques et les illusions. Le financement des entreprises a gelé. Les budgets publicitaires se sont évaporés. Le crédit s’est resserré. Pourtant, les survivants n’ont pas seulement résisté à la chaleur. Ils l’ont métabolisée.
Apple a transformé l’adversité en domination, faisant passer l’iPhone du statut de curiosité à celui d’infrastructure culturelle. Amazon, ayant survécu à l’enfer des dot-com, est devenu le fournisseur discret de l’oxygène de l’internet : AWS. Netflix s’est réinventé pour l’ère du streaming, sa croissance dépassant littéralement la fibre posée par la bulle précédente. Salesforce a prouvé que les logiciels cloud pouvaient prospérer même lorsque les budgets d’investissement étaient réduits à néant. Google a découvert que la publicité à la performance mesurable pouvait se développer même en période de récession. Et Facebook (alors à ses débuts) allait bientôt s’enraciner dans les cendres, nourri par les smartphones bon marché et la bande passante excédentaire.
L’incendie de 2008 a sélectionné les entreprises capables d’intégrer le matériel, les logiciels et les services dans des écosystèmes autonomes plutôt que de simplement faire de la place. Le résultat a été une évolution, et pas seulement une reprise.
Le problème de la canopée
Ce cycle introduit cependant un nouveau type de combustible : le feu de canopée.
Dans le passé, les flammes consumaient principalement les broussailles (les petites start-ups surévaluées). Aujourd’hui, la chaleur se concentre dans les arbres les plus hauts : Nvidia, OpenAI, Microsoft et une poignée d’hyperscalers qui dépensent des sommes colossales les uns avec les autres.
Le calcul est devenu à la fois l’oxygène et l’accélérateur de ce marché. Chaque dollar de demande en IA se transforme en un dollar pour Nvidia, qui à son tour alimente davantage d’investissements dans la formation de modèles, ce qui nécessite encore plus de GPU. Cela crée une boucle de rétroaction de monétisation mutuelle.
Cette dynamique a créé quelque chose qui s’apparente davantage à une bulle industrielle qu’à une bulle spéculative. Le capital n’est pas dispersé entre un millier de dot-coms ; il est concentré dans quelques relations bilatérales massives, avec des investissements croisés complexes qui brouillent la frontière entre le déploiement réel et le capital recyclé.
Lorsque le feu de forêt se déclare (lorsque la demande en IA se normalise ou que les coûts du capital augmentent), le risque change. Au lieu de dizaines de start-ups en faillite, nous sommes confrontés à un effondrement temporaire de l’utilisation des capacités de calcul. Les actions de Nvidia ne seront peut-être pas réduites en cendres, mais même une légère contraction des commandes de GPU pourrait révéler à quel point l’ensemble de l’écosystème est devenu dépendant de quelques gros acheteurs.
C’est là le véritable problème de la canopée : lorsque les arbres les plus hauts poussent trop près les uns des autres, leurs cimes s’entremêlent, et lorsqu’un arbre prend feu, le feu se propage horizontalement, et pas seulement à partir du sol.
Dans le Web 1.0, Oracle (la base de données de facto pour toutes les dot-coms) a connu un effondrement symbolique, passant de 46 $ à 7 $ en 2000, avant de remonter à 79 $ lors du lancement de ChatGPT et à 277 $ aujourd’hui. Dans l’incendie du Web 2.0, Google (le fournisseur de publicité à la performance) a chuté de 64 %, passant de 17 à 6 dollars, mais a explosé à 99 dollars avec le lancement de ChatGPT et a depuis atteint 257 dollars. Dans ce cycle, l’analogue pourrait être Nvidia. Non pas parce qu’elle manque de fondamentaux, mais parce que ses clients puisent tous dans le même réservoir de spéculation, alimenté par des investissements croisés complexes qui ont suscité des interrogations quant à savoir si le capital est réellement déployé ou simplement recyclé.
L’abondance informatique à venir
C’est là que la vague AI pourrait s’avérer encore plus productive que ses prédécesseurs : l’infrastructure surdimensionnée d’aujourd’hui va au-delà des câbles à fibre optique qui dorment dans le sol. Nous développons la capacité de calcul, la ressource fondamentale qui limite actuellement l’innovation en matière d’IA.
Le marché actuel de l’IA est soumis à de brutales contraintes d’approvisionnement. Les start-ups ne peuvent pas obtenir les allocations de GPU dont elles ont besoin. Les hyperscalers rationnent le calcul pour leurs meilleurs clients. Les laboratoires de recherche font la queue pendant des mois pour former des modèles. Les idées et les talents ne sont pas le goulot d’étranglement. C’est l’accès aux machines qui l’est.
Cette pénurie est à l’origine de la frénésie actuelle. Les entreprises signent des engagements de plusieurs milliards de dollars des années à l’avance, s’assurent des capacités à des prix élevés, construisent des centres de données privés et stockent des puces comme des munitions. La crainte est de ne pas pouvoir participer du tout parce qu’on n’a pas accès aux capacités de calcul, et pas seulement de rater la vague de l’IA.
Mais que se passera-t-il après l’engouement ?
Le même schéma qui s’est produit avec la bande passante en 2000 est en passe de se répéter avec les capacités de calcul en 2026. Des milliards de dollars sont investis dans des clusters de GPU, des centres de données et des infrastructures électriques. Une grande partie de ces capacités est construite de manière spéculative, financée par l’hypothèse que la demande en IA va croître de manière exponentielle pour toujours.
Mais une autre dynamique accélère cette expansion : un jeu de poules mouillées à haut risque où personne ne peut se permettre de céder le premier. Lorsque Microsoft annonce un investissement de 100 milliards de dollars dans un centre de données, Google doit réagir de la même manière. Lorsque OpenAI s’engage à acheter 10 gigawatts de puces Nvidia, ses concurrents se sentent obligés d’égaler ou de dépasser cet engagement. La crainte est d’être complètement exclu du marché si la demande se concrétise et que vous n’avez pas sécurisé votre capacité, et pas seulement que la demande en IA ne se concrétise pas.
Cela crée une boucle de rétroaction dangereuse. Chaque annonce de dépenses massives oblige les concurrents à dépenser davantage, ce qui augmente les enjeux perçus et justifie des engagements encore plus importants. Aucun dirigeant ne veut être celui qui a sous-investi dans la technologie déterminante de l’époque. Le coût d’une erreur due à un investissement insuffisant semble existentiel ; le coût d’une erreur due à un investissement excessif semble être le problème de quelqu’un d’autre — une dépréciation future, et non un échec stratégique actuel.
C’est précisément cette dynamique qui crée des bulles productives. La décision individuelle rationnelle (égaler l’investissement de votre concurrent) produit un résultat collectif irrationnel (une vaste surcapacité). Mais cette surcapacité est ce qui sème la prochaine forêt.
Deux types de calcul, deux avenirs différents
Pourtant, une distinction essentielle est perdue dans le débat sur la bulle : tous les calculs ne sont pas identiques. Le marché est en fait constitué de deux pools distincts avec des dynamiques fondamentalement différentes.
Le premier pool est celui du calcul d’entraînement, composé de clusters massifs utilisés pour créer de nouveaux modèles d’IA. C’est là que le jeu du poulet se joue de la manière la plus agressive. Aucun laboratoire n’a de méthode systématique pour décider du montant à dépenser ; chacun réagit simplement aux informations dont il dispose sur les engagements de ses concurrents. Si votre rival dépense deux fois plus, il pourrait bien prendre une année d’avance sur vous. Il en résulte une course à l’armement régie moins par la demande du marché que par la peur de la concurrence, avec Nvidia au centre, tel un joyeux marchand d’armes.
Le deuxième groupe est celui des calculs d’inférence, qui exécutent des modèles d’IA en production au service des utilisateurs réels. Ici, la dynamique est totalement différente.
La demande de la société en matière d’intelligence est essentiellement illimitée. Chaque point de QI supplémentaire pouvant être appliqué à l’analyse des données, à l’automatisation des décisions ou à l’amélioration de la productivité est immédiatement consommé. C’est l’offre qui limite l’adoption, et non la demande. Les entreprises ne se demandent pas « voulons-nous des capacités d’IA ? », mais « combien pouvons-nous en obtenir, et dans quels délais ? »
À mesure que les GPU se banalisent et que le calcul devient abondant, les capacités d’inférence deviendront le prochain marché majeur, en particulier compte tenu de la demande croissante d’outils agents efficaces. L’inférence LLM est en train de devenir une course effrénée. Les entreprises qui peuvent fournir l’intelligence la plus efficace, au coût le plus bas par jeton ou par décision, captureront une valeur disproportionnée. Former le plus grand modèle importe moins aujourd’hui ; faire fonctionner efficacement des modèles à l’échelle planétaire importe davantage.
Cela diffère fondamentalement de la bulle Internet, qui était principalement alimentée par les dépenses publicitaires. Les entreprises dépensaient des sommes colossales dans des publicités diffusées pendant le Super Bowl afin d’acquérir des clients qu’elles espéraient monétiser plus tard. Il s’agissait d’une demande spéculative à la poursuite d’une valeur spéculative.
La demande en matière d’inférence IA vise à améliorer les bénéfices réels. Les entreprises déploient l’intelligence pour réduire les coûts d’acquisition de clients, diminuer les dépenses opérationnelles et augmenter la productivité des travailleurs. Le retour sur investissement est mesurable et souvent immédiat, et non hypothétique.
Cela suggère que la « bulle » IA pourrait connaître un atterrissage plus en douceur que ses prédécesseurs. Oui, les ratios cours/bénéfice semblent aujourd’hui gonflés. Mais contrairement à la pure spéculation, une véritable capacité productive est en train de se construire. Si les coûts de calcul baissent considérablement après la correction alors que la demande d’inférence reste forte (et tout porte à croire que ce sera le cas), les entreprises pourront simplement utiliser leurs modèles plus longtemps, recourir à des approches plus gourmandes en calcul ou déployer l’intelligence sur des problèmes qui sont économiquement marginaux aux prix actuels, mais viables à l’avenir.
En d’autres termes, même si nous surdimensionnons massivement la capacité de formation (ce qui semble probable), le côté inférence dispose d’une demande latente suffisante pour absorber l’excédent. Le calcul est réorienté du jeu du poulet vers l’application productive de l’intelligence à grande échelle, plutôt que de rester inutilisé.
Le problème de la dépréciation
Tout comme les coûts de bande passante ont chuté de 90 % en quatre ans après l’éclatement de la bulle Internet, rendant possible YouTube et Netflix, les coûts de calcul pourraient chuter de manière spectaculaire à la suite d’une correction de l’IA. Les mêmes clusters de GPU que les hyperscalers rationnent aujourd’hui pourraient devenir une infrastructure courante accessible à toute personne disposant d’une carte de crédit.
Mais ici, l’analogie s’effondre de manière critique.
Les câbles à fibre optique ont une durée de vie utile extraordinairement longue : des décennies de capacité productive une fois qu’ils sont enfouis dans le sol. L’infrastructure construite pendant la bulle Internet continue de transporter des paquets aujourd’hui, vingt-cinq ans plus tard. C’est ce qui en a fait un cadeau si durable pour la génération suivante : le coût a été supporté une seule fois, la valeur s’est accumulée pendant des décennies.
Les clusters GPU ne sont pas des câbles à fibre optique.
La durée de vie utile d’un cluster de formation est peut-être de deux à trois ans avant qu’il ne devienne non compétitif. Les puces se déprécient plus rapidement qu’elles ne s’usent physiquement. Un GPU de trois ans n’est pas cassé. Il est simplement obsolète, dépassé par des architectures plus récentes qui offrent de meilleures performances par watt, une meilleure bande passante mémoire et de meilleures interconnexions. En termes économiques, le calcul de formation ressemble davantage à une dépense d’exploitation avec un délai de récupération court qu’à un actif immobilisé durable.
Cela change fondamentalement la dynamique post-incendie.
Lorsque la bulle éclatera et que le calcul de formation deviendra abondant, oui, les coûts baisseront. Mais les suiveurs ne hériteront pas d’une infrastructure de pointe comme les entreprises Web 2.0 ont hérité de la fibre optique. Ils hériteront de l’infrastructure d’hier : toujours fonctionnelle, mais qui n’est plus à la pointe de la technologie. Si vous souhaitez accéder aux calculs les plus récents et les plus rapides pour former des modèles compétitifs, vous devrez toujours payer des prix élevés à ceux qui actualisent activement leurs clusters.
Cela crée un type de fossé différent de celui que nous avons vu lors des cycles précédents. Les entreprises qui survivent à l’incendie bénéficieront d’avoir déjà amorti le coût de la génération actuelle, tandis que leurs concurrents tenteront de rattraper leur retard avec du matériel plus ancien, et pas seulement grâce à une infrastructure moins coûteuse. L’avantage des entreprises en place réside dans le fait de disposer de la bonne génération de calcul, continuellement renouvelée, et pas seulement de disposer de calcul en général.
Le calcul d’inférence suit une économie différente. Une fois qu’un modèle est formé, il peut fonctionner de manière productive sur du matériel plus ancien pendant des années. Mais le côté formation ne produira peut-être pas la même démocratisation que celle que nous avons observée avec la bande passante. Le feu peut défricher la brousse, mais les arbres les plus hauts continueront de contrôler l’accès à la lumière du soleil.
Le système racinaire plus profond
Pourtant, se concentrer uniquement sur le calcul peut signifier que nous observons le mauvais feu de forêt.
Certains pensent que le véritable gagnant de la course à l’IA (au niveau national et mondial) sera celui qui résoudra le problème énergétique, et non l’entreprise qui dispose du plus grand nombre de GPU ou des meilleurs modèles.
Après tout, le calcul n’est qu’une concentration d’électricité. Un centre de données IA moderne peut consommer autant d’énergie qu’une petite ville. Ce sont les kilowatts qui constituent la contrainte, pas le silicium. On peut fabriquer davantage de puces, mais on ne peut pas produire davantage d’énergie sans infrastructure fondamentale : centrales électriques, lignes de transport, capacité du réseau. Leur construction prend des années, voire des décennies.
C’est là que la métaphore de l’incendie de forêt devient particulièrement instructive. Nous nous concentrons sur la forêt informatique qui brûle et repousse. Mais derrière ce drame visible se cache une question plus profonde : construisons-nous suffisamment d’infrastructures énergétiques pour alimenter la prochaine forêt ?
La bulle Internet a laissé derrière elle une fibre noire qui pourrait être allumée instantanément lorsque la demande reviendrait. Mais les centres de données inutilisés sans électricité pour les faire fonctionner ne sont que des biens immobiliers coûteux. Le véritable déficit en infrastructures pourrait concerner davantage la production d’énergie que la capacité de calcul.
Si cette bulle entraîne des investissements massifs dans les infrastructures énergétiques (centrales nucléaires, parcs d’énergies renouvelables, modernisation du réseau, stockage avancé par batterie), cela constituerait un véritable cadeau durable pour le prochain demi-siècle. Contrairement aux GPU qui deviennent obsolètes en cinq ans, les infrastructures énergétiques voient leur valeur augmenter au fil des décennies.
Les entreprises qui domineront le paysage post-incendie seront peut-être celles qui garantiront la capacité énergétique de demain (lorsque toutes les autres formes d’infrastructure IA seront abondantes, sauf l’électricité nécessaire à leur fonctionnement), et non celles qui accumulent aujourd’hui des capacités de calcul.
Faisons le calcul : un seul grand cluster de formation IA peut nécessiter plus de 100 mégawatts d’électricité en continu, soit l’équivalent d’une petite ville. Les États-Unis produisent actuellement environ 1 200 gigawatts d’électricité au total. Si le calcul IA se développe au rythme prévu, il pourrait représenter 5 à 10 % de la production électrique totale du pays d’ici une décennie.
Le problème ici concerne l’infrastructure énergétique fondamentale.
Et contrairement aux câbles à fibre optique ou aux clusters GPU, l’infrastructure électrique ne peut pas être déployée rapidement. La construction d’une centrale nucléaire prend 10 à 15 ans. Les grandes lignes de transport d’électricité sont soumises à des décennies d’approbation réglementaire. Même les grandes fermes solaires nécessitent 3 à 5 ans entre la planification et la mise en service.
Cela signifie que la véritable contrainte pesant sur l’IA (le véritable goulot d’étranglement qui déterminera les gagnants et les perdants) pourrait déjà être déterminée par les décisions prises (ou non prises) aujourd’hui en matière d’infrastructures électriques.
Les entreprises qui dépensent actuellement des centaines de milliards dans les GPU pourraient découvrir que leur facteur limitant est la quantité d’énergie nécessaire pour les faire fonctionner, et non leur capacité de calcul. Et les régions qui investissent massivement dans les infrastructures énergétiques aujourd’hui auront un avantage insurmontable pour héberger les charges de travail de l’IA demain.
Les entreprises qui se préparent à survivre à la pénurie ne se contentent pas de stocker des capacités de calcul. Elles mettent en place des systèmes suffisamment solides pour exploiter de multiples ressources : des contrats énergétiques conclus pour plusieurs décennies, des taux de rétention bruts supérieurs à 120 %, une augmentation des marges même à mesure qu’elles se développent, et des infrastructures capables de s’adapter à la formation et à l’inférence en fonction de l’évolution du marché.
Avec notre vision globale, nous sommes en train de perdre (et certains diront que nous avons déjà perdu) la bataille énergétique contre la Chine. Nous sommes entrés très discrètement dans une nouvelle ère de guerre froide où les watts et les terres rares sont les nouveaux missiles balistiques intercontinentaux.
Évaluer la résistance au feu dans le cycle de l’IA
Une question brûlante (pardonnez le jeu de mots) est de savoir comment évaluer la résistance au feu dans ce cycle. Chaque catégorie d’entreprises est confrontée à des tests de durabilité différents. La compréhension de ces indicateurs permet de distinguer la véritable force de l’écosystème de l’abondance temporaire :
Comprendre les tests de résistance au feu :
Les laboratoires de modèles de base sont confrontés à une question fondamentale : les revenus peuvent-ils croître plus rapidement que les coûts de calcul ? Les dépenses de formation augmentent de manière exponentielle (10 fois le calcul ≈ 3 fois les performances), tandis que les revenus augmentent avec l’adoption par les clients. Si un laboratoire dépense 100 millions de dollars en calcul pour générer 50 millions de dollars de revenus, puis 300 millions de dollars pour générer 120 millions de dollars, la trajectoire est fatale. Ils courent plus vite pour rester sur place. Les laboratoires résistants au feu affichent des revenus supérieurs aux dépenses informatiques, preuve que chaque amélioration des capacités libère une valeur client disproportionnée.
Les plateformes d’IA d’entreprise doivent prouver que leur IA va au-delà d’un simple vernis marketing. Une entreprise affichant un taux de rétention brut de 95 %, mais seulement 12 % d’adoption des fonctionnalités d’IA, signifie que les clients restent fidèles à la plateforme existante (entrepôt de données, CRM) tout en ignorant les modules complémentaires d’IA. Lorsque le capital se contracte, ces entreprises subissent une réévaluation brutale. Le marché se rend compte qu’il s’agit d’infrastructures dotées d’une étiquette IA. Les véritables plateformes d’IA affichent un taux de rétention élevé en raison d’une adoption élevée de l’IA, et non malgré une faible adoption.
Les entreprises de la couche applicative sont prises dans un piège unique : s’appuyer sur des modèles qu’elles ne contrôlent pas (OpenAI, Anthropic) entraîne une compression des marges, une parité des fonctionnalités et un risque de désintermédiation. La seule échappatoire est une intégration profonde chez le client. Les entreprises dont le NRR est supérieur à 120 % et le retour sur investissement CAC inférieur à 12 mois ont réussi à intégrer leur flux de travail : les clients élargissent naturellement leur utilisation et les coûts d’acquisition sont rapidement amortis. Celles dont le NRR est inférieur à 100 % et le retour sur investissement supérieur à 18 mois proposent des fonctionnalités « agréables à avoir » qui sont abandonnées lorsque les budgets se resserrent, ce qui nécessite un apport continu de capitaux pour se développer.
Les acteurs des API d’inférence sont confrontés à une banalisation avec l’arrivée d’une offre excédentaire de GPU. Le revenu par heure de GPU révèle le pouvoir de fixation des prix. Une entreprise générant 50 $/heure de GPU contre 5 $/heure de GPU dispose d’une marge 10 fois plus importante pour défendre sa position grâce à l’optimisation technique, la différenciation des produits ou les barrières à la distribution. L’élasticité des coûts d’inférence montre la structure du marché : une élasticité élevée (baisse de prix de 50 % = augmentation de la demande de 500 %) signifie un enfer des produits de base ; une faible élasticité signifie que les clients apprécient les fonctionnalités au-delà du simple calcul.
Les entreprises du secteur de l’énergie et des infrastructures contrôlent en fin de compte la contrainte fondamentale de l’IA. L’économie des centres de données dépend de leur utilisation et des coûts énergétiques. À 0,03 $/kWh et 85 % d’utilisation, le coût effectif est de 0,035 $/kWh. À 0,08 $/kWh et 50 % d’utilisation, il est de 0,16 $/kWh, soit un désavantage de 4,5 fois. Lorsque la demande en IA s’effondre après la bulle, les installations dont les coûts énergétiques sont élevés ne peuvent pas baisser suffisamment leurs prix pour remplir leur capacité. Celles qui bénéficient d’avantages énergétiques structurels (contrats hydroélectriques, nucléaires) peuvent réduire leurs prix tout en conservant des marges positives, et remplir leur capacité en absorbant les clients des concurrents en difficulté.
Le méta-modèle : chaque indicateur pose la même question sous différents angles : pouvez-vous maintenir votre modèle économique lorsque les capitaux externes disparaissent ? Les entreprises résistantes au feu ont atteint la durabilité thermodynamique : chaque unité d’entrée (capital, calcul, énergie) génère plus d’une unité de sortie (revenus, valeur, efficacité). Elles peuvent se développer dans un contexte de pénurie. Les broussailles inflammables consomment plus qu’elles ne produisent, subventionnées par des capitaux abondants. Lorsque la subvention prend fin, elles s’enflamment.
Ce cadre comparatif révèle qui possède une véritable durabilité écosystémique et qui est simplement grand grâce à une abondance temporaire.
La leçon du séquoia
Le séquoia géant ne peut se reproduire sans le feu. Ses cônes ne s’ouvrent que sous l’effet d’une chaleur intense. Les flammes nettoient le sol de la forêt, permettant aux graines d’atteindre le sol minéral. La canopée brûle, laissant passer la lumière du soleil. Sans le feu, il n’y a pas de renouveau.
Il y a une vérité plus profonde dans la relation entre le séquoia et le feu : tous les incendies ne sont pas aussi bénéfiques pour l’arbre.
Pendant des millénaires, les séquoias ont prospéré grâce à des feux de sol de faible intensité qui brûlaient tous les 10 à 20 ans. Ces feux étaient suffisamment chauds pour ouvrir les cônes et nettoyer les sous-bois, mais suffisamment froids pour ne pas endommager les arbres matures. L’écorce épaisse du séquoia (jusqu’à 60 cm d’épaisseur) a évolué spécifiquement pour survivre à ces incendies réguliers.
Puis vint un siècle de suppression des incendies. Sans incendies réguliers, le combustible s’est accumulé. Les arbres du sous-bois ont grandi. Lorsque les incendies ont finalement éclaté, ils ont brûlé plus fort et plus haut que les séquoias n’avaient jamais connu.
L’incendie Castle Fire de 2020 a détruit environ 10 à 14 % de tous les séquoias géants matures de la planète. Des arbres qui avaient survécu à des dizaines d’incendies pendant plus de 2 000 ans ont péri en un seul après-midi. La différence ? L’intensité du feu. Le combustible accumulé a provoqué des incendies de cime qui ont eu raison de la légendaire résilience des séquoias.
Voici la leçon à tirer pour la Silicon Valley : les incendies réguliers (corrections cycliques, faillites normales, renouvellement constant de la destruction créatrice) sont sains. Ils débroussaillent, libèrent des ressources et permettent une nouvelle croissance. Mais si nous supprimons tous les incendies pendant trop longtemps, si nous renflouons toutes les entreprises surévaluées et soutenons tous les modèles commerciaux défaillants, nous n’empêchons pas les incendies. Nous rendons simplement les incendies éventuels catastrophiques.
Le séquoia nous enseigne également la notion d’horizon temporel. Ces arbres mettent des siècles à atteindre leur taille maximale. Même les séquoias matures qui survivent à un incendie ont besoin de décennies pour retrouver leur canopée. Il est encore difficile de savoir quels arbres (même ceux qui semblent matures aujourd’hui) continueront à pousser et lesquels ont déjà atteint leur apogée. Les véritables géants sont ceux qui ont passé des générations à développer un système racinaire suffisamment profond pour puiser dans des sources d’eau inaccessibles aux autres, et une écorce suffisamment épaisse pour résister à une chaleur que les autres ne peuvent supporter.
L’objectif n’est pas d’empêcher les incendies, mais de maintenir leur rythme. De petits incendies réguliers permettent d’éviter des conflagrations dévastatrices. Le pire scénario est une politique qui repousse tous les incendies jusqu’à ce que la charge combustible devienne explosive, et non l’incendie lui-même.
Questions à retenir
S’il s’agit d’une bulle, elle est productive : il s’agit d’une combustion contrôlée plutôt que d’un effondrement.
Mais « contrôlée » ne signifie pas « confortable ». Les broussailles inflammables s’enflammeront. Les capitaux s’évaporeront. Les valorisations s’effondreront. Les emplois disparaîtront. Il ne s’agit pas d’un échec, mais du fonctionnement normal du système.
Le test pour chaque fondateur et investisseur consiste à déterminer s’il est capable de résister à la pénurie plutôt que s’il est capable de croître dans l’abondance.
Lorsque la fumée se dissipera, nous verrons qui était succulent et qui était inflammable, qui avait de l’écorce et qui était résineux.
Le feu de forêt arrive. Ce n’est pas le problème.
La question est : quel type de plante êtes-vous ?
Et peut-être plus important encore : êtes-vous en train de construire un système racinaire suffisamment profond, non seulement pour survivre à cette saison, mais aussi pour continuer à croître pendant la prochaine décennie de pénurie ?
Car la véritable opportunité se présente après l’incendie : ce qui continue à croître après et quelles espèces entièrement nouvelles prennent racine dans les cendres.
Je ne considère pas les incendies de forêt comme un moyen judicieux utilisé par Mère Nature pour maintenir l’équilibre. En fait, tous les écosystèmes ne dépendent pas des incendies de forêt. De nombreux écosystèmes ont évolué avec le feu comme processus écologique naturel et parfois essentiel, tandis que d’autres sont endommagés par les incendies de forêt et ne possèdent aucune caractéristique naturelle leur permettant de s’adapter au feu. Cette analogie vise à vous aider à comprendre que les incendies de forêt sont une partie naturelle et nécessaire de l’écosystème de la Silicon Valley.
Le jugement moral intervient lorsqu’il s’agit de savoir où vont tous les nutriments, les talents, l’attention et la gloire après l’incendie. Ce test décisif pour l’humanité est la question déterminante de ce cycle.
Les ressources iront-elles aux entreprises qui tentent d’attirer davantage « l’attention », en vous incitant à regarder des contenus divertissants sans intérêt en stimulant votre dopamine et votre adrénaline ? L’objectif ultime de cette technologie sera-t-il de vous pousser à acheter des choses dont vous n’avez pas besoin et à consacrer du temps à des activités qui ne font qu’apaiser temporairement votre FOMO ? L’IA va-t-elle simplement accélérer le développement d’un hypercycle capitaliste de la quête ultime et de la déception existentielle de Paul Tillich, qui ne fait que creuser le fossé entre les nantis et les démunis ?
Les recherches de Robert Putnam à Harvard montrent que la démocratisation de la technologie ne met pas intrinsèquement tout le monde sur un pied d’égalité. « Par rapport à leurs homologues plus pauvres, les jeunes issus de milieux aisés (et leurs parents) sont plus susceptibles d’utiliser Internet pour l’emploi, l’éducation, l’engagement politique et social, la santé et l’information, et moins pour les loisirs et les divertissements », écrit Putnam. « Les Américains aisés utilisent Internet de manière à améliorer leur mobilité, tandis que les Américains plus pauvres et moins éduqués l’utilisent généralement d’une manière qui ne le permet pas. » Cette dichotomie frappante souligne l’importance de guider délibérément l’IA afin de libérer, et non d’entraver, l’action humaine.
Plus optimiste, j’espère que les contraintes de la loi de Packard seront assouplies pour les start-ups actuelles et les futures entreprises qui poursuivent des objectifs louables. Dans Good to Great, Jim Collins a inventé le terme « loi de Packard » pour décrire le point de vue de David Packard selon lequel la croissance organisationnelle est limitée par la capacité d’une entreprise à recruter suffisamment de personnes compétentes. Après la crise, j’espère que des entreprises comme celles ci-dessous prospéreront grâce à un accès plus facile aux talents, l’oxygène et la lumière du soleil de la croissance des entreprises :
Montai Therapeutics utilise l’IA pour créer des médicaments destinés à traiter et à prévenir les maladies chroniques. Elle adopte une approche polyintelligente de la découverte, dans laquelle les humains, l’IA et la nature collaborent pour générer de nouvelles molécules pour des maladies jusqu’ici incurables.
Eudia crée une plateforme d’intelligence augmentée, en commençant par le secteur juridique, afin de permettre aux humains d’être beaucoup plus efficaces, non pas en remplaçant les avocats, mais en les augmentant. Le droit augmenté offre à la fois précision et rapidité, et pour la première fois, le coût et la qualité ne sont plus incompatibles. Eudia propose une tarification basée sur les résultats pour les services juridiques, plutôt que sur les heures facturables. Quel consommateur de services juridiques ne serait pas favorable à cette idée ?
Listen Labs est une plateforme de recherche alimentée par l’IA qui aide les équipes à tirer des enseignements des entretiens avec les clients en quelques heures, et non en plusieurs mois, amplifiant ainsi la voix des clients. Alors qu’auparavant, les entreprises ne pouvaient s’entretenir qu’avec un échantillon de clients, elles peuvent désormais écouter instantanément un panel complet représentant tous les profils démographiques, géographiques et psychographiques. L’ironie, c’est que les gens sont plus enclins à donner des commentaires francs et utiles lorsqu’ils s’adressent à une IA plutôt qu’à un humain dont ils pensent, consciemment ou inconsciemment, qu’il pourrait juger leurs réponses.
Netic aide les industries de services essentiels à se développer en mode automatique. Alors que la vague de l’IA a balayé les industries du logiciel et de la création, des secteurs tels que les services à domicile, l’automobile et la santé grand public ont été laissés pour compte. Ces industries constituent l’épine dorsale de l’économie, mais elles fonctionnent avec des outils obsolètes, des centres d’appels débordés et des systèmes déconnectés. Leurs opérations sont complexes et reposent souvent sur des flux de travail manuels, et elles n’ont pas accès aux technologies de pointe qui font avancer les entreprises axées sur le numérique. Dans un monde où les start-ups créent principalement pour les start-ups, Netic sert les véritables industries qui font fonctionner l’Amérique.
Il est évident que l’IA va relever le plafond pour les nantis ; si elle ne relève pas le plancher pour les démunis, il y aura – et peut-être devrait-il y avoir – des fourches.
J’ai fait de mon mieux pour élever mes enfants avec un état d’esprit d’abondance en matière d’opportunités et un état d’esprit de rareté en matière de ressources naturelles. La société semble fonctionner dans le sens inverse. Je me demande si nous pouvons échapper à notre destin.
Le feu de forêt qui s’annonce sera certainement bénéfique pour l’écosystème de la Silicon Valley, mais le sera-t-il pour l’humanité ?