\n\n\n\n
Notre objectif dans cet essai est d\u2019aller au-del\u00e0 du d\u00e9bat visant \u00e0 d\u00e9terminer si l\u2019IA est une bulle. Nous proc\u00e9dons de deux fa\u00e7ons : en s\u00e9parant clairement les donn\u00e9es financi\u00e8res actuelles de la question de savoir qui capte la valeur \u00e0 long terme, et en reconnaissant que les laboratoires ne se limitent pas \u00e0 \u00eatre de simples fournisseurs de mod\u00e8les. Ils peuvent remonter la cha\u00eene de valeur et s\u2019y emploient d\u00e9j\u00e0 avec d\u00e9termination. Cela leur permettra probablement d\u2019\u00e9chapper au pi\u00e8ge de la banalisation, mais soul\u00e8ve de nouvelles pr\u00e9occupations : le verrouillage des clients et la r\u00e9duction de la concurrence.<\/em><\/p>\n\n\n\n Akash Kapur<\/a> est chercheur invit\u00e9 \u00e0 Princeton et chercheur principal \u00e0 New America. Il n\u2019a aucun lien de parent\u00e9 avec Sayash Kapoor.<\/p>\n\n\n\n Alors que les principales entreprises d\u2019IA continuent d\u2019investir massivement dans leurs capacit\u00e9s et se pr\u00e9cipitent vers des introductions en bourse spectaculaires, de s\u00e9rieuses questions subsistent quant \u00e0 leurs mod\u00e8les d\u2019affaires. Comment ces entreprises \u2014 ainsi que le vaste \u00e9cosyst\u00e8me de fabricants de puces, d\u2019hyperscalers et de partenaires d\u2019infrastructure qui d\u00e9pendent d\u2019elles \u2014 r\u00e9cup\u00e9reront-elles les 4 \u00e0 8 billions de dollars<\/a> qui, selon les estimations, devraient \u00eatre investis dans l\u2019infrastructure d\u2019IA d\u2019ici le d\u00e9but des ann\u00e9es 2030?<\/p>\n\n\n\n Le d\u00e9bat actuel oppose les d\u00e9tracteurs aux partisans. Les d\u00e9tracteurs soulignent les pertes croissantes, l\u2019\u00e9cart entre les d\u00e9penses en immobilisations et les revenus, ainsi que les rapports faisant \u00e9tat d\u2019une consommation massive de liquidit\u00e9s par les principaux laboratoires. Les partisans mettent en avant la croissance rapide et acc\u00e9l\u00e9r\u00e9e des revenus, l\u2019adoption par les entreprises et des jalons tels que le premier trimestre rentable d\u2019Anthropic<\/a>. Chaque camp a des arguments valables. Mais les deux cherchent au mauvais endroit : les m\u00eames rapports trimestriels, la m\u00eame vision \u00e0 court terme d\u2019un secteur qui reste en pleine \u00e9volution.<\/p>\n\n\n\n Au cours des derniers mois, nous avons r\u00e9fl\u00e9chi \u00e0 la nature et \u00e0 la viabilit\u00e9 du secteur de l\u2019IA, et nous en sommes arriv\u00e9s \u00e0 une conclusion diff\u00e9rente de celle de la plupart des analyses existantes. Aujourd\u2019hui, les entreprises d\u2019IA tirent une grande partie de leurs revenus de la facturation des services d\u2019inf\u00e9rence, mais les conditions qui r\u00e9gissent l\u2019inf\u00e9rence de pointe rendent ce mod\u00e8le d\u2019affaires exceptionnellement difficile \u00e0 maintenir. Les mod\u00e8les sont largement indiff\u00e9renci\u00e9s, les principaux laboratoires fonctionnent avec des structures de capital similaires, les co\u00fbts de changement sont faibles et les prix peuvent \u00eatre ajust\u00e9s librement. Tout cela semble cr\u00e9er les conditions d\u2019un pi\u00e8ge de la banalisation<\/a> qui poserait de r\u00e9els d\u00e9fis \u00e0 la cr\u00e9ation d\u2019entreprises \u00e0 forte marge, voire rentables.<\/p>\n\n\n\n Parall\u00e8lement, nous estimons que le secteur se trouve encore dans une phase de transition et que sa structure sera tr\u00e8s diff\u00e9rente lorsqu\u2019il aura atteint sa maturit\u00e9. En nous appuyant \u00e0 la fois sur des donn\u00e9es historiques et sur la th\u00e9orie \u00e9conomique, nous soutenons que la concurrence dans cet \u00e9quilibre est susceptible de faire baisser le prix de l\u2019inf\u00e9rence des mod\u00e8les vers le co\u00fbt marginal de production des jetons, laissant peu de place \u00e0 des profits durables au niveau de la couche des mod\u00e8les. Cela ne signifie toutefois pas que le secteur de l\u2019IA soit intrins\u00e8quement non viable. Cette m\u00eame analyse sugg\u00e8re une voie \u00e0 suivre pour les laboratoires d\u2019IA et nous am\u00e8ne \u00e0 l\u2019argument central de notre article :<\/p>\n\n\n\n La voie la plus probable vers une rentabilit\u00e9 durable pour ces laboratoires ne passe pas par les couches de base (puces, centres de donn\u00e9es, mod\u00e8les) qui ont jusqu\u2019\u00e0 pr\u00e9sent repr\u00e9sent\u00e9 l\u2019essentiel des investissements, mais plus haut dans la pile, gr\u00e2ce \u00e0 une combinaison d\u2019int\u00e9gration verticale, de d\u00e9ploiements int\u00e9gr\u00e9s dans les entreprises et \u00e0 la cr\u00e9ation d\u00e9lib\u00e9r\u00e9e de co\u00fbts de changement et d\u2019autres \u00ab foss\u00e9s \u00bb.<\/em><\/p>\n\n\n\n Les strat\u00e9gies des laboratoires visant \u00e0 capter de la valeur en remontant dans la pile, dont beaucoup s\u2019inspirent du mod\u00e8le des logiciels d\u2019entreprise, ont d\u00e9j\u00e0 commenc\u00e9. Au-del\u00e0 de la viabilit\u00e9 de l\u2019\u00e9cosyst\u00e8me actuel de l\u2019IA, elles soul\u00e8vent des questions d\u2019int\u00e9r\u00eat soci\u00e9tal plus large \u2014 concernant la concurrence, l\u2019innovation et la r\u00e9partition globale du pouvoir \u00e9conomique et politique. Le d\u00e9bat public sur l\u2019IA a jusqu\u2019\u00e0 pr\u00e9sent \u00e9t\u00e9 marqu\u00e9 par une dichotomie quelque peu paradoxale : d\u2019un c\u00f4t\u00e9, l\u2019inqui\u00e9tude face \u00e0 la concentration monopolistique et \u00e0 un pouvoir de march\u00e9 incontr\u00f4lable; de l\u2019autre, une r\u00e9alit\u00e9 caract\u00e9ris\u00e9e par de faibles co\u00fbts de transfert et des mod\u00e8les relativement interchangeables qui semblent contredire ces craintes. Mais si nous avons raison de penser que les laboratoires vont de plus en plus remonter la cha\u00eene technologique, alors les pr\u00e9occupations relatives \u00e0 la concentration et \u00e0 la concurrence m\u00e9ritent d\u2019\u00eatre prises au s\u00e9rieux d\u00e8s maintenant, plut\u00f4t qu\u2019une fois que les effets de l\u2019enfermement commenceront \u00e0 se concr\u00e9tiser. Nous reviendrons sur ces enjeux plus larges dans la conclusion \u2014 ainsi que dans un article \u00e0 para\u00eetre qui approfondira bon nombre des sujets abord\u00e9s dans ce billet.<\/p>\n\n\n\n Le cadre \u00ab L\u2019IA comme technologie normale \u00bb<\/em><\/a> s\u2019attache \u00e0 tirer des le\u00e7ons, le cas \u00e9ch\u00e9ant, des technologies transformatrices du pass\u00e9. Nous pensons que l\u2019IA est soumise \u00e0 bon nombre des m\u00eames dynamiques li\u00e9es \u00e0 l\u2019investissement, \u00e0 la concurrence et \u00e0 la capture de valeur qui ont fa\u00e7onn\u00e9 les vagues pr\u00e9c\u00e9dentes d\u2019innovation technologique. Dans le cadre de nos recherches, nous avons donc examin\u00e9 l\u2019\u00e9nigme de la capture de valeur de l\u2019IA, ainsi que la r\u00e9ponse probable des laboratoires \u00e0 ce ph\u00e9nom\u00e8ne, \u00e0 travers un prisme historique plus large.<\/p>\n\n\n\n Nous avons examin\u00e9 six exemples historiques de secteurs d\u2019infrastructure \u00e0 forte intensit\u00e9 de capital (chemins de fer, \u00e9lectricit\u00e9, t\u00e9l\u00e9communications et fibre optique, informatique en nuage, fabrication de semi-conducteurs et aviation commerciale). Nous estimons que l\u2019IA pr\u00e9sente aujourd\u2019hui de nombreuses caract\u00e9ristiques propres aux infrastructures : des besoins en capital consid\u00e9rables; un co\u00fbt marginal faible; un produit de base quelque peu dissoci\u00e9 des applications qui, en fin de compte, cr\u00e9ent de la valeur. Cela fait des infrastructures un secteur d\u2019activit\u00e9 r\u00e9put\u00e9 pour \u00eatre particuli\u00e8rement difficile.<\/p>\n\n\n\n Mais en m\u00eame temps, l\u2019IA est un logiciel, et le secteur des logiciels s\u2019est historiquement r\u00e9v\u00e9l\u00e9 lucratif, avec des marges exceptionnellement \u00e9lev\u00e9es. L\u2019industrie nourrit des ambitions en mati\u00e8re de marges propres aux logiciels. Nous avons donc \u00e9galement examin\u00e9 les strat\u00e9gies de valeur ajout\u00e9e et de fid\u00e9lisation de la \u00ab logiciel-en-service \u00bb (SaaS), et analys\u00e9 si l\u2019IA pouvait les reproduire. Notre th\u00e8se est que la p\u00e9rennit\u00e9 et la capture de valeur des entreprises d\u2019IA d\u00e9pendent en grande partie de leur capacit\u00e9 \u00e0 passer avec succ\u00e8s d\u2019un premier ensemble de caract\u00e9ristiques infrastructurelles<\/em> \u00e0 un second ensemble de caract\u00e9ristiques propres aux logiciels d\u2019entreprise<\/em>.<\/p>\n\n\n\n De mani\u00e8re g\u00e9n\u00e9rale, notre analyse historique nous a permis de d\u00e9gager trois le\u00e7ons <\/strong>instructives pour l\u2019IA. Premi\u00e8rement<\/strong>, les fournisseurs d\u2019infrastructure capturent rarement la valeur qu\u2019ils cr\u00e9ent<\/em>. Que ce soit dans les secteurs des chemins de fer, de l\u2019\u00e9lectricit\u00e9, des t\u00e9l\u00e9communications ou des compagnies a\u00e9riennes, les entreprises qui ont d\u00e9velopp\u00e9 des capacit\u00e9s ont fini par \u00eatre confront\u00e9es \u00e0 la concurrence, soumises \u00e0 la r\u00e9glementation ou transform\u00e9es en produits de base, ce qui a r\u00e9duit leurs marges \u00e0 un niveau minime. Dans bien des cas, elles ont tout simplement disparu. Lors du d\u00e9ploiement des r\u00e9seaux de t\u00e9l\u00e9communications et de fibre optique \u00e0 la fin des ann\u00e9es 1990, la capacit\u00e9 a explos\u00e9 de 186 000 fois<\/a> en sept ans, les prix se sont effondr\u00e9s et environ 2 billions de dollars de capitalisation boursi\u00e8re ont \u00e9t\u00e9 an\u00e9antis. La valeur g\u00e9n\u00e9r\u00e9e par l\u2019infrastructure a principalement profit\u00e9 aux industries et aux applications qui s\u2019y sont d\u00e9velopp\u00e9es. L\u2019aviation commerciale a an\u00e9anti le capital des investisseurs pendant huit d\u00e9cennies, car les marges nettes typiques se situent entre 2 et 4 %, souvent en dessous du co\u00fbt du capital \u2014 alors m\u00eame que des entreprises de tous horizons ont profit\u00e9 d\u2019une \u00e9conomie mondialis\u00e9e.<\/p>\n\n\n\n Nous estimons que l\u2019IA, du moins sous sa forme actuelle d\u2019\u00ab hyperscaler \u00bb, risque de tomber dans le m\u00eame pi\u00e8ge de la banalisation qui a tourment\u00e9 tant de b\u00e2tisseurs d\u2019infrastructures avant elle. Carlota Perez a th\u00e9oris\u00e9 ce ph\u00e9nom\u00e8ne paradoxal selon lequel les b\u00e2tisseurs qui cr\u00e9ent des infrastructures pendant la \u00ab p\u00e9riode d\u2019installation<\/a> \u00bb survivent rarement assez longtemps pour capter la valeur qu\u2019elles g\u00e9n\u00e8rent.<\/p>\n\n\n\n Deuxi\u00e8mement<\/strong>, les logiciels d\u2019entreprise ne suivent pas ce sch\u00e9ma<\/em> et \u00e9chappent \u00e0 ce pi\u00e8ge gr\u00e2ce \u00e0 un ensemble de m\u00e9canismes sp\u00e9cifiques et reproductibles. L\u00e0 o\u00f9 les entreprises d\u2019infrastructure ont connu des difficult\u00e9s, les logiciels d\u2019entreprise ont maintenu des marges brutes de 75 % ou plus<\/a> pendant des d\u00e9cennies. Ils y parviennent en combinant trois propri\u00e9t\u00e9s<\/a> qui font d\u00e9faut aux entreprises d\u2019infrastructure : un co\u00fbt marginal de reproduction nul, des co\u00fbts de changement \u00e9lev\u00e9s et une valeur non \u00e9ph\u00e9m\u00e8re qui permet d\u2019amortir les co\u00fbts fixes de mise en place sur plusieurs d\u00e9cennies. Les strat\u00e9gies de verrouillage des laboratoires d\u2019IA s\u2019expliquent surtout comme des tentatives d\u2019importer ces propri\u00e9t\u00e9s structurelles des logiciels dans l\u2019IA.<\/p>\n\n\n\n Enfin<\/strong>, deux exceptions partielles<\/em> r\u00e9v\u00e8lent ce qu\u2019il faudrait pour que l\u2019IA d\u00e9fie les tendances historiques<\/em>. Deux secteurs d\u2019infrastructure \u2014 le cloud computing et la fabrication de puces \u2014 ont r\u00e9ussi \u00e0 \u00e9chapper au pi\u00e8ge des produits de base. Le cloud a acquis des propri\u00e9t\u00e9s propres aux logiciels (fid\u00e9lisation par les services g\u00e9r\u00e9s, frais de sortie, ententes d\u2019engagement de d\u00e9penses) et TSMC a atteint une position de quasi-monopole dans la fabrication de pointe. Ces exemples sont importants, car ils montrent ce qu\u2019il faut r\u00e9ellement pour \u00e9chapper au pi\u00e8ge des produits de base. Les industries \u00e0 forte intensit\u00e9 de capital peuvent maintenir des marges durables, mais uniquement en devenant fonctionnellement des logiciels ou en parvenant \u00e0 une concentration du march\u00e9.<\/p>\n\n\n\n Comme nous l\u2019avons not\u00e9, les d\u00e9tracteurs du d\u00e9veloppement de l\u2019IA soulignent les pertes actuelles des laboratoires, tandis que ses partisans mettent en avant les profits pr\u00e9coces, mais les uns comme les autres commettent la m\u00eame erreur : confondre la p\u00e9riode de transition avec l\u2019\u00e9quilibre. Nous n\u2019en sommes encore qu\u2019aux premi\u00e8res ann\u00e9es de la transformation de l\u2019\u00e9conomie par l\u2019IA, et toute extrapolation na\u00efve est erron\u00e9e. \u00c0 l\u2019\u00e9quilibre, tant le c\u00f4t\u00e9 de l\u2019offre que celui de la demande seront tr\u00e8s diff\u00e9rents de ce qu\u2019ils sont aujourd\u2019hui.<\/p>\n\n\n\n Voici quelques exemples des al\u00e9as rencontr\u00e9s jusqu\u2019\u00e0 pr\u00e9sent par les laboratoires d\u2019IA : Un d\u00e9ploiement massif et sp\u00e9culatif d\u2019infrastructures qui \u00e9tait sans doute en avance sur la demande; le \u00ab moment Deepseek \u00bb, durant lequel les mod\u00e8les \u00e0 poids ouvert ont failli rattraper la fronti\u00e8re; une flamb\u00e9e de la demande alors que les entreprises adoptaient les agents d\u2019IA, souvent accompagn\u00e9e de pratiques irrationnelles et gaspilleuses telles que les classements de jetons, menant \u00e0 ce qu\u2019on a appel\u00e9 l\u2019\u00e8re de la raret\u00e9 des jetons; et, plus r\u00e9cemment, un nouvel \u00e9lan en faveur d\u2019un \u00e9cosyst\u00e8me open source concurrentiel alors que les entreprises r\u00e9\u00e9valuent leurs d\u00e9penses en mod\u00e8les de pointe.<\/p>\n\n\n\n Ces hauts et ces bas pr\u00e9sentent de nombreux parall\u00e8les avec les \u00e9tudes de cas historiques mentionn\u00e9es ci-dessus. Les chemins de fer ont d\u2019abord connu une fr\u00e9n\u00e9sie sp\u00e9culative (la \u00ab manie des chemins de fer \u00bb des ann\u00e9es 1840 en Grande-Bretagne). Aux \u00c9tats-Unis, au fil du temps, la demande a d\u00e9pass\u00e9 la capacit\u00e9, ce qui a g\u00e9n\u00e9r\u00e9 des rendements directs et indirects estim\u00e9s \u00e0 15 % par ann\u00e9e<\/a> sur le capital ferroviaire jusqu\u2019en 1860 \u2014 un chiffre \u00e9norme pour l\u2019\u00e9poque. Mais \u00e0 mesure que le r\u00e9seau se d\u00e9veloppait, la capacit\u00e9 a rattrap\u00e9 la demande, la concurrence a comprim\u00e9 les marges, et de nombreuses compagnies ferroviaires ont fait faillite.<\/p>\n\n\n\n Ainsi, pour mieux pr\u00e9voir les perspectives \u00e0 long terme des laboratoires, il est utile de prendre du recul par rapport aux fluctuations annuelles et trimestrielles des r\u00e9sultats financiers (et des discours), et d\u2019ancrer notre analyse dans la th\u00e9orie \u00e9conomique<\/strong>. Un concept cl\u00e9 est le paradoxe de Bertrand<\/a> : celui-ci stipule que lorsque les entreprises vendent un produit homog\u00e8ne (inf\u00e9rence selon le mod\u00e8le de la fronti\u00e8re), la concurrence sur les prix les obligera \u00e0 vendre chaque unit\u00e9 (jeton) au co\u00fbt marginal de production.<\/p>\n\n\n\n L\u2019analyse th\u00e9orique est importante, car la question de savoir dans quelle mesure les donn\u00e9es historiques permettent de pr\u00e9dire l\u2019\u00e9volution du secteur de l\u2019IA fait l\u2019objet de d\u00e9bats. Par exemple, notre coll\u00e8gue Mihir Kshirsagar identifie la r\u00e9glementation<\/a> comme la principale raison pour laquelle les entreprises ferroviaires, d\u2019\u00e9lectricit\u00e9 et de t\u00e9l\u00e9communications n\u2019ont pas pu tirer profit de la plus-value g\u00e9n\u00e9r\u00e9e par leur infrastructure, plut\u00f4t que de consid\u00e9rer cela comme une cons\u00e9quence inh\u00e9rente \u00e0 leur mod\u00e8le \u00e9conomique. Ainsi, la th\u00e9orie nous donne une raison suppl\u00e9mentaire de nous attendre \u00e0 un resserrement des marges. Bien qu\u2019il soit facile d\u2019\u00e9chapper \u00e0 ce paradoxe th\u00e9orique dans la pratique, nous croyons que l\u2019inf\u00e9rence des mod\u00e8les rec\u00e8le une version exceptionnellement pure des conditions qui engendrent ce paradoxe :<\/p>\n\n\n\n Une r\u00e9ponse possible \u00e0 tout cela consiste \u00e0 affirmer que l\u2019ampleur de la compression des marges n\u2019a pas d\u2019importance, car les entreprises d\u2019IA compenseront simplement cette perte par le volume. Mais les chiffres ne tiennent pas la route. Si l\u2019on suppose une marge nette de 5 % \u2014 bien sup\u00e9rieure \u00e0 celle des compagnies a\u00e9riennes \u2014 et la n\u00e9cessit\u00e9 de r\u00e9cup\u00e9rer les 4 T$ \u00e0 8 T$ d\u2019investissement mentionn\u00e9s plus haut sur un horizon de cinq ans, on aboutit \u00e0 un besoin de revenus annuels de 16 T$ \u00e0 32 T$, dont la fourchette haute repr\u00e9sente le quart du PIB mondial actuel.<\/p>\n\n\n\n Adopter cette perspective \u00e0 long terme, fond\u00e9e sur l\u2019histoire et la th\u00e9orie \u00e9conomique, nous permet de faire abstraction de plusieurs facteurs auxquels d\u2019autres analystes ont tendance \u00e0 accorder une importance cruciale. Pour l\u2019instant, nous traversons une p\u00e9riode o\u00f9 des cycles d\u2019entra\u00eenement massifs et \u00e0 forte intensit\u00e9 de capital continuent de produire de meilleurs mod\u00e8les. Cela oblige les laboratoires \u00e0 rester pris dans un cycle incessant de mises \u00e0 niveau<\/a>, dans lequel ils r\u00e9investissent leurs revenus dans l\u2019entra\u00eenement (et m\u00eame davantage), en assumant des investissements toujours plus \u00e9lev\u00e9s. Lorsque ce cycle ralentira,2<\/a> le secteur atteindra un nouvel \u00e9tat d\u2019\u00e9quilibre qui sera probablement tr\u00e8s diff\u00e9rent de la situation actuelle. Dans cet \u00e9tat, trois facteurs qui dominent actuellement le d\u00e9bat auront beaucoup moins d\u2019importance qu\u2019ils ne le semblent aujourd\u2019hui.<\/p>\n\n\n\n Le premier est la chute des prix des jetons, entra\u00een\u00e9e par des gains d\u2019efficacit\u00e9, que les critiques citent comme preuve d\u2019une course vers le bas qui r\u00e9duira la taille du g\u00e2teau. \u00c0 notre avis, s\u2019il est vrai que les prix des jetons ont chut\u00e9 rapidement<\/a> (et que cette tendance devrait se poursuivre), cela ne constitue pas n\u00e9cessairement un probl\u00e8me pour les laboratoires. Selon la forme de la courbe de la demande, la lib\u00e9ration de la demande pourrait plus que compenser la baisse des prix \u2014 c\u2019est ce qu\u2019on appelle le paradoxe de Jevons<\/a>, selon lequel les gains d\u2019efficacit\u00e9 entra\u00eenent une consommation accrue (et non r\u00e9duite) d\u2019une ressource.<\/p>\n\n\n\n Le deuxi\u00e8me facteur est la raret\u00e9 des jetons, que les partisans invoquent comme preuve du pouvoir de fixation des prix des laboratoires. Toute raret\u00e9 est toutefois probablement un ph\u00e9nom\u00e8ne temporaire qui sera att\u00e9nu\u00e9, voire \u00e9limin\u00e9, par une combinaison d\u2019investissements dans l\u2019infrastructure et d\u2019am\u00e9liorations algorithmiques. La raret\u00e9 des jetons ne devrait donc pas permettre aux laboratoires d\u2019augmenter leurs marges.<\/p>\n\n\n\n Le troisi\u00e8me facteur qui domine le d\u00e9bat actuel est la volont\u00e9 de payer. Les d\u00e9tracteurs pr\u00e9disent parfois que la demande s\u2019\u00e9vaporera lorsque les laboratoires mettront fin \u00e0 leurs tarifs d\u2019abonnement subventionn\u00e9s, inf\u00e9rieurs au co\u00fbt de production. Mais cela revient \u00e0 consid\u00e9rer la volont\u00e9 de payer comme une quantit\u00e9 fixe, quelque chose qui peut \u00eatre extrapol\u00e9e \u00e0 partir de la situation actuelle. \u00c0 long terme, nous nous attendons \u00e0 ce que l\u2019IA devienne un \u00e9l\u00e9ment essentiel de la plupart des travaux intellectuels, et \u00e0 ce que cette technologie soit aussi transformatrice que la r\u00e9volution industrielle. Dans une transition de cette ampleur, la volont\u00e9 de payer est potentiellement \u00e9norme.<\/p>\n\n\n\n En d\u2019autres termes, il faut distinguer la cr\u00e9ation de valeur<\/em> de la capture de valeur<\/em>. Nous nous attendons \u00e0 ce que la valeur cr\u00e9\u00e9e<\/em> soit d\u2019une ampleur inimaginable. La question centrale \u2014 voire existentielle \u2014 pour les laboratoires est de savoir s\u2019ils seront capables de capturer<\/em> ne serait-ce qu\u2019un faible pourcentage de cette valeur. Quelle fraction de la valeur que l\u2019IA cr\u00e9e pour une entreprise cette derni\u00e8re sera-t-elle pr\u00eate \u00e0 verser aux fournisseurs d\u2019IA? Il ne s\u2019agit pas d\u2019un chiffre flottant, d\u00e9termin\u00e9 de mani\u00e8re exog\u00e8ne. Il d\u00e9pend en grande partie de la capacit\u00e9 des laboratoires d\u2019IA \u00e0 \u00e9chapper au pi\u00e8ge de la banalisation.<\/p>\n\n\n\n Comme nous le d\u00e9montrons ci-dessous, le moyen le plus fiable d\u2019\u00e9chapper au pi\u00e8ge de la banalisation consiste \u00e0 se positionner en aval de la cha\u00eene de valeur \u00e9conomique (dans le cas de l\u2019IA, cela signifie \u00ab remonter la pile \u00bb). Le passage de la vente d\u2019infrastructures ou de produits physiques \u00e0 des offres group\u00e9es incluant des services est parfois appel\u00e9 \u00abservitisation<\/a>\u00bb. Par exemple, \u00e0 mesure que le mat\u00e9riel informatique se banalisait, IBM a r\u00e9ussi sa transition vers une entreprise de services, pour finalement vendre l\u2019ensemble de sa division d\u2019ordinateurs personnels \u00e0 Lenovo. Les entreprises de t\u00e9l\u00e9communications ont \u00e9galement d\u00e9ploy\u00e9 des efforts soutenus et intenses pour \u00e9viter de devenir de simples \u00ab tuyaux muets \u00bb, mais sans succ\u00e8s. La valeur a plut\u00f4t \u00e9t\u00e9 capt\u00e9e par les applications qui utilisaient l\u2019infrastructure, ce qui a conduit \u00e0 l\u2019essor des g\u00e9ants de la technologie. Nous croyons que les laboratoires se trouvent aujourd\u2019hui face \u00e0 un choix similaire : capter la valeur dans les couches situ\u00e9es au-dessus des mod\u00e8les, ou regarder d\u2019autres cr\u00e9er des entreprises lucratives sur l\u2019infrastructure qu\u2019ils ont eux-m\u00eames construite et financ\u00e9e.<\/p>\n\n\n\n Pour r\u00e9sumer notre argumentation jusqu\u2019\u00e0 pr\u00e9sent, notre analyse historique ainsi que la th\u00e9orie \u00e9conomique sugg\u00e8rent qu\u2019il n\u2019existe que deux voies plausibles pour sortir du pi\u00e8ge de la banalisation : \u00e9tablir un contr\u00f4le quasi monopolistique sur le march\u00e9, ou capter la valeur aux couches sup\u00e9rieures de la pile, ce qui s\u2019accompagne souvent de co\u00fbts de changement accrus.<\/p>\n\n\n\n Nous estimons que la premi\u00e8re voie est peu probable et que le secteur restera concurrentiel. Les partisans de l\u2019exceptionnalisme de l\u2019IA pourraient ne pas \u00eatre d\u2019accord, pr\u00e9voyant une \u00e9volution sans pr\u00e9c\u00e9dent historique : une discontinuit\u00e9 de capacit\u00e9 si spectaculaire qu\u2019elle redessine enti\u00e8rement le paysage concurrentiel. Dans ce sc\u00e9nario de \u00ab d\u00e9collage brutal \u00bb, un ou plusieurs laboratoires parviennent \u00e0 une auto-am\u00e9lioration r\u00e9cursive, rendant l\u2019\u00e9conomie actuelle largement hors de propos.<\/p>\n\n\n\n Dans notre article complet, nous expliquons pourquoi ce sc\u00e9nario est hautement improbable. Pour l\u2019instant, nous soulignons que de nombreux d\u00e9cideurs, investisseurs et autres intervenants h\u00e9sitent \u00e0 miser sur une telle possibilit\u00e9 et doivent plut\u00f4t se pr\u00e9parer \u00e0 un sc\u00e9nario o\u00f9 celle-ci ne se concr\u00e9tiserait pas.<\/p>\n\n\n\n Cela fait de la progression vers les couches sup\u00e9rieures de la pile la voie la plus probable \u00e0 suivre. Nous estimons que les entreprises d\u2019IA sont bien conscientes du pi\u00e8ge de la banalisation; elles s\u2019efforcent sans r\u00e9serve de d\u00e9passer le statut de simples fournisseurs d\u2019inf\u00e9rence (c\u2019est-\u00e0-dire la vente de jetons indiff\u00e9renci\u00e9s par l\u2019interm\u00e9diaire d\u2019API de mod\u00e8les) et cherchent \u00e0 capter de la valeur aux couches sup\u00e9rieures de la pile. Nous n\u2019en sommes qu\u2019aux pr\u00e9mices de ces efforts et de nombreuses strat\u00e9gies nouvelles et plus syst\u00e9matiques devraient voir le jour (nous en examinons certaines dans la section suivante). Mais d\u00e9j\u00e0, certaines initiatives se dessinent.<\/p>\n\n\n\n La figure 1 illustre certaines de ces initiatives en cours. Il est \u00e0 noter que la pile d\u00e9crit ce pour quoi le client paie, et non l\u2019unit\u00e9 de facturation. La tarification par jeton peut \u00eatre utilis\u00e9e \u00e0 n\u2019importe quel niveau de la pile, et d\u2019autres unit\u00e9s (abonnements, r\u00e9sultats) peuvent \u00eatre utilis\u00e9es en combinaison ou comme substituts aux niveaux sup\u00e9rieurs. C\u2019est le type de valeur \u00e0 chaque niveau de la pile qui d\u00e9termine si le pi\u00e8ge de la marchandise s\u2019applique, et non le mod\u00e8le de tarification. Nous abordons les strat\u00e9gies de tarification plus en d\u00e9tail dans la section suivante.<\/p>\n\n\n\n L\u2019une des principales conclusions de cet essai est que les entreprises qui op\u00e8rent \u00e0 des niveaux sup\u00e9rieurs de cette pile peuvent capter une plus grande partie de la valeur qu\u2019elles cr\u00e9ent. Elles peuvent mieux diff\u00e9rencier leurs offres et se doter de divers avantages concurrentiels (comme nous le verrons ci-dessous), dont bon nombre sont sans doute novateurs et plus puissants que ceux dont b\u00e9n\u00e9ficiaient les \u00e9diteurs de logiciels d\u2019entreprise.<\/p>\n\n\n\n Une mise en garde importante : pour que les laboratoires d\u2019IA, en particulier OpenAI et Anthropic, puissent gravir les \u00e9chelons de la pile, ils doivent rivaliser avec des acteurs \u00e9tablis de plus grande envergure qui jouissent de nombreux avantages, notamment des canaux de distribution existants et des relations \u00e9troites avec la client\u00e8le d\u2019entreprise. Google b\u00e9n\u00e9ficie d\u2019une int\u00e9gration verticale ais\u00e9e dans sa gamme existante de produits grand public. Les acteurs \u00e9tablis du SaaS, notamment Microsoft, parient qu\u2019ils pourront s\u2019approprier le mod\u00e8le de l\u2019\u00ab intelligence en tant que service \u00bb plus rapidement que les laboratoires d\u2019IA.<\/strong> Cette in\u00e9galit\u00e9 red\u00e9finit la dynamique concurrentielle de l\u2019\u00e9cosyst\u00e8me de l\u2019IA et met en \u00e9vidence des diff\u00e9rences importantes entre les principaux acteurs qui tentent de gravir la cha\u00eene de valeur.<\/p>\n\n\n\n Comment la progression dans la cha\u00eene de valeur permet-elle aux entreprises d\u2019\u00e9chapper au pi\u00e8ge de la banalisisation? La r\u00e9ponse ne r\u00e9side pas simplement dans le fait que les couches sup\u00e9rieures cr\u00e9ent davantage de valeur \u00e9conomique. Elle tient au fait qu\u2019elles rendent cette valeur capturable et durable : op\u00e9rer \u00e0 un niveau sup\u00e9rieur de la cha\u00eene de valeur permet aux laboratoires de diff\u00e9rencier leurs offres et de cr\u00e9er des co\u00fbts de verrouillage et de changement inaccessibles aux vendeurs d\u2019inf\u00e9rence brute, c\u2019est-\u00e0-dire aux fournisseurs d\u2019API. Elles permettent en effet aux entreprises d\u2019IA d\u2019\u00e9chapper au manque de diff\u00e9renciation qui est au c\u0153ur du paradoxe de Bertrand. Les avanc\u00e9es dans la cha\u00eene de valeur ne sont pas seulement de nouvelles strat\u00e9gies de produits; ce sont des strat\u00e9gies de cr\u00e9ation de barri\u00e8res \u00e0 l\u2019entr\u00e9e<\/strong>. Dans cette section, nous examinons plusieurs types de barri\u00e8res \u00e0 l\u2019entr\u00e9e \u2014 certaines que les laboratoires sont d\u00e9j\u00e0 en train de mettre en place, et d\u2019autres qu\u2019ils pourraient mettre en place \u00e0 l\u2019avenir.<\/p>\n\n\n\n Afin d\u2019identifier les foss\u00e9s qui s\u2019ouvrent \u00e0 mesure que les entreprises d\u2019IA progressent au-del\u00e0 de la couche des mod\u00e8les, nous avons examin\u00e9 comment les \u00e9diteurs de logiciels d\u2019entreprise g\u00e9n\u00e8rent un pouvoir de fixation des prix et capturent de la valeur, puis nous avons analys\u00e9 lesquelles de ces strat\u00e9gies sont susceptibles de s\u2019appliquer aux entreprises d\u2019IA et quelles nouvelles strat\u00e9gies deviennent disponibles.<\/p>\n\n\n\n Nous soulignons deux nuances importantes avant d\u2019entrer dans le vif du sujet. Premi\u00e8rement, bien que les avantages concurrentiels constituent des moyens de d\u00e9fendre sa part de march\u00e9 face aux concurrents<\/em>, notre int\u00e9r\u00eat r\u00e9side dans l\u2019analyse de la capacit\u00e9 des entreprises d\u2019IA \u00e0 capter la valeur qu\u2019elles cr\u00e9ent pour leurs clients<\/em>. N\u00e9anmoins, les strat\u00e9gies en jeu sont en grande partie les m\u00eames, car les deux cas exigent d\u2019\u00e9viter une course \u00e0 la baisse des prix.<\/strong><\/p>\n\n\n\n Deuxi\u00e8mement, notre analyse se concentre sur le march\u00e9 des entreprises<\/strong>, car nous estimons qu\u2019il repr\u00e9sentera l\u2019essentiel des revenus<\/strong>. OpenAI a r\u00e9cemment r\u00e9orient\u00e9 ses activit\u00e9s<\/a> dans cette direction, tandis qu\u2019Anthropic a toujours mis l\u2019accent sur le secteur des entreprises. Bien qu\u2019il soit possible que les produits grand public financ\u00e9s par la publicit\u00e9 constituent \u00e0 l\u2019avenir une source de revenus importante, contribuant ainsi \u00e0 \u00e9chapper au pi\u00e8ge de la banalisation, cela ne remet pas en cause notre th\u00e8se concernant les avantages concurrentiels dans le secteur des entreprises.<\/p>\n\n\n\n 1. Les avantages concurrentiels li\u00e9s \u00e0 l\u2019int\u00e9gration :<\/strong> Les mod\u00e8les<\/em> d\u2019IA sont des \u00e9l\u00e9ments que les clients int\u00e8grent dans leurs flux de travail. Mais une autre vision de l\u2019IA est celle d\u2019un syst\u00e8me<\/em> dans lequel le client \u00e9volue. Cette derni\u00e8re approche est plus propice \u00e0 la cr\u00e9ation d\u2019avantages concurrentiels.<\/p>\n\n\n\n M\u00eame si le mod\u00e8le sous-jacent reste interchangeable, l\u2019\u00e9tat qui l\u2019entoure pour un client donn\u00e9 peut ne pas l\u2019\u00eatre. Au fil du temps, cet \u00e9tat s\u2019accumule : m\u00e9moire persistante et historique des conversations, corpus de documents t\u00e9l\u00e9charg\u00e9s et index de recherche, comp\u00e9tences personnalis\u00e9es ou suites d\u2019\u00e9valuation, flux de travail et processus d\u2019affaires, ainsi que diverses formes de mise au point ou de personnalisation. Cette \u00ab gravit\u00e9 des donn\u00e9es \u00bb contribue grandement \u00e0 la fid\u00e9lisation des utilisateurs des logiciels d\u2019entreprise, et explique pourquoi leur remplacement a \u00e9t\u00e9 qualifi\u00e9 de \u00ab chirurgie \u00e0 c\u0153ur ouvert<\/a> \u00bb.<\/p>\n\n\n\n Tant OpenAI (Company Knowledge) qu\u2019Anthropic (Claude Cowork, le partenariat avec PwC) s\u2019engagent d\u00e9j\u00e0 dans ces voies. La viabilit\u00e9 de ces strat\u00e9gies reste toutefois une question ouverte. Une complication r\u00e9side dans le fait que les donn\u00e9es susceptibles de contribuer \u00e0 la construction de ces \u00ab foss\u00e9s \u00bb se trouvent g\u00e9n\u00e9ralement sur les serveurs des entreprises, au sein de syst\u00e8mes bien \u00e9tablis comme Salesforce, Workday et SAP, qui sont en grande partie inaccessibles aux laboratoires d\u2019IA. Pour surmonter cet obstacle, les entreprises d\u2019IA pourraient se forger des \u00ab foss\u00e9s \u00bb en contr\u00f4lant les couches d\u2019orchestration occup\u00e9es par les agents, fournissant ainsi le tissu conjonctif qui relie les flux de travail d\u2019une organisation. Cependant, si les normes ouvertes<\/a> maintiennent la couche d\u2019orchestration l\u00e9g\u00e8re et interchangeable, la valeur pourrait en fin de compte revenir aux int\u00e9grateurs d\u2019agents et aux entreprises<\/strong> plut\u00f4t qu\u2019aux laboratoires eux-m\u00eames.<\/p>\n\n\n\n 2. Avantages concurrentiels \u00e9cosyst\u00e9miques :<\/strong> Les logiciels d\u2019entreprise tels que Windows, GitHub et SAP<\/a> ont tous tir\u00e9 profit du fait que, \u00e0 mesure qu\u2019ils gagnaient davantage de clients ou de d\u00e9veloppeurs qui construisaient sur leur plateforme, la valeur de celle-ci augmentait. Le march\u00e9 de l\u2019IA ne pr\u00e9sente pas<\/a> encore de solides avantages concurrentiels li\u00e9s \u00e0 l\u2019\u00e9cosyst\u00e8me. Les laboratoires se sont efforc\u00e9s de cr\u00e9er des march\u00e9s bilat\u00e9raux sur la base de l\u2019IA en tant que plateforme, mais jusqu\u2019\u00e0 pr\u00e9sent, ceux-ci ont soit \u00e9chou\u00e9 (GPT Store), soit \u00e9t\u00e9 trop limit\u00e9s pour g\u00e9n\u00e9rer des co\u00fbts de changement significatifs (plugines Claude).<\/p>\n\n\n\n Un type d\u2019effet de r\u00e9seau tr\u00e8s discut\u00e9 mais pas encore concr\u00e9tis\u00e9 est le \u00abflywheel<\/a>\u00bb (effet de roue d\u2019inertie) li\u00e9 \u00e0 l\u2019entra\u00eenement de mod\u00e8les ou de syst\u00e8mes d\u2019IA \u00e0 l\u2019aide de la propri\u00e9t\u00e9 intellectuelle des clients, qu\u2019il s\u2019agisse de donn\u00e9es, des environnements dans lesquels les agents s\u2019ex\u00e9cutent, des traces d\u2019ex\u00e9cution de ces agents ou de suites d\u2019\u00e9valuation priv\u00e9es. Jusqu\u2019\u00e0 pr\u00e9sent, les entreprises se sont montr\u00e9es r\u00e9ticentes \u00e0 laisser leur propri\u00e9t\u00e9 intellectuelle \u00eatre utilis\u00e9e de cette mani\u00e8re par les d\u00e9veloppeurs d\u2019IA, mais cela pourrait changer \u00e0 l\u2019avenir. Apr\u00e8s tout, il suffit qu\u2019un seul client (ad\u00e9quatement incit\u00e9) dans chaque secteur change de fournisseur pour mettre un effet de volant d\u2019inertie en marche.<\/p>\n\n\n\n 3. Avantages concurrentiels commerciaux <\/strong>: <\/strong>Cette cat\u00e9gorie englobe toute une gamme de strat\u00e9gies bien connues, largement emprunt\u00e9es aux logiciels d\u2019entreprise et au cloud computing. Les contrats commerciaux peuvent inclure divers m\u00e9canismes (ententes pluriannuelles, paliers de d\u00e9penses engag\u00e9es, cr\u00e9dits pr\u00e9pay\u00e9s) qui rendent le passage \u00e0 la concurrence non rentable. Les laboratoires d\u00e9ploient d\u00e9j\u00e0 certains de ces m\u00e9canismes dans leurs ententes d\u2019entreprise, mais la p\u00e9rennit\u00e9 de ce foss\u00e9 est \u00e9galement discutable. Les \u00e9quipes d\u2019approvisionnement d\u2019entreprise averties exigeront la portabilit\u00e9 avant de signer, et le verrouillage contractuel est tr\u00e8s facilement identifiable<\/a> par les autorit\u00e9s antitrust.<\/p>\n\n\n\n L\u2019int\u00e9gration verticale offre une version plus puissante de cette m\u00eame logique commerciale. Lorsqu\u2019un assistant d\u2019IA est int\u00e9gr\u00e9 \u00e0 un logiciel pour lequel une entreprise paie d\u00e9j\u00e0 (Copilot dans Microsoft 365, Gemini dans Google Workspace), le co\u00fbt marginal de l\u2019IA semble \u00eatre nul, ce qui rend difficile pour les concurrents autonomes de rivaliser sur le plan des prix. Les acteurs int\u00e9gr\u00e9s peuvent \u00e9galement tirer parti des relations existantes en mati\u00e8re de ventes et d\u2019approvisionnement : au lieu de remporter une nouvelle ligne budg\u00e9taire, ils int\u00e8grent simplement l\u2019IA dans une discussion de renouvellement concernant un logiciel auquel le client s\u2019est d\u00e9j\u00e0 engag\u00e9. Bien s\u00fbr, cette strat\u00e9gie n\u2019est accessible qu\u2019aux acteurs \u00e9tablis et int\u00e9gr\u00e9s comme Google et Microsoft. Comme indiqu\u00e9 plus haut, cela signifie que les laboratoires autonomes comme OpenAI ou Anthropic doivent rivaliser sur un terrain de jeu structurellement in\u00e9gal, louant souvent de l\u2019infrastructure aux entreprises m\u00eames contre lesquelles ils sont en concurrence.<\/p>\n\n\n\n 4. Les avantages comportementaux :<\/strong> Alors que les avantages \u00e9voqu\u00e9s plus haut reposent sur des m\u00e9canismes techniques ou commerciaux, les foss\u00e9s comportementaux s\u2019appuient sur les utilisateurs des syst\u00e8mes d\u2019IA. Tout comme les vagues pr\u00e9c\u00e9dentes de logiciels d\u2019entreprise (Microsoft Excel, les syst\u00e8mes CRM), l\u2019utilisation d\u2019outils d\u2019IA peut entra\u00eener une \u00e9rosion<\/a> de la capacit\u00e9<\/a> \u00e0 accomplir des t\u00e2ches sans aide, tout en d\u00e9veloppant simultan\u00e9ment des comp\u00e9tences sp\u00e9cifiques au fournisseur pour l\u2019utilisation de produits autonomes, ce qui cr\u00e9e une d\u00e9pendance. Il s\u2019agit d\u2019un domaine o\u00f9 les enjeux soci\u00e9taux peuvent \u00eatre consid\u00e9rables, au-del\u00e0 de ses implications en mati\u00e8re de captation de valeur : l\u2019\u00e9rosion des comp\u00e9tences pourrait avoir des r\u00e9percussions profondes sur la r\u00e9silience de la main-d\u2019\u0153uvre, la s\u00e9curit\u00e9 et la r\u00e9partition du pouvoir entre les personnes et les syst\u00e8mes d\u2019IA.<\/p>\n\n\n\n Mais les \u00ab avantages concurrentiels comportementaux \u00bb englobent \u00e9galement des formes nouvelles et mal comprises de verrouillage par l\u2019IA qui n\u2019ont pas d\u2019\u00e9quivalent clair dans les logiciels ant\u00e9rieurs. Une manifestation notable en est l\u2019attachement relationnel au ton ou \u00e0 la \u00ab personnalit\u00e9 \u00bb d\u2019un mod\u00e8le, comme l\u2019a d\u00e9montr\u00e9 de fa\u00e7on frappante la r\u00e9action n\u00e9gative #Keep4o<\/a>, lorsque OpenAI a \u00e9t\u00e9 contraint de r\u00e9int\u00e9grer GPT-4o en r\u00e9ponse aux demandes des utilisateurs. De mani\u00e8re plus sp\u00e9culative, pour les travaux collaboratifs de connaissance tels que la r\u00e9daction ou les t\u00e2ches n\u00e9cessitant un jugement important (par opposition \u00e0 l\u2019automatisation), la qualit\u00e9 de la contribution de l\u2019IA est difficile \u00e0 v\u00e9rifier pour l\u2019acheteur, m\u00eame a posteriori, car il n\u2019existe pas de normes objectives. Cela fait de ce type de travail ce qu\u2019on appelle un bien de confiance<\/a>, \u00e0 l\u2019instar des services d\u2019avocats et de consultants. Incapables de comparer la qualit\u00e9, les acheteurs de biens de confiance ont tendance \u00e0 se fier \u00e0 la r\u00e9putation et \u00e0 la confiance. Cela att\u00e9nue la concurrence sur les prix et ralentit les changements de fournisseur, m\u00eame lorsque le co\u00fbt technique<\/em> d\u2019un tel changement est proche de z\u00e9ro.<\/p>\n\n\n\n 5. Strat\u00e9gies de tarification :<\/strong> Cette voie est compl\u00e9mentaire ou s\u2019ajoute \u00e0 celles \u00e9voqu\u00e9es ci-dessus, et d\u00e9crit un moyen par lequel les laboratoires pourraient \u00eatre en mesure de capter davantage de valeur apr\u00e8s avoir atteint un effet de verrouillage et \u00eatre en mesure d\u2019exercer un pouvoir de fixation des prix. L\u2019id\u00e9e est que les laboratoires pourraient surmonter le pi\u00e8ge de la banalisation en facturant les r\u00e9sultats (un pourcentage des \u00e9conomies r\u00e9alis\u00e9es, des frais par demande d\u2019assistance r\u00e9solue) plut\u00f4t que des jetons. C\u2019est la th\u00e8se explicite qui sous-tend la d\u00e9claration de Sarah Friar, directrice financi\u00e8re d\u2019OpenAI, selon laquelle les revenus devraient \u00ab\u00e9voluer proportionnellement \u00e0 la valeur de l\u2019intelligence<\/a>\u00bb.<\/p>\n\n\n\n Cependant, cela semble peu probable \u00e0 court terme. La tarification \u00e0 la performance n\u00e9cessite de r\u00e9soudre un probl\u00e8me de mesure complexe. Les laboratoires n\u2019ont pas mis en place l\u2019infrastructure n\u00e9cessaire pour mesurer et comprendre les processus d\u2019affaires de leurs clients, ni pour suivre \u2014 et encore moins tarifer \u2014 les diff\u00e9rents r\u00e9sultats. Sans cette visibilit\u00e9, les indicateurs de performance s\u2019ouvrent \u00e0 des abus de part et d\u2019autre : des frais par ticket r\u00e9solu incitent les clients \u00e0 regrouper plusieurs probl\u00e8mes dans un seul ticket et les fournisseurs \u00e0 clore les tickets sans n\u00e9cessairement les r\u00e9soudre. De plus, les r\u00e9sultats varient d\u2019un secteur \u00e0 l\u2019autre et d\u2019une entreprise \u00e0 l\u2019autre, et les laboratoires d\u2019IA ne disposent pas des \u00e9quipes client int\u00e9gr\u00e9es que les fournisseurs de SaaS ont mis des d\u00e9cennies \u00e0 mettre en place afin d\u2019acqu\u00e9rir ce type de visibilit\u00e9 en aval. N\u00e9anmoins, certaines entreprises d\u2019IA tentent d\u2019innover<\/a> sur ce front. Si les laboratoires d\u2019IA parviennent \u00e0 migrer vers des syst\u00e8mes d\u2019enregistrement, ces d\u00e9fis deviendront surmontables avec un investissement suffisant.<\/p>\n\n\n\n Abonnez-vous pour recevoir une analyse fond\u00e9e sur des donn\u00e9es factuelles des r\u00e9percussions de l\u2019IA<\/p>\n\n\n\n Les questions soulev\u00e9es par notre analyse ont une incidence significative sur l\u2019avenir de l\u2019\u00e9conomie de l\u2019IA, mais elles s\u2019\u00e9tendent bien au-del\u00e0 des perspectives de n\u2019importe quelle entreprise d\u2019IA prise isol\u00e9ment. Elles touchent \u00e0 la structure des march\u00e9s num\u00e9riques, \u00e0 la r\u00e9partition du pouvoir \u00e9conomique et au type d\u2019\u00e9cosyst\u00e8me d\u2019innovation que l\u2019IA est susceptible de g\u00e9n\u00e9rer.<\/p>\n\n\n\n Si les laboratoires ne parviennent pas \u00e0 \u00e9chapper au pi\u00e8ge de la banalisisation, les cons\u00e9quences seront avant tout financi\u00e8res : une crise de confiance potentielle dans l\u2019un des plus importants d\u00e9ploiements de capitaux de l\u2019histoire \u00e9conomique, avec des r\u00e9percussions sur l\u2019ensemble du secteur technologique et les march\u00e9s en g\u00e9n\u00e9ral. Mais s\u2019ils y parviennent \u2014 en particulier s\u2019ils r\u00e9ussissent \u00e0 augmenter les co\u00fbts de changement de fournisseur et \u00e0 fid\u00e9liser leur client\u00e8le \u2014, les cons\u00e9quences s\u2019annoncent diff\u00e9rentes, et \u00e0 certains \u00e9gards plus pr\u00e9occupantes. Cela ferait grimper les co\u00fbts pour toutes les entreprises qui d\u00e9pendent de l\u2019IA et consoliderait la position d\u2019un petit nombre d\u2019acteurs b\u00e9n\u00e9ficiant d\u2019un avantage structurel qu\u2019il sera difficile de contester par la suite.<\/p>\n\n\n\n Quelques questions en particulier m\u00e9ritent d\u2019\u00eatre prises au s\u00e9rieux d\u00e8s maintenant, avant que les foss\u00e9s concurrentiels ne se soient solidifi\u00e9s :<\/p>\n\n\n\n Une grande incertitude subsiste quant \u00e0 ces questions, mais l\u2019histoire sugg\u00e8re qu\u2019il faut \u00e9tablir d\u00e8s maintenant les normes d\u2019interop\u00e9rabilit\u00e9, les exigences de portabilit\u00e9 et la transparence des co\u00fbts de changement<\/strong> de fournisseur, avant que le verrouillage ne s\u2019aggrave<\/strong> et que toute intervention ne devienne structurellement plus difficile. Heureusement, les autorit\u00e9s de la concurrence telles que la FTC am\u00e9ricaine et la CMA britannique surveillent ce secteur, mais jusqu\u2019\u00e0 pr\u00e9sent, elles semblent avoir concentr\u00e9<\/a> leur analyse<\/a> sur les couches inf\u00e9rieures de la pile technologique. Notre analyse montre qu\u2019elles doivent \u00e9largir leur champ de vision.<\/p>\n\n\n\n Nous remercions Sayash Kapoor pour ses commentaires sur une \u00e9bauche de ce texte.<\/em><\/p>\n\n\n\n Bien que de nombreux aspects de notre argumentation soient au moins quelque peu novateurs, l\u2019argument de l\u2019\u00ab absence de foss\u00e9 \u00bb n\u2019est pas nouveau en soi. Sa premi\u00e8re formulation marquante (\u00e0 notre connaissance) remonte \u00e0 plus de trois ans, dans un document de Google qui a fait l\u2019objet d\u2019une fuite<\/a>. De nombreux commentateurs, tels que Gary Marcus<\/a>, Ed Zitron<\/a> et Cory Doctorow<\/a>, n\u2019ont cess\u00e9 de faire valoir ce point ou des variantes de celui-ci.<\/p>\n\n\n\n Ce qui est peut-\u00eatre<\/em> nouveau dans notre analyse, c\u2019est de nous appuyer sur des parall\u00e8les historiques et de montrer que l\u2019inf\u00e9rence des mod\u00e8les correspond encore mieux aux conditions pr\u00e9alables d\u2019une concurrence ruineuse que ne le font ces pr\u00e9c\u00e9dents. L\u00e0 o\u00f9 nous nous distinguons clairement<\/em> de ceux qui pr\u00e9disent une bulle, c\u2019est en reconnaissant que (1) la pile d\u2019IA est assez \u00e9paisse et que le pi\u00e8ge de la banalisisation ne s\u2019applique qu\u2019\u00e0 la couche des mod\u00e8les, (2) les laboratoires sont parfaitement conscients du probl\u00e8me et (3) s\u2019efforcent d\u00e9sesp\u00e9r\u00e9ment de s\u2019en sortir.<\/p>\n\n\n\n Beaucoup d\u2019autres se montrent pessimistes \u00e0 l\u2019\u00e9gard des laboratoires, notamment Benedikt Evans<\/a> et Luis Garicano et Jes\u00fas Saa-Requejo<\/a>. Ces derniers soutiennent que la capture de valeur se fera \u00e0 la fois au sommet de la cha\u00eene de valeur, chez les fournisseurs de mat\u00e9riel et d\u2019infrastructures physiques [en raison du goulot d\u2019\u00e9tranglement informatique], et au niveau de la couche de mise en \u0153uvre, o\u00f9 les mod\u00e8les sont mis \u00e0 contribution et o\u00f9 la contrainte d\u00e9terminante est d\u2019ordre organisationnel, et non technique.<\/em> Nous sommes largement d\u2019accord. Mais ils concluent que les laboratoires ne seront pas en mesure de capter beaucoup de valeur. L\u2019hypoth\u00e8se implicite semble \u00eatre que les laboratoires se limitent \u00e0 \u00eatre des fournisseurs de mod\u00e8les, ce qui, \u00e0 notre avis, est une notion de plus en plus d\u00e9pass\u00e9e.<\/p>\n\n\n\n Semianalysis<\/a> soutient que les laboratoires seront en mesure de maintenir des marges brutes \u00e9lev\u00e9es en raison de la raret\u00e9 des ressources de calcul. Nous pensons qu\u2019il s\u2019agit d\u2019une situation temporaire.<\/p>\n\n\n\n Celui dont la r\u00e9flexion se rapproche le plus de la n\u00f4tre est notre coll\u00e8gue du CITP de Princeton, Mihir Kshirsagar, qui a r\u00e9dig\u00e9<\/a> une s\u00e9rie<\/a> de quatre<\/a> articles<\/a> sur ce sujet. Bien que nous ayons tir\u00e9 profit de nos \u00e9changes avec Kshirsagar, notre r\u00e9flexion s\u2019est d\u00e9velopp\u00e9e en grande partie de mani\u00e8re ind\u00e9pendante, avec de nombreux points de convergence et quelques points de divergence. Tout comme M. Kshirsagar, nous pensons que le d\u00e9veloppement rapide de l\u2019IA n\u2019aurait aucun sens sur le plan \u00e9conomique s\u2019il n\u2019y avait pas la promesse d\u2019un effet de verrouillage. Son analyse identifie les alliances entre les hyperscalers et les laboratoires d\u2019IA (telles que Microsoft-OpenAI et Amazon-Anthropic) comme le principal vecteur de cet effet de verrouillage, ce qui diff\u00e8re l\u00e9g\u00e8rement de notre diagnostic.<\/p>\n\n\n\n Nathan Lambert<\/a> propose une vision de la fa\u00e7on dont tout cela pourrait se d\u00e9rouler : une \u00e9conomie de l\u2019IA \u00e0 deux vitesses dans laquelle les clients, qui se situent eux-m\u00eames \u00e0 la fine pointe du travail intellectuel, paieraient des primes \u00e9lev\u00e9es pour des produits et services \u00ab en amont de la cha\u00eene \u00bb bas\u00e9s sur les mod\u00e8les de pointe des principaux laboratoires, tandis que tous les autres se contenteraient de l\u2019\u00e9cosyst\u00e8me des mod\u00e8les ouverts. L\u2019une de ses pr\u00e9dictions est plus pr\u00e9cise que la n\u00f4tre : les laboratoires de pointe laisseront leurs activit\u00e9s li\u00e9es aux API se d\u00e9grader afin de prot\u00e9ger leurs offres \u00e0 plus forte marge.<\/strong><\/p>\n\n\n\n 1<\/a><\/p>\n\n\n\n Le mod\u00e8le th\u00e9orique qui sous-tend le paradoxe de Bertrand est un jeu \u00e0 une seule manche, et les co\u00fbts de changement n\u2019entrent pas en ligne de compte; mais bien s\u00fbr, dans la pratique, il faut en tenir compte.<\/p>\n\n\n\n 2<\/a><\/p>\n\n\n\n Cela ne veut pas dire que l\u2019IA cessera de progresser \u2014 d\u2019autres pistes, telles que l\u2019\u00e9volutivit\u00e9 de l\u2019inf\u00e9rence et l\u2019am\u00e9lioration des outils, resteront d\u2019actualit\u00e9.<\/p>\n\n\n\n
\n\n\n\nAnalyse historique : la couche d\u2019infrastructure \u00e9choue massivement \u00e0 capter la valeur qu\u2019elle cr\u00e9e<\/strong><\/h2>\n\n\n\n
Pourquoi nous pensons que la facturation de l\u2019inf\u00e9rence des mod\u00e8les ne permettra pas de r\u00e9cup\u00e9rer l\u2019investissement dans l\u2019infrastructure<\/strong><\/h2>\n\n\n\n
\n
Comment les laboratoires r\u00e9agissent-ils?<\/strong><\/h2>\n\n\n\n
\n
![\"\"](\"https:\/\/gillesenvrac.ca\/carnet\/wp-content\/uploads\/2026\/07\/iavaluestack-1200x480.jpg\")
<\/figure>\n\n\n\nLa progression dans la cha\u00eene de valeur ouvre la voie \u00e0 un ensemble vari\u00e9 et puissant de foss\u00e9s concurrentiels<\/strong><\/h2>\n\n\n\n
Les r\u00e9percussions plus larges de cette \u00e9volution<\/strong><\/h2>\n\n\n\n
\n
Lectures compl\u00e9mentaires<\/strong><\/h2>\n\n\n\n
\n\n\n\n
\n\n\n\n