La course à l’IA ralentit : ce que ça change pour les investisseurs

Points clés :

• Un ralentissement du développement des modèles de pointe pourrait réorienter les dépenses liées à l’IA : au lieu de financer des modèles toujours plus gros, les entreprises pourraient davantage investir dans le déploiement, la sécurisation et l’exploitation des modèles existants.

• Le matériel informatique est le plus exposé aux incertitudes, car les valorisations actuelles supposent que la demande en puissance de calcul continuera de croître rapidement.

• Des exigences de sécurité plus strictes pourraient, sans le vouloir, renforcer les plus grands laboratoires d’IA actuels en augmentant le coût d’entrée pour leurs concurrents.

Depuis quelques années, la course à l’intelligence artificielle obéit à une règle simple : des modèles toujours plus gros, davantage de puissance de calcul et un développement toujours plus rapide. Mais certains des acteurs qui mènent cette course se demandent désormais s’il ne faudrait pas ralentir la cadence.

Dario Amodei, directeur général d’Anthropic, appelle les entreprises à ralentir le rythme des progrès de l’IA de pointe, afin de laisser le temps aux dispositifs de sécurité de suivre. Jakub Pachocki, directeur scientifique d’OpenAI, estime qu’aucun laboratoire n’a encore suffisamment maîtrisé la sécurité pour continuer à accélérer indéfiniment à pleine vitesse.

La question évidente est de savoir si cela menace le boom de l’IA. La réponse la plus intéressante est peut-être que cela pourrait simplement changer la destination des investissements.

Des modèles plus lents, pas une IA au ralenti

La distinction essentielle se situe entre la conception du prochain modèle de pointe et l’utilisation des modèles dont nous disposons déjà.

Amodei ne propose pas de mettre fin au développement de l’IA. Son idée de « ralentir la cadence » consiste à accorder davantage de temps aux tests, à la surveillance et à la mise en place de garde-fous avant de franchir un nouveau cap important en matière de capacités. OpenAI a déjà temporairement ralenti la montée en puissance de ses modèles lorsqu’un modèle à venir s’est approché de capacités critiques en cybersécurité.

C’est important, car les dépenses liées à l’IA vont bien au-delà de l’entraînement des modèles.

Les entreprises ont besoin de puissance de calcul pour faire fonctionner les modèles, un processus appelé inférence. Elles ont besoin de logiciels pour les intégrer à leurs flux de travail. Elles ont également besoin de cybersécurité pour les contrôler, de systèmes de données pour leur fournir des informations et d’applications capables de transformer l’intelligence artificielle en quelque chose pour lequel les clients seront réellement prêts à payer.

En termes simples, la chaîne de valeur de l’IA pourrait évoluer de la manière suivante :

entraînement → inférence → applications → sécurité → déploiement

Ralentir la première étape ne signifie pas nécessairement réduire tout ce qui suit. En réalité, les entreprises commencent à peine à tirer parti des capacités déjà disponibles. La question des investissements pourrait donc passer de « à quelle vitesse pouvons-nous construire un modèle plus intelligent ? » à « quelle valeur économique pouvons-nous créer à partir des modèles dont nous disposons déjà ? ». Pour les investisseurs, cette deuxième question pourrait être plus saine.

Le pari sur les « pelles et les pioches » mis à l’épreuve

La première phase du boom de l’IA a largement profité aux entreprises qui fournissent la puissance de calcul devenue rare. Les processeurs graphiques, ou GPU, les mémoires avancées, les équipements réseau, les centres de données et l’électricité ont tous bénéficié d’une hypothèse forte : l’IA de pointe continuerait d’exiger toujours plus de puissance de calcul.

Un ralentissement du développement des modèles de pointe remet en question la version la plus simple de ce scénario. Si la prochaine génération de modèles arrive plus tard que prévu, certains clusters d’entraînement pourraient être reportés. Cela concerne surtout les entreprises dont les perspectives de croissance reposent sur une accélération presque automatique des dépenses d’investissement.

Mais la demande liée à l’entraînement et la demande liée à l’IA ne sont pas une seule et même chose. Les modèles existants nécessitent toujours d’énormes capacités de calcul chaque fois qu’ils sont utilisés. Les agents d’IA, l’adoption par les entreprises et les applications scientifiques pourraient faire grimper la demande en inférence, même si les nouveaux modèles de pointe sortent moins fréquemment.

C’est pourquoi la réaction des marchés lundi doit peut-être être considérée davantage comme un signal d’alerte que comme un verdict. Les fabricants de matériel doivent désormais composer avec une nouvelle incertitude sur le rythme de la demande. De leur côté, les logiciels et la cybersécurité pourraient attirer davantage l’attention si le secteur consacre plus de temps à commercialiser, surveiller et protéger les systèmes d’IA existants.

Le pari sur l’IA pourrait donc de moins en moins se résumer à un seul goulet d’étranglement et davantage porter sur l’ensemble de la chaîne technologique.

La sécurité peut devenir une barrière à l’entrée

Il existe une autre conséquence, moins évidente. Ralentir le développement peut sembler être une contrainte pour OpenAI et Anthropic. Mais cela pourrait aussi renforcer leur position concurrentielle.

Imaginons que le développement d’une IA de pointe nécessite de plus en plus l’intervention d’évaluateurs indépendants en sécurité, des systèmes de surveillance sophistiqués, des infrastructures hautement sécurisées et des tests approfondis avant la mise sur le marché d’un modèle.

Ces mesures ont un coût. OpenAI, Anthropic, Google et les autres laboratoires disposant de moyens financiers importants peuvent probablement se le permettre. Un acteur plus petit pourrait, lui, avoir du mal à suivre. Cela crée une tension difficile à ignorer. Des règles conçues pour rendre l’IA plus sûre pourraient aussi relever les barrières à l’entrée et rendre les leaders actuels plus difficiles à détrôner.

Et puis il y a la Chine. Les laboratoires américains peuvent décider volontairement de ralentir, mais ils ne peuvent pas garantir que leurs concurrents ailleurs dans le monde feront de même. Amodei le reconnaît directement, en soulignant que tout ralentissement doit tenir compte de l’écart technologique entre les États-Unis et la Chine.

Une pause mondiale permanente semble donc difficile à envisager. La pression concurrentielle n’a pas disparu simplement parce que le débat sur la sécurité a pris de l’ampleur.

Les risques existent des deux côtés

Les investisseurs doivent éviter de tirer des conclusions trop hâtives de la baisse des marchés lundi. Les laboratoires de pointe envisagent de ralentir le rythme des progrès en matière de capacités, pas d’abandonner l’IA. OpenAI vise toujours la création de chercheurs en IA autonomes, tandis qu’Anthropic continue de défendre l’idée que l’IA avancée pourrait générer des bénéfices économiques et scientifiques considérables.

Le risque inverse compte également. Si la modération volontaire s’avère impossible parce que les concurrents continuent d’accélérer, le débat actuel pourrait surtout déboucher sur davantage de tests et de réglementation, sans ralentissement notable de la demande en puissance de calcul.

Les premiers signes à surveiller sont donc très concrets : des retards dans les grands programmes d’entraînement, une réduction des budgets d’investissement des géants du cloud, un ralentissement des commandes de puces avancées ou des indices montrant que les dépenses se déplacent vers l’inférence, les logiciels et la sécurité.

La stratégie de l’investisseur

• Distinguer entraînement et utilisation. Un ralentissement du développement des modèles de pointe ne signifie pas automatiquement une baisse de la demande pour tous les acteurs de l’écosystème de l’IA.
• Surveiller les dépenses d’investissement. Les budgets des géants du cloud constituent un meilleur indicateur de la demande que les gros titres annonçant le report du lancement d’un modèle.
• Suivre l’apparition des revenus. Une hausse des revenus issus de l’inférence et des logiciels indiquerait que l’IA passe progressivement de la construction des infrastructures à leur exploitation commerciale.
• Garder un œil sur la concentration. Un portefeuille fortement exposé à une seule partie de la chaîne de valeur de l’IA devient plus vulnérable lorsque les priorités de dépenses du secteur évoluent.

Passer du plus gros au plus performant

Depuis plusieurs années, la course à l’IA se mesure principalement à l’aune d’une question : qui sera capable de construire le modèle le plus puissant ? Les investisseurs devront peut-être de plus en plus se poser une autre question : qui saura tirer le plus d’argent de l’intelligence dont nous disposons déjà ?

Un ralentissement du développement des modèles de pointe remettrait en question la version la plus simple du pari sur l’IA, selon laquelle des modèles toujours plus grands nécessitent automatiquement toujours plus de puces, d’électricité et de centres de données. Mais cela n’affaiblirait pas nécessairement l’IA elle-même. Le centre de gravité du secteur pourrait se déplacer de la création d’intelligence vers son déploiement, sa sécurisation et sa monétisation.

La première course à l’IA consistait à construire le plus gros cerveau. La prochaine pourrait consister à transformer ce cerveau en une activité rentable et durable.