La bulle Ia est une économie circulaire qui tourne à vide

par Phil Broq.

Il faut cesser de parler de "révolution de l'intelligence artificielle" comme s'il s'agissait d'une évidence technologique. Pour l'instant, ce que l'on observe surtout, c'est une gigantesque machine à déplacer de l'argent, du capital, de l'énergie, de l'eau et des matières premières - avec, au bout de la chaîne, un produit dont l'utilité économique réelle reste très en dessous des promesses qui servent à justifier les investissements. Et le paradoxe est devenu grotesque puisque plus les modèles coûtent cher, plus il faut leur inventer des usages futurs pour justifier leur existence présente.

Les entreprises d'IA ont besoin de capitaux colossaux pour construire des infrastructures colossales afin de vendre des services dont la demande solvable ne justifie manifestement pas encore ces infrastructures gigantesques. C'est une économie circulaire où les investisseurs financent les infrastructures. Les fabricants de puces vendent leurs puces, souvent obsolètes avant même leur pleine utilisation. Les opérateurs de data centers achètent sans cesse ces puces. Les fournisseurs d'énergie tentent de construire les capacités nécessaires aux data centers. Les géants du cloud signent des contrats avec les entreprises d'IA. Et ces mêmes entreprises présentent ensuite ces contrats, ces investissements et ces infrastructures comme la preuve de l'existence d'un marché gigantesque...

Or, l'exploitation d'un seul data center suffit à révéler l'absurdité de l'équation. Derrière chaque requête prétendument "immatérielle" se cachent des milliers de machines qui engloutissent une quantité considérable d'électricité et d'eau pour fonctionner et surtout pour être refroidies. Mais le véritable scandale économique ne s'arrête pas à la facture énergétique puisque ces infrastructures deviennent obsolètes à une vitesse telle qu'il faut sans cesse remplacer les serveurs, les GPU, les micropuces, les cartes et circuits imprimés, reconstruire les équipements et augmenter les capacités de calcul. Autrement dit, avant même d'avoir amorti l'investissement initial, il faut déjà réinvestir pour ne pas être technologiquement dépassé. C'est une fuite en avant industrielle dans laquelle le data center d'aujourd'hui devient le gouffre financier de demain. Et cette fuite dépend d'une chaîne mondiale de production extrêmement concentrée en Asie, notamment en Chine pour une partie majeure des composants électroniques, des cartes et des infrastructures industrielles, tandis que la fabrication des semi-conducteurs les plus avancés reste elle-même dépendante d'un nombre très limité d'acteurs asiatiques.

On nous vend une technologie censée libérer l'économie de ses contraintes matérielles, alors qu'elle accroît sa dépendance à l'électricité, à l'eau, aux minerais, aux semi-conducteurs et à des chaînes d'approvisionnement géopolitiquement vulnérables. Comment prétendre à une rentabilité durable lorsque le produit doit être continuellement remplacé avant même d'avoir été amorti ? À ce rythme, l'IA ne produit pas une économie de l'efficacité mais organise une économie de l'obsolescence permanente, où il faut dépenser toujours plus simplement pour rester au même endroit. On finance donc la demande pour démontrer la nécessité de financer l'offre. Puis on recommence. Et au milieu de cette immense boucle financière, il faudrait croire que le consommateur, l'entreprise ou la société finiront nécessairement par produire suffisamment de valeur pour payer la facture. C'est là que le récit commence à se fissurer.

Le problème le plus embarrassant de l'IA générative n'est même pas qu'elle soit imparfaite. C'est qu'après des années de battage médiatique et des investissements historiques, il demeure si difficile de démontrer des gains de productivité proportionnels à l'ampleur des capitaux engagés. Certes, les grands modèles de langage sont utiles. Ils peuvent rechercher, reformuler, synthétiser, produire du texte, assister le code, générer des images ou accomplir quantité de tâches ponctuelles. Mais "utile" n'est pas synonyme de "capable de justifier plusieurs centaines de milliards de dollars d'investissements".

Et lorsque l'on pose la question basique de savoir combien de valeur économique réelle produit aujourd'hui cette technologie par rapport à ce qu'elle coûte ? - le discours change immédiatement de registre. On ne parle plus du présent, on parle de demain, puis d'après-demain. Puis d'un monde où l'IA regardera notre écran, écoutera nos réunions, enregistrera nos appels, connaîtra notre contexte personnel en permanence et réorganisera notre existence. Et c'est précisément ce qui rend particulièrement révélatrice une réponse de Sam Altman à une interview datée du 20 Aout (disponible ici :  youtube ) lorsqu'on lui demande comment il utilise personnellement ChatGPT au quotidien. Et paradoxalement, pour un chef d'entreprise a qui on demande de vanter son produit, et plutôt que de décrire une utilisation concrète et spectaculaire du produit actuel, il préfère expliquer comment il aimerait pouvoir l'utiliser dans un futur hypothétique. Autrement dit, même lorsqu'on demande au patron de l'entreprise de démontrer la valeur du produit aujourd'hui, il nous vend le produit de demain.

C'est une technique commerciale vieille comme le capitalisme : lorsqu'un produit ne justifie pas encore son prix, on vend la promesse de ce qu'il deviendra. Sauf qu'ici, le problème est légèrement différent puisque la promesse nécessite précisément des investissements gigantesques qui doivent eux-mêmes être justifiés par la promesse.

Le mécanisme est désormais difficile à dissimuler, puisque pour obtenir de meilleures performances, il faut davantage de calcul. Davantage de calcul exige davantage de GPU, davantage de data centers, davantage d'électricité, davantage de refroidissement, davantage d'eau, davantage de réseaux et davantage de matières premières. Et lorsque ces infrastructures existent, il faut les rentabiliser. Il faut donc entraîner des modèles toujours plus gros, les faire tourner toujours davantage et convaincre toujours davantage d'entreprises et de consommateurs de les utiliser. La croissance devient alors une obligation physique avant même d'être une nécessité économique.

Il faut consommer davantage parce qu'il faut amortir davantage. Le problème est que les ressources nécessaires à cette fuite en avant ne sont pas infinies. L'IA n'existe pas dans le cloud immatériel. Elle existe dans des bâtiments bien réels, remplis de machines bien réelles, alimentées par des réseaux électriques bien réels, refroidies avec des ressources bien réelles et fabriquées avec des matériaux bien réels. Le nuage informatique est donc surtout une manière poétique de désigner une infrastructure industrielle extrêmement matérielle.

Et cette infrastructure a un coût. Un coût énergétique. Un coût hydrique. Un coût minier. Un coût foncier. Un coût réseau. Un coût environnemental. Et surtout un coût d'opportunité où chaque mégawatt, chaque usine, chaque composant et chaque milliard mobilisé pour cette course ne peut simultanément être utilisé ailleurs.

C'est ici que les chiffres deviennent presque comiques. On évoque pour les grands acteurs de l'IA des besoins d'investissement et des engagements futurs qui se chiffrent en centaines de milliards de dollars. Dans le même temps, certains acteurs expliquent aux investisseurs que leur marché adressable pourrait atteindre plusieurs dizaines de milliers de milliards de dollars. Le procédé est d'une simplicité désarmante puisqu'il consiste à dire que si le marché actuel est trop petit, il suffit de définir un marché théorique suffisamment grand.

Le "TAM" - marché adressable total - devient alors une sorte de territoire imaginaire où tout ce que l'IA pourrait éventuellement remplacer ou assister est transformé en revenu potentiel. Ainsi, une heure de travail humain devient potentiellement monétisable. Un logiciel peut-être potentiellement remplacé. Une tâche administrative est potentiellement automatisable. Une décision potentiellement assistée. Une profession entière potentiellement transformée. Etc. Et voilà comment on arrive à des marchés théoriques de dizaines de milliers de milliards de dollars. Le problème est que la possibilité technique n'est pas un revenu et un marché théorique n'est pas une clientèle.

Une entreprise peut techniquement proposer une IA à chaque être humain de la planète. Cela ne signifie absolument pas que chaque être humain acceptera de payer suffisamment cher pour que le modèle économique fonctionne. Prenons une hypothèse volontairement généreuse où 400 millions de ménages en Amérique du Nord et en Europe, dépensant chacun 20 dollars par mois pour une IA. Cela représenterait environ 96 milliards de dollars par an. C'est beaucoup. Mais rapporté à des engagements d'investissement et à des infrastructures qui se comptent en centaines de milliards, la disproportion saute aux yeux. Et encore faut-il payer les data centers, les puces, l'électricité, le refroidissement, les salaires, la maintenance, les réseaux, la recherche et le capital... Or, le chiffre d'affaires n'est pas le bénéfice. Et la promesse de chiffre d'affaires n'est même pas du chiffre d'affaires.

On nous répète pourtant que l'IA va tout transformer. Qu'elle va faire exploser la productivité. Qu'elle va libérer l'être humain des tâches répétitives. Qu'elle va provoquer une révolution comparable à Internet ou à l'électricité. Très bien ! Mais où sont les gains macroéconomiques correspondant à cette révolution ? Où est l'explosion de productivité proportionnelle à l'explosion des investissements ? Où sont les transformations radicales des entreprises qui justifieraient cette course ? Certaines existent, évidemment. Il serait absurde de prétendre que l'IA ne produit aucune valeur, mais précisément, si la technologie est réellement aussi révolutionnaire qu'on nous le promet, pourquoi faut-il constamment nous expliquer que sa véritable valeur apparaîtra plus tard ?

Les projets d'IA en entreprise connaissent par ailleurs de nombreux échecs, notamment lorsqu'on passe de la démonstration spectaculaire à l'intégration dans des processus réels. Parce qu'une IA qui produit une réponse impressionnante en trente secondes n'est pas nécessairement une IA capable de prendre en charge un processus critique sans surveillance. Et c'est là que se trouve l'un des problèmes fondamentaux des modèles actuels puisque leur puissance apparente ne supprime pas leur caractère probabiliste.

Ils peuvent produire quelque chose d'excellent. Puis quelque chose de faux. Puis quelque chose d'excellent contenant une erreur impossible à repérer immédiatement. La supervision humaine reste donc indispensable dans quantité de situations où l'erreur coûte cher. Ce n'est donc pas l'abolition du travail mais le déplacement du travail visant à vérifier, contrôler, corriger, contextualiser, sécuriser. Certes la machine écrit plus vite, mais c'est toujours l'humain qui vérifie derrière. Et la facture, elle, reste bien réelle.

Là encore, le discours est révélateur lorsqu'on nous promet simultanément que l'IA va supprimer des millions d'emplois et qu'elle va créer une prospérité sans précédent.

Les deux affirmations servent surtout à entretenir le même récit fallacieux où il faut investir massivement maintenant parce que quelque chose d'immense est sur le point d'arriver.

Une fois de plus, la peur devient un argument commercial en stipulant que si vous n'investissez pas, vos concurrents automatiseront avant vous. Et si vous n'adoptez pas l'IA, vous serez dépassés. Ou encore si vous ne construisez pas votre propre infrastructure, quelqu'un d'autre le fera. Et ainsi de suite... Le capital est mis sous pression par la peur de manquer la prochaine révolution et c'est exactement le carburant dont une bulle spéculative a besoin.

Autre élément troublant est les départs de cadres et d'ingénieurs au sein des entreprises du secteur. Il serait évidemment ridicule de transformer chaque démission en preuve de l'effondrement imminent de l'IA. Les entreprises technologiques connaissent toutes des mouvements de personnel. Mais lorsque les départs se multiplient précisément au moment où les valorisations, les besoins en capitaux et les ambitions industrielles atteignent des sommets, ils méritent au minimum d'être observés. Car les ingénieurs savent quelque chose que les présentations destinées aux investisseurs oublient. La physique ne négocie pas !

On ne peut pas résoudre indéfiniment un problème économique en lui ajoutant du calcul. On ne peut pas faire disparaître le coût énergétique par une présentation PowerPoint. On ne peut pas créer de l'eau supplémentaire parce qu'un modèle nécessite davantage de refroidissement. On ne peut pas imprimer des GPU. Et l'on ne peut pas transformer indéfiniment des matières premières rares en croissance exponentielle.

C'est finalement là que réside l'absurdité fondamentale de cette bulle. L'économie de l'IA prétend annoncer une économie dématérialisée, alors qu'elle est peut-être l'une des plus matériellement voraces de l'histoire informatique. Elle consomme de l'énergie pour produire du calcul. Elle consomme des matières premières pour produire les machines capables de produire ce calcul. Elle consomme de l'argent pour construire les infrastructures capables d'héberger ces machines. Elle consomme encore de l'argent pour entraîner les modèles. Puis elle doit vendre suffisamment d'utilisation pour justifier l'ensemble. Et lorsque les revenus ne suffisent pas, on recommence à lever des capitaux pour construire davantage. Voilà l'économie circulaire de l'IA. Une machine qui doit croître pour justifier les investissements qui ont été réalisés afin de permettre sa croissance, c'est le serpent se mord la queue.

Il reste enfin une question que le marketing préfère soigneusement éviter afin de justifier concrètement à quoi sert l'IA ? Pour écrire des mails ? Pour résumer des documents ? Pour générer des images ? Pour coder ? Pour rechercher de l'information ? Admettons, mais à quel prix ? Et surtout pourquoi faudrait-il une infrastructure industrielle de cette démesure pour accomplir des tâches dont la valeur marchande reste relativement modeste ?

À mesure que la technologie devient plus puissante, son coût marginal doit diminuer suffisamment pour que l'usage crée davantage de valeur qu'il n'en détruit. Sinon, nous ne sommes pas face à une révolution industrielle. Nous sommes face à une infrastructure surdimensionnée cherchant désespérément une utilisation capable de la rentabiliser.

Et il existe un dernier problème, beaucoup plus politique. L'IA est vendue comme un outil d'émancipation mais la trajectoire qui se dessine peut tout aussi bien conduire à une infrastructure de surveillance, de profilage et de contrôle sans précédent avec des systèmes capables d'observer, d'enregistrer, d'analyser et de corréler en permanence les comportements humains. Le rêve d'un assistant connaissant "tout" de notre vie peut être présenté comme le comble du confort. Il peut aussi être décrit autrement lorsque ça devient une machine à transformer notre existence en données.

Et plus cette machine devient centrale, plus celui qui contrôle l'infrastructure possède un pouvoir considérable sur ceux qui l'utilisent.

La question n'est donc pas de savoir si l'intelligence artificielle va disparaître car elle ne disparaîtra probablement pas. La vraie question est de savoir combien de centaines de milliards faudra-t-il brûler avant que le marché exige enfin que l'IA produise davantage de valeur qu'elle ne consomme de capital ? Lorsque les investisseurs cesseront de financer les promesses futures et commenceront à regarder les revenus présents, les coûts réels, les marges réelles, la consommation énergétique réelle et la valeur réellement créée, une partie du château de cartes risque de vaciller. Les modèles ne seront pas nécessairement inutiles et les entreprises ne disparaîtront pas nécessairement, mais les fantasmes, eux, pourraient disparaître très vite. Et c'est probablement cela que les promoteurs de la bulle redoutent le plus.

Parce qu'une fois débarrassée de la science-fiction, de la peur de manquer le train, des marchés adressables imaginaires et des promesses d'une intelligence quasi magique, il reste une question basique visant à savoir combien sommes-nous réellement prêts à payer pour ce que ces machines font aujourd'hui ?

Si la réponse est très inférieure à ce qu'il faut dépenser pour les faire fonctionner, alors le problème n'est pas technologique. Il est comptable. Et aucune intelligence artificielle, aussi "intelligente" soit-elle, ne pourra résoudre une équation économique dont les dépenses dépassent durablement la valeur produite. Et la bulle IA n'éclatera peut-être pas parce que l'IA ne fonctionne pas. Elle éclatera parce qu'elle fonctionne moins bien, coûte beaucoup plus cher et rapporte beaucoup moins que ce que ses promoteurs ont besoin de faire croire. Et lorsqu'une industrie doit constamment vendre demain pour justifier les dépenses d'aujourd'hui, ce n'est plus une révolution, c'est une fuite en avant

Et toute fuite en avant finit, tôt ou tard, par rencontrer un mur !

 Phil Broq

source :  Le Blog de l'éveillé

 reseauinternational.net