Par Moon of Alabama – Le 6 octobre 2026
Les entreprises dites d’intelligence artificielle continuent de faire les gros titres. Le battage médiatique qu’elles suscitent n’est pas justifié par ce qu’elles apportent à nos sociétés.
Elles sont un danger pour l’économie.
L’argent qui y a été investi et qui y est encore investi est gaspillé. Il ne peut être justifié par les rendements potentiels.
J’ai soutenu dans un article précédent que :
Il n’y a aucune justification, que du battage médiatique pour les investissements actuels dans l’IA – MoA, 26 Août 2026
Les évaluations lancées par ces entreprises et les centaines de milliards investis dans les centres de données pour les maintenir en activité sont absurdes par rapport aux revenus potentiels que ces entreprises pourraient générer.
Imaginez un produit qui est si bon que chaque ménage en Amérique du Nord et en Europe est prêt à dépenser environ 20 $ par par mois pour l’utiliser. Ce sont 400 millions de ménages pour un revenu total de 48 milliards de dollars par an. C’est une somme risible comparée aux ~1.100 milliards de dollars contractés par OpenAI et Anthropic avec Microsoft, Amazon et Oracle pour les calculs actuels et futurs.
Il n’y a aucun produit d’IA en vue (que du battage médiatique) et aucun revenu qui puisse justifier de tels investissements.
BCA Research (par l’intermédiaire d’Ed Zitron) est d’accord :
Les entreprises d’IA devront peut-être générer à terme 10.000 milliards de dollars de revenus par an pour justifier leurs dépenses d’investissement. À moins d’une augmentation massive de la croissance de la productivité, cela sera très difficile à réaliser.
Les dépenses en capital qui sont actuellement investies dans les LLMs/AI n’ont aucun rapport avec ses revenus futurs potentiels. C’est de l’argent gaspillé.
Un article récent de Greg Ip dans le Wall Street Journal confirme mon point de vue :
L’Amérique consacrera-t-elle 9% de son PIB à l’IA ? L’industrie compte dessus (archivé) – WSJ, 2 octobre 2026
Les adeptes du boom de l’intelligence artificielle doivent examiner de très près ce chiffre : 9% du PIB.
C’est le montant que les entreprises et les consommateurs américains doivent éventuellement dépenser par an pour les services d’entreprises comme Anthropic et OpenAI pour justifier les sommes énormes engagées actuellement dans la technologie.
Est-il plausible que les Américains dépensent autant de leurs revenus pour cette technologie qu’ils le font pour la nourriture ? Environ deux fois ce que la nation paie pour toutes les formes d’énergie ou tous les ordinateurs et logiciels ? Sept fois ce que les consommateurs dépensent pour les services téléphoniques, de streaming et Internet combinés ?
Vous devriez être sceptique.
Ces 9% sont le résultat d’un calcul simple. Ce qui a été et sera investi dans l’IA et quel rendement doit être généré pour le justifier :
Van Nieuwerburgh a commencé avec les plans réels des constructeurs actuels de centres de données et le coût moyen d’un centre de données, puis a supposé que certains centres de données seraient annulés, que chaque dollar de chiffre d’affaires produit 50 cents de flux de trésorerie et que les constructeurs ont besoin d’un rendement sans effet de levier sur le capital investi de 10%.
Il conclut de tout cela que les revenus de l’IA en 2032 devront être de 3.500 milliards de dollars, soit 8,8% du PIB (qui, il suppose, augmentera de 4% par an, non ajusté pour l’inflation).
Il n’y a aucun cas plausible où 9% du PIB sera dépensé pour l’IA. Les consommateurs, habitués à un Internet presque gratuit, ne seront pas disposés à payer un tel prix. Les entreprises ne voient pas les gains de productivité de l’IA qui pourraient justifier de telles dépenses :
Fiona Chen et James Stratton, doctorants en économie à Harvard, ont examiné des projets logiciels via la plate-forme Jellyfish, que les entreprises utilisent pour analyser leurs équipes d’ingénierie. Les assistants d’IA, ont-ils constaté, ont augmenté les lignes de code de 12% et les “demandes d’extraction”, lorsqu’un nouveau code est fusionné dans une base de code existante, de 5%. Les agents IA, qui peuvent fonctionner de manière autonome par rapport aux humains, ont augmenté les lignes de code de 30% et les demandes d’extraction de 23%.
Et pourtant, les auteurs ont constaté que l’augmentation de productivité de l’IA dans les projets achevés était faible et “statistiquement insignifiante”. La raison en était que les utilisateurs passaient beaucoup plus de temps à examiner, commenter et modifier les demandes d’extraction.
Dans le monde des affaires en général, en dehors du génie logiciel, l’IA a une position encore plus difficile. Son utilisation est difficile à mesurer et ne peut pas être budgétisée de la manière habituelle.
Il est difficilement prévisible de savoir combien un projet d’IA ou même une requête d’IA peut réellement coûter.
Les coûts d’utilisation des grands modèles linguistiques actuels sont mesurés en « tokens ». Chaque mot (partiel) d’entrée, de stockage interne et de sortie d’une interaction LLM représente environ 1 token. Les coûts actuels selon le modèle utilisé peuvent varier de 0,5 à 4 USD par million de tokens d’entrée et de 2 à 20 USD par million de tokens de sortie, les coûts des tokens internes se situant entre les deux.
Il est difficile de dire combien de milliers de tokens il faudra pour répondre à une requête d’utilisateur :
Contrairement aux logiciels traditionnels, l’IA se comporte davantage comme un travailleur humain : elle agit, prend des décisions, parfois même fait des erreurs.
Alors que les modèles plus avancés ont tendance à coûter plus cher par token, ils peuvent parfois effectuer des tâches plus efficacement, ce qui entraîne une réduction des coûts globaux. De même, demander à un modèle « bon marché » de faire quelque chose qu’il n’est pas adapté à gérer pourrait provoquer une montée en puissance symbolique.
Des chercheurs de l’Université de Stanford, de l’Université Carnegie Mellon et de l’Université de Californie à Berkeley, ainsi que Microsoft Research ont mis cela à l’épreuve plus tôt cette année, exécutant des modèles à travers plus de 6 800 tâches couvrant les mathématiques, la programmation, les sciences et d’autres domaines. Dans 32% des cas, les modèles moins chers coûtent en fait plus cher que les modèles plus chers.
Dans 68% des cas, l’utilisation de modèles à bas prix coûte moins cher ou égal que les modèles à prix plus élevé. Mais pour une requête complexe, un modèle à prix inférieur peut donner une mauvaise réponse ou aucune réponse, tandis qu’un modèle à prix plus élevé peut réussir. Il est cependant presque impossible de dire lequel le sera quand ce sera le cas.
Même le même modèle peut utiliser un nombre différent de jetons chaque fois qu’il termine une tâche.
Des recherches ont montré que la même requête donnée à un modèle plusieurs fois peut entraîner des différences de temps et de coûts d’un facteur de 20. C’est un rappel que les LLM sont des machines stochastiques. Il n’y a aucune garantie que demander à un modèle LLM d’effectuer la même tâche plusieurs fois se traduira par un résultat cohérent :
Supposons que vous payiez un service de pelouse 20 $ de l’heure pour tondre. La première semaine, cela prend deux heures et coûte 40$. Une semaine plus tard, le travail dure huit heures et coûte 160 $. La troisième semaine, le travail dure cinq heures, mais seulement la moitié de votre pelouse est tondue.
Comment un budget d’entreprise est-il censé prévoir l’utilisation d’un tel service de pelouse ou d’un outil LLM ?
Pour récapituler :
Le montant d’argent qui a été et est toujours investi dans des projets d’IA ne peut être justifié par les rendements potentiels.
Il n’existe actuellement aucun véritable produit d’IA qui, comme les téléphones mobiles, pourrait conquérir les marchés de consommation. Les entreprises ont des difficultés à budgétiser et à justifier les utilisations d’IA.
D’où sont alors censés provenir les gigantesques bénéfices nécessaires ?
Chaque dollar investi dans l’IA ne peut pas être investi ailleurs. Les hausses de taux actuelles sont en partie causées par l’énorme quantité de dette émise pour des investissements liés à l’IA.
Lorsque la bulle éclatera enfin, une grande partie de la dette d’IA, qui a été achetée par des fonds de pension et des assureurs, deviendra sans valeur.
En fin de compte, la société devra payer pour les fantasmes de quelques cinglés et leurs délires médiatiques.
Moon of Alabama
Traduit par Wayan, relu par Hervé, pour le Saker Francophone.