La tech au bord du gouffre financier
Le papier original est ici. Il est affreusement long. J'en suis venu à bout, c'était pénible. Ce résumé de
L'IA générative n'est pas rentable
Les acteurs du domaine sont des startups. Il y a deux issues possibles pour une startup: trouver un marché rentable ou être racheté. Tant qu'une startup cherche son marché (=des clients qui paient suffisamment cher le service proposé), elle fonctionne à perte et doit donc fait appel au financement externe pour survivre, soit par des investisseurs privés, soit par une introduction en bourse.
Problème. Ces startups ne sont pas rachetées ; elles ne vont pas en bourse non plus. Probablement parce qu'elle sont trop chères, ou parce qu'elles ne souhaitent pas révéler des données internes, ou parce qu'elle ne souhaitent pas se plier à des audits techniques. Ces sociétés sont prises dans une course effrénée aux investissements privés.
Meme les trois acteurs majeurs de l'IA générative fonctionnent à perte. Selon des sources non officielles, les chiffres d'affaires de OpenAI et Anthropic tourne autour de 10 milliards de dollars, et moins d'un milliard pour Cursor. Dans ce petit milieu, personne n'est rentable.
Cette bulle est spéciale. Les acteurs achètent majoritairement les services proposés par les deux gros (OpenAI et Anthropic). La dépendance est totale. Si ces tarifs augmentent, les sociétés meurent : elles sont trop chères pour être rachetées, trop toxiques pour aller en bourse. Même OpenAI, qui bénéficie pourtant de conditions tarifaires très avantageuses de la part de Microsoft pour faire tourner ses modèles sur ses infrastructures de calcul. Si ces conditions changent, la situation sera encore pire.
Insistons : OpenAI et Anthropic ne gagnent pas d'argent. Elles doivent améliorer leurs services, donc améliorer leurs modèles d'IA générative. Le cadre théorique est celui de l'apprentissage automatique, version deep learning. Ces algorithmes sont au coeur des grands modèles de langages. Les performances de ces modeles suivent (grosso modo) la puissance de calcul disponible et la quantité de données injectée. Il y a donc une course au gigantisme.
Les sommes levées sont investies dans la création de grandes infrastructures de calcul, dont une multitude de GPU, ou sèchement dépensées en achat de puissance de calcul.
Or les investissements subissent une forte dépréciation, classique dans le monde des processeurs (cf la Loi de Moore, et les suivantes). Et les data centers sont difficilement réutilisables pour autre chose que du stockage massif et des calculs intensifs. En dehors de l'usage par les algorithmes d'IA générative, que faire de cette puissance de calcul payée si cher, et si rapidement dépréciée ?
En 2025, on estime que 300 milliards de dollars auront été injectés dans ces infrastructures. Que vaudront-elles dans quelques années ? Pas grand chose. Les économistes évaluent que le secteur de l'IA compte pour 2% du PIB des États-Unis, et pour 0.7% de la croissance. Ce secteur ne tient donc qu'au bon vouloir de quelques acteurs, dont le constructeur de GPU, NVidia.
Ces investissements sont massifs. Pour un service que personne n'est prêt a payer ou presque, et certainement pas à son coût réel.
Et tout ça sans même évoquer la question de l'utilité de l'IA générative. Que l'IA générative soit utile, éthique, légale, etc. ou non, elle n'est économiquement pas viable malgré des centaines de milliards injectés.
Voici ce que j'ai compris du papier de Ed Ziton. Et vous ?
Nous ne sommes toujours pas des machines. Nos textes sont pensés et écrits par des humains. Aucun texte n’est généré. Tout soutien sera le bienvenu.