- Les géants de la tech battent des records d'investissement dans les infrastructures cloud et les centres de données pour soutenir l'IA.
- L'automatisation des entreprises est confrontée à un paradoxe : le coût des jetons et de l'énergie peut dépasser les économies salariales.
- Les dépenses mondiales en IA devraient connaître une croissance massive, sous l'effet de leur intégration dans les appareils personnels et du matériel optimisé.
- La durabilité énergétique devient le principal goulot d'étranglement en raison de l'énorme consommation d'électricité des modèles de production.
L'engouement pour l'intelligence artificielle est passé du statut de simple promesse à celui de moteur économique colossal , générant des milliers de milliards de dollars sur les marchés mondiaux. Si beaucoup se sont d'abord demandé s'il s'agissait d'une bulle spéculative, les données actuelles indiquent que les investissements commencent à porter leurs fruits, notamment pour les géants qui contrôlent l'infrastructure numérique.
Cependant, la situation financière n'est pas idyllique. Si Wall Street se réjouit de la croissance des revenus du cloud, de nombreuses PME et entreprises de taille moyenne peinent à maîtriser leurs coûts d'exploitation , découvrant que le fonctionnement continu d'une machine peut s'avérer plus onéreux que le paiement des salaires d'une équipe. C'est un jeu d'équilibre entre risque et rentabilité, où l'efficacité est primordiale.
Le système d'investissement des géants de la tech
Les géants du secteur, tels que Microsoft, Amazon, Alphabet et Meta, investissent des sommes astronomiques – potentiellement entre 725.000 et 760.000 milliards de dollars rien que cette année – pour renforcer leurs capacités en intelligence artificielle. Ces investissements se concentrent principalement sur le cloud computing, un secteur où Azure et AWS connaissent une croissance fulgurante, les entreprises cherchant à louer d'énormes capacités de calcul.
Les analystes estiment que, malgré un flux de trésorerie disponible potentiellement négatif à court terme, la demande de services cloud croît plus rapidement que les dépenses. Cette accélération de la monétisation devrait rassurer les investisseurs quant au retour sur investissement. De fait, le carnet de commandes des principaux fournisseurs de services cloud dépasse déjà 2 300 milliards de dollars.
Le paradoxe de l'épargne : remplacer les gens par des symboles ?
Un phénomène curieux se produit dans les directions financières. Certaines entreprises ont automatisé des services entiers pour réduire leurs coûts de personnel, pour finalement constater que leur facture mensuelle pour les jetons et l'infrastructure cloud est supérieure à la masse salariale qu'elles ont supprimée. Cela s'explique par le fait que l'IA ne fonctionne pas avec un forfait comme Netflix ; elle facture chaque donnée traitée.
Lorsqu'une entreprise recourt intensivement aux modèles de langage pour générer du code ou traiter d'énormes volumes de données, le nombre de jetons explose , transformant les économies escomptées en une dépense technologique colossale et imprévisible. Par conséquent, l'IA ne réduit pas toujours les coûts ; au contraire, elle détourne les investissements du capital humain au profit d' une consommation énergétique et technologique exorbitante.
Répartition des coûts liés à la mise en œuvre de l'IA dans l'entreprise
Si une entreprise souhaite se lancer dans l'intégration de l'IA, il n'existe pas de prix unique, mais des fourchettes de prix courantes. Un projet standard peut coûter entre 10 000 et 50 000 $ , tandis que les implémentations complexes peuvent facilement dépasser 200 000 $. Les coûts se répartissent généralement comme suit :
- Développement du modèle : Cela représente 25 % ou plus du budget, algorithmes et API compris.
- Faits: L'acquisition et le nettoyage des informations consomment entre 15 % et 35 % du temps.
- Personnel spécialisé : Le recours à des experts représente l'une des dépenses les plus importantes, allant de 20 % à 40 %.
- Infrastructure et maintenance : Le matériel et les mises à jour constantes ajoutent entre 20 % et 35 % supplémentaires.
- Conformité et gestion : Les conseils juridiques et les tâches administratives représentent généralement environ 10 % du total.
La complexité du modèle influe directement sur le budget. Si un chatbot basé sur la logique est l'option la plus économique (environ 10 000 $), un système d'apprentissage profond ou de réseau neuronal peut coûter jusqu'à 100 000 $ car il requiert une puissance de calcul et une quantité de données nettement supérieures.
Le goulot d'étranglement énergétique et environnemental
Il ne faut pas oublier que l'IA est extrêmement gourmande en électricité. L'entraînement d'un modèle avancé comme ChatGPT génère une empreinte carbone comparable à celle de centaines de vols transcontinentaux. L'entraînement de GPT-3 à lui seul consomme l'énergie qu'un ménage espagnol moyen consommerait pendant plus de vingt ans.
La phase la plus critique est celle de l'inférence, lorsque l'IA répond aux utilisateurs ; elle représente jusqu'à 80 % de la consommation énergétique totale . Cela soulève une question légitime quant à la durabilité du système : l'IA ne peut être déployée à l'infini sans une transformation radicale de notre infrastructure énergétique, sous peine d'effondrement environnemental.
Perspectives mondiales et comparaison historique
Gartner prévoit que les dépenses mondiales en IA atteindront 1 500 milliards de dollars d'ici 2025 et dépasseront les 2 000 milliards en 2026. La part la plus importante sera consacrée aux smartphones dotés d'IA générative et aux serveurs optimisés pour les GPU. Si l'on compare cet essor à celui des télécommunications dans les années 1990 ou à celui du chemin de fer au XIXe siècle, on constate que nous nous trouvons à un tournant économique majeur , même si nous n'avons pas encore battu tous les records historiques d'investissement en pourcentage du PIB.
Le risque réside dans le fait que les entreprises investissent dans des actifs qui se déprécient très rapidement . Contrairement aux voies ferrées qui duraient un siècle, les puces électroniques actuelles peuvent devenir obsolètes en quelques années seulement. De ce fait, le pari actuel s'apparente à un acte de foi, et seules les entreprises dotées d'une stratégie de monétisation claire survivront à une éventuelle correction du marché.
Le paysage actuel révèle une transition où des investissements massifs dans le matériel et le cloud recherchent désespérément un retour sur investissement rentable, tandis que les entreprises peinent à équilibrer les coûts liés aux jetons et à la consommation d'électricité avec les gains de productivité , dans un scénario où l'infrastructure énergétique constituera la véritable limite à la croissance technologique.