C’est sans doute le pari le plus important de l’histoire économique.
Peut-être plus impactant que « la révolution de l’Internet ».
La manie actuelle pour l’IA a le parfum de la tulipomanie, ce soudain engouement pour les tulipes dans le nord des Provinces-Unies au milieu du XVII e siècle, qui entraîna l’augmentation démesurée puis l’effondrement des cours du bulbe de tulipe.
l’IAmanie a débuté avec le lancement de ChatGPT à la fin du mois de novembre 2022, il y a plus de 2 ans de cela. Le chatbot d’OpenAI a attiré 100 millions d’utilisateurs en quelques semaines, plus rapidement que tout autre produit au cours de l’histoire. Les investisseurs, sentant une opportunité colossale, sont bien sûr vite montés dans le train de l’IA pour l’accélérer encore plus et faire tinter les cuivres de la fanfare en l’honneur de la révolution annoncée. A ma droite ce sont 1 400 Mds $ de prévus pour des data centers dédiés à l’IA entre 2024 et 2027, à ma gauche la valeur boursière de Nvidia, le principal fournisseur de puces pour l’IA, a été multipliée par 8 pour atteindre plus de 3 000 Mds $.
1. Et pourtant
Et pourtant la plupart des entreprises ne savent toujours pas ce que l’IA peut faire – ou pas – pour elles. Pas plus qu’elles ne savent comment l’utiliser. Aux USA seules 5% des entreprises disent intégrer de l’IA dans leurs produits ou services.
Peu de start-ups de l’IA sont profitables. Les contraintes liées à l’énergie et aux données qui pèsent sur la modélisation et l’entrainement des IA se révèlent progressivement de plus en plus fortes.
Le fossé entre l’enthousiasme des investisseurs et la réalité des entreprises semble s’accroitre de jour en jour.
2025 semble alors devenir le moment de vérité pour l’IA.
La course contre le temps pour rendre l’IA plus efficiente et plus utile avant que les investisseurs ne s’en détournent est lancée.
2. A la pointe de l’innovation
Les contraintes ralentissant le rythme de progression de la technologie sont multiples. L’entrainement des LLM (Large Language Models, Grands Modèles de Données) nécessite une quantité d’énergie de plus en plus massive. L’électricité utilisée pour entraîner GPT-4, le LLM sur lequel repose ChatGPT, aurait pu alimenter 15 000 foyers européens (5 000 nord-américains) pendant un an. Cette équivalence était de 300 foyers européens (100 pour les US) pour le modèle antérieur, GPT-3.
Le développement de modèles toujours plus grands et toujours plus performants nécessite des moyens énergétiques de plus en plus importants. Selon certaiens estimations l’entrainement de la prochaine génération de modèles d’IA pourrait coûter… 1 Md $ ! Et plus les modèles sont volumineux, plus le coût de leur inférence – le fait de leur faire produire un résultat – s’accroîtera.
Entre-temps, une pénurie de données d’entrainement pour les IA se profile à l’horizon. Selon une estimation, le stock de données textuelles de haute qualité sur l’internet sera épuisé d’ici 2028.
Les entreprises du monde entier s’empressent de trouver des solutions intelligentes à ces problèmes, qu’il s’agisse de puces plus efficaces et plus spécialisées ou de modèles plus spécialisés et plus petits qui consomment moins d’énergie.
D’autres imaginent des moyens d’exploiter de nouvelles sources de données de haute qualité, telles que les manuels scolaires, ou de générer des données synthétiques pour l’entrainement des IA.
Aujourd’hui personne ne sait si cela conduira à des améliorations progressives de la technologie ou si cela rendra possible un grand bond en avant abordable.
Les investisseurs ont injecté de l’argent dans des entreprises stars telles que OpenAI mais, dans la pratique, il n’y a pas de grande différence en termes de performances et de capacités entre les modèles phares proposés par OpenAI, Anthropic et Google. D’autres entreprises, comme Meta, Mistral et xAI, les suivent de près.
3. Le Shadow IA
Pour les utilisateurs finaux de l’IA, une lutte d’un autre type est en cours, car les salariés et les entreprises tentent de déterminer la meilleure façon d’utiliser la technologie. Cela prend du temps : des investissements doivent être réalisés, les processus doivent être repensés et les travailleurs doivent être formés. Certains secteurs sont déjà plus avancés que d’autres dans l’adoption de l’IA : un cinquième des entreprises du secteur des technologies de l’information, par exemple, déclarent l’utiliser. À mesure que la technologie devient plus sophistiquée – comme avec l’arrivée en 2025 de systèmes « agentiques », capables de planifier et d’exécuter des tâches plus complexes – l’adoption pourrait s’accélérer.
Mais la culture d’entreprise a aussi son importance.
Peu d’entreprises publient des statistiques quant à leur utilisation de l’IA. Un tiers des employés américains déclarent l’utiliser une fois par semaine dans le cadre de leur travail. Dans certaines fonctions, ce chiffre est encore plus élevé. Selon une étude, 78 % des ingénieurs logiciels américains utilisent l’IA au moins une fois par semaine, contre 40 % en 2023, de même que 75 % du personnel des ressources humaines, contre 35 %. Et OpenAI affirme que 75 % de ses revenus proviennent, de manière révélatrice, des particuliers plutôt que des abonnements des entreprises.
Tout cela suggère qu’une grande partie de l’utilisation de l’IA se fait en secret, les salariés l’utilisant pour rationaliser des tâches telles que la réécriture de textes ou la production de rapports. Une nouvelle expression a été créée pour qualifier cette utilisation cachée de l’IA qui se généralise dans les entreprises, le « Shadow IA ».
Les employés peuvent en effet craindre que s’ils admettent utiliser l’IA pour accomplir des tâches plus rapidement, leurs hiérarchiques leur donneront plus de travail, ou considéreront cela comme un signal indiquant qu’ils ont besoin de moins d’effectifs.
Cela suggère que l’adoption de l’IA est autant un défi de mangement qu’un défi technologique.
C’est pourquoi VUCA Strategy a décidé de réaliser une étude spécifique sur l’utilisation de l’IA dans les entreprises afin d’obtenir des données statistiques qui manuqent cruellement. Nous publierons les éléments clefs produits par cette étude lors de prochains articles.
Nous y verrons que pour tirer le meilleur parti de la technologie, les managers doivent en effet créer un environnement qui encourage l’ouverture et l’expérimentation, plutôt que le secret et la suspicion. Ce « Shadow IA » n’est pas à sous-estimer car il est présent dans de nombreuses entreprises et a potentiellement des impacts non seulement en termes de qualité du travail réalisé et de l’alignement des tâches, mais également en termes de prise de risque en termes de cybersécurité, de confidentialité des données et juridique.
4. L’IA, bien au-delà
L’IA peut être utilisée à d’autres fins que ceux que nous lui connaissons. Il se peut qu’en 2025, les percées les plus importantes de l’IA se produisent dans de nouveaux domaines, tels que le développement de médicaments (les premiers médicaments dérivés de l’IA pourraient passer les étapes des tests cliniques) ou la défense (avec l’ajout d’intelligence aux drones, qui sont en train de devenir les principaux systèmes d’armement).
L’Ouest craint que la Chine n’exploite l’IA pour acquérir un avantage militaire et économique. Paradoxalement, les ingénieurs chinois sont devenus particulièrement habiles à innover en contournant les contraintes de ressources, en partie parce que les contrôles américains à l’exportation ont réduit leur accès aux puces spécilisées pour l’IA.
5. Eclatera ou pas ?
La course à l’IA prendra donc de nombreuses formes en 2025.
Pourtant, le moment où les investisseurs perdent leur sang-froid est souvent celui où les nouvelles technologies commencent à apporter des preuves concrètes de leur efficacité.
Nous l’avons vu par exemple avec l’Internet.
La bulle va-t-elle éclater avant que la technologie ne commence à porter ses fruits ?
Il est fort possible que les deux évènements apparaissent simultanément mais ce que nous savons déjà c’est que l’IA aura plus de portée sur l’économie que les bulbes de tulipe.
