Le Gaspi des Investissements en Intelligence Artificielle
La course à l’intelligence artificielle pousse les grandes entreprises technologiques à dépenser des sommes colossales pour développer les meilleures IA, celles qui séduisent le plus d’utilisateurs et, par conséquent, génèrent le plus de profits. Selon des données de Goldman Sachs, ces entreprises et leurs fournisseurs sont sur le point de dépenser plus d’un trillion de dollars en puces, centres de données et logiciels. Mais la question cruciale demeure : y a-t-il un retour sur cet investissement ?
Les Inquiétudes de Sam Altman
Sam Altman, le PDG d’OpenAI, l’une des entreprises en lice, a lui-même reconnu lors d’une interview pour CNBC que ces dépenses en IA soulèvent des préoccupations légitimes. Il a indiqué que le gaspillage et l’incertitude concernant le retour de ces investissements sont des raisons valables de s’inquiéter. Altman considère que c’est “la critique la plus juste” que l’on puisse faire à la technologie actuelle.
Une Réflexion sur le Retour sur Investissement
Des entreprises comme Uber et Microsoft, bien qu’étant des réussites notables, montrent que le retour sur investissement peut prendre du temps à se concrétiser. Altman souligne que les entreprises doivent se poser deux questions essentielles : combien de temps avant que cette technologie influence réellement leurs revenus, et à quel moment leurs coûts pourront-ils être maîtrisés ?
Un Discours Révolutionnaire dans l’Industrie
La franchise d’Altman est d’autant plus marquante qu’il est l’un des dirigeants qui a attiré le plus de financements pour OpenAI. Sa reconnaissance du gaspillage représente un tournant dans le discours de l’industrie. Jusqu’à présent, le sujet du retour sur investissement de l’IA était réservé aux analystes sceptiques et aux économistes qui prévoyaient une bulle imminente.
Le Constat de Goldman Sachs
Goldman Sachs a résolu cette question dès 2024 avec son rapport intitulé “Gen AI: Too Much Spend, Too Little Benefit ?”. L’économiste Daron Acemoglu a estimé que l’impact de l’IA sur la productivité économique dans la prochaine décennie serait plutôt dérisoire, à hauteur de 0,5%.
Le Gaspillage Technologique
Actuellement, il est évident que l’expansion et l’entraînement de l’IA ne sont pas économiquement rentables. Selon un récent rapport d’analyse, l’utilisation moyenne des GPU est de seulement 5%. Ce qui signifie que 95% de ce matériel coûteux fonctionne bien en dessous de sa capacité.
Les Effets du FOMO
Le phénomène de peur de manquer (FOMO) pousse certaines entreprises à investir dans des puces d’IA qu’elles n’utilisent pas immédiatement. Ce comportement nous rappelle les pénuries observées durant la pandémie avec des produits comme le papier toilette.
Les Gagnants de cette Course
Dans cette dynamique, il y a des acteurs qui en tirent profit. NVIDIA, par exemple, voit ses bénéfices croître de manière significative, peu importe que ses puces fonctionnent à 5% ou 100% de leur capacité. En 2024, l’entreprise a enregistré des recettes de 60,9 milliards de dollars, un chiffre en hausse de 126% par rapport à l’année précédente.
Un Problème d’Incitations
Les grands fournisseurs de services cloud, comme Amazon, Microsoft et Google, détiennent 70% du marché et continuent de facturer indépendamment des résultats obtenus par leurs clients. L’absence d’incitations à réduire les pertes questionne la durabilité des investissements dans l’IA.
Des Perspectives d’Amélioration
Cependant, une interprétation pessimiste des déclarations d’Altman serait erronée. Il a montré une attitude optimiste, déclarant que “l’industrie résoudra rapidement ces problèmes.” Dans cette phase initiale, des pertes sont attendues. Ce gaspillage pourrait être nécessaire pour établir une infrastructure qui sera rentable à long terme.
En conclusion, bien que le moment actuel soit critiquable, il ne faut pas perdre de vue que les promesses de l’IA demeurent à portée de main. Le challenge pour l’industrie sera d’optimiser ces investissements et d’éviter que des duplications de matériel obsolète ne surviennent à l’avenir.