3 000 milliards de dollars
C’est ce que le marché aura injecté dans les data centers entre 2025 et 2028 (Morgan Stanley).
Goldman Sachs alertait dès 2024 sur 1 000 milliards de dollars d’investissement dans l’IA d’ici 2030.
Les projections ont triplé en un an sur une échelle de temps divisée par deux.
Ce n’est plus seulement un investissement. C’est un pari civilisationnel sur une technologie dont le ROI, à ces niveaux d’investissements, reste à prouver.
L’enjeu ?
Une course entre les nations pour obtenir le Graal de l’AGI (intelligence artificielle générale), promise à court terme, portée par un scaling « jusqu’au-boutiste » aux conséquences financières et environnementales hasardeuses.
Le règlement tacite de cette course : accélérer, sans freins, en ligne droite… au risque de prendre le mur.
Eric Schmidt, ex-patron de Google, appelle cette promesse de l’AGI par la Silicon Valley : le « San Francisco Consensus ».
Un « all-in » au poker avec l’argent d’une grosse partie de l’industrie pour gagner la course.
Une trajectoire remise en cause
Mais il y a un hic : les scientifiques, parrains fondateurs de l’IA moderne, ont pris des routes différentes et convergent vers une conviction :
– Le langage probabiliste a des limites structurelles que le scaling ne résoudra pas.
– Le paradigme LLM seul ne suffirait pas à mener à l’AGI.
L’accumulation de signaux économiques et technologiques étaye leur position.
En parallèle, des alternatives déjà financées (ou en cours de levée) dessinent des voies plus frugales, dont les world models.
Là où un LLM prédit des suites de mots, un world model vise à simuler les dynamiques du monde réel et promet l’efficience sans un scaling hors de prix.
Yann LeCun (AMI Labs) et Fei-Fei Li (World Labs) mènent cette vision et lèvent des fonds sur ce nouveau paradigme pour des valorisations à plusieurs milliards.
Jeff Bezos (Amazon) a pris le rôle de co-CEO d’une start-up, déjà hyperfinancée, qui va dans la même direction.
« Observation is the new hype ».
J’ai détaillé ces points dans l’article ci-dessous : scaling wall, entropie des données, inference sprawl, réponse de la Big Tech et alternatives, dont les world models, et pourquoi le point mort du LLM commence à donner des sueurs froides au marché.
Quel pari faites-vous après lecture ? La continuité du consensus de San Francisco ? L’utilisation de SLM ? L’hybridation ? La rupture scientifique ?
Pour lire l’article complet sur linkedin (~10 min) :
👇 Cliquez ci-dessous.
