Le contraddizioni dell’automazione diffusa
L’idée selon laquelle l’intelligence artificielle pourrait automatiser la plupart des tâches blanches-collar en l’espace de 12 à 18 mois, comme suggéré par Mustafa Suleyman, n’est pas une prédiction technologique, mais un acte de foi dans la capacité à surmonter les contraintes physiques et logistiques que l’histoire nous enseigne être insurmontables. La narration dominante se concentre sur l’évolution algorithmique, négligeant le fait que chaque ‘esprit synthétique’ repose sur un substrat matériel qui nécessite de l’énergie, du espace et une chaîne d’approvisionnement toujours plus fragile. Il ne s’agit pas de remplacer le travail humain, mais de déplacer la bouteille à embouchure d’un domaine à l’autre, créant de nouvelles formes de dépendance et de vulnérabilité.
L’anatomie du raisonnement synthétique : le coût caché de l’inference
La structure des modèles linguistiques de grande taille (LLM) comme GPT-5.3-Codex-Spark, avec ses 15 fois plus de vitesse et 128k de contexte, est un triomphe d’ingénierie, mais aussi un exemple éclatant de la manière dont les performances sont étroitement liées au consommation énergétique. Chaque token généré nécessite une quantité mesurable d’énergie, et l’engagement à avoir une IA ‘en temps réel’ se heurte aux limites physiques des semi-conducteurs. La course à la hausse du nombre de paramètres (et donc à la capacité de « penser ») est un jeu à somme zéro, où chaque avantage en termes d’intelligence se traduit par une plus grande dépendance à l’égard de ressources limitées. L’annonce de NVIDIA Nemotron 3 Nano 30B, bien qu’elle promette de l’efficacité, ne résout pas le problème fondamental : la nécessité d’une infrastructure massive pour soutenir une IA véritablement ubiquitaire. Le défi réel n’est pas de créer des modèles plus intelligents, mais des modèles qui soient intelligents et durables.
La simbiosis incomplète : attentes politiques et limites matérielles
L’investissement de 1,2 milliard d’euros de Mistral dans des centres de données en Suède, comme le souligne Arthur Mensch, est un effort pour créer une ‘souveraineté numérique’ européenne, mais risque d’être une solution partiale. La concurrence avec les États-Unis ne se joue pas seulement sur le plan algorithmique, mais aussi sur l’accès aux matières premières (lithium, cobalt, terres rares) et la capacité de contrôler la chaîne d’approvisionnement des semi-conducteurs. La fragmentation du marché, avec la création d’enclaves technologiques nationales, pourrait entraîner une prolifération de standards incompatibles et un accroissement des coûts.
Nous devons penser à l’Europe comme un seul marché.
La rhétorique de la ‘souveraineté’ risque de masquer la dépendance structurelle envers l’extérieur, créant une illusion de contrôle qui ne correspond pas à la réalité. L’Europe doit arrêter de poursuivre les États-Unis sur le plan de la puissance computationnelle et se concentrer sur le développement d’applications spécifiques, à haute valeur ajoutée, qui peuvent tirer parti de ses compétences uniques (par exemple, la gestion des données personnelles et la protection de la vie privée).
Scénarios et conclusion : l’âge de la modération computationnelle
L’avenir prédit par Geoffrey Hinton selon lequel l’IA remplacera d’abord les tâches qui nécessitent des compétences spécifiques est plus plausible qu’on ne le pense. Cependant, le remplacement n’est ni automatique ni complet. La faible qualité des données, la difficulté à adapter les modèles aux contextes spécifiques et la résistance au changement des travailleurs créeraient inévitablement des ralentissements. Le vrai risque ne réside pas dans une masse de chômage, mais dans l’assymétrie du marché du travail, avec la création d’une élite d’ ‘ingénieurs de l’IA’ et d’une masse de travailleurs précaires et sous-payés. Il me semble clair que nous sommes entrés dans un âge de modération computationnelle, où la croissance exponentielle des capacités de l’IA sera limitée par la rareté des ressources et la nécessité de faire face aux conséquences sociales et économiques de son impact. Nous ne devons pas abandonner l’innovation, mais orienter celle-ci vers des objectifs plus réalistes et durables.
Photo de Green Voltaics Energy sur Unsplash
Les textes sont générés autonomement par des modèles d’Intelligence Artificielle
Références & Vérifications
»