L’IA pourrait marquer la fin de la vague numérique, et non le début d’une nouvelle ère
Traduction de la première partie du billet 10 July 2025. AI | Mobiles par Andrew Curry le 10 juillet 2025.
1 : L’IA pourrait marquer la fin de la vague numérique, et non le début d’une nouvelle ère
À titre d’expérience de pensée : et si l’essor actuel des technologies regroupées sous le label « IA » ne marquait pas le début d’une toute nouvelle vague technologique, mais plutôt la phase finale de la vague numérique qui a débuté dans les années 1970 et s’est accélérée au tournant du siècle ?
Je me pose cette question depuis un certain temps, de manière assez vague, car je ne parviens pas à discerner le modèle économique qui justifie les investissements colossaux consentis dans l’IA aux États-Unis. (J’ai déjà écrit à ce sujet ici.)
C’est ce que suggèrent deux articles de Nicolas Colin, blogueur spécialisé dans la stratégie et l’innovation, qui s’est posé la même question, mais de manière beaucoup plus cohérente. Il appelle cela la « théorie de l’investissement en fin de cycle».
Comme moi, il est fan des travaux de l’universitaire Carlota Perez, qui s’est appuyée sur les travaux de Christopher Freeman pour développer un modèle illustrant comment la technologie et la finance interagissent pour créer de nouvelles vagues d’investissement, à commencer par les canaux et le coton, qui durent entre 50 et 60 ans. (Elle les appelle « poussées » (surges) car, contrairement aux « vagues », chaque technologie s’intègre dans la société et ses infrastructures.)
Les deux poussées les plus récentes sont celles de l’automobile/pétrole, qui a débuté en 1908, et des technologies de l’information et de la communication, qui a débuté en 1971.
Je ne vais pas entrer ici dans tous les détails de la théorie du modèle de Perez — vous pouvez la consulter en ligne si vous le souhaitez, et j’ai écrit à ce sujet ailleurs — mais le point pertinent pour la présente discussion est qu’elle suit une courbe en S, et que la première moitié est lente, car de nouvelles infrastructures sont « installées », et certaines d’entre elles passent inaperçues. Internet était un réseau universitaire fermé pendant la majeure partie de la première partie de sa courbe en S.
À mi-parcours, après la mise en place d’une grande partie de l’infrastructure, et généralement à la suite d’un krach financier dans lequel certains des investisseurs dans cette infrastructure ont tout perdu, les entreprises de « déploiement » prennent le relais, avec des clients et des modèles commerciaux réels, et connaissent une période de croissance accélérée, avant d’atteindre les limites du marché et de se transformer en entreprises ordinaires. Et les investisseurs qui ont réalisé d’importants profits pendant cette période de croissance commencent à chercher ailleurs les technologies qui permettront la prochaine vague de croissance.
La raison pour laquelle j’aime la version de Perez est que son modèle a eu un grand pouvoir explicatif pendant 25 ans en termes d’observation de l’évolution du secteur technologique.
C’est un long développement dans l’argumentation de Colin, et permettez-moi de citer directement son premier article :
Vu sous l’angle d’un cycle tardif, les marchés actuels montrent des signes indiquant que nous sommes entrés dans la phase de maturité de la révolution informatique et des réseaux. La théorie conduit donc à des prévisions spécifiques et vérifiables sur la destination du capital et les stratégies qui seront les plus performantes.
Il cite trois indicateurs du secteur technologique qui corroborent cette observation selon laquelle nous sommes dans la « fin du cycle » :
- L’effondrement du financement des start-ups en 2022 n’était pas seulement une correction, il pourrait être structurel. Comme l’a fait valoir l’investisseur Jerry Neumann dans son ouvrage phare Productive Uncertainty, les start-ups s’appuient sur l’incertitude comme avantage concurrentiel. Lorsque les bonnes idées deviennent évidentes pour tout le monde, y compris pour les acteurs bien financés déjà en place, le modèle des start-ups est soumis à une réelle pression.
- Puis l’IA est arrivée, révélant une nouvelle dynamique. La percée de ChatGPT n’est pas venue d’une start-up créée dans un garage, mais d’OpenAI, soutenue par la puissance informatique considérable de Microsoft. Google, Meta et Amazon ont réagi en investissant des milliards. Ce schéma, qui consiste pour les grandes entreprises technologiques à déployer d’énormes capitaux pour résoudre des problèmes bien connus, correspond exactement à la théorie du cycle avancé.
- Plus révélateur encore, la saturation des plateformes semble désormais presque totale. La transformation numérique a atteint la plupart des secteurs où l’informatique et les réseaux peuvent fonctionner de manière plausible. Ce qui reste – les soins de santé, l’éducation, la construction, les services gouvernementaux – reflète peut-être les limites naturelles du paradigme, et non des marchés inexploités. [C’est lui qui souligne.]
Dans le deuxième article – dont certains sont payants –, il examine spécifiquement la manière dont l’IA est déployée, et je vais citer/paraphraser rapidement les passages visibles ici.
La théorie de l’investissement en fin de cycle suggère que l’IA est une avancée en matière d’efficacité dans l’ère de l’informatique et des réseaux, et non le début d’une nouvelle ère. Tout comme la production lean a perfectionné la production de masse dans les années 1970 sans la remplacer, l’IA optimise le paradigme existant plutôt que d’en créer un nouveau.
Colin a effectué de nombreuses analyses à ce sujet et a rassemblé un grand nombre de preuves qu’il partage. Je ne vais pas m’attarder sur ce point, car je m’intéresse davantage aux questions stratégiques plus larges qui se posent s’il a raison.
Mais il vaut la peine de résumer certaines de ses observations. Premièrement, au début d’une nouvelle vague technologique, on ne sait pas qu’elle est en train de se produire. On comprend le moment décisif après coup, le moment où une innovation a transformé la structure des coûts (la Spinning Jenny, le moteur à condensation de Watt, la chaîne de production de Ford, le microprocesseur). Mais avec l’IA, ce moment était très visible, au point d’être chorégraphié.
Deuxièmement, le montant des investissements en capital est hors norme. Au début d’une vague, les investissements ont tendance à être irréguliers et mal compris : le secteur existe, mais il n’est pas encore tout à fait lisible.
Et troisièmement, Colin suggère que l’IA permet à l’informatique d’atteindre des secteurs qui lui ont en quelque sorte résisté :
À l’instar de la production lean, qui a prolongé la domination de la production de masse pendant des décennies grâce à des gains d’efficacité, l’IA ne marque pas la fin de l’informatique, mais sa maturation. La technologie s’étend à des secteurs auparavant inaccessibles, créant l’illusion d’une nouveauté radicale alors qu’elle représente en réalité la conquête finale de l’économie physique par l’informatique et les réseaux.
Il convient de s’arrêter ici. Bien que Perez date la fin de chacune de ses vagues à partir de la date de l’innovation qui rend possible la vague suivante, il existe une sorte de phase de « déploiement tardif » dans l’ancienne vague alors que la nouvelle en est encore à ses débuts.
Déploiement tardif : ainsi, bien que la vague des TIC remonte à 1971, une grande partie de l’innovation finale dans la vague des voitures/du pétrole remonte également à cette date. Au Royaume-Uni, à cette époque, il existe encore un vaste programme de construction d’autoroutes et de rocades, qui a ensuite rendu possible l’émergence de la logistique longue distance, de la grande distribution en périphérie des villes et des parcs d’activités en bordure des villes. Colin soutient que l’IA est l’équivalent de routes plus larges et de grandes surfaces commerciales : différente, mais visant davantage à intégrer la technologie plus profondément qu’à provoquer le type de changement transformationnel qui finit par créer une forme nouvelle et distinctive d’abondance.
Il y a également une opposition sociale : au Royaume-Uni, les campagnes contre les grands projets de rocades ont commencé à la fin des années 1960 et au début des années 1970. Et nous assistons peut-être à quelque chose de similaire avec l’IA. Les gens semblent détester l’intégration par Google d’outils d’IA dans ses résultats de recherche, et détester encore plus le fait qu’il soit pratiquement impossible de les désactiver. Cela ne témoigne pas d’une technologie passionnante adoptée par ses utilisateurs. Une note de Ted Gioia sur son blog musical indique que :
La plupart des gens ne paieraient pas volontairement pour l’IA : seulement 8 % selon une récente enquête. Les entreprises technologiques doivent donc l’associer à un autre produit essentiel.
Cela est important pour plusieurs raisons. Tout d’abord, les technologies en phase avancée de déploiement génèrent un retour sur investissement, mais il s’agit d’un retour normal, et non d’un retour croissant.
Mais ensuite, cela jette un éclairage différent sur ce qui s’apparente à une « guerre des modèles économiques » entre la Chine et les États-Unis à l’heure actuelle, à travers leurs approches différentes de l’IA.
Je pense que nous en savons beaucoup sur le modèle américain. Il est alimenté par une idéologie transhumaniste qui se situe juste de ce côté-ci de The Rapture, comme le rappelle chaque semaine Sam Altman, d’OpenAI.
Comme l’expliquait dimanche la newsletter Exponential View, citant l’organisation politique RAND, le modèle chinois est complètement différent :
À Washington, le discours politique sur l’IA est parfois présenté comme une « course à l’AGI ». À Pékin, en revanche, le discours sur l’IA est moins abstrait et se concentre sur les applications économiques et industrielles susceptibles de soutenir les objectifs économiques généraux de Pékin.
Azeem Azhar, d’EV, a ajouté quelques précisions :
Les équipes chinoises… publient des architectures open source plus légères et s’associent à des spécialistes dans des domaines tels que l’analyse des soins de santé (Yidu Tech) et l’apprentissage adaptatif (Squirrel AI).
Cela s’explique en partie par des contraintes : la Chine dispose d’une puissance de calcul bien inférieure à celle des États-Unis et doit donc se contenter de solutions allégées. Cela signifie également que son modèle est beaucoup plus exportable. Mais le point important ici est que si l’IA est une technologie à un stade avancé et non la prochaine grande vague d’innovation, le modèle chinois est en phase avec la situation actuelle. Cela ne devrait peut-être pas nous surprendre : contrairement à la plupart des pays, un tiers des membres à part entière du Comité central chinois sont des technocrates.
La seconde partie de l’article de Curry porte sur
l’interdiction des téléphones dans les écoles. Je ne l’ai pas traduite.
Les traductions de 2026 (.xlsx) – celles de 2025 (.html) – par Gilles en vrac
Les caractères gras dans le texte sont de Gilles.
Pour vous recevoir un courriel hebdomadaire vers mes traductions.