Le plus grand trou noir de l'IA : Après 1 000 milliards de dollars de revenus annuels pour Anthropic, le prix de la puissance de calcul s'envole par 10
Lorsque les agents IA commencent à remplacer le travail intellectuel humain, comment le prix de la puissance de calcul doit-il être réévalué ? Le podcast technologique Dwarkesh Patel avance une prédiction audacieuse : si les revenus des laboratoires d'IA comme Anthropic continuent de croître rapidement (atteignant potentiellement 1000 milliards de dollars d'ici fin 2025), tandis que l'offre de calcul n'augmente que d'environ 3 fois par an, le prix du calcul pourrait être multiplié par plus de 10.
Une idée clé est que les GPU, comme le H100 de NVIDIA, ne sont plus de simples pièces matérielles mais des supports pour une main-d'œuvre numérique. Si une puce H100 peut héberger un agent IA au niveau d'un ingénieur logiciel de premier plan (dont le salaire annuel moyen à Silicon Valley dépasse 250 000 $), sa valeur locative théorique devrait s'aligner sur cette productivité, créant un écart de 15 fois par rapport aux prix de location actuels.
La croissance des capacités et des revenus de l'IA dépasse désormais la croissance de l'offre physique de calcul. Pour combler cet écart, les laboratoires pourraient devoir accepter des marges bénéficiaires irréalistes (jusqu'à 95%) ou, plus probablement, assister à une inflation massive du prix par unité de calcul.
La concurrence en IA entre dans l'ère des infrastructures, où le calcul de pointe devient une ressource stratégique, comparable à l'énergie. La location de clusters de GPU dédiés, comme le fait Google auprès de SpaceX, atteint déjà des prix élevés. La limite physique de la production de semi-conducteurs (loi de Moore ralentie, cycles de construction de fonderies, capacité limitée des machines EUV) verrouille l'offre, incapable de suivre la demande explosive.
Un effet économique contre-intuitif (effet Alchian-Allen) pourrait aggraver la situation : lorsque le coût fixe de la puissance de calcul est élevé, il devient plus rentable d'utiliser les modèles les plus performants et chers pour minimiser le temps de calcul total, éliminant les modèles médiocres.
Certains arguments s'opposent à cette vision, notant que la valeur de l'IA est limitée dans les domaines physiques ou réglementés, et que l'histoire montre que les prédictions de pénurie de ressources échouent souvent face à l'innovation. Cependant, l'offre de calcul est considérée comme bien moins élastique que celle des matières premières. Avant que le calcul ne redevienne abondant, le monde pourrait traverser une intense course aux armements et une inflation du coût de la puissance de calcul.
marsbit08/04 14:00
