Des milliards aux billions… ça va s'arrêter un jour ?

Tout le monde sait que c'est cher — ça n'a jamais été le problème

Personne ne cache le coût de l'IA — c'est le titre à la une. Entraîner un modèle de pointe se chiffre en milliards, et la construction de l'industrie se discute maintenant en centaines de milliards, avec des mentions de billions. Même les plus gros labos sont coincés dans une boucle de rondes de financement toujours plus grosses juste pour rester dans la course. Mais lever plus d'argent, ce n'est pas la même chose que régler le problème. C'est nourrir un plus gros compteur.

Parce que le vrai coût, ce n'est pas la séance d'entraînement — c'est ce qui vient après. Servir le modèle coûte de l'argent à chaque requête, et le modèle d'affaires standard vous facture au token. Vous n'achetez pas l'outil. Vous louez sa production au mot, et le compteur ne s'arrête jamais.

Le repli

Alors les entreprises mettent l'IA sur pause en douce et réduisent la voilure. Quand le coût de chaque requête ne dépasse pas la valeur qu'elle livre, le calcul cesse de tenir — et dépendre du prix, de la disponibilité et des conditions d'un fournisseur devient un risque d'affaires, pas juste un poste de dépense. La technologie fonctionne. L'économie, souvent pas.

Le pari que fait le marché au complet

Le coût de l'IA de première génération commence à déborder des labos pour retomber sur tout le monde. De plus en plus, l'argent qui la garde en vie est de l'argent public — levé par des introductions en bourse, puis logé dans les fonds indiciels et les régimes de retraite qui suivent le marché — versé dans des centres de données toujours plus gros. Lever de l'argent auprès du public à cette échelle, pour financer une approche de force brute qui ne montre aucun signe de vouloir en demander moins, c'est irresponsable. Ce serait une chose si ces dépenses achetaient un chemin vers quelque chose de durable. Ce n'est presque jamais le cas : ça va vers du plus gros, pas vers du moins gourmand, et le plan face à la facture d'énergie qui grimpe, c'est d'ajouter encore de la capacité.

On en a déjà eu un aperçu. Quand DeepSeek a fait plus avec moins — par nécessité, pas par stratégie, parce que la voie coûteuse ne leur a jamais été ouverte — ça a réveillé les labos établis. Pendant un temps, l'efficacité est devenue, soudainement, ce qui comptait pour tout le monde. Puis le moment est passé et ils sont retournés à bâtir plus gros. Cette réaction, c'est le révélateur : en avoir besoin de moins n'a jamais été leur plan d'affaires, et une brève frousse n'y a rien changé.

Les gens de l'intérieur le voient aussi. Les chercheurs quittent les grands labos les uns après les autres, et quand ils disent pourquoi, ça revient souvent au même : des décisions guidées par le profit et la course au plus gros plutôt que par ce que la science indique vraiment. Quand ceux qui connaissent le mieux le travail s'en vont justement pour cette raison, ça vaut la peine de s'y arrêter.

Imaginez une compagnie de téléphone assise sur un monopole qu'elle sait voué à disparaître — et qui entre quand même en bourse, prenant l'argent du public sans aucun plan pour soutenir la concurrence une fois le monopole tombé et les règles changées. C'est la forme du pari ici : un avantage qu'on voit déjà expirer, vendu au marché comme s'il allait durer.

Et ces nouvelles règles n'ont besoin de personne pour les imposer. La plupart des gens ne les voient pas encore, mais elles s'en viennent quand même — non pas parce que quelqu'un les pousse, mais parce qu'une façon moins chère existe et que la logique fait le reste. Dès que le même travail se fait à une fraction du coût, le marché s'y déplace. Personne n'a à provoquer ça; ça arrive parce que c'est moins cher.

Ça en fait un pari fragile, et pas seulement pour les entreprises qui le font. La valeur d'un centre de données bâti pour une approche de force brute repose sur le fait que cette approche reste la seule offerte. Au moment où quelque chose d'équivalent — ou de meilleur — tourne à une fraction du coût, une grande partie de cet investissement se retrouve échouée : de la capacité bâtie pour une méthode que le marché a déjà dépassée. Quand on lève de l'argent à cette échelle, auprès du public, la chose responsable, c'est de montrer qu'on travaille à en avoir besoin de moins. Bâtir plus gros à la place, c'est parier que la façon de faire d'aujourd'hui est la seule possible — et nous ne le croyons pas. Et quand un pari de cette taille tourne mal, la perte ne reste pas avec ceux qui l'ont fait; elle retombe sur les fonds, les régimes de retraite et les gens ordinaires qui n'ont jamais choisi de jouer. Tout le monde y perd, et c'est difficile d'appeler ça autrement qu'irresponsable.

Un autre pari : l'IA de deuxième génération

On fait un autre pari. Appelez ça l'IA de deuxième génération. Ça se résume à trois choses :

• Possédable. Vous l'hébergez, elle est à vous. Pas de production au compteur, pas de compteur au mot qui tourne pendant que vous réfléchissez.
• Efficace, et plus verte pour ça. Le calcul du coût est un objectif de conception, pas quelque chose qu'on ajoute après coup : un tronc large et peu profond, un chemin de service léger, et le raisonnement confié à une petite machine symbolique plutôt que brûlé dans des activations massives. La cible, ce n'est pas un petit rabais — c'est des ordres de grandeur de calcul en moins pour le même travail, et une empreinte énergétique plus faible avec ça.
• Durable. Ce que vous possédez survit aux changements de prix, aux rondes de financement et aux cycles de battage. Une intelligence que vous gardez, pas une production que vous louez au mot jusqu'au jour où le fournisseur l'éteint.

Soyons clairs : on n'est pas contre payer pour un logiciel. Il y aura des abonnements. Ce qu'on refuse, c'est le compteur au token — être facturé au mot pour le privilège de penser à voix haute. Un prix que vous pouvez prévoir, ou un modèle que vous pouvez héberger vous-même. Jamais un compteur qui vous punit d'utiliser la chose pour laquelle vous payez.

Notre preuve : autofinancés depuis 2023

On ne défend pas ça depuis les gradins. On est là-dedans depuis 2023 — tôt, quand le domaine était tout neuf et que presque personne ne se demandait si ça devait coûter aussi cher — et chaque bout a été autofinancé. Aucune ronde de capital-risque, aucun capital extérieur, rien. Si une IA sérieuse exigeait vraiment des milliards, on ne serait pas ici. Qu'on y soit, c'est la première pièce à conviction que la facture est un choix, pas une loi de la nature.

Pourquoi on peut l'affirmer

Rien de tout ça n'est un rabais qu'on promet. Le faible coût découle de l'architecture elle-même. Parce que le raisonnement tourne dans une machine symbolique peu coûteuse plutôt que dans les activations du modèle, et parce que le modèle est bâti pour être léger à servir, l'efficacité est une conséquence de la conception plutôt qu'un argument de vente.

Et vous pouvez le voir se produire. Notre agent à modèle du monde résout des labyrinthes 3D de plus en plus durs — il trouve ses propres capacités, planifie, fait tourner un petit cerveau affectif — sans réseau de politique et sans gros modèle qui brûle du calcul à chaque coup. Il tourne en temps réel, assez léger pour être hébergé sur une petite machine ou dans un navigateur. Voyez-le raisonner à découvert →

Ce que ça coûte encore à faire tourner

On ne va pas prétendre que Cubby tourne sur rien. Il utilise du calcul, et on le dira toujours. Ce qu'on cherche, c'est la taille de ce chiffre — des ordres de grandeur de moins que l'approche standard, parce que l'efficacité est conçue dès le départ plutôt qu'achetée à l'acre. Durable, ouvert et gérable, et pas mal plus vert que de louer l'intelligence à un centre de données qui ne cesse jamais de grossir.