La vérité terrifiante derrière l’effondrement du prix de l’IA

Le concept selon lequel l'usage économe d'un combustible équivaut à une consommation réduite est une confusion totale. Cette observation, vieille de 160 ans et formulée par un économiste de 29 ans à propos du charbon, explique pourquoi l'intelligence artificielle (IA), bien que déflationniste, coûte de plus en plus cher. Le prix de l'IA chute plus rapidement que celui des puces électroniques ou de la bande passante internet. Par exemple, obtenir une intelligence de qualité GPT3 est passé de 60 dollars à 6 centimes par million de tokens en trois ans, soit une division par 1000. Pourtant, les fournisseurs proposent des offres à 20, 100 ou 200 dollars par mois, avec des quotas qui se resserrent. Le coût unitaire de l'IA n'a jamais été aussi faible, et pourtant, l'accès coûte de plus en plus cher. Ce n'est pas une arnaque ni un abus, mais une mécanique économique fondamentale. Imaginons le 21 janvier 2025. Donald Trump, après son investiture, annonce le projet Stargate, un investissement de 5 milliards de dollars pour l'infrastructure IA américaine, soulignant que l'IA est une course de puissance qui s'achète en gigawatts. La veille, un laboratoire chinois inconnu, Dipsic (émanation d'un fonds spéculatif de Hanzo), lance un modèle gratuit et ouvert, R1, rivalisant avec Open AI. Le laboratoire avance un coût d'entraînement de 5,6 millions de dollars pour son modèle de base, là où GPT4 aurait coûté plus de 100 millions. Bien que ce coût corresponde à l'entraînement officiel de Dipsic V3, le modèle de base de R1, et non à l'ensemble des coûts annexes, l'impact est immédiat. Le week-end suivant, l'application Deepsic détrône ChatGPT en tête de l'App Store américain et dans une cinquantaine de pays. Marc Andreessen, figure de la Silicon Valley, déclare que "Deepsic R1, c'est le moment Spoutnik de l'IA." Le lundi 27, les marchés ouvrent. Si l'intelligence de pointe coûte 20 fois moins cher à produire, alors les montagnes de GPU sont surdimensionnées, et les 500 milliards du Stargate sont un excès. Nvidia perd près de 17% en une séance, soit environ 600 milliards de dollars évaporés, la plus grande destruction de valeur jamais enregistrée en une journée. Le Nasdaq plonge de 3%. Pourtant, la nuit précédente, Satya Nadella, PDG de Microsoft, dont le titre subira aussi la secousse, a publié un message simple : "Le paradoxe de Jevons frappe encore. À mesure que l'IA devient plus efficiente et plus accessible, son usage va exploser au point d'en faire une commodité dont nous ne pourrons jamais nous rassasier." Le marché interprète la situation comme un rattrapage chinois en efficience, tandis que Nadella y voit une efficience américaine croissante et une demande insatiable. L'un des deux se trompe, et l'erreur se chiffre en centaines de milliards. Pour comprendre, remontons à Manchester en 1865. William Stanley Jevons, un économiste de 29 ans, s'interroge sur la consommation croissante de charbon en Grande-Bretagne, alors que les machines en requièrent de moins en moins. Le pays, au sommet de la révolution industrielle, dépend entièrement du charbon. Jevons constate que depuis le début du siècle, la population britannique a doublé, tandis que la consommation de charbon a été multipliée par 8. C'est là qu'il écrit : "C'est une confusion totale des idées de supposer que l'usage économe du combustible équivaut à une consommation réduite. C'est tout le contraire qui est vrai." Le mécanisme est le suivant : l'efficience fait baisser le prix de l'unité de travail utile. Ce prix bas rend la vapeur rentable pour de nouvelles applications (pomper des mines plus profondes, tracter des trains, équiper des usines). Chaque fois qu'un ingénieur économise du charbon, il ne réduit pas la facture de l'Angleterre, il agrandit le territoire de la vapeur. Jevons ajoute : "Les nouvelles applications du charbon sont d'un caractère illimité." Son livre, "The Coal Question", est remarqué par William Gladstone et John Stuart Mill, menant à la création d'une commission royale sur les réserves de charbon. Jevons conclut que l'Angleterre est condamnée par l'épuisement du charbon. Jevons a compris le mécanisme, mais s'est trompé sur le calendrier et la capacité à déplacer la contrainte. Il a sous-estimé le pétrole et l'électricité. Le paradoxe de Jevons n'est pas resté une curiosité victorienne ; il a été rebaptisé "effet rebond" par les économistes après les chocs pétroliers. Leur verdict est que le rebond direct est généralement partiel. Isoler une maison réduit le coût du chauffage, mais on chauffera un peu plus longtemps ou plus fort, grignotant 10 à 30% des économies, pas 100% ou 150%. Deux raisons expliquent cela : la saturation du besoin (une fois la pièce à 20°C, pas besoin de monter à 35°C) et le poids de l'énergie dans les dépenses totales (une petite part libère une somme limitée). Une partie des économies est réinvestie dans l'usage, mais le reste fuit vers d'autres dépenses. Le rebond supérieur à 100%, où l'efficience fait monter la consommation totale, est une exception. Le lundi 27 janvier, le marché a paniqué en pensant que l'efficience réduirait les besoins en calcul. Nadella a invoqué un paradoxe qui, la plupart du temps, ne se produit pas. Cependant, il existe une configuration rare et précise où le rebond peut devenir total : l'efficience doit toucher le cœur du coût, la demande doit rester loin de toute saturation, et chaque gain doit ouvrir de nouveaux usages. Le système charbon-vapeur de 1865 remplissait toutes ces conditions. L'IA les remplit-elle aussi ? Première condition : la ressource doit être au cœur du coût. En 1865, le charbon représentait plus de 90% de l'énergie du pays. Pour l'IA, le calcul lié à l'inférence domine le coût de l'intelligence servie (environ deux tiers). Chaque réponse supplémentaire exige du calcul, et la baisse du coût du token réduit le coût marginal. Si ces économies sont réinvesties dans plus de tokens, le besoin total de calcul augmente. Condition remplie. Deuxième condition : la demande doit être élastique, loin de toute saturation. Alors que le salon finit par être assez chaud, où est le thermostat de l'intelligence ? Les chiffres de Google montrent une explosion : 10 000 milliards de tokens traités par mois en mai 2024, 4 800 milliards en mai 2025 (chiffre erroné dans le transcript, probablement 4 800 *milliards*), puis 3,2 *millions de milliards* en mai 2026, soit une multiplication par 330 en deux ans. Pendant ce temps, le coût total pour atteindre un niveau de capacité donné a été divisé par 5 à 10 chaque année. Les modèles actuels sont bien plus efficients et intelligents. La demande ne ralent