L'éléphant dans la salle : Coût, Carbone et Carrières

2025-08-14

Machine-translated — the English original is authoritative.

Nous avons passé la semaine à nous émerveiller devant le potentiel incroyable de l'IA. C'est un moment exaltant. Mais aujourd'hui, nous devons parler de l'éléphant dans la salle. Ou plutôt, de l'éléphant dans le data center.

Derrière les démos soignées se cache une réalité beaucoup plus complexe. La révolution de l'IA est bâtie sur des fondations de coûts vertigineux, une appétit vorace pour les ressources naturelles et une vague de perturbation qui redessine déjà nos carrières. Il est temps d'être brutalement honnête sur le véritable prix de l'intelligence.

Des cerveaux à la hauteur d'un milliard : Décrypter le vrai coût de l'IA

Commençons par l'argent. Ces modèles d'IA ne sont pas de la magie ; ils sont le produit d'investissements à couper le souffle. Un excellent exemple est la récente Olympiade Internationale de Mathématiques. Tant Gemini de Google qu'un modèle d'OpenAI ont obtenu des scores de médaille d'or – une réalisation phénoménale. Ce qui est souvent omis des titres des journaux, c'est le coût. L'année dernière, un modèle qui n'a obtenu qu'une médaille d'argent aurait coûté environ 300 000 $ en puissance de calcul pour cette seule compétition.

Ce n'est que la partie émergée de l'iceberg. Les coûts de création de ces modèles sont astronomiques :

• Coûts d'entraînement : L'entraînement de GPT-4 aurait coûté à OpenAI plus de 100 millions de dollars, et l'entraînement de Gemini Ultra de Google est estimé à une somme stupéfiante de 191 millions de dollars. Il s'agit d'un jeu réservé aux géants disposant de capitaux au niveau des États-nations.
• Coûts d'inférence : L'exécution des modèles est une source de dépenses constante. Les appels API vers les modèles de premier ordre peuvent être incroyablement coûteux, faisant des applications à grande échelle un engagement financier significatif.
• Coûts des talents : L'« achat de panique de talents », comme je l'ai appelé lundi, est bien réel. Les meilleurs ingénieurs en IA touchent des salaires à six chiffres, et la constitution d'une équipe peut facilement coûter des millions. [Des milliards si vous incluez les dernières escapades de Zuck – je suis disponible pour un modeste 7 chiffres Mark – juste pour info]

Lorsque vous prenez tout en compte, l'entraînement et le déploiement d'un LLM propriétaire sont une entreprise à sept chiffres et plus.

Le paradoxe de la durabilité : Aucune excuse pour Greta

Ce coût financier immense est reflété par un coût environnemental tout aussi choquant. Depuis des années, les grands acteurs de la technologie proclament fièrement leurs engagements en faveur d'un avenir zéro carbone. Microsoft s'est engagé à devenir négatif en carbone d'ici 2030. Google a publié de vastes rapports environnementaux.

Pourtant, nous faisons face à une contradiction fondamentale. Les entreprises mêmes qui défendent ces initiatives vertes mènent une course aux armements de l'IA qui est l'une des entreprises technologiques les plus intensives en ressources de l'histoire humaine.

• Consommation d'énergie : Nous avons donc construit ces cerveaux divins, et il s'avère qu'ils ont soif comme un touriste sur Temple Bar. [Note latérale d'un ancien employé de Temple Bar – en réalité, le touriste commanderait une demi-bière à partager tandis que nous, les locaux, compenserions pour assurer la survie de Diageo – nous sommes comme ça !] Une seule requête ChatGPT consomme près de dix fois plus d'électricité qu'une recherche Google standard. Les data centers voient leurs besoins en énergie exploser, les projections suggérant une augmentation de 160 % d'ici 2030, principalement due à l'IA.
• Consommation d'eau : Cette utilisation d'énergie nécessite une quantité vertigineuse d'eau pour le refroidissement. L'entraînement de GPT-3 à lui seul aurait consommé 700 000 litres d'eau douce. Faire une douzaine de requêtes simples à un modèle comme ChatGPT peut consommer une bouteille d'eau de 500 ml.
• L'hypocrisie : La preuve la plus accablante vient des entreprises elles-mêmes. Le propre rapport de durabilité de Microsoft a révélé que ses émissions ont augmenté de près de 30 % depuis son engagement de 2020 « négatif en carbone », principalement en raison de la construction de ses data centers pour l'IA. Pire, un dirigeant a récemment admis que la combustion de gaz méthane ne serait « absolument pas exclue » pour alimenter les nouveaux data centers, une mesure qui contredit directement ses objectifs climatiques.

L'équation humaine : L'événement d'extinction de niveau débutant

Le coût final, et peut-être le plus immédiat, est le coût humain. Le récit selon lequel « l'IA créera plus d'emplois qu'elle n'en détruira » est réconfortant, mais il masque une réalité brutale : nous sommes témoins d'un Événement d'Extinction de Niveau Débutant.

La première marche de l'échelle de carrière est sciée pour toute une génération.

• Les données sont stark : Le Forum économique mondial a projeté que 85 millions d'emplois seraient déplacés d'ici 2025. Ce n'est pas une prédiction lointaine. Au cours des sept premiers mois de 2025, plus de 10 000 suppressions d'emplois aux États-Unis ont été directement attribuées à l'IA. Les offres d'emploi pour des postes d'entrée de gamme en entreprise ont diminué de 15 %.
• L'automatisation remonte la chaîne : Il ne s'agit pas seulement d'automatiser le travail d'usine. L'IA est désormais compétente dans des tâches autrefois considérées comme le domaine des professions intellectuelles : recherche juridique, codage et analyse financière. Les entreprises admettent ouvertement qu'elles remplacent le personnel junior par l'IA. Un cabinet de conseil n'a pas embauché de stagiaire cet été parce que ChatGPT pouvait gérer son contenu sur les réseaux sociaux.
• Le nouveau profil de compétences : Un diplôme universitaire ne suffit plus. Les entreprises veulent des employés « productifs dès le premier jour ». Les nouvelles compétences essentielles ne concernent pas seulement la maîtrise technique, mais aussi la collaboration humain-machine. Les employés les plus précieux seront ceux qui pourront superviser stratégiquement l'IA, appliquer leur esprit critique à ses sorties et fournir le jugement éthique que les machines n'ont pas. C'est un passage du statut d'employé qui exécute des tâches à celui de « créateur de valeur » qui orchestre des outils pour résoudre des problèmes.

Une proposition modeste : Une taxe sur l'IA pour le peuple

Alors, que faisons-nous ? Se tordre les mains ne résoudra rien. Ma nature optimiste exige une voie constructive vers l'avant.

Il est temps que nous envisagions sérieusement une taxe sur l'IA.

Il ne s'agit pas de punir l'innovation. Il s'agit de reconnaître qu'une technologie générant autant de richesse et de perturbation a une obligation sociétale. L'idée est déjà évoquée, avec des propositions comme la « surtaxe sur l'intelligence artificielle » de New York sur les revenus des entreprises.

Les recettes de cette taxe pourraient être utilisées pour adresser directement les problèmes créés par l'IA :

1. Financer les infrastructures publiques d'IA : Démocratiser l'accès et empêcher un avenir où seuls les riches pourront se permettre une intelligence de pointe.
2. Alimenter la reconversion universelle : Financer les programmes massifs de reconversion à l'échelle nationale nécessaires pour préparer la main-d'œuvre à la nouvelle ère.
3. Renforcer les filets de sécurité sociale : Fournir un filet de sécurité robuste pour ceux dont les emplois sont définitivement déplacés.

La valeur immense qui inonde le secteur de l'IA devrait être exploitée pour construire un avenir plus équitable et résilient.

Originally published on allthingscloud.eu (2025-08-14).