Pourquoi L’IA n’est pas encore rentable ? ou la centralisation du pouvoir et des données

L’IA possède-t-elle une vraie valeur ?

Commençons par une nuance importante.
Une technologie peut être utile sans devenir immédiatement rentable.
L’intelligence artificielle offre déjà des services concrets dans certains domaines.

Elle peut résumer un document, traduire un texte et corriger du code.
Elle peut aussi analyser des informations, générer des images et automatiser des tâches répétitives.
Elle aide parfois un service client ou une équipe de recherche.

Ces usages existent.
Ils ne justifient pas automatiquement des valorisations de plusieurs centaines de milliards de dollars.
Une application peut faire gagner du temps sans transformer toute l’économie.

Pour comprendre le problème, il faut donc regarder l’écart entre le service rendu et les promesses commerciales.
Une IA peut apporter une aide réelle tout en restant trop chère à grande échelle.

Un outil utile ne vaut pas forcément des milliers de milliards

Une technologie peut rendre un service pratique sans justifier une valorisation gigantesque.
Un logiciel peut faire gagner du temps à une entreprise sans remplacer tous ses salariés.

Une application peut améliorer une tâche sans transformer toute l’économie.
Un assistant peut aider un rédacteur sans devenir une intelligence générale.

Cette distinction disparaît souvent dans le discours public.
Les entreprises montrent une démonstration réussie, puis annoncent une transformation globale.

Le public confond alors une capacité ponctuelle avec une promesse industrielle.
C’est ainsi que le marketing dépasse parfois la réalité technique.

Pourquoi l’IA reste-t-elle si difficile à rentabiliser ?

Les modèles d’IA nécessitent des processeurs spécialisés, notamment des GPU.
Ces puces réalisent rapidement les calculs nécessaires à l’entraînement et à l’utilisation des modèles.

Il faut ensuite ajouter les serveurs, la mémoire, les réseaux, le refroidissement et les bâtiments.
Il faut aussi payer les ingénieurs, les équipes de sécurité, le stockage et la maintenance.

Le coût ne s’arrête donc pas au développement d’un chatbot.
Chaque réponse consomme des ressources.
Chaque mise à jour demande de nouveaux calculs.
Chaque modèle doit fonctionner avec une disponibilité constante.

Entraînement et inférence

L’entraînement correspond à la phase où le modèle apprend sur de grandes quantités de données.
L’inférence correspond à chaque réponse produite après une demande utilisateur.

Une entreprise paie donc l’entraînement initial, les mises à jour, les tests et les réponses quotidiennes.
Elle paie aussi la conservation des données et la supervision des usages.

Selon Reuters, OpenAI aurait consommé 3,7 milliards de dollars de trésorerie au premier trimestre 2026.
La même source rapporte 5,7 milliards de dollars de revenus sur cette période.
Consultez l’article de Reuters consacré à ces chiffres.

Ces chiffres ne prouvent pas que toute l’IA constitue une arnaque.
Ils montrent cependant qu’un acteur majeur doit encore financer une infrastructure extrêmement coûteuse.

Un abonnement ne reflète pas toujours le coût réel

Un abonnement mensuel donne l’impression que l’utilisation coûte peu.
Pourtant, un utilisateur intensif peut consommer beaucoup plus de ressources que le prix payé.

L’entreprise subventionne alors une partie de la consommation.
Elle espère récupérer cette dépense plus tard grâce aux contrats professionnels, aux hausses de prix ou à de nouveaux services.

La question devient simple :
le prix payé par l’utilisateur couvre-t-il réellement le coût de l’intelligence artificielle ?

Si la réponse reste négative, le système dépend encore des capitaux extérieurs.
Il ne fonctionne pas comme un produit mature.
Il fonctionne comme une infrastructure en construction.

La promesse d’une rentabilité future

Les dirigeants demandent aux investisseurs de regarder l’avenir.
Ils expliquent que les modèles deviendront plus efficaces et que les clients paieront davantage.

Ils promettent aussi des agents autonomes, des robots, des logiciels professionnels et des services médicaux.
Chaque nouvelle promesse repousse la date à laquelle le modèle doit vraiment devenir rentable.

Le problème apparaît lorsque la rentabilité reste toujours future.
Les investisseurs financent alors une possibilité plutôt qu’un résultat.

Vos impôts financent-ils l’IA ? La liste qui dérange

L’intelligence artificielle ne rapporte pas encore de manière uniforme. Pourtant, les États continuent d’injecter des milliards d’euros dans ses infrastructures, sa recherche et ses capacités de calcul. Cette politique poursuit plusieurs objectifs : soutenir les entreprises, réduire la dépendance aux géants étrangers et renforcer la souveraineté numérique. Mais elle pose aussi une question légitime : quelle part du risque financier revient aux contribuables, et qui profitera réellement des bénéfices ?

Il faut distinguer les subventions directes, les investissements publics, les commandes d’État, les garanties et les avantages fiscaux. Ces mécanismes ne représentent pas tous une dépense budgétaire immédiate. Ils peuvent toutefois mobiliser de l’argent public ou réduire les recettes fiscales.

France : 655 millions d’euros supplémentaires pour l’IA

En juin 2026, le gouvernement français a annoncé une enveloppe supplémentaire de 655 millions d’euros pour l’intelligence artificielle dans le cadre de France 2030. Cette enveloppe vise notamment les infrastructures, les capacités de calcul, la recherche, les entreprises et plusieurs filières industrielles.

L’annonce s’inscrit dans la troisième phase de la stratégie nationale française pour l’IA. Une publication officielle présente cette stratégie comme un moyen de faire de la France un pays de premier plan dans l’innovation liée à l’intelligence artificielle. Le communiqué officiel consacré aux nouveaux lauréats de France 2030 permet de consulter les objectifs et les bénéficiaires annoncés.

Le chiffre de 655 millions ne signifie pas que cette somme finance une seule entreprise. Il s’agit d’une enveloppe publique destinée à plusieurs volets de la stratégie nationale. L’article doit donc éviter de présenter ce montant comme un simple chèque remis à un acteur privé.

Ce que l’État cherche à financer

• Les infrastructures de calcul nécessaires à l’entraînement et à l’utilisation des modèles.
• Les projets de recherche portés par des laboratoires et des établissements spécialisés.
• Les entreprises et les start-up développant des solutions d’IA.
• Les applications industrielles dans des secteurs considérés comme stratégiques.
• Les usages publics dans la santé, l’administration, l’éducation et la cybersécurité.

L’État justifie cette politique par la nécessité de ne pas dépendre totalement des fournisseurs américains ou asiatiques. La question politique reste néanmoins ouverte : la souveraineté numérique doit-elle être financée par l’argent public, puis exploitée par des entreprises privées ?

« Pionniers de l’IA » : des aides pouvant atteindre 8 millions d’euros

L’appel à projets « Pionniers de l’IA » fonctionne dans le cadre de France 2030. Bpifrance et l’agence de programmes NALU, portée par l’Inria, opèrent le dispositif pour le compte de l’État.

Le dispositif cible des projets d’intelligence artificielle présentant un potentiel de rupture. Les bénéficiaires peuvent inclure des PME, des entreprises de taille intermédiaire, des laboratoires publics, des universités et des écoles d’ingénieurs portant un projet entrepreneurial.

Les aides peuvent atteindre plusieurs millions d’euros selon la phase du projet. Une présentation du dispositif indique une aide comprise entre 100 000 euros et 8 millions d’euros selon la maturité et l’ampleur du projet. Le rapport du Sénat sur l’impact de l’IA dans les entreprises revient sur cette stratégie et ses mécanismes de financement.

En juin 2026, le gouvernement a annoncé 31 nouveaux projets portés par 60 entreprises et laboratoires. Ces projets représentent plus de 135 millions d’euros d’investissements productifs et 68 millions d’euros d’aides publiques, selon le communiqué officiel de la Direction générale des Entreprises.

Il faut toutefois préciser la nature des aides. Selon les projets, le financement peut combiner subvention et avance remboursable. Tout l’argent annoncé ne correspond donc pas nécessairement à une subvention définitive.

Cette nuance change la lecture du chiffre. L’État ne paie pas toujours l’intégralité du projet. Il réduit cependant le risque pris par les entreprises et les investisseurs privés.

Gigafactories d’IA : 30 milliards d’euros en Europe

L’Union européenne a lancé un appel pour construire jusqu’à sept AI Gigafactories. Ces infrastructures doivent fournir une puissance de calcul massive aux chercheurs, aux entreprises et aux administrations.

Le programme vise à mobiliser environ 30 milliards d’euros. Jusqu’à 10 milliards pourraient venir de financements publics européens et nationaux. Le secteur privé apporterait environ 20 milliards supplémentaires.

Le rapport du Sénat consacré à l’entreprise et à l’IA présente le programme européen InvestAI et son objectif de financer plusieurs gigafactories équipées pour les usages avancés de l’IA.

Le gouvernement français indique aussi que la France souhaite commander environ 100 millions d’euros de capacité de calcul au projet retenu sur son territoire. Cette opération ne correspond pas exactement à une subvention directe. Il s’agit plutôt d’un engagement public d’achat destiné à sécuriser une partie du projet.

Cette nuance est importante. L’État peut soutenir une infrastructure privée de plusieurs façons : subvention, prêt, garantie, commande publique, fourniture de terrain ou engagement d’achat.

Le communiqué officiel sur l’engagement français dans les capacités de calcul européennes détaille les modalités annoncées par le gouvernement.

Les data centers bénéficient-ils d’avantages fiscaux ?

Les centres de données consomment énormément d’électricité. Leur fiscalité énergétique peut donc avoir un impact important sur leur coût d’exploitation.

En France, l’ancienne TICFE correspond désormais à l’accise sur l’électricité. L’administration fiscale présente plusieurs tarifs normaux, exonérations et tarifs réduits dans le Code des impositions sur les biens et services.

Consultez la page officielle de la Direction générale des Finances publiques sur les accises énergétiques. Le BOFiP publie également les précisions nécessaires à l’application des tarifs prévus par les lois de finances.

Le chiffre de 12 euros par MWh et le seuil de 1 000 MWh doivent cependant être vérifiés dans le texte fiscal applicable au moment de la publication. Les taux peuvent dépendre de la catégorie juridique du site, de son activité et des conditions prévues par la loi.

Il vaut donc mieux éviter une phrase définitive comme : « tous les data centers paient 12 euros par MWh ».

Préférez cette formulation : « La fiscalité française prévoit des tarifs réduits d’accise sur l’électricité pour certaines activités et sous certaines conditions. Les data centers peuvent donc bénéficier d’un régime plus favorable, mais le taux exact dépend du dispositif applicable. »

Un avantage pour attirer les investisseurs

Les pouvoirs publics présentent ces mécanismes comme un moyen d’attirer les investissements, les emplois et les infrastructures numériques.

Le débat porte alors sur l’équilibre entre attractivité et intérêt général. Une fiscalité réduite peut faciliter la construction d’un data center. Elle peut aussi réduire les recettes publiques liées à une activité très consommatrice d’électricité.

Pour mesurer l’impact réel, il faut comparer le montant de l’avantage fiscal, les emplois créés, la consommation d’eau, les recettes locales, les coûts de raccordement et les engagements environnementaux de l’opérateur.

États-Unis : un campus IA de 100 milliards de dollars sur un ancien site nucléaire

Aux États-Unis, le département de l’Énergie a sélectionné un ancien site fédéral d’enrichissement d’uranium dans le Kentucky pour accueillir un immense campus de data centers.

Le projet de Paducah doit être développé par Brookfield et NextEra Energy. Les entreprises annoncent un investissement privé pouvant atteindre 100 milliards de dollars.

Reuters rapporte que le campus pourrait fournir plus de 1,2 GW de capacité informatique et jusqu’à 1,8 GW de capacité électrique. Le projet doit réutiliser une partie du site fédéral de Paducah, construit dans les années 1950 pour produire de l’uranium enrichi. Consultez l’article de Reuters sur le projet de Paducah.

Le projet n’est donc pas financé directement à hauteur de 100 milliards de dollars par les contribuables. Les annonces le présentent comme un investissement privé réalisé sur des terrains appartenant au département de l’Énergie.

Cette distinction ne supprime pas la question publique. L’État met à disposition un site fédéral, sélectionne les opérateurs et facilite la création d’infrastructures énergétiques destinées au campus.

Il faut donc examiner les contrats, les loyers, les garanties, les raccordements, les coûts de dépollution et les éventuelles protections accordées aux investisseurs.

De l’uranium à l’intelligence artificielle

Le symbole est particulièrement fort. Un ancien site lié à la puissance nucléaire américaine pourrait devenir un centre de calcul destiné à la puissance numérique.

Le changement d’usage montre une évolution stratégique. Les infrastructures autrefois consacrées à l’armement et à l’énergie nucléaire servent désormais à alimenter la course à l’IA.

Un autre projet américain prévoit aussi un vaste complexe de data centers sur un ancien site d’enrichissement d’uranium dans l’Ohio. L’Associated Press rapporte un projet pouvant atteindre 10 GW de capacité informatique et 10 GW de nouvelle production électrique. Consultez le reportage de l’AP sur le site de l’Ohio.

Qui paie vraiment ?

La réponse dépend du mécanisme utilisé. Dans certains cas, l’État verse une aide directe. Dans d’autres, il finance une recherche, garantit un prêt ou achète de la capacité de calcul.

Il peut aussi fournir un terrain public, faciliter un raccordement électrique ou accorder un régime fiscal favorable. Le coût ne figure alors pas toujours sur une seule ligne du budget.

Dire que « les contribuables financent tout » serait trop simplificateur. Dire qu’il n’existe aucun soutien public serait également faux.

La réalité se situe souvent entre les deux. Les États prennent une partie du risque pour accélérer un secteur stratégique. Les entreprises espèrent récupérer les bénéfices si le marché se développe.

La vraie question devient alors : les bénéfices seront-ils partagés, ou les pertes seront-elles publiques tandis que les gains resteront privés ?

Une technologie utile, mais pas encore un modèle mature

L’IA peut déjà aider la recherche, l’industrie et les administrations. Cela ne signifie pas que les projets financés deviendront tous rentables.

Certains projets échoueront. D’autres resteront dépendants des aides publiques. Quelques entreprises deviendront peut-être très puissantes.

Le financement public peut se justifier lorsqu’il crée une capacité stratégique accessible à tous. Il devient plus contestable lorsque l’État paie les infrastructures sans obtenir de garanties suffisantes.

Les citoyens doivent donc demander : qui reçoit l’argent ? Quelle part revient réellement à la recherche publique ? Qui possède les résultats ? Les données restent-elles en France ou en Europe ? Combien d’emplois durables sont créés ? Qui paiera l’électricité, l’eau et la sécurité ?

Sources officielles et documents à consulter

Pour les financements français, consultez le communiqué officiel sur les 31 nouveaux projets France 2030, qui détaille les 135 millions d’euros d’investissements productifs et les 68 millions d’euros d’aides publiques annoncés.

Pour le dispositif « Pionniers de l’IA », consultez le rapport du Sénat sur l’impact de l’IA dans les entreprises ainsi que la page officielle des premiers lauréats.

Pour les gigafactories européennes, consultez le communiqué du gouvernement sur les capacités de calcul européennes.

Pour la fiscalité de l’électricité en France, consultez la page de la DGFiP sur les accises énergétiques et les précisions du BOFiP.

Pour le projet américain de Paducah, consultez l’article de Reuters. Pour le projet de l’Ohio, consultez le reportage de l’Associated Press.

Pour l’énergie consommée par les data centers, consultez l’analyse de l’Agence internationale de l’énergie.

Comment l’IA centralise-t-elle les systèmes ?

Pour utiliser les modèles les plus puissants, il faut souvent dépendre d’un cloud, d’une API ou d’un abonnement.
Il faut aussi accepter les formats, les limites et les conditions du fournisseur.

Une petite entreprise peut créer une application intéressante.
Pourtant, elle peut dépendre d’un modèle développé par un géant.
Elle reste visible auprès du client, mais le contrôle stratégique se trouve ailleurs.

Cette dépendance concerne aussi les administrations, les écoles, les hôpitaux et les médias.
Plus ces acteurs intègrent l’IA dans leur travail, plus ils risquent de perdre leur autonomie technique.

Le modèle des fourmis autour des reines

Cette image permet de comprendre le système.
Quelques grandes entreprises possèdent les modèles, les data centers, les puces et les données.
Des milliers de petites structures développent des produits autour de ces infrastructures.

Les petites entreprises jouent alors le rôle de « fourmis ».
Elles créent des applications, vendent des services et apportent les clients.
Elles nourrissent pourtant les mêmes plateformes centrales.

Cette métaphore ne prouve pas l’existence d’une organisation secrète.
Elle décrit un effet économique possible :
la valeur se concentre au sommet, tandis que le travail se disperse à la base.

Le cercle de la concentration

Plus un modèle reçoit de demandes, plus son propriétaire obtient de données d’usage.
Il recueille aussi des corrections, des préférences et des informations sectorielles.

Ces données peuvent améliorer le modèle.
Le service attire alors davantage d’utilisateurs.
Le système devient cumulatif.

1. Le plus grand modèle attire le plus d’utilisateurs.
2. Les utilisateurs produisent davantage de données.
3. Ces données améliorent le service.
4. Le meilleur service attire plus d’entreprises.
5. Les entreprises deviennent plus dépendantes.

Ce phénomène crée une barrière à l’entrée.
Une nouvelle entreprise doit investir énormément pour rattraper les acteurs déjà installés.

Elle doit obtenir des données, des puces, des ingénieurs et des clients.
Les grands groupes possèdent déjà ces quatre ressources.

La dépendance par les logiciels

La centralisation ne concerne pas seulement les modèles.
Elle concerne aussi les logiciels utilisés chaque jour.

Une entreprise peut dépendre d’un assistant intégré à sa messagerie, à son traitement de texte, à son stockage et à sa comptabilité.
Un changement de prix ou de conditions peut alors perturber toute son activité.

Le fournisseur ne vend plus seulement un outil.
Il devient une partie du fonctionnement de l’entreprise.

Les données sont-elles vraiment confidentielles ?

La réponse dépend du service, du contrat, des réglages et du type de compte.
Une conversation avec une IA peut contenir des informations très sensibles.

Elle peut révéler des données professionnelles, des codes informatiques, des contrats, des idées commerciales ou des informations médicales.
Elle peut aussi montrer les habitudes et les opinions de l’utilisateur.

Même lorsqu’une entreprise affirme protéger les données, plusieurs risques existent :
conservation interne, accès par des employés, sous-traitants, stockage dans plusieurs pays et piratage.

Le NIST explique que l’IA peut amplifier les risques liés à l’agrégation des données.
Le croisement de plusieurs bases peut permettre de réidentifier une personne.
Consultez les recommandations du NIST sur les risques de cybersécurité et de confidentialité.

L’illusion de l’anonymat

Une donnée peut sembler anonyme sans le rester.
Une entreprise peut retirer le nom d’un utilisateur, mais conserver d’autres indices.

La ville, la profession, les horaires, l’appareil, l’adresse IP et le style d’écriture peuvent suffire à retrouver une personne.
L’IA peut recouper des fragments qui semblaient séparés.

Une cible géante

Plus les informations se regroupent au même endroit, plus la valeur de la cible augmente.
Un pirate peut chercher une faille chez un fournisseur cloud, une plateforme d’IA ou un prestataire de stockage.

Une seule faille peut alors exposer les données de nombreux clients.
La centralisation facilite la gestion, mais elle crée aussi un risque systémique.

Les données psychologiques

L’IA ne collecte pas uniquement des informations administratives.
Elle peut aussi analyser les préférences, les hésitations, les émotions et le style de pensée.

Les utilisateurs donnent parfois des informations intimes à un assistant.
Ils lui parlent comme à une personne.
Pourtant, le service appartient à une entreprise.

Cette situation crée une confusion dangereuse.
L’utilisateur ressent une relation privée.
Le système fonctionne dans un environnement commercial.

« Un assistant numérique peut sembler intime sans devenir privé. »

Le piratage et le marché de la sécurité

Les systèmes d’IA créent de nouvelles vulnérabilités.
Le NIST décrit notamment l’empoisonnement des données, l’extraction de modèle, l’injection de prompt et les fuites d’informations.

Les agents reliés à Internet ajoutent un risque supplémentaire.
Ils peuvent consulter des sites, exécuter des scripts, modifier des fichiers ou appeler des services externes.

Le rapport du NIST sur le machine learning adversarial présente une taxonomie des attaques et des méthodes de protection.
Le G7 a également publié une analyse consacrée à l’IA et à la cybersécurité.
Consultez la déclaration du groupe d’experts du G7.

La sécurité devient-elle un marché captif ?

Plus les entreprises dépendent de l’IA, plus elles doivent acheter des solutions de sécurité.
Elles auront besoin d’audits, de chiffrement, de contrôles d’accès et d’équipes spécialisées.

Un nouveau paradoxe apparaît :
l’IA crée des risques, puis vend les outils nécessaires pour protéger les entreprises contre ces risques.

Les intermédiaires se multiplient.
Pourtant, le pouvoir peut rester concentré en amont.
Une entreprise peut acheter plusieurs services de sécurité tout en dépendant du même cloud.

La sécurité comme nouvelle dépendance

Les entreprises devront parfois acheter la sécurité auprès des mêmes groupes qui fournissent les modèles.
Le fournisseur peut alors devenir à la fois l’infrastructure, le contrôleur et le protecteur.

Cette concentration pose une question de confiance.
Qui vérifie le fournisseur ?
Qui contrôle ses accès ?
Qui intervient lorsqu’il subit une attaque ?

Plus la société numérise ses fonctions essentielles, plus la cybersécurité devient une question politique.
Elle ne concerne plus seulement les informaticiens.
Elle concerne l’autonomie collective.

Qui profite réellement de cette course ?

Les premiers gagnants ne sont pas toujours les entreprises qui utilisent l’IA.
Les fabricants de puces, les fournisseurs cloud et les constructeurs de data centers peuvent vendre leurs équipements immédiatement.

Les sociétés énergétiques, les propriétaires fonciers, les cabinets de conseil et les entreprises de cybersécurité peuvent aussi profiter de la vague.
Les investisseurs gagnent parfois avant même l’apparition d’une rentabilité durable.

• Fabricants de puces : ils vendent les composants nécessaires aux calculs.
• Fournisseurs cloud : ils louent la puissance de calcul.
• Constructeurs : ils bâtissent les centres de données.
• Énergéticiens : ils fournissent l’électricité nécessaire.
• Investisseurs : ils financent les infrastructures et les start-up.
• Plateformes publicitaires : elles utilisent l’IA pour mieux profiler les utilisateurs.

Pourquoi les plus gros deviennent-ils encore plus gros ?

Les grandes entreprises possèdent déjà les clients, les comptes utilisateurs, les serveurs, les smartphones et les logiciels professionnels.
Elles peuvent ajouter une fonction IA à un produit déjà installé.

Une petite entreprise doit conquérir son marché.
Un géant peut intégrer l’IA directement dans un outil que des millions de personnes utilisent déjà.

La croissance de l’IA peut donc renforcer les positions existantes.
Les petites entreprises risquent de devenir des revendeurs de services dominants.

La finance gagne-t-elle avant l’économie réelle ?

La finance peut gagner grâce aux anticipations.
Une annonce d’investissement peut faire monter le cours d’une entreprise.
Une hausse du cours facilite ensuite de nouveaux financements.

Le marché valorise alors une promesse de croissance.
Il ne mesure pas uniquement les bénéfices actuels.

Une entreprise peut donc sembler plus puissante pendant qu’elle accumule encore les pertes.
Le capital afflue parce que personne ne veut rater le prochain géant numérique.

Cette dynamique favorise les entreprises déjà cotées et déjà visibles.
Les petites structures doivent parfois vendre ou disparaître.

Les citoyens deviennent-ils la matière première ?

Le système numérique transforme chaque activité en donnée potentielle.
Les utilisateurs produisent des textes, des photos, des conversations, des corrections et des préférences.

Ils fournissent aussi leurs déplacements, leurs achats, leurs réactions et leurs habitudes.
Les plateformes peuvent analyser ces informations, entraîner leurs modèles et personnaliser leurs services.

Cette logique rejoint les analyses de Shoshana Zuboff sur le capitalisme de surveillance.
Dans son ouvrage, elle décrit une économie qui transforme l’expérience humaine en matière première comportementale.

L’utilisateur croit utiliser un service.
Il fournit aussi des informations qui peuvent améliorer le produit et augmenter sa valeur commerciale.

Sommes-nous aussi des travailleurs invisibles ?

Les systèmes d’IA nécessitent encore beaucoup de travail humain.
Des personnes modèrent les contenus, annotent les images, corrigent les textes et évaluent les réponses.

D’autres vérifient les sorties, entraînent les modèles et signalent les erreurs.
Le travail ne disparaît pas toujours.
Il se déplace vers des tâches moins visibles et parfois moins bien payées.

La question devient alors :
sommes-nous seulement les clients de l’IA, ou participons-nous aussi gratuitement à son entraînement ?

La matière grise comme ressource

L’IA ne se contente pas d’utiliser le temps de travail.
Elle capte aussi les connaissances, les méthodes, les idées et les styles.

Les créateurs produisent une œuvre.
Le modèle apprend des régularités.
La plateforme vend ensuite un outil capable d’imiter certains résultats.

Cette situation soulève des questions sur le droit d’auteur, la rémunération et la propriété intellectuelle.
Elle transforme la créativité en ressource industrielle.

L’IA va-t-elle dévaloriser le travail humain ?

Aucune donnée ne permet d’affirmer que tous les emplois vont disparaître.
L’IA peut toutefois automatiser certaines tâches et modifier profondément les métiers.

Les tâches les plus exposées restent souvent répétitives, standardisées, mesurables et produites à distance.
La transcription, la traduction simple, la rédaction standardisée et le code répétitif peuvent changer rapidement.

Les débutants risquent aussi de subir un effet particulier.
Si les entreprises automatisent les tâches juniors, les jeunes travailleurs auront moins d’occasions d’apprendre.

Le problème ne concernera donc pas seulement le chômage.
Il pourra aussi concerner la disparition de parcours de formation et la perte de compétences.

« Plus besoin d’apprendre »

Pourquoi mémoriser si un assistant répond ?
Pourquoi apprendre à coder si un modèle produit le programme ?
Pourquoi vérifier une source si l’outil résume tout ?

Le risque apparaît lorsque l’outil remplace l’apprentissage au lieu de l’accompagner.
Une personne qui ne comprend plus le système qu’elle utilise devient dépendante.

Elle ne sait plus détecter une erreur, réparer un problème ou défendre ses droits.
Elle consomme des fragments d’intelligence au lieu de développer ses propres capacités.

Une intelligence par abonnement ?

Les grandes plateformes peuvent vendre progressivement une mémoire externe, un assistant personnel, une formation et une analyse financière.
Elles peuvent aussi proposer des services médicaux, juridiques et professionnels.

L’utilisateur délègue alors progressivement sa mémoire, son attention et ses décisions.
Cette évolution ne crée pas forcément une fusion homme-machine.
Elle crée déjà une dépendance fonctionnelle.

Une personne peut encore rester libre juridiquement.
Elle peut toutefois perdre sa capacité pratique à travailler sans les outils dominants.

C’est cette dépendance invisible qu’il faut surveiller.
La liberté ne disparaît pas toujours par interdiction.
Elle peut disparaître par impossibilité de faire autrement.

Énergie, eau et ressources : qui paie la facture ?

Les infrastructures d’IA nécessitent de l’électricité, de l’eau, des minerais, des terrains et des capitaux.
La fabrication des puces demande aussi des produits chimiques et des chaînes d’approvisionnement complexes.

L’Agence internationale de l’énergie estime que les data centers consommaient environ 415 TWh d’électricité en 2024.
Elle prévoit près de 945 TWh en 2030 dans son scénario central.
Consultez l’analyse de l’Agence internationale de l’énergie sur la demande énergétique de l’IA.

Les chiffres globaux mélangent parfois l’IA, le stockage cloud, les vidéos, les réseaux sociaux et les calculs classiques.
Il faut donc éviter d’attribuer toute la consommation des data centers à l’IA.

La tendance reste néanmoins importante.
Les modèles puissants demandent davantage de calculs.
Les usages vidéo et les agents autonomes ajoutent encore des besoins.

L’UNCTAD souligne les conséquences possibles de l’IA sur l’énergie, l’eau et les émissions.
Consultez son rapport sur la technologie et l’innovation en 2025.

Un rapport britannique rappelle que l’eau sert au refroidissement, à la production d’électricité et à la fabrication des puces.
Consultez l’étude britannique sur l’eau et les data centers.

Le profit reste privé, mais les coûts deviennent collectifs

Les coûts peuvent toucher les consommateurs, les salariés, les contribuables, les collectivités et les ressources en eau.
Ils peuvent aussi toucher les travailleurs qui annotent les données et les créateurs dont les œuvres entraînent les modèles.

Cette situation mérite une question directe :
qui reçoit les bénéfices et qui assume les sacrifices ?

La dépendance énergétique

Un pays qui accueille de grands data centers doit renforcer ses réseaux électriques.
Il doit parfois construire de nouvelles centrales ou détourner une partie de l’électricité existante.

Les habitants peuvent alors subir des tensions sur les prix, l’eau et l’espace disponible.
La technologie paraît immatérielle.
Ses infrastructures restent très physiques.

Derrière chaque réponse générée, il existe des bâtiments, des câbles, des puces et des travailleurs.
L’IA ne flotte pas dans le cloud.
Elle repose sur un territoire.

Crises, ressources et restrictions

Les crises justifient souvent des mesures exceptionnelles.
Une crise énergétique peut imposer des restrictions.
Une cyberattaque peut renforcer l’identité numérique.
Une guerre peut accélérer la surveillance.

Ces mesures peuvent répondre à un danger réel.
Elles peuvent aussi réduire les libertés au-delà de la situation initiale.

Il faut donc demander :
qui prend la décision ?
Combien de temps dure la mesure ?
Peut-on revenir en arrière ?
Quelles alternatives existent ?

Il ne faut pas conclure que chaque crise est fabriquée pour imposer l’IA.
Il faut plutôt analyser qui profite d’une crise et quelles infrastructures deviennent prioritaires.

La consommation de liberté

Un système peut proposer beaucoup de services tout en réduisant les choix réels.
L’utilisateur possède de nombreuses applications, mais perd la maîtrise des infrastructures.

Il peut perdre la possibilité de fonctionner hors ligne, de refuser un service ou de comprendre une décision automatisée.
La liberté devient alors une expérience de consommation.

« Beaucoup de choix visibles peuvent cacher très peu de contrôle sur les infrastructures invisibles. »

La guerre comme accélérateur technologique

Les conflits accélèrent souvent le développement des technologies de surveillance.
Les gouvernements veulent identifier les menaces, analyser les images et automatiser les décisions.

Les entreprises de défense peuvent alors tester des systèmes dans des environnements difficiles.
Les technologies développées pour l’armée peuvent ensuite entrer dans la vie civile.

Cette transition mérite une attention particulière.
Un outil conçu pour repérer une menace peut ensuite servir à surveiller une population.

Existe-t-il un plan pour l’humanité ?

Il faut éviter d’affirmer qu’un groupe secret dirige toute l’évolution de l’IA.
Aucune preuve publique ne démontre l’existence d’un plan unique contrôlé par quelques personnes.

Plusieurs intérêts peuvent toutefois avancer dans la même direction.
Les entreprises cherchent la croissance.
Les investisseurs cherchent le rendement.
Les gouvernements cherchent la puissance stratégique.
Les dirigeants veulent imposer leurs standards.

Le résultat peut ressembler à un plan.
Il peut pourtant naître d’un alignement d’intérêts sans chef unique.

Le scénario possible en cinq étapes

1. Créer l’urgence : annoncer que ceux qui n’utilisent pas l’IA seront dépassés.
2. Subventionner l’accès : proposer des services peu chers grâce aux capitaux extérieurs.
3. Rendre les outils indispensables : les intégrer aux logiciels, aux écoles et aux administrations.
4. Concentrer l’infrastructure : contrôler les puces, les clouds et les modèles.
5. Monétiser la dépendance : augmenter les prix et facturer les services essentiels.

Chaque étape peut sembler raisonnable lorsqu’elle arrive seule.
Leur accumulation peut pourtant modifier profondément les rapports de pouvoir.

Ce qui est prouvé

• Les investissements dans les data centers et les puces augmentent fortement.
• Les grandes entreprises contrôlent une part importante de l’infrastructure.
• Les données se concentrent dans des plateformes privées.
• Les systèmes d’IA présentent des risques de fuite et de piratage.
• Les entreprises utilisent l’IA pour réduire certains coûts.
• Les besoins énergétiques et hydriques augmentent.
• La cybersécurité devient un secteur stratégique.
• Les gouvernements présentent l’IA comme une priorité nationale.

Ce qui reste hypothétique

• L’existence d’un plan secret unique dirigé par quelques personnes.
• Une volonté coordonnée de rendre toute la population incapable de penser.
• La fabrication volontaire de chaque crise pour imposer l’IA.
• La suppression totale de la liberté extérieure.
• Un projet mondial contrôlé par une seule organisation.

La prudence ne détruit pas l’analyse.
Elle évite seulement de transformer une direction économique visible en preuve d’une intention unique.

Comment garder son autonomie ?

La résistance la plus utile ne consiste pas à refuser chaque outil.
Elle consiste à éviter une dépendance totale.

Conserver ses compétences

Continuez à écrire, calculer, rechercher et vérifier une source.
Apprenez aussi à comprendre un contrat, protéger vos données et réparer un problème simple.

Diversifier ses outils

Ne dépendez pas d’un seul fournisseur.
Utilisez lorsque c’est possible plusieurs services, des logiciels libres, des modèles locaux et des formats ouverts.

Protéger ses informations

N’envoyez pas à une IA des documents d’identité, des données médicales, des mots de passe ou des secrets professionnels.
Ne fournissez que les informations nécessaires.

Demander des comptes

Demandez quelles données sont collectées, combien de temps elles restent stockées et qui peut y accéder.
Demandez aussi si elles servent à entraîner un modèle.

Le contrôle citoyen commence souvent par une question simple et précise.
Il continue par la comparaison des contrats, des chiffres et des décisions.

Garder une capacité hors ligne

Conservez des copies locales de vos documents importants.
Gardez des logiciels qui fonctionnent sans connexion lorsque c’est possible.

Apprenez à sauvegarder vos fichiers dans plusieurs formats.
Préservez aussi vos contacts, vos archives et vos connaissances essentielles.

Une personne devient vulnérable lorsqu’elle ne peut plus travailler, communiquer ou accéder à ses informations sans une plateforme unique.

Sources, archives et ouvrages

Sources institutionnelles

Consultez le NIST sur les risques de cybersécurité et de confidentialité liés à l’IA.

Consultez aussi le rapport du NIST sur les attaques contre l’apprentissage automatique.

Pour l’énergie, consultez l’analyse de l’Agence internationale de l’énergie sur l’IA et les data centers.

Pour l’impact mondial, consultez le rapport 2025 de l’UNCTAD sur la technologie et l’intelligence artificielle.

Pour les risques liés à l’eau, consultez le rapport britannique sur l’eau utilisée par l’IA et les data centers.

Pour les enjeux liés à l’adoption de l’IA, consultez le Stanford AI Index 2025.

Sources économiques

Pour les données sur OpenAI, consultez l’analyse de Reuters sur la consommation de trésorerie en 2026.

Pour les dépenses d’infrastructure de Microsoft, consultez son rapport annuel 2025.

Pour vérifier les documents financiers des entreprises américaines, utilisez la base officielle de la SEC.

Ouvrages utiles

• Shoshana Zuboff, L’Âge du capitalisme de surveillance.
• Kate Crawford, Atlas of AI.
• Nick Srnicek, Platform Capitalism.
• Evgeny Morozov, Pour tout résoudre, cliquez ici.
• Meredith Broussard, Artificial Unintelligence.
• Joseph Schumpeter, Capitalisme, socialisme et démocratie.
• Clayton Christensen, The Innovator’s Dilemma.
• Cory Doctorow, The Internet Con.

Ces ouvrages permettent d’élargir l’analyse à la concentration économique, aux plateformes, aux données, à l’automatisation et aux promesses technologiques.

Ce qu’il faut retenir

L’IA n’est pas forcément une escroquerie totale.
Elle possède des usages utiles et peut aider les personnes qui savent la contrôler.

Mais le récit public dépasse largement ses résultats actuels.
Les entreprises promettent une révolution totale, alors que les coûts, les pertes et les besoins matériels augmentent encore.

Pendant ce temps, l’IA centralise les systèmes.
Elle rassemble les données.
Elle renforce les plateformes.
Elle pousse les entreprises à louer leur intelligence technique auprès de quelques fournisseurs.

Le véritable projet ne ressemble peut-être pas à un plan secret écrit par un petit groupe dans une pièce fermée.
Il peut ressembler à quelque chose de plus banal et donc de plus puissant :
une convergence d’intérêts économiques qui transforme progressivement la dépendance en norme.

Les « reines » contrôlent les modèles, les puces, les clouds et les données.
Les « fourmis » développent les applications, vendent les services et alimentent le système.
Les citoyens fournissent leurs informations, leur travail, leurs idées et parfois leur attention.

La grande question devient alors :
l’IA sera-t-elle un outil au service des humains, ou un système dont les humains deviendront les ressources ?

Pour préserver notre liberté, il faudra garder nos compétences, protéger nos données, diversifier nos outils et refuser la dépendance totale.

Enfin, il faut relativiser sans s’emporter.
Ce sujet peut provoquer une grande colère ou un dégoût de la vie.
Ce serait justement tomber dans le piège.
Restons lumineux, continuons à apprendre et devenons plus malins que les systèmes qui veulent penser à notre place.