Deux tiers des dirigeants informatiques déclarent des résultats en IA, mais seuls huit interrompraient les vacances du PDG

Demandez à une salle pleine de dirigeants technologiques si l'intelligence artificielle produit des résultats mesurables et la plupart des mains se lèvent. Demandez si ces résultats sont assez solides pour justifier d'interrompre les vacances d'été du directeur général, et la salle se vide presque. Cet écart, décrit par l'entrepreneur technologique britannique Azeem Azhar, illustre de manière concise où en est réellement l'IA en entreprise — de vrais progrès, mais des progrès qui ne sont pas encore devenus impossibles à ignorer.

Azhar, fondateur du groupe de recherche Exponential View, a raconté cette histoire lors d'une conversation podcast avec Nicholas Thompson de The Atlantic. Le débat sur la bulle de l'IA, a-t-il suggéré, se résume en fin de compte à une seule question : les revenus des laboratoires d'IA augmentent-ils assez vite pour financer l'énorme déploiement de centres de données actuellement en cours ? L'anecdote de Las Vegas ne répond pas à cette question, mais elle encadre les questions plus petites qui en découlent.

Un vote à main levée à Las Vegas

Azhar s'est retrouvé devant environ 160 vice-présidents informatiques réunis à Las Vegas. Il leur a posé une question simple : qui pouvait citer des résultats mesurables en IA au sein de son organisation ?

Environ deux tiers ont indiqué que c'était le cas. Azhar a reconnu par la suite que ce chiffre était plus élevé que ce qu'il avait prévu — un signal que les déploiements d'IA ne sont plus purement expérimentaux dans de nombreuses grandes entreprises. Les projets pilotes sont devenus des systèmes de production, et certains de ces systèmes produisent des chiffres que les dirigeants peuvent citer.

Puis vint la question suivante. Qui parmi eux avait des résultats assez bons pour interrompre les vacances d'été du PDG ? Selon le récit d'Azhar, seules environ huit personnes sont restées. D'une centaine de réponses affirmatives à une poignée, la chute est brutale.

Interpréter l'écart

Les deux questions mesurent des choses différentes. La première demande si l'IA fait quelque chose de mesurable. La seconde demande si elle fait quelque chose d'assez précieux pour qu'un dirigeant abandonne tout pour en entendre parler. La plupart des entreprises semblent avoir franchi le premier seuil et s'être arrêtées bien avant le second.

La conclusion d'Azhar lui-même est que les entreprises progressent, mais lentement. On ne sait toujours pas si ce rythme suffit à justifier les niveaux d'investissement actuels. Il note que certains dirigeants décrivent des conseils d'administration devenant plus ambitieux après des premiers succès, et que même sur des marchés plus lents comme l'Italie, les directeurs généraux font état d'une confiance qui se construit et de budgets en hausse malgré des faux pas en cours de route.

Pourquoi l'anecdote s'inscrit dans un débat plus vaste

Si un vote à main levée dans une salle de conférence compte, c'est parce que l'industrie débat d'argent. Le différend central est de savoir si les laboratoires d'IA génèrent des revenus assez rapidement pour financer la capacité de centres de données construite pour les servir. Chaque question plus petite alimente celle-là, et la plus déterminante d'entre elles est peut-être la valeur réelle que les entreprises tirent de l'IA qu'elles achètent déjà — car cela détermine si elles continuent d'en acheter davantage, idéalement à des prix plus élevés.

À l'échelle de l'économie entière, ce retour sur investissement ne peut toujours pas être documenté. Il apparaît plutôt sous forme d'anecdotes, et celle d'Azhar en fait partie. Sa caractérisation de la situation globale est qu'elle reste « finement équilibrée » — pas manifestement une bulle, pas manifestement un boom.

Durée de vie des puces et équation des coûts

Une variable sous-estimée est la durée pendant laquelle les puces d'IA achetées restent utiles en production. Que cette vie productive soit de quatre, six ou huit ans change considérablement les calculs, car les calendriers d'amortissement déterminent la valeur que chaque accélérateur doit générer avant d'être mis au rebut. Une durée de vie utile plus courte relève la barre pour chaque charge de travail qui tourne dessus ; une plus longue atténue la pression. Cette seule hypothèse peut faire basculer la rentabilité d'un opérateur de centre de données sans aucun changement de la demande.

Modèles à poids ouverts et scénario baissier

Un deuxième fil du débat concerne les modèles que les entreprises font réellement tourner. De nombreuses organisations délaissent les systèmes de pointe coûteux au profit d'alternatives à poids ouverts. Du point de vue de l'utilisateur, c'est une décision de coût rationnelle. Du point de vue d'un investisseur en infrastructures, c'est plus inquiétant : l'adoption pourrait continuer de grimper alors que les revenus revenant financer le déploiement ne suivent pas le rythme.

Azhar qualifie cela de version baissière du scénario. Dans ce cas de figure, l'usage de l'IA s'étend à toute l'économie, les organisations font état de gains de productivité réels, et la bulle éclate quand même — parce que l'argent qui se concentre au niveau des applications n'atteint jamais la couche à forte intensité capitalistique en dessous. La croissance de l'usage et la croissance du financement ne sont pas la même chose, et c'est dans l'écart entre les deux que réside le risque.

L'incitation à paraître optimiste

Une autre complication est que le succès auto-déclaré n'est pas une preuve neutre. Azhar cite une enquête du Boston Consulting Group selon laquelle environ 70 pour cent des directeurs généraux dans le monde disent que le succès en IA compte pour la façon dont ils sont perçus dans leurs fonctions. Quand la réputation d'un dirigeant est liée à un programme technologique, il existe une incitation intrinsèque à décrire ce programme plus favorablement que ne le justifieraient les chiffres sous-jacents.

Cela ne rend pas le décompte de Las Vegas dénué de sens — au contraire, les dirigeants qui ne pouvaient pas revendiquer des résultats dignes d'interrompre des vacances donnaient une réponse peu flatteuse. Mais cela signifie que les grandes enquêtes sur la satisfaction vis-à-vis de l'IA doivent être lues à la lumière de preuves plus solides comme les revenus, la rétention et la persistance des déploiements une fois la nouveauté initiale retombée.

Signaux à surveiller

Azhar affirme explicitement qu'il n'a pas de réponse claire à la question de la bulle. Personne n'en a encore. L'approche pratique consiste à suivre les indicateurs qui finiraient par la trancher :

• Si la croissance des revenus des laboratoires d'IA continue de dépasser le coût de construction et d'exploitation de nouvelles capacités de centres de données.
• Combien de temps les entreprises supposent que leurs puces d'IA resteront productives, et si ces hypothèses se raccourcissent.
• À quelle vitesse les dépenses se déplacent des modèles de pointe vers les alternatives à poids ouverts, et quel effet cela a sur les marges des fournisseurs.
• Si les budgets d'IA continuent d'augmenter sur les marchés plus lents, où l'optimisme est plus difficile à soutenir sur le seul battage médiatique.
• Si la génération actuelle de résultats mesurables se traduit par des décisions qu'un PDG interromprait des vacances pour prendre.

La lecture honnête du moment est que l'IA a dépassé le stade de la démonstration dans de nombreuses entreprises sans avoir encore atteint le stade où elle dicte la stratégie. Deux tiers d'une salle peuvent citer des résultats. Environ huit peuvent citer des résultats qui captent l'attention au plus haut niveau. La distance entre ces deux chiffres — et la vitesse à laquelle elle se réduit — est ce sur quoi la prochaine phase du cycle d'investissement sera jugée.

Cet article est basé sur un reportage de The Decoder. Lire l'article original.