Les doutes entourant l’essor de l’intelligence artificielle se multiplient, alors que trois sources d’inquiétude se recoupent : des valorisations élevées qui pourraient ne pas résister à l’épreuve du marché, des investissements massifs dans les centres de données dont une part croissante est financée par la dette, et des comportements inattendus observés par des modèles avancés lors de tests internes. Des analyses américaines évoquent la possibilité d’une correction du marché dans le secteur, même si la technologie démontre sa capacité à stimuler la croissance économique à moyen et long terme.
Ces analyses indiquent que les gains attendus pourraient s’accompagner de coûts, notamment d’une hausse des taux d’intérêt et du coût du service de la dette, ainsi que de risques cybernétiques et de difficultés à contrôler les modèles, mettant à l’épreuve, de manière croissante, les anticipations des investisseurs et la capacité des gouvernements et des entreprises à gérer une expansion rapide.
Des valorisations élevées et un financement croissant par la dette
Dans un épisode du podcast « The Opinions » du New York Times, l’éditorialiste David Wallace-Wells a discuté avec Natasha Sarin, professeure d’économie à l’université de Yale, du réalisme des valorisations actuelles et de la possibilité que leur exagération débouche sur une bulle ou des perturbations du marché.
Selon Wallace-Wells, l’enthousiasme des investisseurs repose sur l’idée que les capacités de l’intelligence artificielle évoluent rapidement et que les entreprises qui devancent leurs concurrentes pourraient réaliser des bénéfices sans précédent si la technologie provoquait une transformation économique globale. Mais Sarin estime que les valorisations des entreprises présupposent qu’elles sortiront gagnantes et que leurs modèles économiques resteront viables.
Sarin s’est interrogée sur les conséquences de la non-réalisation de ces hypothèses, notamment si les solutions open source affaiblissaient les modèles économiques d’Anthropic et d’OpenAI et réduisaient leur valeur. Elle a souligné que les grandes entreprises technologiques, qui se sont appuyées pendant des années sur leurs liquidités, assument désormais une dette importante pour financer les infrastructures des centres de données.
Bien qu’elle s’attende à ce que la technologie soutienne une forte croissance économique à moyen et long terme, Sarin a estimé que l’identité des gagnants et des perdants restait moins claire, notamment avec l’importance croissante de l’open source. Selon elle, cette divergence pourrait aboutir à une correction du marché si l’importance des entreprises actuellement en tête diminuait, rendant plus difficile la justification de leurs valorisations élevées.
La croissance attendue ne garantit pas un allègement du poids de la dette
Le débat porte également sur la capacité de l’intelligence artificielle à remédier aux déséquilibres de l’économie américaine. Dans un article publié par la revue Foreign Affairs, Kenneth Rogoff, professeur d’économie à l’université Harvard, s’est penché sur cette question alors que la dette fédérale américaine approche les 40 000 milliards de dollars, soit environ l’équivalent de la dette cumulée des autres grandes économies avancées.
La trajectoire de la dette semblait depuis longtemps « insoutenable ».
Rogoff a expliqué que certains partisans de l’intelligence artificielle parient sur le fait que la généralisation de cette technologie engendrera une forte croissance et de nouvelles recettes fiscales qui contribueront au remboursement de la dette. Il a toutefois insisté sur le fait que la réduction du poids de la dette exige que ces recettes se concrétisent effectivement et que le gouvernement ne dépense pas excessivement ces gains, avertissant que l’essor pourrait faire monter les taux d’intérêt et renchérir le service de la dette.
Il a ajouté que les gains de productivité pourraient prendre plus de temps que ne le prévoient de nombreux investisseurs de la Silicon Valley. Il a cité des économistes selon lesquels la hausse la plus probable au cours de la prochaine décennie serait de l’ordre de 1 % ou 2 %, son effet pouvant être partiellement réduit par le coût du vieillissement de la population, la montée du populisme et le recul de la mondialisation.
Rogoff a également estimé que les usages militaires, les cyberattaques ou une perte de contrôle de l’intelligence artificielle pourraient pousser les décideurs à ralentir l’application de cette technologie. Même si la croissance s’accélérait, les taux d’intérêt pourraient augmenter dans les mêmes proportions, voire davantage, plaçant le gouvernement face à des paiements de dette plus élevés, notamment compte tenu du volume de financement nécessaire aux centres de données.
Des comportements inattendus lors des tests de modèles
Les inquiétudes ne se limitent pas à l’économie. Dans un article publié par The Atlantic, l’auteur Matteo Wong a affirmé qu’une nouvelle étape avait commencé en septembre 2024, lorsque OpenAI a annoncé un type de modèles connu sous le nom de « modèles de raisonnement », entraînés à accomplir des tâches difficiles et longues.
Selon Wong, des modèles avancés appartenant à OpenAI, Anthropic, Meta et à la société chinoise Moonshot AI ont, lors de tests de routine, manifesté des comportements qu’il a décrits comme « ayant dépassé la limite entre l’inquiétant et le dangereux ». Il a indiqué qu’ils étaient parvenus à quitter les systèmes internes et à accéder à Internet, tandis que les trois premières entreprises ont fait savoir que leurs modèles s’étaient introduits dans d’autres entreprises sans que les humains ne s’en aperçoivent avant que cela ne se produise.
L’article indique qu’un incident impliquant des modèles d’OpenAI, enregistré en juillet 2026, est apparu plus grave après que des chercheurs de l’entreprise ont révélé des détails supplémentaires à son sujet lors d’une grande conférence sur la cybersécurité, la semaine précédant la publication de l’article. Selon le récit publié, les actions des modèles ont commencé en mai 2026, après que l’entreprise leur a confié des tâches internes difficiles ou impossibles, et qu’ils en ont conclu que leur accomplissement nécessitait de quitter l’environnement de test fermé et de chercher les réponses sur Internet.
Wong a ajouté que les modèles avaient exploité une faille dans un logiciel interne pour créer un espace privé où ils échangeaient des notes et des instructions et se répartissaient les tâches. Après la panne du logiciel et sa reconstruction sans espace de communication, les modèles ont créé un espace de remplacement, puis ont travaillé collectivement pendant plusieurs jours pour s’introduire dans la plateforme Hugging Face et accéder à des ensembles de données internes, selon l’article.
Wong a résumé l’incident en déclarant qu’un groupe de modèles avait coopéré pendant plusieurs mois sans que son développeur ne le découvre, et s’était introduit dans une autre entreprise, ajoutant qu’OpenAI n’était toujours pas totalement certaine de ce qui s’était produit ni de la manière de le traiter.
Il en a conclu que la possibilité que des agents d’intelligence artificielle coopèrent d’une manière qui sape les directives humaines restait hypothétique, mais qu’elle reposait désormais sur davantage d’indices concrets qu’il y a un an, voire six mois, alors que les entreprises se livrent une course pour développer des modèles toujours plus avancés avant d’en avoir achevé la compréhension ou garanti le contrôle.
