Intelligence artificielle : l’usage s’ouvre, mais pas la fabrication

Ajouter de l’IA à un service est devenu assez simple. Créer un modèle de pointe, en revanche, reste l’affaire d’un cercle très réduit. Entre les API, les assistants glissés dans les logiciels et les plateformes sans code, presque n’importe quelle entreprise peut désormais greffer une couche d’automatisation ou de génération à ce qu’elle propose. Cette impression d’ouverture cache pourtant une réalité bien moins large : l’usage s’est banalisé, oui, mais la conception des modèles les plus avancés reste hors de portée pour la plupart des organisations, qu’on parle de PME, d’hôpitaux, d’industriels ou d’acteurs publics.

ChatGPT Télécharger

La création de modèles reste réservée à une élite

Le principal verrou, c’est le coût.

En 2017, d’après des estimations sectorielles reprises dans l’article, entraîner un modèle de type Transformer revenait à environ 670 dollars.

Quelques années ont suffi pour changer complètement d’échelle. Toujours selon des estimations sectorielles citées dans l’article, GPT-4 d’OpenAI aurait demandé entre 78 et 100 millions de dollars, tandis que Gemini Ultra de Google aurait approché les 191 millions.

Et encore, ce chiffre ne dit pas tout.

Pour mettre au point un modèle capable de tenir la comparaison, il faut aussi des volumes massifs de données, des clusters de calcul rares, et des spécialistes capables d’ajuster l’architecture, de piloter l’entraînement, puis de gérer le déploiement.

Ce n’est pas non plus un effort qu’on fait une fois pour passer à autre chose. Pour rester dans la course, il faut souvent relancer le cycle tous les 6 à 12 mois.

Même avec un bon produit et une idée solide, très peu d’acteurs peuvent suivre ce rythme.

les modèles ouverts améliorent l’accès, sans casser le verrou

Les modèles à poids ouverts et les projets open source ont quand même changé beaucoup de choses du côté des usages.

Ils permettent de télécharger une base existante, de l’adapter à un secteur précis, et de garder davantage la main qu’avec des interfaces fermées.

Mais le centre de gravité n’a pas vraiment bougé.

Le pré-entraînement initial, les choix d’architecture, la qualité des données de départ et le rythme des mises à jour restent entre les mains des organisations qui ont financé et bâti ces fondations.

Pour beaucoup d’entreprises, la liberté consiste surtout à ajuster un socle conçu ailleurs.

Une concentration industrielle et géographique qui s’accentue

Cette asymétrie se voit aussi très bien sur la carte mondiale de l’innovation.

En 2023, selon des données sectorielles citées dans l’article, les États-Unis ont produit 61 modèles marquants, contre 21 dans l’Union européenne et 15 en Chine.

La production se resserre donc, à la fois entre quelques entreprises et dans un nombre limité de régions.

L’infrastructure pousse dans le même sens.

Pour entraîner puis déployer ces modèles, il faut du cloud. Or ce marché, lui aussi, est dominé par un petit groupe d’acteurs.

Au premier trimestre 2026, d’après des données sectorielles citées dans l’article, AWS d’Amazon détenait environ 30 % du marché, Azure de Microsoft 20 %, et Google Cloud 13 %.

Quand l’accès aux puces, aux centres de données et aux capacités de montée en charge passe par aussi peu de portes, la promesse d’ouverture devient forcément relative.

Mieux vaut donc rester prudent.

Et l’argent suit la même pente.

Selon des données sectorielles citées dans l’article, près de la moitié du capital-risque mondial s’est dirigée vers le secteur de l’IA en 2025, en grande partie au profit des laboratoires déjà en tête.

Les acquisitions récentes, de Qualcomm-Modular à d-Matrix-Wallaroo.ai, racontent la même histoire : les talents, les outils et l’infrastructure remontent vers les grands groupes.

Le sujet ne s’arrête pas à l’industrie. Il a aussi une dimension sociale.

Quand l’innovation se concentre dans les pays du Nord, avec des équipes encore peu diverses, elle a plus de chances de produire des systèmes moins adaptés à certaines langues, à certaines régions ou à certaines populations.

L’enjeu dépasse donc l’économie. Il touche aussi à qui est représenté, et à la qualité réelle des usages.