- Malgré les valorisations élevées des entreprises d’IA générative, le problème de l’absence de rentabilité ressort de plus en plus nettement, en dépit d’investissements massifs
- OpenAI, Anthropic et d’autres ont affiché la croissance du chiffre d’affaires la plus rapide de l’histoire, mais la consommation de trésorerie se poursuit en raison des coûts informatiques colossaux nécessaires à l’entraînement et à l’exploitation des modèles
- Les géants de la tech disposent de leurs propres puces et infrastructures cloud, ce qui leur donne un avantage en matière d’efficacité des coûts et met sous pression la compétitivité des laboratoires d’IA indépendants
- Les gains de productivité promis par l’IA restent pour l’instant limités à certains domaines, et la stabilité de la rentabilité à long terme demeure incertaine avec l’intensification de la concurrence
- Les investisseurs ne se contentent plus de la seule croissance et entrent dans une phase où ils exigent des leaders de l’IA un modèle de revenus clair et une stratégie de survie après l’introduction en Bourse
Investissements massifs et décalage de température avec le marché privé
- Il est indiqué qu’en 2025, le secteur du capital-risque a investi environ 150 milliards de dollars dans de grandes startups de l’IA comme OpenAI et Anthropic
- Des montants bien supérieurs à ceux reçus par les entreprises ayant profité du boom du VC en 2021 ont afflué, et l’optimisme sur le marché privé se maintient
- Il est évoqué qu’OpenAI envisagerait de lever jusqu’à 100 milliards de dollars supplémentaires en capitaux privés en 2026
Une croissance rapide du chiffre d’affaires accompagnée d’une consommation de trésorerie croissante
- OpenAI et Anthropic sont considérées comme faisant partie des entreprises à la croissance du chiffre d’affaires la plus rapide de l’histoire
- En parallèle, les coûts des GPU et de l’infrastructure cloud pour l’entraînement des modèles et l’inférence provoquent une consommation de trésorerie digne d’un “Towering Inferno”
- À l’approche d’une éventuelle introduction en Bourse en 2026 ou après, la pression pour clarifier la trajectoire vers la rentabilité devrait s’accentuer
Un désavantage structurel dans la concurrence avec les géants de la tech
- Des entreprises comme Google disposent d’une structure permettant de réduire les coûts d’entraînement et d’exploitation grâce à leurs propres puces et à leur infrastructure cloud
- À mesure que les modèles Gemini comblent une grande partie de l’écart de performance, la différenciation des laboratoires d’IA indépendants s’affaiblit
- Les startups d’IA fortement dépendantes d’investisseurs externes se retrouvent dans une position plus vulnérable face à la volatilité des marchés de capitaux
Des effets de productivité qui ne se matérialisent pas autant qu’espéré
- Trois ans après le lancement de ChatGPT, l’amélioration globale de la productivité au travail promise par l’IA reste encore limitée
- Des résultats apparaissent dans certains domaines comme le code ou le support client, mais l’explosion du nombre de concurrents encombre le marché
- Aucun laboratoire d’IA doté d’un avantage concurrentiel durable (moat) clairement établi n’a encore émergé
Une structure de coûts qui augmente avec l’échelle
- Contrairement aux éditeurs de logiciels traditionnels, les entreprises d’IA ont une structure où les coûts augmentent aussi avec le passage à l’échelle
- Au-delà du coût d’entraînement des modèles de frontier, le poids des coûts d’inférence est également élevé dans une situation où la part d’utilisateurs gratuits reste importante
- Fournir des réponses plus courtes ou introduire de la publicité pour réduire les coûts comporte un risque de dégradation de l’expérience utilisateur
- Une hausse des prix est aussi présentée comme une option susceptible de ralentir l’adoption
La patience des investisseurs et les choix d’OpenAI
- Même s’il existe des exemples de réussite après de longues années de pertes, comme Netflix ou Uber, il est souligné que les investisseurs n’attendront pas indéfiniment
- Selon des chiffres ayant fuité, OpenAI pourrait consommer plus de 115 milliards de dollars d’ici 2030
- Sam Altman a déclaré vouloir tester les vendeurs à découvert via une introduction en Bourse, ce qui suscite des réactions partagées sur le marché
- Il est conclu que l’ensemble du secteur de l’IA entrera à partir de 2026 dans une phase de vérification réaliste de son modèle économique
Aucun commentaire pour le moment.