L’intelligence est devenue une infrastructure. La question maintenant est de savoir qui en sera propriétaire

Chaque époque hérite d’infrastructures dont la propriété règle les débats sur le pouvoir pendant des décennies, des écartements de voies ferrées aux réseaux électriques en passant par les câbles sous-marins. L’intelligence artificielle a occupé cette place en moins d’une décennie, et ses conditions de propriété sont désormais définies, en grande partie hors de la vue du public.

La croissance a cessé d’avoir besoin de foules

Pendant la majeure partie de l’histoire industrielle, l’ambition nécessitait des foules, car un fabricant doublant sa production devait embaucher plus de mains, une voie ferrée avait besoin de milliers de géomètres et d’ouvriers, et la production restait liée à la participation.

Quelque chose dans cet agencement s’est détaché, car construire quoi que ce soit de remarquable aujourd’hui nécessite un petit groupe d’ingénieurs exceptionnels accompagnés d’un capital et d’une puissance de calcul énormes, et le ratio continue de pencher vers ce dernier.

Lovable a atteint 400 millions de dollars de revenus récurrents annuels avec 146 employés, et Midjourney génère environ 200 millions de dollars par an avec une équipe d’une dizaine de personnes. Comparez cela aux dépenses d’investissement de 660 à 690 milliards de dollars que cinq entreprises technologiques américaines ont engagées pour 2026, la plupart destinées aux puces, aux centres de données et aux réseaux.

Le travail a perdu de son importance parmi les contraintes contraignantes alors que le matériel est monté au sommet, ce qui revalorise l’ensemble de la pile pour quiconque alloue du capital. Sur quel côté de cette dépendance un portefeuille se positionne-t-il ? Les rendements se concentrent autour des accélérateurs, des contrats d’énergie et des terrains près des sous‑stations, et presque toutes les autres entreprises fonctionnent désormais selon des conditions définies par quelques fournisseurs.

Concentration sans la foule

Si un groupe peut augmenter ses capacités sans employer ou commercer avec une grande population, il a peu de raisons de l’emmener avec lui. Les acteurs riches des siècles précédents avaient besoin de travailleurs, de clients et de soldats, et cette dépendance a engendré des salaires, des écoles, des hôpitaux et du poids politique.

Supprimer cette dépendance et les incitations sous‑jacentes changent discrètement. Imaginez mille personnes, voire un million à l’extérieur, détenant du capital, des modèles et de la robotique. Elles pourraient entreprendre d’énormes projets, de la fabrication orbitale à Mars, sans besoin fonctionnel des milliards de personnes hors de la salle.

Tout ce qui nécessite encore une foule est de plus en plus répondu par la machinerie, car une flotte de robots coûte moins cher qu’une main‑d’œuvre une fois la tâche suffisamment précise. Chaque emploi qui nécessitait autrefois de nombreuses mains est évalué par rapport à ce substitut, et la promesse que la robotique et l’IA résoudront nos problèmes suppose que quelqu’un possède les robots.

De tels clusters s’éloigneraient de tous les autres sans rupture dramatique, et l’intelligence artificielle générale n’est pas une condition préalable, car les capacités d’aujourd’hui, étendues et à moindre coût, suffiraient.

L’accès aux modèles les plus puissants pourrait devenir une source d’inégalité plus aiguë que l’argent, car le capital croît de quelques pourcents par an, tandis qu’un avantage en qualité de modèle se multiplie à travers chaque recherche, code et produit qu’il touche.

Influence qu’aucun prix du marché ne saisit

L’intelligence concentrée façonne ce que les gens croient autant qu’elle façonne les marchés. L’utilisation hebdomadaire des chatbots IA pour les actualités a grimpé de 7 % à 10 % à l’échelle mondiale en une seule année, et plus de la moitié des 18‑24 ans désignent désormais les réseaux sociaux, les plateformes vidéo ou les chatbots comme leur principale source d’information sur les événements.

Les moteurs de recherche exerçaient un pouvoir éditorial via le classement, mais ils renvoient à de nombreuses ressources, et un lecteur rencontre toujours une source et la juge. Un assistant délivre une conclusion d’une voix calme et autoritaire, et débattre avec lui demande un effort que peu de lecteurs sont prêts à fournir.

Lorsque qu’un nombre limité de fournisseurs décide de ce qu’un modèle affirme, un agenda peut être intégré sous une forme quasi indétectable de l’extérieur. L’augmentation des capacités rend la détection encore plus difficile, car un modèle plus puissant génère des raisonnements plus persuasifs et des erreurs plus plausibles. Comment quelqu’un hors de l’entreprise pourrait-il le remarquer ?

Le scepticisme n’a pas disparu, à juste titre, puisque la confiance dans les actualités délivrées par l’IA se situe à 20 % à l’échelle mondiale, en dessous des 37 % enregistrés pour les actualités en général, et le public reste méfiant même si sa dépendance s’approfondit.

Des poids ouverts comblent la moitié du fossé

Les modèles publiés améliorent réellement la situation, et les plus récents sont puissants. Moonshot AI a publié les poids de Kimi K3 à 2,8 billion de paramètres, rapprochant les versions ouvertes de la frontière plus que jamais depuis DeepSeek R1.

Servir l’un de ces modèles est une autre affaire pour quiconque en dehors d’un centre de données. Un système mixture‑of‑experts à l’échelle de K3 nécessite un cluster d’accélérateurs maintenus en permanence et au chaud, ce qui rend l’auto‑hébergement hors de portée de la plupart des universités, startups et chercheurs.

La plupart des gens accèdent donc aux modèles ouverts via un point de terminaison hébergé appartenant à une entreprise disposant de capital et de GPU. L’entreprise revend l’accès, et les clients ne peuvent pas confirmer que les poids fournis correspondent aux poids publiés, ou qu’aucune couche intermédiaire ne se trouve entre la requête et la réponse. Qu’est‑ce qui a réellement été ouvert dans cet arrangement, au‑delà de la licence elle‑même ?

La propriété commence au niveau matériel

Les seules conditions de licence ne parviennent pas à répartir le pouvoir, car le matériel détermine qui peut exercer les droits conférés par une licence. Posséder commence donc là où la licence se termine, à la machine elle‑même, puisque celui qui exécute le modèle est la seule partie capable de le tester, de retracer une réponse jusqu’aux poids qui l’ont générée, et de corriger ce qui est erroné.

Chacune de ces exigences dépend d’un accès à suffisamment de calcul à un prix que les institutions ordinaires peuvent absorber, ainsi un écosystème public a besoin à la fois de poids ouverts et de calcul ouvert. L’un ou l’autre seul recrée la concentration qu’il prétend dissoudre.

Une couche de calcul publique est économiquement plausible

Le matériel performant est déjà inactif en quantités énormes dans les universités, les centres de données régionaux, d’anciennes exploitations minières et entre des mains privées, et le mettre en commun a été un problème d’ingénierie difficile.

Covenant-72B, un modèle de 72 milliards de paramètres, a été pré‑entraîné sur plus de soixante‑dix pairs indépendants via des liaisons Internet grand public, sans liste blanche, sans cluster central et avec un mécanisme blockchain validant les contributions à leur arrivée. La vérification est au cœur de cette conception, car les participants, que personne n’a encore vérifiés, doivent tout de même prouver que le travail qu’ils soumettent est réel.

L’efficacité demeure l’objection honnête, car un essaim sur des connexions ordinaires reste en retrait d’un cluster étroitement couplé, la latence pénalise les plus grands traitements, et les systèmes décentralisés conservent l’habitude de se reconcentrer là où le capital s’accumule.

La distance à ce point se réduit rapidement, cependant, car le Covenant a atteint 94,5 % d’utilisation du matériel sous de réelles contraintes réseau et a produit un modèle compétitif avec des pairs entraînés centralement de taille similaire. La capacité excédentaire coûte moins cher que de nouvelles constructions, ce qui fait que l’économie repose davantage sur la maturité de l’ingénierie que sur l’arithmétique.

Décisions prises par défaut

Alors, qui décide quel avenir se réalise, étant donné que personne ne votera jamais sur la question ? Les résultats s’accumuleront à partir des choix d’approvisionnement, des licences, du financement de la recherche et de la réglementation adoptés au cours des prochaines années, la plupart étant individuellement anodins.

Une voie conduit à quelques fournisseurs qui exploitent le substrat de la vie économique et intellectuelle, redevables aux actionnaires et aux gouvernements dont ils dépendent. Une autre mène vers quelque chose de plus proche d’une utilité publique, avec des modèles ouverts fonctionnant sur un calcul que de nombreuses parties possèdent et que tout le monde peut auditer. Et qu’est‑ce qui maintient la seconde voie ouverte ?

L’argent et les achats, principalement, car chaque contrat signé pour l’intelligence hébergée et chaque subvention dirigée vers une infrastructure partagée influence l’équilibre. Les deux restent accessibles dès 2026, et la fenêtre pour choisir délibérément se mesure en années – pas beaucoup d’entre elles.