Les mega-modèles ne sont pas la clé de la crise de calcul

Chaque fois qu’un nouveau modèle d’IA est lancé – les mises à jour de GPT, DeepSeek, Gemini – les gens sont ébahis par la taille, la complexité et, de plus en plus, la faim de calcul de ces mega-modèles. On suppose que ces modèles définissent les besoins en ressources de la révolution de l’IA.

Cette supposition est fausse.

Oui, les grands modèles sont gourmands en calcul. Mais la plus grande contrainte sur l’infrastructure d’IA ne vient pas d’un petit nombre de mega-modèles – elle vient de la prolifération silencieuse de modèles d’IA à travers les industries, chacun affiné pour des applications spécifiques, chacun consommant du calcul à une échelle sans précédent.

Malgré la concurrence potentiellement gagnant-tout qui se développe parmi les LLM, le paysage de l’IA dans son ensemble ne se centralise pas – il se fragmente. Chaque entreprise n’utilise pas seulement l’IA – elles forment, personnalisent et déployent des modèles privés adaptés à leurs besoins. C’est cette dernière situation qui créera une courbe de demande d’infrastructure que les fournisseurs de cloud, les entreprises et les gouvernements ne sont pas prêts à gérer.

Nous avons déjà vu ce schéma. Le cloud n’a pas consolidé les charges de travail informatiques ; il a créé un écosystème hybride en expansion. Tout d’abord, c’était la prolifération des serveurs. Ensuite, la prolifération des machines virtuelles. Maintenant ? La prolifération de l’IA. Chaque vague de calcul a conduit à la prolifération, et non à la simplification. L’IA ne fait pas exception.

La prolifération de l’IA : pourquoi l’avenir de l’IA est constitué d’un million de modèles, et non d’un seul

La finance, la logistique, la cybersécurité, le service client, la R&D – chacun a son propre modèle d’IA optimisé pour sa propre fonction. Les organisations ne forment pas un seul modèle d’IA pour diriger toute leur opération. Ils forment des milliers. Cela signifie plus de cycles de formation, plus de calcul, plus de demande de stockage et plus de prolifération d’infrastructure.

Ce n’est pas théorique. Même dans les industries qui sont traditionnellement prudentes dans l’adoption de la technologie, l’investissement dans l’IA est en accélération. Un rapport de McKinsey de 2024 a constaté que les organisations utilisent maintenant l’IA dans trois fonctions commerciales en moyenne, avec la fabrication, la chaîne d’approvisionnement et le développement de produits à la tête du peloton (McKinsey).

Le secteur de la santé est un exemple primordial. Navina, une startup qui intègre l’IA dans les dossiers médicaux électroniques pour mettre en évidence les connaissances cliniques, vient de lever 55 millions de dollars en financement de série C de la part de Goldman Sachs (Business Insider). L’énergie n’est pas différente – les leaders de l’industrie ont lancé le consortium Open Power AI pour apporter l’optimisation de l’IA aux opérations de réseau et de centrale (Axios).

La contrainte de calcul dont personne ne parle

L’IA brise déjà les modèles d’infrastructure traditionnels. La supposition que le cloud peut se développer indéfiniment pour soutenir la croissance de l’IA est complètement fausse. L’IA ne se développe pas comme les charges de travail traditionnelles. La courbe de demande n’est pas graduelle – elle est exponentielle, et les hyperscalers ne suivent pas.

• Contraintes de puissance : les centres de données spécifiques à l’IA sont maintenant construits autour de la disponibilité de l’énergie, et non seulement des réseaux de retour.
• Goulots d’étranglement du réseau : les environnements hybrides d’IT deviennent ingérables sans automation, que les charges de travail d’IA ne feront qu’exacerber.
• Pression économique : les charges de travail d’IA peuvent consommer des millions en un seul mois, créant une imprévisibilité financière.

Les centres de données représentent déjà 1 % de la consommation d’électricité mondiale. En Irlande, ils consomment 20 % du réseau national, une part qui devrait augmenter considérablement d’ici 2030 (IEA).

Ajoutez à cela la pression imminente sur les GPU. Bain & Company a récemment averti que la croissance de l’IA prépare le terrain pour une pénurie de semi-conducteurs, alimentée par une demande explosive de puces de grade de centre de données (Bain).

Pendant ce temps, le problème de durabilité de l’IA s’aggrave. Une analyse de 2024 dans Sustainable Cities and Society avertit que l’adoption généralisée de l’IA dans le secteur de la santé pourrait considérablement augmenter la consommation d’énergie et les émissions de carbone du secteur, à moins d’être compensée par des efficacités ciblées (ScienceDirect).

La prolifération de l’IA est plus grande que le marché – c’est une question de puissance d’État

Si vous pensez que la prolifération de l’IA est un problème d’entreprise, réfléchissez à nouveau. Le principal moteur de la fragmentation de l’IA n’est pas le secteur privé – ce sont les gouvernements et les agences de défense, qui déployeront l’IA à une échelle que aucun hyperscaler ou entreprise ne peut égaler.

Le gouvernement américain seul a déployé l’IA dans plus de 700 applications à travers 27 agences, couvrant l’analyse d’intelligence, la logistique et plus encore (FedTech Magazine).

Le Canada investit jusqu’à 700 millions de dollars pour étendre la capacité de calcul d’IA domestique, en lançant un défi national pour renforcer l’infrastructure de centre de données souveraine (Innovation, Science and Economic Development Canada).

Et il y a des appels croissants pour un « programme Apollo » pour l’infrastructure d’IA – mettant en évidence l’élévation de l’IA d’un avantage commercial à une nécessité nationale (MIT Technology Review).

L’IA militaire ne sera pas efficace, coordonnée ou optimisée pour le coût – elle sera motivée par des mandats de sécurité nationale, une urgence géopolitique et le besoin de systèmes d’IA fermés et souverains. Même si les entreprises maîtrisent la prolifération de l’IA, qui va dire aux gouvernements de ralentir ?

Parce que lorsque la sécurité nationale est en jeu, personne ne s’arrête pour demander si le réseau électrique peut le gérer.