Le rapport Stanford AI100 constate les limites de la mise à l’échelle alors que l’impact de l’IA s’élargit

Stanford HAI a annoncé le troisième rapport de l’Étude centennale sur l’intelligence artificielle le 10 novembre 2026. Il conclut que la stratégie de mise à l’échelle qui sous-tend l’IA générative se heurte à des limites liées aux données et aux coûts, alors que les effets de l’IA s’étendent à la science, à la sécurité et aux institutions publiques.

Intitulée L’IA se généralise : l’ère de la mise à l’échelle et l’essor de l’IA générative, l’étude fait suite aux rapports de 2016 et de 2021. AI100 a été lancé en 2014 et réunit un comité d’étude tous les cinq ans. Michael Wooldridge, professeur à l’Université d’Oxford, a présidé le comité pluridisciplinaire, qui a examiné 12 questions permanentes et ajouté deux analyses approfondies sur la géopolitique de l’IA et la mise à l’échelle. Le texte a été finalisé en septembre 2026.

Un virage au-delà des modèles toujours plus grands

Le comité attribue les principales avancées de l’IA générative au cours des cinq dernières années à l’augmentation des données d’entraînement et de la puissance de calcul, mais estime que la rareté des données de haute qualité et le coût prohibitif de l’entraînement des modèles de pointe limitent cette approche. Les architectures Transformer et de diffusion ont pris toute leur importance lorsqu’elles ont été associées à des jeux de données massifs et à une grande puissance de calcul. La mise à disposition du public de ChatGPT en novembre 2022 a ensuite permis à des millions de personnes d’utiliser des outils d’IA générative.

Le comité s’attend à ce que la prochaine phase repose davantage sur des algorithmes plus intelligents et, potentiellement, sur des modèles plus petits, reconstruits moins fréquemment, dotés d’un meilleur contexte et d’une meilleure mémoire, entraînés spécifiquement au raisonnement, utilisant davantage de calcul au moment de l’inférence et s’appuyant sur des outils ou des agents pour accomplir des tâches complexes. Les modèles de raisonnement produisent des étapes intermédiaires et utilisent davantage de calcul pendant la génération d’une réponse, contrairement au passage avant unique d’un modèle classique. Les capacités restent inégales : des performances sophistiquées coexistent avec un raisonnement fragile et des échecs sur des tâches simples.

Progrès scientifiques et retombées économiques

Le comité estime que l’IA réduit la durée de certains travaux de recherche scientifique, qui passent de plusieurs années à quelques mois ou quelques semaines. Il prévoit que les laboratoires alimentés par l’IA deviendront la norme dans toutes les disciplines d’ici dix ans et préconise une validation rigoureuse des découvertes produites par les machines, tout en maintenant la vérification humaine des travaux de recherche générés par l’IA. La mesure dans laquelle les humains devraient continuer à participer à la conception expérimentale reste une question ouverte.

Selon le comité, l’ampleur et la rapidité des investissements dans les centres de données et les puces destinés à l’IA ont dépassé celles des précédentes vagues d’investissement, mettant à rude épreuve les approvisionnements en énergie et en eau douce, augmentant les émissions de carbone et influençant les politiques énergétiques nationales. Au moment de la rédaction du rapport, la valorisation de Nvidia dépassait 5 000 milliards de dollars, et la hausse du seul titre Nvidia représentait plus de 15 % des gains du marché boursier américain en 2025.

Au-delà des valorisations financières et des dépenses d’investissement, le rapport conclut que l’impact économique de l’IA n’était pas encore perceptible dans les données macroéconomiques agrégées ni dans le rendement des investissements des entreprises. Cette distinction sépare l’activité financière visible des retombées démontrées à l’échelle de l’économie et des entreprises, et constitue une réserve majeure à propos de la vague d’investissements.

Sécurité et responsabilité publique

Le comité considère la cybersécurité comme un domaine d’application de l’IA à la fois offensif et défensif, et cite la découverte avérée de vulnérabilités ainsi que des cyberattaques menées par des équipes d’agents d’IA au cours de la période étudiée. Des décisions de ciblage létal ont été prises sans intervention humaine pendant des conflits armés en cours. Les images de synthèse, les voix clonées et les vidéos affaiblissent également les présupposés sur lesquels reposent les preuves en journalisme, en droit et dans les institutions démocratiques.

Bien que l’IA touche des milliards de personnes, le comité estime que le public a eu peu d’influence réelle sur son développement et son déploiement. Les préoccupations portent notamment sur l’emploi, l’éducation, l’environnement, la santé mentale, les institutions démocratiques et les infrastructures essentielles. Le comité recommande de considérer l’orientation de l’IA comme un choix collectif de société, qui doit s’appuyer sur une véritable participation du public ainsi que sur des mesures prises par les gouvernements et les fournisseurs de technologies.

Le comité décrit une gouvernance internationale fragmentée, de plus en plus abordée sous l’angle de la sécurité nationale, les contrôles à l’exportation et les restrictions visant les puces et l’accès aux modèles devenant des instruments de politique étrangère. Les sommets et déclarations internationaux ont fait progresser les principes ainsi que les discussions scientifiques et diplomatiques, mais ont débouché sur peu de mesures multilatérales concrètes et juridiquement contraignantes.

Le comité ne prédit pas si la croissance rapide des capacités se poursuivra ou si elle ralentira sous l’effet des limites liées aux investissements, aux semi-conducteurs et aux données. Quelle que soit l’évolution, l’empreinte scientifique et financière de l’IA est déjà visible, tandis que la validation fiable, les retombées économiques à grande échelle et une véritable responsabilité publique restent des questions non résolues.