L'IA se dévore elle-même

INTRODUCTION

Voici un chiffre qui devrait vous arrêter net. En 2025, les fonds de capital-risque ont injecté 258,7 milliards de dollars dans des entreprises d'intelligence artificielle, selon l'OCDE. Cela représentait 61 pour cent de l'ensemble du capital-risque mondial. Mais les dépenses réelles des entreprises en produits d'IA générative cette même année ? Environ 37 milliards de dollars, d'après Menlo Ventures. Pour chaque dollar encaissé par ces entreprises, les investisseurs en misaient presque sept en espérant davantage. Quelque chose ne colle pas.

Et voici le rebondissement que personne n'avait prévu. Tandis que les gros titres hurlent aux licenciements massifs et au remplacement par les robots, le Forum économique mondial prévoit un gain net de 78 millions d'emplois dans le monde d'ici 2030 grâce à l'IA et aux technologies associées. L'Allemagne compte actuellement 109 000 postes informatiques non pourvus, selon Bitkom. L'Inde fait face à un déficit de centaines de milliers de spécialistes en IA, d'après un rapport conjoint de Deloitte et NASSCOM.

Mais si l'IA crée des emplois et attire des capitaux record en même temps, pourquoi les chercheurs les plus brillants du domaine commencent-ils à s'inquiéter ? Parce que l'IA a développé un problème qui ressemble à de la science-fiction mais qui a été documenté dans Nature en 2024. Elle commence à se dévorer elle-même. Et cela change toute l'équation.

Les emplois qui devaient disparaître

En novembre 2016, Geoffrey Hinton s'est présenté devant le public du Creative Destruction Lab à Toronto et a formulé une prédiction devenue célèbre. Il a déclaré qu'il fallait arrêter de former des radiologues parce que le deep learning les surpasserait dans les cinq ans. Cette prédiction a mal vieilli. Le département de radiologie de la Mayo Clinic a grandi de 55 pour cent depuis, dépassant les 400 médecins, comme son directeur de radiologie l'a confirmé au New York Times. En 2025, Hinton lui-même a reconnu qu'il s'était trompé sur le calendrier.

Ce n'est pas une erreur isolée. C'est un schéma récurrent. Sam Altman a écrit dans son billet de blog Reflections de janvier 2025 que les agents d'IA pourraient changer substantiellement la production des entreprises cette année-là. En décembre, les analystes estimaient que cela ne s'était pas produit à grande échelle. Mustafa Suleyman a publié sur X en juin 2023 que les hallucinations des LLM seraient en grande partie éliminées d'ici 2025. Elles restent un problème majeur non résolu. Et l'affirmation largement relayée selon laquelle l'IA remplacerait 80 pour cent des développeurs de logiciels d'ici 2025 ? C'était en réalité une déformation d'une prédiction de Gartner concernant les besoins en montée en compétences, pas en remplacement. Le Bureau of Labor Statistics américain prévoit une croissance de 15 pour cent des emplois de développeurs logiciels jusqu'en 2034. Nettement plus rapide que la moyenne.

Les données réelles dressent un tableau très différent des titres alarmistes. Le Baromètre mondial de l'emploi et de l'IA 2025 de PwC a étudié près d'un milliard d'offres d'emploi sur six continents et constaté que les professions les plus exposées à l'IA ont progressé de 38 pour cent entre 2019 et 2024. Les données de l'Economic Graph de LinkedIn, présentées à Davos 2026, montrent que l'IA a déjà créé environ 1,3 million de nouveaux postes dans le monde en seulement deux ans. Et l'Information Technology and Innovation Foundation a calculé qu'en 2024, l'IA avait créé environ 119 900 emplois directs aux États-Unis tout en n'en déplaçant que 12 700. Un ratio de presque dix pour un.

Des emplois que personne n'avait prédits

L'IA n'a pas simplement protégé les postes existants. Elle en a inventé de totalement nouveaux. L'intitulé « prompt engineer » n'existait pas il y a cinq ans. Pas plus que ceux d'AI ethics officer, d'ingénieur MLOps, d'AI red teamer, de spécialiste en fine-tuning de LLM ou de Chief AI Officer. Ce sont de vrais postes dans de vraies entreprises avec de vrais salaires. Selon les données de Glassdoor, la rémunération totale médiane d'un prompt engineer se situe autour de 126 000 dollars. Chez Google, ce chiffre grimpe à environ 245 000.

La prime salariale raconte une histoire encore plus parlante. Le baromètre de PwC a révélé que les emplois exigeant des compétences en IA offrent une prime salariale de 56 pour cent par rapport aux postes comparables sans ces compétences. C'est une hausse par rapport aux 25 pour cent de l'année précédente. Le Work Trend Index 2024 de Microsoft et LinkedIn a signalé que les membres ajoutant des compétences en IA à leur profil avaient été multipliés par 142 entre fin 2023 et début 2024. Pas 142 pour cent. 142 fois.

Mais tandis que ces nouveaux emplois se multiplient aux marges du marché du travail, quelque chose d'autre se produit au cœur du monde des entreprises. Et cela se rattache directement à la raison pour laquelle l'IA est peut-être en train de dévorer ses propres fondations.

La disparition du milieu

Quelque chose d'étrange prend forme dans le monde des affaires. Les grandes entreprises s'amincissent. De minuscules startups d'IA atteignent des valorisations extraordinaires. Et la couche intermédiaire se réduit à grande vitesse.

Considérons les extrêmes. Safe Superintelligence, une startup d'environ 20 employés et zéro revenu, a atteint une valorisation de 32 milliards de dollars. Cursor, un outil de programmation assisté par IA, a atteint 500 millions de dollars de revenus récurrents annuels avec une équipe réduite. Mistral AI en France a atteint une valorisation de 6,2 milliards de dollars avec seulement 55 personnes à ses débuts. Gumloop a levé 17 millions de dollars avec seulement deux fondateurs à temps plein.

Pendant ce temps, Intel réduit ses effectifs de 125 000 à un objectif de 75 000 employés. Dell est passé de 133 000 à 120 000 personnes en un seul exercice fiscal, selon ses déclarations auprès de la SEC. Microsoft a licencié plus de 15 000 personnes en 2025 tout en affichant un chiffre d'affaires trimestriel record de 70,1 milliards de dollars. Fortune a rapporté que les licenciements de 2025 visaient surtout les cadres intermédiaires, employant l'expression « stratégie d'évidement ». Les données de Korn Ferry ont montré que le nombre de managers avait baissé de 6,1 pour cent entre mai 2022 et mai 2025.

En Allemagne, l'AppliedAI Institute a recensé 935 startups d'IA en 2025, en hausse de 36 pour cent par rapport à l'année précédente. Plus de deux milliards d'euros ont été investis dans les startups allemandes d'IA rien qu'entre janvier et juillet 2025. Mais voici le détail crucial. Une analyse de PitchBook a révélé que, sans les transactions liées à l'IA, la valeur des opérations de capital-risque en Europe avait en réalité chuté de 45,3 à 42,7 milliards d'euros. L'IA n'est plus simplement un secteur. Elle est en train de devenir le seul secteur qui attire de l'argent sérieux.

Sam Altman a prédit l'émergence d'entreprises de dix personnes valant des milliards. Le PDG d'Anthropic, Dario Amodei, a déclaré devant un public en mai 2025 qu'une entreprise unipersonnelle valant un milliard pourrait voir le jour d'ici 2026, avec un niveau de confiance de 70 à 80 pour cent. Si l'IA rend les entreprises tellement efficaces qu'elles ont besoin de moins de personnel, et si les startups d'IA n'ont quasiment pas besoin d'employés, qui achète exactement tous ces produits d'IA ?

Le serpent qui se mord la queue

Nous arrivons maintenant au cœur de cette histoire. La partie qui n'a pas été publiée dans un blog tech ou une tribune d'opinion, mais dans Nature, l'une des revues scientifiques les plus prestigieuses au monde.

En juillet 2024, une équipe de chercheurs dirigée par Ilia Shumailov à l'Université d'Oxford a publié une étude montrant ce qui se passe lorsque des modèles d'IA sont entraînés sur des données générées par d'autres modèles d'IA. Le résultat est un phénomène qu'ils ont appelé « effondrement du modèle ». Après plusieurs cycles d'entraînement récursif, leur modèle de langage produisait des absurdités totales. Une question sur l'architecture ecclésiastique médiévale générait des mots aléatoires et dépourvus de sens. Les chercheurs ont démontré que cette dégradation est irréversible. Une fois que les queues de la distribution originale des données disparaissent, le modèle ne peut plus les récupérer.

Ce n'est pas un petit bug technique. C'est une limite fondamentale. Et elle est déjà visible dans le monde réel. L'analyse de Graphite portant sur 65 000 articles en anglais issus de Common Crawl a révélé qu'en mai 2025, environ 52 pour cent des nouveaux articles étaient générés par l'IA. Ahrefs a examiné 900 000 pages web nouvellement créées et constaté que 74,2 pour cent contenaient du contenu généré par l'IA. Europol a averti que jusqu'à 90 pour cent du contenu en ligne pourrait être synthétique d'ici 2026.

Réfléchissez à ce que cela signifie. L'IA apprend à partir de données d'internet. Internet est désormais de plus en plus rempli de contenu généré par l'IA. L'IA apprend donc de ses propres productions. Comme un serpent qui se mord la queue.

Ilya Sutskever, cofondateur d'OpenAI, a déclaré au public de la conférence NeurIPS en décembre 2024 que l'industrie avait atteint le pic de données. Il a comparé les données aux combustibles fossiles. Elles ont été produites pendant des décennies d'activité humaine, les modèles les ont consommées, et maintenant les réserves utilisables s'épuisent. Des chercheurs d'Epoch AI ont publié une analyse évaluée par les pairs à l'ICML 2024, estimant que les données textuelles publiques de qualité — environ 300 mille milliards de tokens — seront épuisées entre 2026 et 2032.

Le problème Stack Overflow

Voici un exemple concret de l'IA dévorant sa propre source de nourriture. Stack Overflow était la plus grande source de connaissances en programmation écrites par des humains sur internet. Les développeurs posaient des questions, d'autres développeurs y répondaient, et les modèles d'IA apprenaient de ces échanges. À son apogée vers 2014, la plateforme recevait environ 200 000 nouvelles questions par mois, selon les données du Stack Exchange Data Explorer.

Puis les assistants de programmation dotés d'IA sont arrivés. Les développeurs ont cessé de poser des questions sur Stack Overflow parce qu'ils pouvaient interroger ChatGPT ou GitHub Copilot à la place. En décembre 2025, les nouvelles questions avaient chuté. Futurism a rapporté que le décompte mensuel était tombé à environ 3 600. D'un sommet de 200 000 à moins de 4 000, cela représente un déclin d'environ 98 pour cent sur une décennie.

L'ironie est difficile à ignorer. Les outils de programmation assistés par IA ont été entraînés sur des réponses Stack Overflow écrites par des humains. Ces humains ont arrêté d'écrire parce qu'ils sont passés à l'IA. Quand ces outils ont besoin de code frais écrit par des humains pour s'améliorer, ils trouvent principalement leurs propres productions antérieures. Le feu essaie de brûler le feu.

L'enquête auprès des développeurs Stack Overflow 2025, avec plus de 49 000 réponses provenant de 177 pays, a révélé un problème croissant de confiance. Bien que 84 pour cent des développeurs utilisent ou prévoient d'utiliser des outils d'IA, seulement 33 pour cent font confiance à leur précision. Ce chiffre de confiance était de 43 pour cent un an plus tôt à peine. La plainte la plus fréquente ? Des solutions qui sont presque justes. Suffisamment proches du correct pour sembler valides. Suffisamment fausses pour casser le code en production.

Un essai contrôlé randomisé mené par des chercheurs de METR, une organisation à but non lucratif d'évaluation de l'IA, a produit des résultats encore plus préoccupants. Ils ont étudié 16 développeurs open source expérimentés et découvert que, si les développeurs pensaient que l'IA les rendait 20 pour cent plus rapides, ils mettaient en réalité 19 pour cent plus de temps en moyenne. La perception de vitesse était réelle. La vitesse elle-même ne l'était pas. Une étude séparée de Microsoft portant sur environ 200 ingénieurs utilisant GitHub Copilot pendant trois semaines n'a trouvé aucun changement statistiquement significatif dans le temps de programmation ou l'activité de pull requests.

La question des 259 milliards

Maintenant, suivons l'argent. Car le tableau financier révèle quelque chose qui devrait faire réfléchir quiconque y prête attention.

OpenAI a réalisé environ 3,7 milliards de dollars de chiffre d'affaires en 2024 tout en perdant environ 5 milliards. Sa valorisation a grimpé jusqu'à 500 milliards de dollars en octobre 2025. Les analystes de la Deutsche Bank ont estimé qu'OpenAI accumulerait environ 143 milliards de dollars de flux de trésorerie négatif cumulé entre 2024 et 2029 avant d'atteindre potentiellement la rentabilité. Aucune startup dans l'histoire n'a opéré avec des pertes ne serait-ce qu'approchant cette ampleur.

Anthropic a annoncé un taux de revenus annualisé de 14 milliards de dollars début 2026, avec une valorisation post-investissement de 380 milliards de dollars. Cela représente un multiple de 27 fois le chiffre d'affaires. Sa marge brute se situait autour de 40 pour cent, révisée à la baisse par rapport à une projection antérieure de 50 pour cent — bien en dessous des 77 pour cent environ que les analystes exigent habituellement pour justifier de telles valorisations.

Le cas le plus extrême est peut-être xAI, l'entreprise d'IA d'Elon Musk. Bloomberg a rapporté qu'elle brûlait environ un milliard de dollars par mois pour une valorisation entre 230 et 250 milliards, contre environ 500 millions de dollars de revenus annualisés. Cela implique un multiple d'environ 460 fois le chiffre d'affaires.

Voici la vérité qui dérange. Pas une seule entreprise d'IA au niveau des modèles fondationnels n'est rentable. Ni OpenAI. Ni Anthropic. Ni xAI. Ni Mistral. Ni Cohere. Ni Stability AI. Les seules entreprises clairement rentables dans l'écosystème de l'IA sont celles qui vendent l'infrastructure aux constructeurs d'IA, principalement NVIDIA avec 130,5 milliards de dollars de chiffre d'affaires et des marges solides. Les chercheurs d'or perdent de l'argent. Les vendeurs de pelles s'enrichissent.

David Cahn de Sequoia Capital a identifié ce qu'il a appelé un écart de revenus de 600 milliards de dollars entre ce que les entreprises dépensent en infrastructure d'IA et ce qu'elles en tirent réellement. Les quatre plus grandes entreprises technologiques — Amazon, Microsoft, Google et Meta — ont engagé entre 380 et 400 milliards de dollars d'investissements en capital pour l'IA en 2025. L'analyste de Goldman Sachs Ryan Hammond a constaté que ces mêmes entreprises avaient contracté 121 milliards de dollars de dette en une seule année, soit environ quatre fois leur moyenne sur cinq ans.

Un sondage Bank of America d'octobre 2025 a révélé qu'un record de 54 pour cent des gestionnaires de fonds mondiaux considéraient les actions IA comme étant en territoire de bulle. Ray Dalio a déclaré à CNBC que les marchés se trouvaient à environ 80 pour cent dans une bulle selon son indicateur propriétaire, comparant la situation à 1929 et à l'éclatement de la bulle internet en 2000. Le prix Nobel du MIT Daron Acemoglu a publié une analyse évaluée par les pairs dans Economic Policy, arguant que l'IA ne contribuerait pas à plus de 0,53 à 0,66 pour cent de croissance de la productivité totale des facteurs sur une décennie — bien en dessous des projections transformatrices censées justifier les valorisations actuelles.

Pourquoi les PDG continuent de promettre la révolution

Si l'IA ne remplace pas les travailleurs au rythme promis, pourquoi les plus grands noms de la technologie continuent-ils d'affirmer qu'elle le fera ? La réponse a davantage à voir avec les cours boursiers qu'avec la science.

Quand Oracle a annoncé un partenariat de centres de données IA avec OpenAI, son action a bondi d'environ 40 pour cent. Michael Cembalest de J.P. Morgan a calculé que les actions liées à l'IA représentaient 75 pour cent de l'ensemble des rendements du S&P 500 depuis le lancement de ChatGPT. Chaque fois qu'un PDG annonce un plan de transformation par l'IA, le marché le récompense.

La Harvard Business Review a publié une étude en janvier 2026 basée sur un sondage auprès de plus de 1 000 dirigeants mondiaux. Les conclusions étaient frappantes. Soixante pour cent des entreprises interrogées avaient réduit leurs effectifs en anticipation de ce que l'IA pourrait accomplir à l'avenir. Seulement 2 pour cent avaient procédé à des licenciements significatifs liés à une mise en œuvre réelle et mesurable de l'IA. Les entreprises licencient des personnes pour des capacités qui n'existent pas encore.

La SEC a commencé à sévir contre ce qu'on appelle l'AI washing — des entreprises qui exagèrent leurs capacités en IA pour attirer des investisseurs. En mars 2024, l'autorité a poursuivi Delphia et Global Predictions dans les toutes premières actions de ce type, infligeant des amendes de 225 000 et 175 000 dollars respectivement. DLA Piper a rapporté que les recours collectifs en valeurs mobilières liés à l'IA avaient doublé, passant de 7 en 2023 à 14 en 2024, avec 12 de plus déposés jusqu'en septembre 2025.

La 29e enquête mondiale annuelle de PwC auprès des PDG, publiée en janvier 2026 après avoir interrogé 4 454 dirigeants dans 95 pays, a constaté que seulement 12 pour cent signalaient des bénéfices à la fois sur les coûts et les revenus grâce à l'IA. Cinquante-six pour cent n'avaient perçu aucun bénéfice financier significatif. L'initiative MIT NANDA, couverte par la Harvard Business Review en août 2025, a constaté que 95 pour cent des projets pilotes d'IA en entreprise n'avaient pas produit de retours mesurables, malgré un investissement collectif estimé entre 30 et 40 milliards de dollars.

Alors, où en sommes-nous ?

Rassemblons les pièces du puzzle. L'IA a réellement créé plus d'emplois qu'elle n'en a détruits. Ce n'est pas un avis. Ce sont des données du Forum économique mondial, de PwC, de LinkedIn, du Bureau of Labor Statistics américain et de Bitkom. Les postes informatiques non pourvus en Allemagne sont réels. Les 1,3 million de nouveaux emplois dans l'IA sont réels. La prime salariale de 56 pour cent est réelle.

Mais l'industrie qui construit cette technologie fait face à trois problèmes interconnectés. Premièrement, un mur scientifique. L'effondrement du modèle n'est pas de la spéculation. Il est documenté dans Nature. Les données d'entraînement sont finies. Plus de la moitié d'internet est désormais composé de contenus générés par l'IA qui réalimentent les boucles d'entraînement. L'analyse évaluée par les pairs d'Epoch AI projette l'épuisement des données textuelles publiques de qualité au cours de cette décennie.

Deuxièmement, une crise financière qui semble de plus en plus structurelle. Près de 259 milliards de dollars investis contre environ 37 milliards de revenus d'entreprise. Zéro entreprise rentable au niveau des modèles fondationnels. Des pertes cumulées projetées de 143 milliards pour OpenAI seul jusqu'en 2029. Goldman Sachs documentant une hausse de 121 milliards de dollars d'endettement chez les plus grandes entreprises technologiques en une seule année.

Troisièmement, un fossé de crédibilité croissant. Quatre-vingt-quinze pour cent des projets pilotes d'IA en entreprise ne produisent aucune valeur mesurable. Les prédictions des PDG sur les délais de remplacement s'avèrent systématiquement erronées. La confiance des développeurs dans la précision de l'IA chute de 43 à 33 pour cent en un an. Les études réelles sur la vitesse de programmation montrent des résultats nuls, voire des ralentissements, malgré la perception subjective d'amélioration.

La façon la plus honnête de décrire la situation actuelle est celle-ci. L'IA est une technologie réelle et utile qui a été enveloppée dans une structure financière exigeant qu'elle soit transformatrice pour justifier son prix. La technologie aide réellement les gens à mieux travailler. Elle ne les remplace pas réellement à grande échelle. Et dans l'écart entre ces deux réalités s'accumulent des centaines de milliards de dollars, en attente de savoir quelle version de l'histoire survivra au contact avec le monde réel.

CONCLUSION

L'IA ne va pas disparaître. Elle a déjà changé la façon dont les gens travaillent, étudient et créent des entreprises. Les emplois qu'elle génère sont bien rémunérés et continuent de se multiplier. Les startups qu'elle propulse sont plus petites, plus agiles et parfois valorisées à des milliards avec moins de 50 personnes sur la feuille de paie.

Mais l'IA se dévore aussi elle-même. Les données d'entraînement sont finies. Les modèles apprennent de plus en plus à partir de leurs propres productions. Les entreprises qui construisent des modèles fondationnels perdent des milliards. Et les prédictions audacieuses des leaders du secteur continuent de manquer leurs échéances.

L'avenir ressemblera probablement à ceci. L'IA continuera de générer de nouveaux emplois. Les entreprises d'IA continueront de brûler du cash jusqu'à ce que la bulle d'investissement se corrige. Et ceux qui en profiteront le plus seront ceux qui traiteront l'IA comme un outil puissant plutôt que comme un substitut magique de la pensée humaine. Car en fin de compte, l'actif le plus précieux dans un monde saturé d'IA reste une personne qui sait réfléchir clairement.