Impossible de mesurer le ROI de l'IA vu que les coûts réels ont volontairement été masqués par ses promoteurs. Au moment où le modèle d'affaires passe de l'abonnement à la facturation au token, les entreprises passent de l'utilisation gratuite encouragée au rejet de "l'IA pour l'IA".

Alors qu'on promettait que les problèmes allaient être réglés et l'IA devenir moins chère à produire, rien de tout ça n'est arrivé. À produire, l'IA coûte trois fois plus cher en 2026 qu'en 2023.

La comparaison avec la bulle des années 90 est trompeuse. À l'époque, des études fausses ont conduit à surdimensionner les infrastructures pour une demande inexistante. Les infras ont pu servir après, même si les business mal ficelés et irrationnels se sont écroulés – et leur surdimensionnement à cassé les prix, favorisant les business suivants.

À l'inverse, les datacenters spécialisés IA ne peuvent pas servir à grand chose d'autre. Ils coûtent cher à construire, tournent à perte pendant au moins 5-6 ans, restent coûteux à opérer, et ne sont pas rentables si les GPU ne servent pas intensivement. Sans compter que l'entraînement des modèles n'est pas gratuit en ressources.

Les licenciements IA sont bidons. Si l'IA tenait ses promesses, il y aurait des émeutes : n'importe qui pourrait fabriquer, maintenir et vendre du logiciel, et des métiers entiers disparaîtraient rapidement. Les avantages économiques de l'IA seraient flagrants et impossibles à ignorer. C'est pas ce qu'on constate.

Si l'IA était vraiment bien, y'aurait pas besoin de rassurer les gens et d'insister son potentiel : ses avantages réels seraient évidents pour tout le monde. Les gens qui vantent l'IA en entreprise n'ont pas vraiment évalué son impact. En fait il a des chances d'être négatif... Si quiconque évaluait vraiment le ROI.

Les gens qui s'appuient sur les LLM sont victimes d'une arnaque et réagissent comme tel, en défendant le produit et rejetant les critiques. Les exemples d'histoires réussies grâce à l'IA viennent soit de firmes qui participent à l'arnaque, soit masquent le travail humain qui a rattrapé les choses pour éviter un fiasco.

La banque d'investissement Goldman Sachs lance un indice boursier pour permettre d'investir dans tout ce qui n'a aucun rapport à l'IA ("l'ancienne économie"). La hype IA produit trop de bruit et trop de concentration : l'index boursier standard ne contient plus que des valeurs tech, ce qui compromet la sécurité des fonds de pensions (conçus pour limiter les risques en investissant dans des champs très divers).

La création de cet indice est perçue par les critique de l'IA comme la matérialisation d'une demande pour du non-IA et la preuve que tout ça est en train de s'écrouler.

L'IA générative coûte plus cher à produire qu'elle ne rapporte. Elle n'a aucune des caractéristiques des produits qui ont du succès en économie. L'industrie de l'IA perd de l'argent et brûle du cash pour survivre. Même les utilisateurices payants d'OpenAI (ChatGPT) lui font perdre de l'argent.

En fait, il n'y pas vraiment d'industrie du LLM, qui vivrait de son produit. Les acteurs en place dépendent tous d'un financement extérieur (capital risque). Il n'y a pas de demande pour leur produit : tout cumulé, les différents LLM ont moins d'utilisateurs que Pokemon Go à son pic d'intérêt. Le marché est ridiculement petit.

L'omniprésence l'IA ne prouve pas que les gens l'utilisent. Ça prouve qu'il y a des intérêts économiques qui tiennent à en mettre partout. Alors que l'IA générative est censée être une révolution, Google et Amazon ne communiquent pas sur les revenus (et profits) associés. Pour l'auteur, la genAI est une bulle spéculative : il n'y a pas de chiffres, parce que l'IA ne produit pas vraiment d'argent.

Un état des lieux complet des problèmes écologiques, sociaux, politiques et éthiques liées à l'industrie de la tech avant l'émergence de l'IA, en 50 min de vidéo.

Hors-sujet par rapport à la collection, mais pose le contexte initial avant 2022 et l'explosion de l'IA dans les préoccupations médiatiques.