Trop d’argent est-il investi dans l’intelligence artificielle (IA) générative ? C’est la question qui monte ces dernières semaines, alors que l’agent conversationnel ChatGPT célèbre ses deux ans le 30 novembre. OpenAI, l’entreprise américaine derrière ce logiciel qui a popularisé l’IA générative – une technologie d’algorithmes capables de générer des textes, des images ou des sons –, est désormais valorisée 157 milliards de dollars. En France, la start-up Mistral AI, qui développe également des modèles de fondation – les grands modèles de langage (LLM) au cœur de l’IA générative – frôle 6 milliards d’euros de valorisation, sans qu’elle ait encore communiqué sur d’éventuels revenus. En mai, la start-up H annonçait lever 220 millions de dollars... le jour même de sa création.
Avec le risque d’une bulle spéculative ? «La valorisation d’OpenAI est un peu hors sol, mais elle s’explique à la fois par ce qui a été réalisé et par l’espérance de la création de valeur future, tempère Olivier Martret, associé au fonds Serena Capital. Ses revenus ont connu une croissance phénoménale, passés de 500 millions de dollars en 2022 à 4 milliards attendus cette année. Alors qu’elle a démarré avec un produit grand public vendu 20 dollars par mois et commence seulement à pivoter vers une plateforme de modèles dédiés aux entreprises, qui seront les plus rémunérateurs.»
Des investissements pas rentabilisées avant 15 ans
Si ces start-up ont besoin d’autant d’argent, c’est que les investissements à faire sont colossaux. «Il existe des barrières à l’entrée pour créer des modèles fondationnels, rappelle Olivier Martret. Cela nécessite des centaines de milliards de dollars d’investissement, notamment en puissance de calcul qu’il faut réserver un à deux ans à l’avance. Sans oublier les salaires pour attirer les talents, alors que seules 300 à 400 personnes dans le monde sont capables de créer un tel modèle.»
Dans son AI Index Report 2024, paru en avril, Stanford University notait que «les coûts de développement des modèles d’IA de pointe ont atteint des niveaux sans précédent». Selon l’université américaine, 78 millions de dollars ont été dépensés pour l’entraînement de GPT-4 d’OpenAI, tandis que Gemini Ultra de Google a coûté 191 millions de dollars. Les coûts faramineux touchent toute la chaîne de valeur, et en particulier les fournisseurs de cloud, obligés de doper la capacité des centres de données. AWS (Amazon) a annoncé 150 milliards de dollars d’investissement dans les infrastructures dédiées à l’IA au cours des quinze prochaines années. Microsoft multiplie aussi les annonces d’investissement pour l’IA et le cloud. Des sommes dépensées maintenant, mais qui ne seront pas rentabilisées avant quinze ans, de l’aveu même d’Amy Hood, sa directrice financière.
Nouveaux modèles d’affaires
C’est ce décalage qui inquiète et fait craindre un surinvestissement, comme lors de la bulle Internet, dans les années 2000. «Les géants de la technologie devraient investir plus de 1000 milliards de dollars dans l’IA dans les années à venir, avec jusqu’à présent peu de résultats à montrer. Ces dépenses importantes seront-elles un jour payantes ?», s’interroge la banque Goldman Sachs dans une note publiée en juin. C’est «la question à 600 milliards de dollars», estime sur son blog David Cahn, associé au fonds Sequoia Partners. Selon lui, c'est cette somme que les revenus annuels générés par l’IA devraient atteindre pour que tous les acteurs de l’écosystème réussissent à rentabiliser leurs investissements.
Passée l’euphorie suscitée par son côté magique, l’heure est donc à la monétisation de l’IA générative. «Après une guerre des prix pour assurer une adoption massive, on entre dans une phase où il faut démontrer la création de valeur», constate Michael Mansard, le directeur de la stratégie de Zuora, une entreprise spécialisée en monétisation. Si la poignée de start-up développant les modèles fondationnels et les fournisseurs de cloud devraient rester dans une course aux volumes, il observe l’émergence d’un nouveau modèle d’affaires chez les éditeurs de logiciels d’IA dédiés à une problématique métiers : la vente au résultat, et non plus à l’utilisateur.
Pouvoir mesurer le ROI
À l’image d’Intercom, qui vend son IA dédiée au service client au nombre d’incidents résolus par le logiciel. «Cela leur permet d’évaluer la valeur créée et de tenir compte des spécificités de l’IA, dont les coûts augmentent proportionnellement au nombre d’utilisateurs, puisque plus j’ai de requêtes, plus je paie pour du calcul», analyse Michel Mansard.
LightOn, une start-up parisienne qui développe de petits LLM spécialisés sur des cas d’usage, confirme cette préoccupation nouvelle pour la création de valeur. «Avec nos clients, on ne choisit que des cas d’usage sur lequel on peut avoir des métriques et un retour sur investissement», confie Laurent Daudet, son fondateur. La pépite a réussi à être rentable en 2023, en particulier grâce à la vente de LLM conçus sur mesure pour des entreprises clientes.
Elle reconnaît «cibler surtout les grands comptes dans des secteurs où les systèmes d’information sont complexes et où beaucoup de données sont disponibles». De quoi rappeler que les plus gros retours sur investissement demandent une maturité digitale certaine. Une transformation qui va prendre encore quelques années.
