Le PDG d’IBM, Arvind Krishna, a exprimé des doutes sur la rentabilité à long terme des investissements colossaux des géants de la tech dans les centres de données pour l’intelligence artificielle. Dans une interview sur le podcast Decoder, il a estimé qu’il était « très peu probable » que ces entreprises puissent générer un retour sur leurs dépenses en capital (capex), notamment celles liées à la construction de centres de données à grande échelle dans la course vers l’IA générale (AGI). Selon lui, le coût actuel pour remplir un centre de données d’un gigawatt s’élève à environ 80 milliards de dollars. Si une entreprise s’engage dans 20 à 30 gigawatts, cela représente déjà une dépense de 1,5 trillion de dollars. Avec les annonces mondiales totalisant environ 100 gigawatts, le montant global des investissements pourrait atteindre près de 8 billions de dollars. Krishna a souligné que ces équipements, notamment les puces d’IA, perdent rapidement de leur valeur — elles doivent être remplacées en cinq ans environ. Cette dépréciation rapide, combinée aux coûts d’exploitation et d’énergie, rend difficile la justification économique de ces déploiements massifs. Il a ajouté que pour simplement couvrir les intérêts sur une telle dette, il faudrait générer environ 800 milliards de dollars de bénéfices annuels, ce qui semble irréaliste selon lui. Ce scepticisme s’inscrit dans un contexte où des acteurs comme Meta, Google ou OpenAI annoncent des plans d’expansion sans précédent. Sam Altman, PDG d’OpenAI, a même demandé au gouvernement américain d’ajouter chaque année 100 gigawatts de capacité énergétique pour soutenir la croissance de l’IA. OpenAI prévoit d’investir jusqu’à 1,4 trillion de dollars. Pour Krishna, cette vision relève d’un « engagement de foi » plutôt que d’une projection financière solide. Il reconnaît la puissance des outils d’IA actuels, qu’il juge capables d’activer des trillions de dollars de productivité dans les entreprises, mais il reste dubitatif sur la faisabilité d’atteindre l’AGI par le simple accroissement du calcul. Il estime que les chances d’atteindre l’AGI sans une avancée technologique majeure sont de 0 à 1 %. D’autres personnalités influentes partagent ce point de vue : Marc Benioff a qualifié la quête de l’AGI de « mystique », Andrew Ng l’a jugée « surhypée », et Arthur Mensch, fondateur de Mistral, l’a décrite comme une « manœuvre marketing ». Même Ilya Sutskever, cofondateur d’OpenAI, a déclaré en novembre que l’ère de l’agrandissement des modèles était terminée, et qu’il fallait revenir à la recherche fondamentale, même avec des supercalculateurs. Krishna propose une voie alternative : intégrer des connaissances explicites et structurées aux modèles linguistiques (LLM), combinant intelligence symbolique et apprentissage profond. Cependant, même cette approche reste incertaine à ses yeux : « Je reste dans la catégorie du « peut-être » », conclut-il. En somme, si l’IA actuelle est déjà transformante, le pari sur l’AGI via l’expansion massive des centres de données semble, selon Krishna, une stratégie financièrement risquée et techniquement incertaine.