Si l’affirmation de Marc Andreessen en 2011 selon laquelle « le logiciel dévore le monde » marquait une ère, alors le rapport récent de Benedict Evans, ancien associé d’a16z et analyste de renom, intitulé AI Eats the World, en est le commentaire d’aujourd’hui. Depuis la fin de 2024, Evans publie tous les six mois un rapport de ce nom, offrant une analyse approfondie des grandes tendances technologiques. Le troisième volet, d’une soixantaine de pages, tente de percer le brouillard de l’enthousiasme et des doutes entourant l’intelligence artificielle générative (IAG), en dévoilant les véritables dynamiques d’un changement technologique en cours. Le rapport met en lumière plusieurs points clés. D’abord, une transition de plateforme analogue à celles des années 1980 (ordinateurs personnels), 1990 (internet) ou 2007 (smartphones), se profile à nouveau : l’IA générative pourrait être le moteur de ce cycle de 10 à 15 ans. Mais comme par le passé, son forme exacte reste incertaine. Les modèles actuels sont déjà très performants, mais leurs différences mesurées sur les benchmarks sont désormais réduites à quelques pour cent — une convergence qui menace la création de barrières technologiques durables. Si les modèles semblent devenir des commodités, comme les ressources informatiques dans le cloud, alors la valeur ne sera pas dans le modèle lui-même, mais dans les données spécialisées, les canaux de distribution, l’expérience utilisateur ou les produits intégrés. Les chiffres parlent d’eux-mêmes : les quatre géants — Microsoft, AWS, Alphabet (Google) et Meta — prévoient dépenser près de 400 milliards de dollars en investissements en 2025, presque le double de ce qui était estimé au début de l’année. Cela dépasse le total des investissements annuels du secteur des télécommunications mondiales (300 milliards). Ces fonds vont principalement dans la construction de centres de données, dont la valeur aux États-Unis a dépassé celle des bureaux, une première dans l’histoire. L’obstacle majeur n’est plus le matériel, mais l’approvisionnement en électricité. En 2025, l’alimentation électrique est devenue le frein principal à la construction, dépassant même la pénurie de puces ou d’infrastructure fibre. Nvidia en est le grand bénéficiaire : son chiffre d’affaires trimestriel est passé de moins de 10 milliards en 2023 à près de 60 milliards en 2025, dépassant largement les sommets d’Intel. Son partenaire, TSMC, peine à suivre la demande. Même les géants sont touchés : les dépenses d’investissement croissent plus vite que les flux de trésorerie, et les financements par location (capital lease) deviennent une solution courante, parfois à des taux inquiétants — Oracle, par exemple, pourrait investir plus que son chiffre d’affaires. OpenAI, lui, a lancé un plan d’investissement pharaonique : 1,4 trillion de dollars pour 30 GW de capacité d’ici 2025, soit une capacité équivalente à celle de plusieurs centaines de centrales nucléaires. Ce projet repose sur un système complexe de financement circulaire : OpenAI utilise les revenus de Nvidia pour acheter ses puces, tandis que Nvidia tire ses bénéfices des géants cloud, ses concurrents et partenaires. Ce modèle rappelle fortement les bulles technologiques passées. Sur le terrain utilisateur, les chiffres sont contrastés. OpenAI affirme 800 millions d’utilisateurs actifs par semaine, mais des enquêtes montrent que seulement 10 % des Américains utilisent quotidiennement un chatbot d’IA. La majorité des utilisateurs l’explore occasionnellement. En entreprise, la situation est similaire : selon une enquête de Morgan Stanley, près de 40 % des directeurs informatiques ne prévoient pas de déployer un modèle de langage à grande échelle avant 2026. Les cas d’usage réussis restent concentrés sur des domaines comme le développement logiciel, la création de contenu marketing ou le support client — des applications de « prise en charge » (absorption), où l’IA remplace des tâches répétitives. Mais les vrais défis sont techniques et organisationnels : sécurité, confidentialité, risques juridiques, intégration aux systèmes anciens, gestion des erreurs (« hallucinations »), et surtout, la difficulté à automatiser des processus critiques sans vérification humaine. L’IA n’est pas encore prête à remplacer les humains dans des contextes exigeants. Sur le plan des recommandations, une révolution est en préparation. Les systèmes actuels analysent les comportements passés pour proposer des produits liés. L’IA générative pourrait aller plus loin : comprendre l’intention derrière une action. Acheter du ruban adhésif ? Le système pourrait deviner que vous déménagez, et vous proposer des ampoules, des détecteurs de fumée, voire une assurance habitation. Cela transforme la recommandation d’un système basé sur la corrélation à un système fondé sur la compréhension du contexte. Ce changement soulève une question fondamentale : quand l’IA réussit, elle devient invisible. Comme les ascenseurs automatiques en 1950, qui ont fait disparaître les opérateurs d’ascenseurs, ou les moteurs de recherche, qui ne sont plus perçus comme de l’IA, mais comme des outils normaux. Comme l’a dit Larry Tesler en 1970 : « L’IA, c’est tout ce que les machines ne savent pas encore faire. » Dès qu’elles le font, on ne parle plus d’IA. Alors, est-ce une bulle ? Evans reste prudent. Il rappelle que chaque bulle est unique, mais que même après son effondrement, les transformations technologiques subsistent. L’effondrement de la bulle internet a laissé des infrastructures (fibre optique) et de nouvelles entreprises. Ici, ce sont les centres de données, les architectures logicielles, les nouveaux modèles économiques. Le vrai défi n’est pas de savoir si l’IA va « dévorer le monde », mais comment, quand, et quels mondes elle laissera derrière elle. L’IA n’est pas une simple technologie, mais un levier de transformation profonde. Ce qui importe, c’est de poser les bonnes questions.