IA 2025: entre promesses, incertitudes et contraintes.

Comme chaque année à la même période, les grands organes de presse dressent le bilan de l’année écoulée et, surtout, établissent l’inventaire des principaux enjeux politiques, économiques et géopolitiques pour l’année à venir. Dans le supplément de janvier 2025 du magazine Challenges, la journaliste de The Economist, Rachana Shanbhogue, s’interroge sur la frénésie suscitée par l’intelligence artificielle depuis le lancement de ChatGPT fin novembre 2022. Comment expliquer que des sommes astronomiques soient investies dans l’IA et que les géants de la Tech voient leur capitalisation boursière littéralement s’envoler depuis deux ans, alors que, dans le même temps, seulement 5 % des entreprises américaines déclarent utiliser l’IA dans leurs produits ou services, et que la grande majorité des start-up issues de la révolution de l’IA générative peinent à être bénéficiaires, voire simplement à générer des revenus ? En d’autres termes, assistons-nous à la formation d’une bulle comparable à celle de l’internet au tournant des années 2000, ou bien l’année 2025 marquera-t-elle au contraire les véritables débuts de l’adoption de l’IA dans les usages quotidiens des particuliers et des entreprises, comme ce fut le cas, à des rythmes différents, pour les grandes révolutions technologiques des quarante dernières années : l’ordinateur personnel, le web ou le smartphone ?

Même si nul ne doute du potentiel considérable de cette technologie, la véritable question consiste à savoir à quel moment l’IA deviendra un facteur durable de croissance économique pour les entreprises et pour les sociétés humaines. Ce "moment de bascule", entre promesses et inscription concrète dans la durée, ne pourra cependant advenir qu’à la condition de surmonter trois contraintes majeures, susceptibles, sinon de bloquer, du moins de ralentir son développement :

• La contrainte écologique. L’entraînement et le déploiement des grands modèles de langage exigent des quantités croissantes d’énergie électrique. L’impact environnemental de l’intelligence artificielle et, plus largement, du numérique, ainsi que les moyens de le mesurer et d’y remédier, constituent aujourd’hui un champ de recherche dynamique. Depuis plusieurs années, l’informaticienne Sasha Luccioni, actuellement Climate & AI Lead chez Hugging Face, cherche à quantifier les émissions carbone de programmes tels que ChatGPT ou Midjourney, afin de sensibiliser le public à leur empreinte environnementale. Dans une étude récente (2024), Power Hungry Processing: Watts Driving the Cost of AI Deployment?, elle montre qu’une seule image générée par IA consomme autant d’énergie qu’une recharge complète de smartphone. Lors de la conférence ALL IN de 2024, elle rappelait en outre que les robots conversationnels, à la différence des moteurs de recherche classiques, ne se contentent pas d’extraire des informations déjà indexées, mais génèrent de nouveaux contenus, rendant la recherche d’informations beaucoup plus énergivore.

• La contrainte liée aux données. Plusieurs experts évoquent le risque d’un "pic de données", prévu à l’horizon 2028, qui menacerait l’amélioration et la performance des grands modèles d’IA. Deux facteurs principaux expliquent cette perspective : le ralentissement de la croissance des contenus nouveaux et de qualité publiés sur le web, et les restrictions juridiques de plus en plus strictes concernant la collecte et l’usage de ces contenus. D’où l’intérêt croissant pour les données dites "synthétiques", produites artificiellement via des techniques de machine learning et reproduisant les caractéristiques des données "réelles".

• La contrainte économique, culturelle et managériale. Elle conditionne en réalité les deux précédentes. Aucune révolution technologique ne peut advenir sans appropriation à grande échelle par les particuliers et les organisations, publiques comme privées. Les bénéfices supposés de l’IA doivent être mesurés non seulement en termes d’usages, mais aussi de retour sur investissement pour les entreprises. Or, cette adoption nécessitera du temps, car elle implique de nouvelles méthodes de travail, parfois de nouvelles conceptions du métier, la refonte de processus, la redéfinition de la création de valeur et, surtout, la capacité à mesurer concrètement les gains humains et financiers à court, moyen et long terme.