Dans cet article, nous allons détailler les mécanismes de financement qui alimentent la croissance phénoménale du secteur de l’IA générative, avant de se poser la question de la soutenabilité d’une telle “économie circulaire”.

Avant de rentrer dans le vif du sujet, permettez-moi de remercier les quelques abonnés payants qui soutiennent cette publication. J’encourage ceux qui le peuvent à les rejoindre, soit en s’abonnant à “Fake Tech” pour 5 euros par mois sans engagement, soit en faisant un don unique de 2 euros ou plus via le site “m’offrir un café”. Les abonnés gratuits représentent également une grande source de motivation, n’hésitez pas à partager cette publication autour de vous pour la faire connaitre. Bonne lecture et merci de votre fidélité !

Partager

C’est l’histoire d’une bulle qui refuse d’éclater. Elle tire l’ensemble de la croissance économique des États-Unis. La capitalisation boursière des sept entreprises qui en bénéficient le plus représente un gros tiers du S&P 500 (le CAC 40 américain) et 90 % de la hausse de l’indice boursier depuis 2019. La presse financière et les spécialistes alertent de plus en plus fréquemment sur son gonflement. Pourtant, à chaque évènement susceptible d’ébranler la confiance des investisseurs, une nouvelle annonce relance la machine. Un “deal” de 300 milliards entre Open AI et Oracle par ci, un investissement de 100 milliards de Nvidia dans Open AI par là. Ou encore Anthropic signant des accords évalués à plusieurs dizaines de milliards avec Google et Amazon. Le tout sur fond de ruée sur les data centers, construits avec une frénésie sans précédent :

Le montant des investissements dans l’IA générative atteint des niveaux dignes du PIB français. S’il faut différencier les promesses et engagements des sommes effectivement dépensés, les chiffres n’en restent pas moins stratosphériques. Nvidia vient de battre les projections des analystes en rapportant un profit record de 58 milliards de dollars pour le 3e trimestre 2025, soit un bénéfice annualisé comparable au PIB d’un pays comme les Émirats arabes unis ou la Malaisie. Ce qui amène à se poser deux questions :

• D’où vient tout cet argent ?

• Ne va-t-il pas bientôt en manquer ?

Comprendre l’enjeu du financement de l’IA générative

Pour illustrer le problème, prenons OpenAI. Le leader du secteur de l’IA générative commercialise ChatGPT-5, un agent conversationnel capable de réaliser de nombreuses tâches plus ou moins complexes avec une fiabilité fluctuante. Il repose sur un “Large Modèle de Language” (LLM). À chaque fois qu’un utilisateur lui pose une question, ChatGPT interroge le modèle pour produire une réponse : on parle alors d’inférence. Comme OpenAI reçoit des millions d’inférences par heure et que GPT-5 contient des centaines de milliards de paramètres, l’entreprise doit disposer d’une capacité de calcul titanesque pour répondre à la demande. Sam Altman parle de 30 GW de puissance électrique installée à terme, soit 30 réacteurs nucléaires, 50 grosses centrales à gaz ou la consommation électrique du Royaume-Uni. Pas mal, pour un chatbot dont le principal usage consisterait à offrir un soutien psychologique en se faisant passer pour une sorte d’amant manipulateur.

Partager

La puissance de calcul nécessaire provient de puces électroniques spécialisées appelées GPU (Graphics Processing Unit). Elles sont disposées en réseau dans des data centers (“centre de données”) opérés via Internet par un type de service appelé cloud computing.

Les GPU utilisés pour les modèles d’IA générative sont majoritairement produits par Nvidia, leader du marché. Intel et AMD vendent également des GPU de puissance et qualité inférieure. Le service de cloud computing est principalement fourni par quatre entreprises qui contrôlent 89 % du marché (Google Cloud, Amazon Web Services, Microsoft Azure et, dans une moindre mesure, Oracle Cloud). Des acteurs intermédiaires opèrent des data centers ou fournissent des services de cloud computing séparément, comme l’entreprise CoreWeave. Meta (Facebook) opère son propre réseau de data centers en interne, comme quelques autres grosses entreprises.

La chaine de valeur peut être résumée à travers un exemple : Nvidia vend des GPU à un service de cloud computing comme Oracle qui fournit la puissance de calcul à Open AI. Plus OpenAI et ses concurrents produisent des IA gourmandes (type Sora, l’application de génération de vidéos), plus ils ont besoin de capitaux pour construire les data centers abritant les GPU capables de fournir la puissance de calcul nécessaire.

Jusqu’à récemment, OpenAI et ses concurrents obtenaient des capitaux via les schémas de levée de fonds inhérents aux start-up. Des capital-risqueurs investissaient des fonds contre une part de l’entreprise. Cela fonctionne pour récolter des centaines de millions de dollars, devient difficile pour des milliards et virtuellement impossible pour des centaines de milliards. Il n’y a pas assez de capital-risque disponible !

Les autres circuits de financement traditionnels (introduction en bourse et endettement auprès des banques) ne permettent pas de lever des centaines de milliards de dollars aisément, car le chiffre d’affaires du secteur reste dérisoire comparé à ses besoins de financement. En effet, tous les fournisseurs de logiciels d’IA générative perdent de l’argent (les modèles d’IA coutent plus cher à concevoir et à faire fonctionner qu’ils ne rapportent, y compris lorsqu’on augmente le nombre d’utilisateurs, chaque usager supplémentaire générant des inférences en plus, mais moins de dix pour cent d’entre eux souscrivent à une offre payante, qui ne recouvre pas toujours les couts !). OpenAI dépenserait ainsi près d’un milliard de dollars par mois uniquement pour faire face à ses couts d’inférence.

Le scénario d’éclatement de la bulle anticipé par de nombreux observateurs passe par une chute du chiffre d’affaires de Nvdia : si la firme ne parvient plus à vendre ses GPU, c’est qu’OpenAI et consorts n’ont plus d’argent frais à investir, donc ne parviennent plus à faire croitre leur marché et la puissance de leurs IA. Pour éviter que la bulle éclate, il faut continuer à vendre des GPU jusqu’à ce que les profits du secteur permettent d’entretenir la machine indéfiniment.

Résumons :

• L’IA générative nécessite des investissements colossaux dans des data centers énergivores pour concevoir puis faire tourner des logiciels commercialisables.

• Ces logiciels ne sont pas rentables pour l’instant, car ils coutent plus cher à faire tourner et concevoir qu’ils rapportent (les entreprises hésitent à s’équiper et le grand public utilise très majoritairement les versions gratuites).

• Le pour l’instant risque de devenir pour toujours, car il existe de nombreux modèles d’IA générative concurrents et peu ou prou équivalents (Chat GPT, Claude, Grok, Perplexity, DeepSeek, Qwent, Gemini, Llama, Le Chat,…). Et chaque utilisateur supplémentaire augmente le cout de fonctionnement (plus d’inférences) sans augmenter d’autant le chiffre d’affaires. Or, le nombre d’utilisateurs de ChatGPT serait en baisse, comme l’usage de l’IA générative au travail et celui du nombre de programmeurs utilisant les IA génératives pour la programmation.

• Les spécialistes s’accordent à dire que la technologie est sur le point d’atteindre une impasse et que l’augmentation de la taille des modèles d’IA ne va pas les rendre plus performants ou économes.

Ces faits expliquent pourquoi la presse économique évoque une bulle. Si ce n’est pas nouveau, OpenAI et consorts continuent d’annoncer des investissements colossaux dans leur modèle de croissance. Alors, d’où vient l’argent ?

La circularité de l’économie de l’IA générative : problème ou solution ?

En observant les annonces du secteur, une image émerge peu à peu. Celle d’un système circulaire où les capitaux transitent d’un acteur de la chaine de valeur à l’autre. Bloomberg et le Wall Street Journal ont commencé à cartographier cette économie. Le résultat donne le tournis :

Au centre de ce genre de diagramme figure Nvdia, leader des fabricants de GPU. L’entreprise occupe une situation équivalente à celle d’un vendeur de pelles en pleine ruée vers l’or. Pour assurer la croissance de ses ventes, elle investit dans les entreprises comme OpenAI. OpenAI va ensuite signer un contrat avec Oracle pour obtenir l’accès à une certaine puissance de calcul, qu’Oracle va fournir en s’équipant en GPU auprès de Nvdia. Ce qui augmente la valeur boursière de chaque entreprise au passage.

Ce type de boucle se manifeste à de multiples niveaux. OpenAI investit également dans les concurrents de Nvidia, AMD et Intel, pour se fournir chez eux. Le “deal” avec AMD est suffisamment fou pour être brièvement détaillé. Comme l’expliquait au Wall Street Journal la directrice financière d’OpenAI, la start-up s’est rendu compte que les actions des entreprises avec lesquelles elle signait des contrats importants avaient tendance à prendre beaucoup de valeur. Pour tirer profit de ce phénomène, OpenAI a commandé pour 6 milliards de dollars de GPU à AMD, contre le droit d’acheter des actions AMD à prix préférentiel. L’annonce du “deal” doit faire gonfler la valeur boursière d’AMD, ce qui permettra à OpenAI de récupérer les 6 milliards en empochant la plus-value sur ses actions. Et ce n’est qu’un exemple parmi tant d’autres.

Partager

Les concurrents d’OpenAI (Anthropic, Perplexity, Mistral…) ont recours au même type de circuits de financements. L’entreprise d’Elon Musk, xAI, vient de lever 20 milliards de dollars via un « Special Purpose Vehicle » (SPV, une forme d’entité juridique sur laquelle nous reviendrons plus loin) pour acheter des GPU à Nvdia. Les 20 milliards proviennent d’emprunts garantis par les GPU (pour 12.5 milliards) et de prises de participations dans le SPV (7.5 milliards). Nvidia a injecté 2 milliards de capital sur les 7.5 du SPV. Cette prise de participation renforce le cours de l’action Nvidia et lui assure des débouchés, puisque xAI doit contractuellement utiliser les GPU du SPV pour une durée minimale de 5 ans.

Quant aux autres géants de la Tech comme Meta, Amazon, Microsoft et Google, ils bénéficient du fait d’être présents sur au moins trois secteurs : le cloud computing, les data centers et les logiciels d’IA (via le développement de leurs propres modèles, lorsqu’ils n’intègrent pas aussi ceux d’OpenAI, d’Anthropic ou de concurrents dans leurs produits). Ainsi, Microsoft est à la fois un fournisseur de cloud computing et de data centers via Microsoft Azure, un utilisateur des produits d’OpenAI (ChatGPT est intégré à la version premium de Microsoft Office via l’application Copilot) et un investisseur dans OpenAI.

Un second graphique emprunté au WSJ montre la complexité de ces flux financiers:

Tout cela peut paraitre abstrait, confus et complexe. Pour illustrer la situation, prenons un exemple théorique inspiré de faits réels :

Au XIX siècle, un industriel met au point un nouveau procédé de production d’acier. Pour s’assurer des débouchés, il investit dans les compagnies de chemin de fer qui construisent les premières lignes ferroviaires et les constructeurs de locomotives qui fournissent les trains. L’argent dépensé chez ses clients retourne dans ses poches. Plus les compagnies de chemin de fer ouvrent de nouvelles lignes, plus la demande en locomotives nécessitant de l’acier augmente, plus le cours des actions de chaque acteur du secteur s’envole. Fort de son chiffre d’affaires en hausse, le producteur d’acier peut s’endetter auprès des banques pour continuer d’investir dans les compagnies ferroviaires qui achètent des rails et dans les usines qui produisent des locomotives. Le réseau ferré s’accroit et le nombre de passagers explose. Tout le monde veut placer son argent en achetant des actions ou des titres de dettes émis par les acteurs du secteur, qui peuvent financer de nouvelles lignes… Ce cercle vertueux présente une limite : le nombre de personnes ou marchandises susceptibles de voyager en train. La bulle éclate lorsque les compagnies de chemin de fer ne parviennent plus à écouler leurs billets.

Pour parfaire l’analogie, il faudrait imaginer que de multiples lignes de chemin de fer concurrentes soient installées sur les mêmes trajets, que d’autres lignes relayant des destinations sans intérêts voient le jour et que les compagnies ferroviaires transportent gratuitement les voyageurs de seconde classe, dans l’espoir de les convertir plus tard en clients de première.

Parmi les autres exemples d’économie circulaire, on cite souvent la bulle des télécoms de la fin des années 1990 et le modèle de développement du Japon d’après-guerre, reposant sur les Keiretsu . Ces exemples historiques montrent qu’à la période d’euphorie succède une crise propulsée par l’éclatement de la bulle financière sous-jacente. Si le Japon conserve une partie de ses conglomérats, qu’une part importante du réseau de chemin de fer a survécu aux crises et que les câbles de télécom servent toujours, qu’en sera-t-il de l’IA générative ?

Un serpent qui grossit en se mordant la queue

Le caractère circulaire de ce circuit de financement n’élimine pas la nécessité d’avoir de l’argent qui rentre pour alimenter la boucle. Le secteur n’étant pas rentable, les capitaux soutenant le boom de l’IA proviennent de différentes origines :

• Les GAFAMS peuvent financer leurs investissements grâce aux profits records qu’ils accumulent via leurs activités non liées à l’IA (les revenus publicitaires de Google et Facebook, les ventes de logiciels Microsoft, les services de cloud computing classiques d’Amazon, etc.). Ces profits leur confèrent des réserves de liquidités importantes. Combinés à leur faible taux d’endettement, ils jouissent de capacités d’emprunt considérables.

• Nvidia agit comme une sorte de banque centrale ou prêteuse en dernier recours pour de nombreuses firmes se finançant sur les marchés via des acteurs appartenants au “shadow banking” (fonds d’investissements, fonds spéculatifs, assurances, produits financiers dérivés…). Ses GPU sont souvent utilisés comme garanties pour les emprunts sur lesquels ils sont adossés, ce qui introduit un risque supplémentaire.

• Comme lors de la crise des subprimes de 2008, de nouveaux véhicules financiers ont vu le jour, en particulier les “SPV” évoqués plus haut. Outre xAI, citons Meta, qui a eu recours à une telle structure pour financer un data center de 30 milliards de dollars. L’entreprise de Zuckerberg apporte 6 milliards sous la forme d’une prise de participation et d’un prêt, le reste provient essentiellement de dettes contractées sur les marchés financiers. Une manière d’obtenir toujours plus de capitaux tout en transférant le risque associé aux créances douteuses à des investisseurs de plus en plus éloignés. De plus, Meta n’a pas besoin de faire apparaitre les créances du SPV à son propre bilan comptable, ce qui lui permet de conserver un ratio d’endettement moins élevé.

• Le marché boursier secondaire peut aussi, via des mécanismes d’échanges d’actions comme celui mis en place entre AMD et OpenAI, fournir des liquidités. À condition que les investisseurs et petits porteurs suivent… (pour qu’OpenAI récupère sa mise, quelqu’un doit lui racheter les actions AMD à un prix plus élevé).

Tant que la roue tourne et aspire de nouveaux financements, la bulle peut gonfler sans que les entreprises qui utilisent les GPU de Nvidia n’aient besoin d’être rentables. Si elles le deviennent avant que la pompe à capitaux se grippe, le pari d’OpenAI sera gagné. Dans le cas contraire, l’éclatement de la bulle risque d’avoir des conséquences désastreuses, bien au-delà de la Silicon Valley. Ce qui explique pourquoi Sam Altman demande ouvertement à l’État fédéral de devenir un “prêteur en dernier recours”. Ces garanties publiques pourraient prendre la forme d’un plan de sauvetage. Évoquer cette possibilité constitue une manière détournée d’encourager les investisseurs à continuer d’alimenter la bulle, malgré l’accumulation des risques…

Les GPU, maillons faibles d’une chaine opaque

Si le gouvernement américain sauve OpenAI de la faillite et éponge les pertes des institutions financières les plus touchées, le secteur aura réussi un tour de force digne d’un programme communiste : construire une gigantesque infrastructure industrielle à partir de (presque) rien, sans se soucier des questions de rentabilité ou même de finalité, simplement en imprimant de l’argent. Nous n’y sommes pas encore. Différents mécanismes peuvent entrainer une explosion de la bulle, ou à minima, une correction importante des marchés.

En fin de chaine, la question de l’utilité commerciale des IA génératives continue de se poser. Différentes études montrent que le taux de succès du déploiement des IA génératives au sein des entreprises se situe entre 2 et 5 %. Autrement dit, les gains de productivité ne sont pas au rendez-vous, à l’exception de certains secteurs très particuliers. Même OpenAI reste très évasive quant à sa capacité à atteindre la rentabilité à moyen terme.

Le second maillon faible de la chaine de valeur se trouve du côté des data centers. Pour rentabiliser ces investissements, les firmes qui construisent de telles infrastructures doivent louer leur capacité de calcul aux entreprises vendant des IA (comme OpenAI) à un prix suffisamment élevé pour recouvrir leur mise de départ. Or, le tarif de l’heure de GPU baisse fortement depuis quelques mois (de $3.20/h à $2.80/h voir $2.12/h pour les GPU derniers cris, tandis que l’usage des GPU de 2020 n’est facturé que $0.40/h). Et ce n’est pas le seul problème: les GPU ont une durée de vie limitée, tant par leur tendance à être rapidement dépassés par des versions plus puissantes que par le fait qu’une partie d’entre eux grillent avant d’avoir atteint l’obsolescence. Ces processeurs fonctionnent en permanence et sont soumis à de fortes températures, ce qui réduit la durabilité de leurs composants.

Microsoft affirme que la durée de vie des GPU se situe entre 2 et 6 ans. Le secteur utilise un cycle de 6 ans pour calculer l’amortissement de ces actifs, sans avoir le recul nécessaire pour valider cette hypothèse. On nage dans l’inconnu, comme l’expliquait récemment Bloomberg News. Le boom de l’IA repose ainsi sur un triple pari : cette technologie doit permettre des gains de productivité massifs à court terme, elle est censée déboucher sur une IA générale toute puissante à moyen terme et, plus concrètement, nécessite que les GPU au cœur de cette industrie affichent une durée de vie suffisante. La dépréciation trop rapide de ces actifs pourrait contraindre les entreprises qui les possèdent à enregistrer des pertes comptables significatives. Comme un grand nombre d’emprunts sont garantis par les stocks de GPU eux-mêmes, de multiples acteurs pourraient se retrouver avec des créances “pourries” sur les bras. Toute ressemblance avec la crise des subprimes de 2008 serait purement fortuite…

Partager

Les doutes sur la viabilité des investissements dans les data centers expliquent pourquoi l’entreprise CoreWeave, dont le modèle économique repose sur la location de temps de GPU à des clients comme OpenAI, a vu son action chuter de 22 % suite à l’annonce de ses résultats. Pour les mêmes raisons, le cours d’Oracle dévisse depuis des semaines et la note de sa dette a été abaissée par des institutions influentes.

Les craintes sont amplifiées par le manque de transparence du secteur. Outre les montages financiers complexes et les investissements circulaires, on peut noter que de nombreux acteurs ne sont pas cotés en bourse et ne publient pas leurs résultats. C’est le cas d’OpenAI, xAI, Anthropic, Perplexity, Mistral… Quant à Google, Microsoft, Amazon et Meta, leurs comptes de résultat ne distinguent pas nécessairement l’origine de leurs revenus ni les couts associés à l’IA. Microsoft rapporte sous la même ligne comptable les revenus tirés de ses data centers et de son assistant IA “Copilot”, par exemple. Autant d’incertitudes qui alimentent les craintes d’une crise imminente.

La limite ne sera pas nécessairement financière

Ces deux premiers risques (logiciels d’IA non rentables du fait de la guerre des prix et du manque de clients ; data centers non rentables du fait de la faible durée de vie des GPU et de la baisse des tarifs) restent essentiellement économiques et financiers. Le troisième risque majeur est de nature physique et politique.

Pour être opérationnels, les centres de données doivent être construits. Ce qui nécessite d’obtenir les permis, de franchir les différentes étapes juridiques et administratives pour autoriser leur construction, d’obtenir les terrains, d’ériger les bâtiments et de les alimenter en électricité. Tout cela prend du temps, malgré les simplifications mises en place par l’administration Trump ou le gouvernement Macron.

Comme le reconnaissait maladroitement Sam Altman (PDG d’OpenAI), le principal frein serait le manque d’électricité. Le Departement of Energy américain estime que les annonces actuelles nécessiteront le déploiement de 134 GW de puissance supplémentaire d’ici cinq ans. Soit plus d’un quart de la consommation électrique américaine de 2024 ou près de trois fois celle de la France. Actuellement, les États-Unis ajoutent 12 GW de puissance par an. On est loin du rythme nécessaire, sans parler des conséquences environnementales et sociétales d’une telle montée en puissance.

Partager

Aux USA, l’organisation du marché de l’électricité est tel que le raccordement d’un data center au réseau existant tend à faire bondir les factures électriques des riverains. Les entreprises qui construisent leurs propres centrales pour contourner ce problème en créent de nouveaux : la forte pollution induite localement provoque la colère des populations locales et expose ces firmes à divers risques juridiques. Et l’électricité n’est pas le seul enjeu. La forte consommation en eau potable des circuits de refroidissement des data centers augmente également les factures des riverains tout en occasionnant des impacts environnementaux parfois problématiques. Les questions d’accès à l’eau se mêlent à celles des factures plus salées.

Tout cela explique l’impopularité croissante des data centers aux USA. Ils sont en passe de devenir un enjeu politique incontournable (et transpartisan : n’importe quel élu local qui ne s’engagerait pas à s’y opposer risque une sanction électorale). Les data centers promis par OpenAI pourraient ne pas voir le jour où arriver plus tardivement, envoyant des signaux négatifs aux marchés. Dans l’Indiana, Google a renoncé à la construction d’un data center d’un milliard de dollars suite aux pressions des riverains. À travers le pays, le mouvement de résistance s’accélère. Entre avril et juillet 2025, 98 milliards de dollars de data centers ont été retardés ou annulés, selon le site Data Center Watch. Une hausse par rapport à la période précédemment étudiée (mai 2024 - mars 2025), où 64 milliards de dollars de projets auraient été impactés.

Passé l’euphorie initiale, l’annonce des résultats trimestriels de Nvidia a provoqué de nombreux doutes. Il semblerait que la firme ait inclus dans son chiffre d’affaires des ventes pas encore encaissées. Ce qui peut s’expliquer par les délais de paiement, bien que ces derniers semblent particulièrement longs comparés aux standards du secteur. L’autre explication serait que les clients de Nvidia n’ont pas encore été livrés, ou n’ont pas encore été en mesure de mettre en services les GPU livrés. Dans tous les cas, il semble y avoir un goulot d’étranglement quelque part.

Confronté aux doutes suscités par la publication de ses résultats, Nvidia a publié une note à l’intention des analystes financiers dans laquelle elle écrit “nous ne sommes pas Enron”. La comparaison n’est pas flatteuse : l’énergéticien représentait la 7e capitalisation boursière américaine avant de battre le record de la plus grosse faillite de l’histoire du pays. Une chute provoquée par la découverte de l’ampleur du maquillage des comptes financiers de l’entreprise, qui avait recours à des montages rappelant ceux qu’on observe dans le domaine de l’IA avec les SPV.

Après le “DeepSeek Impact”, l’OVNI Gemini ?

La dernière inconnue pouvant provoquer l’effondrement de l’édifice financier au cœur de la ruée vers l’IA tient dans la nature du secteur en question. Il est question de technologie et d’innovation, dans un domaine qui évolue très rapidement. Les chocs disruptifs font partie du paysage.

Au début de l’année, l’irruption de l’IA chinoise DeepSeek avait fait souffler un vent de panique sur la Silicon Valley. Wall Street avait subi une correction boursière impactant aussi bien Nvidia que diverses entreprises de semi-conducteurs, data centers et fournisseurs d’électricité. En cause, le fait que DeepSeek égalait les performances des meilleurs modèles américains du moment pour une fraction du cout et sans avoir eu accès aux meilleurs GPU de Nvidia pour concevoir le modèle. Les doutes sur la véracité de ces faits et le cantonnement de DeepSeek au marché chinois avaient rapidement gommé les craintes des investisseurs. Mais le risque d’autres évènements de ce genre persiste.

Abonnez-vous maintenant

La semaine dernière, Google a publié la dernière version de Gemini, son propre LLM. Le modèle semble nettement supérieur à ChatGPT-5, du moins lorsqu’on le soumet aux critères d’évaluations utilisés par l’industrie. OpenAI a vu son avantage concurrentiel s’évaporer en quelques jours. Au point de provoquer une forme de panique au sein de l’entreprise, Sam Altman appelant ses employés à se mettre sur le pied de guerre.

Ce n’est pas tout. Gemini 3 n’a pas été entrainé à l’aide d’une armée de GPU Nvidia, mais sur les TPU de Google. Ce n’est pas une faute de frappe, j’ai bien écrit TPU, pour Tensor Processing Unit. Il s’agit d’un autre type de puces électroniques, conçues et produites par Google depuis 2016. Elles sont optimisées pour le calcul matriciel propre aux réseaux de neurones artificiels situés au cœur des IA génératives. Les TPU de Google ne sont pas nécessairement meilleurs que les GPU de Nvidia pour effectuer l’entrainement des modèles d’IA ou générer les inférences, mais ils sont suffisamment performants pour que Google se passe des GPU de Nvidia.

Non seulement Gemini 3 pourrait détruire l’avantage concurrentiel d’OpenAI, mais Google pourrait également s’attaquer au marché de Nvdia en commercialisant ses fameux TPU. Le risque est d’autant plus sérieux que Google dispose d’une puissance commerciale majeure et d’une capacité financière quasiment inégalée (100 milliards de dollars de réserve de liquidité, un taux d’endettement faible et des profits stables découlant de sa situation de monopole en matière de moteur de recherche). Meta serait déjà en discussion avec Google pour remplacer ses GPU par des TPU.

La sortie de Gemini 3 a provoqué une hausse de 8 % de l’action Google en une semaine, pendant que Nvidia et Oracle perdaient 8 et 13 % respectivement (et ce, après l’annonce des résultats meilleurs qu’escomptés de Nvidia). Sans tomber dans la pure spéculation, ce développement montre que les hypothèses sur lesquelles s’est construite la bulle IA peuvent être invalidées du jour au lendemain. ChatGPT pourrait rapidement devenir obsolète, les GPU de Nvidia pourraient ne plus valoir grand-chose, les créances ayant financés les data centers ne plus être remboursables, etc. Une simple baisse des profits de Nvidia pourrait allumer la mèche. Et gare à ceux qui se trouveront trop près des barils de poudre…

Parfois, la vie vous fait des cadeaux. Je me suis récemment retrouvé à un apéritif dinatoire à parler « fake tech » avec quelques convives lorsque l’un d’eux me montra le site web de la société 1-X Technologies, qui commercialise le robot ménager « Neo ». J’avais vu passer l’information comme quoi ce cyborg autonome était en réalité opéré à distance par des employés de la firme. N’ayant pas creusé davantage la question, je n’avais pas beaucoup d’éléments à opposer au technophile qui m’agitait les images du robot sous le nez. « Vingt mille dollars pour une première version qui effectue toutes les tâches ménagères et range ton logement pendant que tu es au travail, bien sûr que des gens vont en vouloir un. Et le prix ne va faire que baisser, tandis que les performances vont croitre exponentiellement. On y est, il va falloir s’y faire ».

De la même manière que les imperfections et multiples problèmes liés à l’IA générative n’empêcheraient pas 12 % des Français d’avoir recours à ChatGPT quotidiennement, on peut imaginer que les robots humanoïdes combinant les capacités d’un chatbot avec la dextérité d’un employé de maison trouveront preneur. Elon Musk aurait-il raison ? Sommes-nous condamnés à vivre chacun chez soi avec des droïdes multifonctions (de cuisinier privé à sex dol ?). Non contents de dégrader nos conditions de travail, les robots seraient-ils sur le point d’envahir notre foyer et notre intimité ?

La vidéo promotionnelle de 1-X1 semble convaincante. Un futur sans tâches ménagères serait à portée de main articulée. Neo n’est pas encore au point, mais il suffirait d’entrainer l’IA qui le pilote pour qu’il devienne réellement autonome. Et compte tenu des progrès fulgurants réalisés par les chatbots, les logiciels de création de vidéos et la reconnaissance d’image, crier à la « Fake Tech » semblerait prématuré… On n’arrête pas le progrès, même s’il prend l’apparence d’un croisement entre Terminator, Alexa et le pull-over de ma grand-mère.

Plus proche de nono le robot que de C3PO

Heureusement, la reporter du Wall Street Journal invitée par la start-up californienne pour tester « Néo » n’a pas totalement bâclé son travail. Bien que conciliant dans le ton, son reportage explose le narratif technophile servit par 1-X.

Tout ce que fait le robot lors de la démonstration est accompli grâce à l’intervention d’un technicien pilotant Neo via un casque de réalité virtuelle. Vous je ne sais pas, mais moi, je n’ai pas particulièrement envie d’inviter un robot contrôlé à distance par des inconnus dans ma cuisine, sans parler de ma chambre.

Cette solution “temporaire” doit permettre d’entrainer le robot à effectuer les tâches de manière autonome. 1-X explique que les utilisateurs peuvent activer le mode “expert” pour qu’un de leurs employés apprenne une nouvelle tâche au robot. Dans combien de temps sera-t-il capable d’effectuer le moindre travail en autonomie ? Le test du Wall Street Journal n’est pas brillant. Comme le concède la journaliste, 100 % des mouvements effectués par le robot devant ses yeux et dans le contexte d’une démonstration dans les locaux du concepteur ont été radiocommandés par un humain. Pas 99%, 100 %. Et ce n’est pas le seul problème.

Partager

Dans la vidéo promotionnelle publiée par la firme, Neo effectue seulement deux tâches de manière autonome : ouvrir la porte pour faire entrer un invité et prendre (péniblement) un verre des mains d’une seconde personne. Celles qu’il effectue sous contrôle humain lors du test le sont de manière particulièrement maladroite et lente. Le robot ne parvient pas à casser une noix. Il s’y prend à deux fois pour ouvrir le réfrigérateur. Il met plus de 4 minutes pour placer deux verres et une fourchette dans le lave-vaisselle situé à côté de lui, avant de tenter un squat improbable pour refermer la porte, tâche qu’il échouera à compléter proprement.

La journaliste s’émerveille devant la machine avant de mentionner que la démonstration doit être interrompue pour refroidir Neo et recharger sa batterie. Selon le site du fabricant, Neo offrira 4 heures d’autonomie. On en est visiblement loin. Lorsque la journaliste prend les commandes du droïde, elle l’endommage en lui faisant faire des mouvements maladroits. Neo doit alors être emporté par les techniciens pour subir une réparation d’urgence.

L’homme au service de la machine

L’interview du PDG nous dévoile une caricature d’entrepreneur. Avec son visage angulaire, son sourire à la mr Burns, son accent scandinave à geler l’atmosphère et son ton cassant, Bernt Børnich semble destiné à incarner le prochain méchant de la Silicon Valley. Si vous en aviez marre d’Elon Musk, ses saluts nazis et fusées qui détruisent la couche d’ozone, si vous n’êtes pas emballé par le discret Larry Ellison ou le prétentieux Sam Altman, si Peter Thiel et son antéchrist vous paraissent surfaits, vous allez adorer détester le PDG de 1-X.

Ok, on avait dit pas le physique. Parlons du contenu. Peu rassurée par la perspective de laisser un robot mal programmé vivre chez elle, la journaliste interroge notre aspirant milliardaire sur les questions de sécurité. Neo peut-il arracher la planche de sa table à manger et lui l’écraser sur la tête pendant son sommeil ? “Oui, techniquement, mais il ne le pourra pas, car il ne sera pas autorisé à le faire”, rassure l’entrepreneur. Avant d’ajouter : “de nombreux appareils électroniques de votre maison peuvent vous tuer”. Il y a peu de chance que ma machine à café tente de mettre le feu à mon lit dans mon sommeil, mais c’est lui l’expert.

De même, la journaliste du WSJ ne semble pas s’inquiéter du fait qu’un employé de 1-X pourrait prendre le contrôle du charmant Neo pour l’électrocuter dans son bain, y compris involontairement, en cherchant à se rincer l’œil.

Ce type de risque semble plus tangible, puisque le patron de NEO nous explique tranquillement que ses premiers clients serviront de cobayes, pardon, de bêta-testeurs, pour entrainer le robot en vue de le rendre autonome. Cela fait partie du contrat. Si vous avez un problème avec le fait d’inviter ses employés dans le confort de votre chambre à coucher, vous êtes contre le progrès. Mais n’ayez crainte, “ vous seul déciderez quand et à quel point” vous laisserez les employés de 1-X prendre le contrôle de Neo. Sachez simplement qu’il faudra aussi partager les images enregistrées par le robot, car “si on n’a pas vos données, on ne peut pas améliorer le produit”.

Le temps où les entreprises testaient et finissaient un produit avant de vous le vendre, c’est tellement has been.

Un exemple chimiquement pur d’arnaque financière sur fond de Fake Tech

Au risque de me répéter, parfois la vie nous fait des cadeaux. Neo en est un, et de taille, tant il illustre le concept de Fake Tech. Techniquement parlant, le robot humanoïde n’est clairement pas au point. Il surchauffe, nécessite des réparations, effectue très lentement et via l’assistance d’un humain situé à distance des tâches qu’un employé de ménage ferait mieux, pour une fraction du cout et sans transmettre toute votre vie privée à une obscure start-up. Comble du bonheur, la présentation officielle prend bien soin de donner l’illusion d’une autonomie. Elle ne précise pas de manière claire qu’un humain contrôle le robot dans presque tous les plans où il interagit avec son environnement. La frontière entre l’arnaque et la révolution technologique n’a jamais été aussi fine.

Comme la majorité des experts en robotiques vous le diront, ce champ de recherche est encore très loin d’avoir résolu les problèmes inhérents aux humanoïdes. Les doter de jambes et d’une tête ajoute un poids qui nécessite des moteurs plus puissants, donc consomme plus d’énergie, ce qui nécessite de plus grosses batteries ou réduit considérablement l’autonomie. De même, l’IA qui les contrôle doit apprendre à se mouvoir dans des environnements encore plus complexes que l’espace urbain dans lequel évoluent les voitures sans pilotes Waymo, qui restent sous la surveillance de téléopérateurs.

Financièrement, le pari de 1-X reproduit à merveille le modèle ayant fait la fortune de tant d’entrepreneurs de la Silicon Valley. Il consiste à vendre une vision futuriste pour obtenir des précommandes qui permettent de lever les fonds nécessaires au développement du produit, tout en fournissant un coussin financier en cas d’extrême urgence. The Information rapportait fin septembre que 1-X cherche à lever un milliard de dollars pour lancer son produit. D’où cette opération marketing pour générer la hype nécessaire. Les promesses restent volontairement vagues (“en 2026 il fera l’essentiel des tâches de manière autonome”mais “il les fera mal, et apprendra vite”). Pour plus de détails, le mieux est de commander votre propre Néo !

Partager

D’ailleurs, la version présentée au WSJ ne sera pas celle livrée en 2026. On suppose qu’elle n’existe pas encore, sinon pourquoi utiliser un vieux modèle sujet aux pannes et surchauffes pour une démonstration si cruciale ?

Tout porte à croire que 1-X s’inspire de la stratégie suivie par Elon Musk pour l’autopilot de Tesla. La société tente de convaincre une masse critique d’acheteurs de devenir les bêta-testeurs, comme Tesla avait recruté ses clients pour recueillir les données nécessaires au développement de son système de conduite “autonome”. En effet, pour que l’IA qui contrôle Neo le robot apprenne à passer l’aspirateur et fermer une porte de lave-vaisselle, il faut l’exposer à des milliers (millions ?) de cas afin d’entrainer le réseau de neurones artificiel sous-jacent. Et où trouver toutes ces données, si ce n’est dans l’intimité de votre foyer ?

Dire “no no” à Neo

Les premières réactions suscitées par la campagne de pub orchestrée par 1-X oscillent entre la rage et la moquerie. Le reportage du Wall Street Journal a fait les choux gras de quantité d’humoristes et youtubeurs tout en provoquant l’exaspération d’influenceurs technophiles pourtant disposés à s’enthousiasmer devant pareille promesse technologique. Face à un tel torrent de moquerie, il n’est pas certain que 1-X parviennent à lever les fonds qu’elle entend ni recruter l’armée de cobayes humains dont elle a besoin. On est donc en droit d’espérer que Bernt Børnich ne sera pas le futur Sam Altman ou Elon Musk, mais rejoindra les poubelles de la Tech où pourrissent des figures aussi dangereuses qu’Elizabeth Holmes, en provoquant un flop digne du Métavers de Zuckerberg.

Pour l’instant, vous pouvez dormir sur vos deux oreilles, entre deux fous rires. Neo reste dans la matrice, contrôlée par des humains, bien loin des promesses mensongères de Palo Alto.

Les actionnaires de Tesla viennent de voter l’octroi d’une rémunération exceptionnelle à Elon Musk. La valeur du “paquet” pourrait atteindre les 1000 milliards de dollars d’ici 2035. Un montant qui ferait de l’homme le plus riche du monde le premier “trillionnaire” (un trillion en anglais équivaut à un “billion” en français, c’est-à-dire beaucoup trop d’argent).

Les fans de l’entrepreneur pro-nazi vous expliqueront que cette rémunération est accompagnée de nombreuses “conditions” et ne coutera rien à Tesla. Elle marque néanmoins le franchissement d’un seuil supplémentaire dans le déchainement du techno-capitalisme, sur fond de vision apocalyptique flirtant avec l’absurde. Quelques explications s’imposent.

À rémunération exceptionnelle, conditions exceptionnelles ?

La capitalisation boursière de Tesla n’étant “que” de 1400 milliards de dollars et son bénéfice annuel de 7 milliards en 2024 (en baisse, comparé à 2023), l’entreprise ne va pas verser directement 1000 milliards à son patron. La rémunération s’effectuera sous la forme de 12 tranches de nouvelles actions Tesla émises à condition qu’une vingtaine d’objectifs soient remplis d’ici 2035. Ces derniers varient du “très facile” (produire 20 millions de véhicules au total, soit un rythme annuel inférieur au volume de vente actuel), au très flou (avoir 10 millions d’abonnés au service de conduite 100 % autonome, sans préciser s’il s’agit d’abonnés gratuits ou payants ni de donner des détails sur la nature du service) en passant par le très ambitieux (atteindre une capitalisation boursière de 8500 milliards, soit environ le double de la valorisation d’Apple ou NVDIA). Compte tenu de l’augmentation du prix de l’action nécessaire pour remplir ce dernier objectif et du nombre de nouvelles actions qui seraient offertes à Elon Musk, cela porterait la valeur du “paquet” à 1000 milliards de dollars environ. Un tiers du PIB de la France.

Une part non négligeable de cette rémunération sera versée même si Musk n’atteint pas les objectifs les plus ambitieux. Reuters a estimé que Musk obtiendra au moins 50 milliards simplement en maintenant un “business as usual” (stagnation des ventes de Tesla et une hausse du cours boursier égal à l’augmentation moyenne de la bourse de New York sur dix ans). Musk peut d’ores et déjà sabrer le champagne, mais qui se chargera de payer la facture ?

Pas de l’argent virtuel : comment Elon Musk extorque ses actionnaires

Certes, Musk ne pourra pas convertir toutes ses nouvelles actions en espèces sonnantes et trébuchantes du jour au lendemain. Cela provoquerait l’effondrement du cours boursier en inondant subitement le marché. Sans parler du signal négatif que cela enverrait aux autres investisseurs.

Mais posséder des actions est une richesse en soi. Outre le contrôle qu’elles octroient sur l’entreprise et les dividendes potentiels auxquels elles donnent le droit, elles permettent à des milliardaires comme Elon Musk de s’endetter en les utilisant comme garantie pour des emprunts chiffrés en milliards de dollars. Cet effet de levier permet également d’investir dans d’autres produits financiers ou de réaliser des OPA hostiles sur des entreprises clés (cf. Twitter).

L’argent versé au milliardaire ne coutera pas un centime à Tesla. Mais il ne vient pas de nulle part. Ce sont les actionnaires qui, en acceptant de diluer leurs parts, financeront indirectement ce cadeau. Si Tesla commence à verser des dividendes, le montant reçu par chaque actionnaire sera moindre (puisque les dividendes sont versés en proportion des actions détenues). Si Tesla décide de racheter ses propres actions (un autre mécanisme de rémunération des actionnaires), l’effet sur le cours boursier sera moins important. De même, le plus grand nombre d’actions Tesla sur le marché risque de réduire leur valeur intrinsèque.

Verser autant d’actions à Musk pourrait l’inciter à en revendre une partie, ou à vendre davantage que ce qu’il aurait vendu autrement, pour assurer son train de vie ou financer ses projets. Même si elles servent surtout à garantir des prêts, Musk vend parfois des actions pour récupérer du cash.

Abonnez-vous maintenant

Comme l’attribution des actions dépend de la réussite de Tesla, une interprétation généreuse de ce plan revient à considérer qu’il se contente de modifier la répartition des futurs gains générés par l’entreprise. Musk possède actuellement 13 % de Tesla et verrait sa part monter à 25 %. Les actionnaires seraient également gagnants, puisque la valeur de leurs actions augmentera. Mais moins fortement que ce qui aurait été le cas sans cet accord.

Aucune restriction particulière vis-à-vis d’Elon Musk n’accompagne ce cadeau. Il n’y a pas de clause l’obligeant de cesser ses activités politiques (qui ont provoqué un affaissement de 40 % des ventes de Tesla en 2025 selon une analyse indépendante) ou de passer un minimum d’heures à s’occuper de l’entreprise (Musk étant également à la tête de SpaceX, xAI, Neuralink et l’entreprise de tunneliers “The Boring Company”).

Logiquement, les actionnaires institutionnels (fonds de pension et d’investissement) qui n’avaient pas déjà vendu leur participation dans Tesla suite aux saluts nazis de son patron ont voté contre ce projet de rémunération. Mais les petits actionnaires indépendants et les gros détenteurs d’actions individuels (les cadres exécutifs, les membres du Conseil d’administration et divers amis ou proches d’Elon Musk) ont voté en faveur de l’accord, validé par 75 % de l’actionnariat (un léger recul, néanmoins, comparé au vote de 2018 portant sur un autre “paquet” de 50 milliards de dollars qui avait été jugé illégal par un tribunal du Delaware).

Pour forcer la main aux actionnaires, Musk avait menacé de démissionner en cas de refus. S’il était peu probable qu’il mette cette menace à exécution, puisqu’elle aurait probablement provoqué la chute des cours de l’action Tesla dont Musk tire l’essentiel de sa fortune, cela montre à quel point il tenait personnellement à obtenir gain de cause.

Tesla, plus une secte sociopathe qu’une entreprise cotée en bourse

Si la finalité consistait à motiver le milliardaire pour qu’il œuvre à l’augmentation du cours boursier, le comportement des actionnaires est quelque peu absurde. Musk n’a pas besoin d’une carotte supplémentaire. On pourrait même s’inquiéter du fait que Musk dépense plus d’énergie à promouvoir l’action Tesla qu’à vendre des Tesla.

Partager

Le conseil d’administration de l’entreprise, garni de fidèles alliés du milliardaire, ne s’est pas contenté de recommander le vote en faveur du paquet. Il s’est aussi prononcé contre toutes les résolutions issues d’actionnaires minoritaires qui visaient à établir un minimum de contrôle sur la gouvernance de l’entreprise. Y compris une résolution demandant à Tesla de conduire un audit sur le recours au travail forcé des enfants et une autre proposant de réfléchir à la mise en place d’un indicateur pour évaluer la performance du comité de direction vis-à-vis des objectifs environnementaux de la multinationale.

L’impression d’être face à un “culte” a été renforcée par les hurlements de joie des actionnaires lorsque le vote du paquet à 1000 milliards a été validé. Acclamant Elon Musk, ces derniers semblaient se féliciter de financer sur leurs propres deniers une rémunération en forme de rupture avec les pratiques déjà disproportionnées des multinationales. Le comportement irrationnel des actionnaires explique certainement pourquoi le cours de Tesla semble imperméable aux mauvaises nouvelles (multiples actions en justice accusant l’entreprise d’avoir arnaqué ses clients en vendant un faux système de conduite autonome ayant - par ailleurs - couté la vie à des dizaines de personnes, baisse structurelle des ventes, effondrement des marges, échec cuisant du cybertruck, difficultés techniques et juridiques du service de “robotaxi”, etc.). De même, le côté “culte” explique que les saluts nazis d’Elon Musk, ses dépenses personnelles pour financer des politiciens d’extrême droite ouvertement racistes et ses multiples déclarations flirtant avec les appels à la guerre civile ne poussent pas une part significative de l’actionnariat à vendre ses actions. Ni à voter pour ses intérêts contre ceux du patron naziphile.

Les plus calculateurs d’entre eux semblent effectuer un pari sur l’avenir. Musk vend une vision technofuturiste censée faire la fortune de Tesla et de ses actionnaires. C’est cette hype, plus que les résultats de Tesla, qui soutient le cours de l’action à coup d’annonces fracassantes. Musk avait promis un million de robotaxis pour 2020, la voiture autonome pour 2019 et une Tesla à moins de 25 000 dollars depuis 2016. Dans un autre registre, les premiers vols habités vers Mars devaient avoir lieu en 2024. On connait le refrain, mais la parole du gourou ne saurait être remise en question…

Un pari sur un avenir… dystopique

Plutôt que de faire de Tesla l’Apple de la voiture électrique, Musk place l’entreprise au cœur d’une vision dystopique. Sa stratégie ne repose pas sur une croissance exponentielle des ventes de véhicules ni ne s’appuie sur le développement de son réseau de recharge (il a licencié une bonne partie des équipes travaillant sur ce secteur, malgré sa situation de quasi-monopole aux USA). Non, la vision de Musk repose sur deux piliers : la conduite autonome et les robots humanoïdes (Optimus).

Si le pari s’avère gagnant, le système de conduite autonome (FSD pour « Full self driving ») permettra à tous les propriétaires de Tesla suffisamment récents de sous-louer leurs véhicules en tant que robotaxis tout en profitant eux-mêmes de la fonctionnalité lorsqu’ils sont dans le véhicule. Combiné à la production de robotaxis censés concurrencer les voitures sans pilote de Waymo et le service de type « Uber », le bond technologique à portée de main devrait générer des profits considérables. Encore faut-il que cela fonctionne techniquement, que les diverses juridictions approuvent le déploiement de cette technologie et que les profits espérés ne soient pas rognés par des concurrents moins chers (Uber), mieux installés (Waymo) ou plus avancés techniquement (GM, Mercedes, Honda et les constructeurs chinois, pour ce qui est des systèmes d’aide à la conduite autonome).

Le second pilier semble encore plus incertain. Les robots Optimus ne sont pas aussi performants que ceux de la concurrence et encore loin d’être prêts à la vente, alors que l’entreprise 1-X vient d’annoncer la commercialisation de son propre robot de ménage humanoïde pour 2026 (et 20 000 dollars HT, le prix d’une voiture pour vider votre lave-vaisselle). Pire, le Wall Street Journal a rapporté que le robot 1-X était presque entièrement opéré à distance par un employé doté d’un casque de réalité virtuelle. La start-up compte sur les premiers acheteurs pour entrainer le robot. On nage en pleine fake tech, ce qui montre bien que la technologie est loin d’être au point.

Quand bien même les droïdes Tesla fonctionneraient, il n’est pas certain qu’ils trouvent preneurs. À 30 000 euros pièce (sans parler de la consommation électrique et de l’encombrement), vous pouvez vous payer de nombreuses heures de femme de ménage ou d’assistant personnel. Bien qu’ils soient moins polyvalents, les aspirateurs autonomes Roomba ne coutent que 200 euros l’unité. De même, les industriels n’ont pas besoin de robots dotés de jambes (les roues sont beaucoup plus efficaces) et de tête pour empaqueter des paquets Amazon ou visser des boulons sur une chaine de montage. Les bras articulés font très bien l’affaire. Pour toutes ses raisons, l’idée que les usines ou maisons seront bientôt peuplées de robots humanoïdes ne convainc pas les experts du domaine.

À peine conforté par le vote des actionnaires, Musk a souhaité justifier ses 1000 milliards en expliquant comment il comptait écouler 1 million de robots Optimus d’ici 2035. Selon lui, ces machines « seront plus populaires que l’iPhone, que la voiture ou toute autre technologie », ils “élimineront la pauvreté” et « pourront fournir une manière plus humaine de contenir le crime.” “Vous pouvez placer un Optimus derrière tout criminel avec la tâche de le suivre partout, et le robot empêchera le moindre crime d’être commis ».

Si on doute que les humanoïdes soient aussi populaires que les smartphones, Musk pourrait parvenir à trouver un million de loosers fortunés à qui vendre ces compagnons (les gens achètent bien des boites Alexa, tout en sachant qu’elles écoutent en permanence leurs conversations pour les transmettre à Amazon et la CIA).

Mais au-delà du réalisme de la vision techno-futuriste de Musk se pose la question de sa désirabilité. Le milliardaire nous promet un futur coupé des autres humains : au lieu de prendre les transports en commun ou de faire du covoiturage, nous nous déplacerons absolument seuls dans des voitures sans pilote. Au lieu de cuisiner, plier son linge et nettoyer ses chiottes en famille (ou avec l’aide d’un homme de ménage), nous vivrons aux côtés d’un robot humanoïde entrainé par Grok (le ChatGPT raciste d’Elon Musk) pour comprendre nos ordres et faire la conversation.

Et qui sera à la tête de cette société dystopique, si ce n’est l’homme au 1000 milliards ? Pour justifier l’attribution d’actions Tesla donnant lieu à un droit de vote préférentiel, Elon Musk a calmement expliqué “ne pas se sentir à l’aise avec l’idée de construire cette armée de robot si je ne dispose pas au minimum d’une grande capacité d’influence dessus ». Nous voilà rassurés.

Les Américains connaissent à peine son nom, encore moins son visage. La société qui l’a rendu immensément riche ne vend pas de produits au grand public, seulement aux entreprises et administrations. Elle ne construit pas de fusées ni de satellites, mais des data centers et des bases de données. Larry Ellison tweet rarement, ne fait pas les couvertures de magazines et ne s’épanche pas devant les caméras. S’il n’avait pas brièvement éclipsé Elon Musk au classement des plus grandes fortunes mondiales, il serait probablement resté dans l’ombre médiatique qu’il affectionne. Pourtant, le patron d’Oracle exerce une influence grandissante sur la Silicon Valley, la Maison-Blanche et le Monde.

Homme de l’ombre à l’influence grandissante

Donald Trump vient de lui transférer la cogestion de la filiale américaine de Tik Tok, au moment où son fils rachète le groupe Paramount. Cette acquisition place les studios de cinéma éponymes et les chaines de télévision MTV, Comedy Central, Showtime et CBS (une des trois grandes chaines américaines historiques, pilier du journalisme américain) sous le contrôle de la famille Ellison. Son conglomérat médiatique vise également à acquérir Warner Bros, ce qui lui conférerait le contrôle de CNN et HBO. Avant cela, Ellison avait encouragé Elon Musk à acquérir Twitter puis l’avait aidé financièrement à finaliser le rachat via une prise de participation d’un milliard de dollars. Le patron d’Oracle serait ainsi en passe de devenir un magnat de l’économie de l’information, après avoir occupé une position centrale dans le numérique via son contrôle de l’infrastructure sous-jacente.

L’ombre d’Ellison plane sur de nombreux gros “deal” ayant jalonné l’Histoire de la Silicon Valley. En 1997, il aide Steve Jobs à reprendre le contrôle d’Apple puis occupe une place déterminante au sein de son conseil d’administration. En 1999, son protégé Mark Benioff fonde Salesforce avec son soutien professionnel et financier. La start-up devient rapidement le leader de la gestion de clientèle via des services de sous-traitance hébergés sur le cloud. La fortune de Benioff, figure centrale du forum économique de Davos, est désormais estimée à 10 milliards de dollars. En 2009, Oracle accroit son emprise sur l’infrastructure numérique en rachetant Sun Microsystems, leader des terminaux informatiques pour entreprise et propriétaire du langage de programmation Java.

Ellison a également compté parmi les tout premiers investisseurs dans Theranos, la start-up qui prétendait révolutionner les tests sanguins. Il avait personnellement conseillé à la cofondatrice Elizabeth Holmes de suivre la stratégie consistant à “construire l’avion en plein vol” ( “Build the plane while flying”). Si cette approche avait fait le succès d’Oracle, elle a conduit Theranos à mettre en danger d’innombrables patients ayant utilisé leurs tests sanguins défectueux. Au point d’expédier Elizabeth Holmes en prison pour fraude et escroquerie aggravées.

Souvent en retard d’un train sur les révolutions technologiques, Ellison a volé au secours d’OpenAI lorsque Microsoft commençait à tempérer son partenariat avec la start-up. Une manière efficace de placer Oracle dans la course à l’IA. L’entreprise d’Ellison joue désormais un rôle majeur dans la ruée sur les data centers, notamment via le projet “Stargate” qui doit permettre à OpenAI de bâtir l’infrastructure nécessaire à sa stratégie d’hypercroissance. Cette annonce avait été accompagnée d’une conférence de presse à la Maison-Blanche, où Ellison avait vanté le génie visionnaire de Trump. Une exposition médiatique inhabituelle : le centimilliardaire a beau mener un train de vie caricatural (collectionneur d’avion de chasses, de voitures de sports, de villas, propriétaire de yacht et d’une ile privé hawaïenne), il préfère opérer avec discrétion. Comme lorsqu’il organise des levées de fonds pour soutenir les campagnes présidentielles de Donald Trump. Grand argentier des causes conservatrices et du Parti républicain, il exerce une influence significative sur le champ politique américain.

Soutien indéfectible à la droite et l’extrême-droite israélienne

Selon le magazine Wired, qui le qualifie de président de l’ombre, Ellison serait l’homme d’affaires le plus écouté de Donald Trump. Au-delà de la défense des intérêts de la Silicon Valley, la Maison-Blanche semble prendre en compte les vues d’Ellison en matière de politique étrangère vis-à-vis d’Israël. Ce qui expliquerait pourquoi Trump lui a offert TikTok sur un plateau.

Partager

En 2024, Joe Biden avait promulgué une loi bipartisane pour forcer le réseau social chinois à cesser ses opérations aux États-Unis, sauf à revendre sa filiale à des intérêts américains. Pour justifier une telle mesure, les parlementaires du Congrès avaient avancé deux arguments balayés par les experts et spécialistes. Le premier tenait aux enjeux de sécurité nationale, le second aux intérêts d’Israël. En effet, avec les campus américains, le réseau social constituait un rare espace d’expression où la dénonciation du génocide palestinien s’exprimait librement. Cela valait à TikTok d’être régulièrement accusé par Israël et ses soutiens d’être la principale source du basculement de l’opinion publique américaine en faveur de la cause palestinienne. Anthony Blinken, le ministre des Affaires étrangères de Biden, avait justifié la loi anti TikTok comme un moyen de reprendre contrôle sur le narratif à Gaza. Une position partagée par son successeur Marco Rubio, qui avait occupé les avant-postes pour faire adopter le texte.

Au parlement israélien, le vote de cette loi avait été présenté comme un succès comparable “à la capture du Mont Hermon”. Dix-huit mois plus tard, l’attribution du réseau social à Larry Ellison a été publiquement célébrée par Netanyahou comme “déterminante” en expliquant qu’il s’agissait “de l’arme principale” pour défendre sa cause.

En effet, Ellison est connu pour son activisme en faveur de la droite israélienne et ses proximités avec Netanyahou. Il est le premier donateur privé de l’armée israélienne, qu’il a financé à hauteur de 26 millions de dollars, via des levées de fonds en 2014 et 2017. Il déclarait ainsi lors d’un de ces évènements “nous avons enfin notre pays (…) j’ai un lien émotionnel très fort avec Israël, j’ai rencontré plusieurs fois ses dirigeants”. En 2021, Ellison avait proposé à Netanyahou un poste de directeur grassement payé chez Oracle.

La reprise en main de TikTok, principale source d’information pour un tiers des Américains, s’accompagne d’une censure accrue des discours pro-palestiniens, selon de nombreux témoignages. De même, le rachat de CBS a été suivi par la nomination de l’éditorialiste Bari Weiss à la tête de la chaine. Cette dernière s’est fait connaitre en quittant le New York Times au prétexte que le journal était devenu trop “woke”. Depuis le 7 octobre, elle a continuellement défendu le génocide à Gaza en niant les crimes israéliens. Au point d’être accusée d’avoir provoqué l’assassinat du poète palestinien Refaat Alareer. Sa conception du journaliste, récemment déconstruite avec méthode par l’humoriste John Oliver dans le late show “Last week tonight”, se résume à confronter les points de vue opposés pour faire émerger la vérité. Comprendre : ignorer ou tordre les faits et donner du crédit aux obsessions de l’extrême-droite. L’annonce de sa nomination à la tête de CBS a été saluée par les dirigeants israéliens.

L’influence du milliardaire s’exerce via de nombreux canaux. En 2015, Larry Ellison avait personnellement “approuvé” la candidature du sénateur Marco Rubio à la primaire du Parti républicain, citant comme principale raison le fait qu’il sera “un très bon ami pour Israël” dans un échange de courriels avec l’ambassadeur israélien aux Nations-Unies, comme l’a révélé le site d’investigation américain Drop site news. Ellison a personnellement financé la campagne de Rubio et son soutien lui a permis de recevoir de nombreux financements au long de sa carrière politique. Un pari qui a fini par payer, Donald Trump l’ayant nommé à la tête du ministère des Affaires étrangères en janvier 2025.

Enfin, Ellison finance à hauteur de 350 millions de dollars le Tony Blair Institute for Global Change (TBI), un organisme ouvertement pro-Israélien et véritable lobby d’Oracle à l’international. L’organisation participe fréquemment à des séminaires avec les cadres de l’entreprise et les principaux conseillers de Blair sont membres du conseil d’administration d’Oracle, comme le rapporte une enquête du New Stateman.

Ce n’est peut-être pas par hasard que Tony Blair est pressenti pour assurer la gouvernance de Gaza au terme du cessez-le-feu imposé par Donald Trump. De même, la vision consistant à ériger sur les champs de ruines de l’enclave une “riviera” inspirée de Doubaï ne vient pas de nulle part.

En tant que promoteur immobilier, Trump est certainement sensible à ces arguments. Mais ces derniers sont également avancés par le cabinet de Netanyahou et semblent inspirés des écrits de Curtis Yarvin, un penseur néo-réactionnaire américain proche des cercles libertariens de la Silicon Valley et du courant technofasciste. Quel lien avec Larry Ellison ? Pour y répondre, il est utile de revenir sur le parcours du patron d’Oracle.

Un “self-made-man” qui doit tout à la CIA

Après avoir abandonné ses études supérieures, Larry Ellison devient programmeur chez Ampex. En 1977, il travaille sur “Oracle”, un projet de mise en service d’une base de données pour le compte de la CIA. Dans le cadre de cette mission, il découvre les travaux de l’ingénieur d’IBM Edgard Codd sur les bases de données relationnelles. Cette approche doit permettre de mettre en relation des données issues de différents formats et environnements informatiques. Avec deux collègues et quelques milliers de dollars, Ellison fonde sa propre start-up. Après avoir testé trois noms différents, ils finissent par adopter Oracle. Ce qui ne manque pas d’irriter leurs partenaires de la CIA. L’organisation est néanmoins séduite par l’idée d’une base de données relationnelle, et devient le premier client d’Oracle. Ellison, moins bon programmeur que ses deux collègues, prend en charge le volet commercial. Selon les ingénieurs de la CIA de l’époque, “nous n’achetions pas un service, mais une idée”1. Ces derniers doivent souvent corriger les lignes de code d’Oracle et apportent une aide précieuse pour la conception du produit, qui devient commercialisable en 1979. Oracle reçoit l’aide de DonValentine, le capital-risqueur mythique de Sequoia Capital, pour étendre ses opérations puis planifier son entrée en bourse. Elle est effectuée en 1986 aux côtés de Sun Microsystems et Microsoft. Grâce aux capitaux récoltés, Ellison poursuit une stratégie agressive d’acquisition de ses concurrents pour bâtir un quasi-monopole dans le secteur des bases de données et logiciels d’entreprise. En parallèle, il accroit sa fortune en prenant la tête d’Oracle et en obtenant, en tant que PDG, des rémunérations records en stock-options qui lui permettent d’augmenter peu à peu ses parts dans l’entreprise.

La réputation d’Ellison comme homme d’affaires implacable transpire de la biographie de Steve Jobs, où le patron d’Oracle tente de convaincre le cofondateur d’Apple de réaliser une prise de contrôle hostile de la firme. Son basculement idéologique semble se confirmer après les années Clinton.

Dans les semaines qui suivent les attentats du 11 septembre, Ellison propose à Dick Chenney de bâtir une base de données ayant pour vocation de créer une carte d’identité virtuelle de chaque américain, avec les empreintes digitales et le scan de l’iris en option. Si la vision orwellienne d’Ellison n’est pas retenue, son entreprise récolte de nombreux contrats liés au ministère de la Défense. Pendant les années Bush, le chiffre d’affaires d’Oracle est multiplié par deux. Oracle devient peu à peu un acteur incontournable de l’infrastructure numérique et de la surveillance électronique. Ses services servent à mettre en place les outils d’espionnages de la NSA qui seront révélés par Edward Snowden. Ellison jugera sévèrement la décision du lanceur d’alerte, estimant que Snowden “n’a identifié aucun américain ayant injustement été touché par ce système”.

Partager

Ellison continue de promouvoir une dystopie basée sur un emploi totalitaire des technologies numériques. En septembre 2024, lors d’une conférence, il détaille sa vision d’un futur où chaque citoyen américain et policier est en permanence surveillé par une caméra envoyant ses images aux data-centers d’Oracle, pour être analysées en direct par une IA chargée d’alerter les autorités à la moindre infraction.

“La police adoptera un comportement exemplaire, parce que nous enregistrerons et analyserons tout ce qui se passe en permanence. (…) Les citoyens adopteront un comportement exemplaire parce que nous enregistrerons et rapporterons tout ce qui se passe. C’est imbattable.”

Ellison imagine utiliser les caméras qui sont déjà présentes dans les voitures et sur les portes des maisons et d’y ajouter des caméras de surveillance, des drones, des caméras portatives toujours activées par les officiers de police, et ainsi de suite . Il évoque l’usage de la vidéosurveillance pour sécuriser les écoles en recourant à la reconnaissance faciale afin d’identifier le moindre intrus. Il vante un système de drones autonomes contrôlés par l’IA pour effectuer des tâches de surveillance, de détection de crimes ou comme premier moyen d’intervention lorsqu’un délit est commis.

Ces outils sont déjà déployés à grands frais et avec des résultats mitigés dans de nombreuses juridictions américaines. Ellison propose avant tout de les intégrer dans un système digne de Big Brother, contrôlé par Oracle.

Ellison, la part immergée du technofascisme ?

Pendant qu’Elon Musk fait des saluts nazis et que Peter Thiel donne des conférences obscures sur l’antéchrist, Larry Ellison se fait discret. Ce qui ne l’empêche pas de profiter des liens qu’il a tissés avec Donald Trump pour continuer de signer de gros contrats avec la puissance publique. Et profiter des largesses du régulateur pour bâtir un empire médiatique. Y voir uniquement la marque d’un homme d’affaire habile et opportunisme reviendrait à manquer la dimension idéologique sous-jacente.

Proche du courant transhumaniste, Larry Ellison estime qu’il “est absurde d’accepter l’idée de la mort”. L’ile privée qu’il possède dans l’archipel d’Hawaï abrite un centre de soin procurant des thérapies expérimentales hors de prix, dans le but de ralentir le vieillissement. Ellison a, par ailleurs, investi dans diverses start-up impliquées dans ce secteur d’activité.

Comme le documentent méticuleusement les journalistes Nastasia Hadjadji et Olivier Tesquet dans leur ouvrage “Apocalypse Nerds”, il existe un lien profond entre les courants fantasmant sur l’immortalité, les idées de Curtis Yarvin sur les cités-États privées que Tony Blair pourrait être chargé d’appliquer à Gaza, le soutien inconditionnel à l’extrême droite israélienne et la promotion de l’usage des technologies numériques pour mettre en place des régimes de surveillance de masse. Le penchant totalitaire, anti-humaniste et le rejet de la démocratie cimentent cette hétérogénéité idéologique. Et sur ce dernier point, les actions d’Ellison ne laissent guère de place au doute.

En novembre 2020, quelques jours après la victoire de Joe Biden à l’élection présidentielle, Trump a organisé une réunion pour parfaire son plan d’action visant à contester le résultat des élections. Parmi les participants figuraient un journaliste vedette de Fox News, des élus républicains influents et un seul patron de la Tech : Larry Ellison.

Vous lisez le dernier épisode de ma “Brève Histoire de la Silicon Valley”, une série en quatre articles pour comprendre comment cette région du monde est devenue le cœur du capitalisme contemporain. Les épisodes précédents sont accessibles en cliquant sur les liens ci-dessous :

• 1 : Aux origines du mal (1845-1975)

• 2 : La révolution numérique n’aura pas lieu (1975-2000)

• 3 : Conquérir le monde (2000-2015)

Pour soutenir mon travail, vous pouvez partager cet article autour de vous, m’offrir un café via la page suivante ou vous abonner à cette newsletter (garantie sans spam). Soyez fous !

S'abonner

* Partie 4 : Vers la dystopie et au-delà (2015 - 2025) *

À partir des années 2015, le vernis progressiste hérité de la contre-culture des années 1960-70 et ravivé par l’Obamania s’effrite. En parallèle, une nouvelle génération d’entrepreneurs réactionnaires prend le pouvoir. Deux individus personnalisent, chacun à sa manière, ces aspects du basculement de la Silicon Valley. Le fruit du hasard les a placés au cœur d’une seule et même entreprise aux débuts des années 2000.

1) De la PayPal Mafia au technofascisme : Musk, Thiel et la radicalisation de la Silicon Valley

Fils d’un ingénieur raciste et d’une mannequin-diététicienne, Elon Musk grandit dans la banlieue aisée de Prétoria en plein apartheid. Ses résultats scolaires peu exceptionnels ne l’empêchent pas d’émigrer au Canada puis de s’établir illégalement aux États-Unis, où il fonde avec l’argent de son père et l’aide de son frère une première start-up. Décrit comme un manager toxique et un programmeur médiocre, sa personnalité erratique lui vaut d’être évincé de la direction de son entreprise, baptisée Zip2, par les Venture Capitalists qui y investissent trois millions de dollars. Après avoir fait échouer un projet de fusion alléchante, Musk est sauvé par une offre de rachat inespérée venant de Compaq. Zip2 n’a jamais été rentable, mais son cofondateur empoche vingt millions de dollars et devient la nouvelle coqueluche de la Valley. Ce pécule lui permet de lancer X.com, une banque en ligne au nom évocateur.

“Je dirais que mon talent et mon expertise résident dans ma capacité à bâtir une super entreprise internet avec de solides fondations. Je ne connaissais rien aux médias lorsque j’ai créé Zip2, j’ai appris sur le tas”. À partir de cette citation, un portrait au vitriol publié en 1999 prédit que Musk sera “the next big thing” de la Silicon Valley. La logique circulaire de Musk n’échappe pas à l’auteur : ce dernier serait doué pour bâtir des entreprises, car… il serait doué pour bâtir des entreprises. Mais c’est précisément ce que recherchent les Venture Capitalists dans l’époque post-Netscape que nous avions décrit précédemment : pas des idées géniales (plusieurs start-up proposaient de s’attaquer au secteur bancaire) ni des ingénieurs talentueux, mais des personnalités ayant fait leurs preuves en démultipliant le capital-risque de leurs premiers investisseurs. Musk a la réputation d’un bourreau de travail prêt à tout sacrifier pour sa vision, et cela plait.

Le premier coup marketing d’Elon Musk ? Acheter une McLaren pour un million de dollars et inviter CNN à filmer la livraison du véhicule à son domicile.

Comme avec Zip2, les débuts de X.com sont pour le moins chaotiques. Au bout de quelques mois, les employés recrutés par Musk tentent de lui retirer le poste de PDG, excédés par son comportement erratique et son management brutal. Face à son refus, les principaux talents de la start-up démissionnent. Musk est sauvé par Sequoia Capital et son gestionnaire Michael Moritz, un VC particulièrement en vue. Il fournit à X.com une aide précieuse pour obtenir une licence bancaire et impose un nouvel homme de confiance au poste de PDG. La start-up commence à engranger les clients, qui sont incités à ouvrir un compte par l’octroi d’un chèque de 20 dollars pour toute souscription. Un service négligé par Elon Musk semble particulièrement populaire : le mécanisme de facilitation des paiements en ligne. Problème, X.com n’est pas seule sur ce créneau. Des dizaines de start-up californiennes se disputent le marché émergeant, dont une entreprise qui se situe par hasard dans le même immeuble que X.com : Confinity. Elle a été créée par Max Levchin, un informaticien talentueux, avec le soutien financier d’une jeune gestionnaire de fonds d’investissement en capital-risque.

Partager

Peter Thiel nait en 1967 en Allemagne de l’ouest de parents nostalgiques du nazisme. Il grandit également dans l’Afrique du Sud pendant l’apartheid avant de déménager en Californie en 1977. Thiel fait ses études supérieures à Stanford, où il obtient un master en philosophie et en droit. Sur le campus, il fonde le journal étudiant The Stanford Review, un titre conservateur et provocateur obsédé par les guerres culturelles. À l’époque, de nombreux campus américains voient fleurir ce type de publications, financées par les réseaux conservateurs du pays. Diplômé en 1992, Thiel tente une carrière de juriste en devenant clerc pour le juge fédéral James Edmondson. Il rejoint ensuite un cabinet d’avocat new-yorkais spécialisé dans la gestion d’actifs, mais démissionne au bout d’un an pour devenir courtier en produits dérivés chez Credit Suisse. Avec son comparse David Sacks, un autre Sud-Africain passé par la Stanford Review, il publie un pamphlet réactionnaire qu’il espère transformer en best-seller. Nouvel échec. Thiel quitte Wall Street pour rejoindre la Silicon Valley. Nous sommes en 1995, Netscape vient de réussir son entrée en bourse et Thiel parvient, grâce à ses réseaux Stanford, à lancer un fonds d’investissement en capital-risque. Comme Jim Clark, il mise le million de dollars qu’on lui a confié sur de jeunes ingénieurs talentueux issus de l’Université de l’Illinois. En particulier, un certain Max Levchin, qui cherche des financements pour Confinity.

La start-up propose des services financiers, notamment via son système de paiement en ligne astucieusement nommé “PayPal”. Thiel prend la direction et installe ses principaux amis passés par la Stanford Review à des postes de dirigeants. L’entreprise grandit avec la même stratégie d’acquisition de clients via le versement de primes. Une course s’engage avec X.com pour engranger une masse critique de clients.

Conscient d’être lancé dans un jeu à somme négative avec Musk, Thiel négocie une fusion-acquisition en 1999. En tant que principal actionnaire, Elon Musk obtient le poste de PDG et conserve sa marque X.com. Il clash rapidement avec Levchin sur les sujets techniques. Ce dernier ne comprend pas pourquoi Musk souhaite imposer l’utilisation d’une architecture informatique Windows au lieu d’Unix, utilisée par Confinity et plébiscitée par les entreprises de la Silicon Valley pour sa plus grande stabilité. Cette décision fait perdre un an à l’entreprise, qui doit entièrement réécrire le code source du service PayPal générant l’essentiel des revenus. “La seule raison pour laquelle nous avons survécu est qu’aucun concurrent n’obtenait de financement à l’époque” expliquera Levchin. Négligeant les problèmes de fraudes bancaires qui minent la start-up, Musk est évincé du poste de PDG par un coup d’État interne. Thiel prend la direction, abandonne le nom X.com au profit de PayPal, concentre les activités sur le service de paiement en ligne et revend la start-up à eBay pour 1,5 milliard de dollars en 2002. Les jeunes dirigeants deviennent multimillionnaires. Bientôt désignés sous le terme de “PayPal Mafia”, ils vont utiliser leurs capitaux pour fonder une série de start-up à succès.

Bienvenue dans le “Thielvers”

Elon Musk lance SpaceX en 2002, puis prend rapidement le contrôle de Tesla Motors, start-up fondée par deux ingénieurs de San Francisco. Steve Chen, Chad Hurley et Jawed Karim lancent YouTube, racheté pour 1,6 milliard de dollars par Google en 2006. Russel Simmons et Jeremy Stoppelman créent Yelp! et réalisent une introduction en bourse lucrative. David Sacks revend Yammer à Microsoft en 2012 pour 1,2 milliard. Reid Hoffman, le seul ex-PayPal ne partageant pas les vues politiques de Peter Thiel, revend LinkedIn à Microsoft pour 26 milliards en 2016. Hoffman informe également Thiel de l’émergence de Facebook, permettant à ce dernier d’investir dans le réseau social à ses débuts. Trop prudent, Thiel revend l’essentiel de ses parts dès l’introduction en bourse, empochant un milliard de dollars tout de même.

C’est sous son impulsion que la mafia PayPal sauve SpaceX de la faillite en finançant le lancement d’un quatrième tir de fusé salutaire (les trois premiers ayant échoué pour diverses raisons liées à l’impétuosité de Musk et son mépris des normes de sécurité en matière d’ingénierie). La NASA joue un rôle déterminant dans le succès de SpaceX, via un support technique non négligeable, des aides financières massives et des contrats publics indispensables.

De même, Tesla est sauvé de la banqueroute par l’intervention de l’administration Obama et les subventions de l’État de Californie, dont Musk abuse de manière illicite. L’augmentation continue du cours de bourse, propulsé par des promesses mensongères et potentiellement criminelles de robotaxis et voitures autonomes, hisse le Sud-Africain au rang d’homme le plus riche du monde. Sa fortune lui permettra de racheter Twitter avec l’aide de Larry Ellison et différents membres de la PayPal Mafia. Les échanges de SMS révélés lors du procès intenté par le réseau social pour contraindre Musk à honorer son extravagante offre de rachat révèlent que ce dernier évolue au centre d’un cercle de courtisans n’ayant aucune idée du fonctionnement de Twitter ou de ce qu’ils pourraient en faire. Sa prise de contrôle du réseau social connait des débuts désastreux. David Sacks, qui conseillait Musk pendant les premiers mois, contribue à la prise d’une série de décisions calamiteuses. Elles écornent encore plus l’image de génie de la Tech patiemment construite par Elon Musk. S’il est omniprésent dans les médias et s’achète un rôle d’administrateur temporaire au sein du gouvernement Trump, c’est son alter ego de PayPal, Peter Thiel, qui va exercer l’influence la plus notable sur la politique américaine.

Enrichi de 50 millions de dollars pour deux ans de travail à la tête de PayPal, Peter Thiel lance plusieurs fonds d’investissement en capital-risque. Ils lui permettent de pratiquer l’évasion fiscale à outrance et d’investir dans les start-up des membres de la PayPal Mafia. Tout comme Musk, Thiel sait parfaitement que la perception joue pour beaucoup dans la réussite au sein de la Silicon Valley. Ce qui explique pourquoi il s’acharne contre Gawker, un des rares titres de presse à remettre en cause le génie de Thiel et de sa mafia. À coup de procédures-bâillons, il parvient à provoquer la faillite du magazine.

Dans la foulée, Thiel cofonde Palantir (de Palan - surveiller et tir - loin, dans la langue elfique inventée par Tolkien). L’idée consistait, en partant de logiciels développés par PayPal pour traquer les fraudeurs, de proposer des outils permettant l’identification de terroristes potentiels. Thiel place Alex Karp au poste de PDG. Ancien camarade de Stanford, ce partisan du Parti démocrate permet de présenter Palantir sous des auspices plus progressistes. Car l’entreprise se concentre sur des services de collecte et gestion de données avec comme principaux clients les forces de l’ordre, l’armée et les services de renseignements. Palantir grandit sous l’administration Obama, dont les jeunes conseillers apprécient l’interface moderne, ergonomique et ludique des logiciels. En 2017, plusieurs cadres dirigeants de Palantir fondent une autre start-up au nom inspiré du Seigneur des anneaux, Anduril (la flamme de l’ouest). Peter Thiel compte parmi les principaux investisseurs. L’objectif est de produire des systèmes électroniques pour l’industrie de l’armement. Son premier contrat, chiffré en centaines de millions de dollars, couvre la mise au point d’une tour de surveillance à la frontière mexicaine pour lutter contre l’immigration. Un cadeau de l’administration Trump, qui entretient des liens étroits avec Peter Thiel, seule personnalité de la Silicon Valley à avoir publiquement soutenu sa candidature dès 2016. Anduril est désormais valorisée à plus de 28 milliards de dollars tandis que Palantir a vu son cours de bourse multiplié par 4 suite à la réélection de Donald Trump, atteignant une capitalisation boursière de 400 milliards de dollars. Ces deux entités sont impliquées dans la traque des migrants mise en place par la nouvelle administration américaine et soutiennent ouvertement Israël, Palantir ayant signé un contrat lucratif avec l’État hébreu pour l’aider à perpétrer son génocide.

Partager

Thiel ne se contente pas de mobiliser ses fonds d’investissement pour financer de manière quasi militante des start-up dirigées par des conservateurs issus de ses réseaux. Il rejoint le comité de direction de la Hoover institution et écrit des pamphlets à caractère éminemment politique, où il développe des idées s’inscrivant dans la contre-révolution anti-lumières. Pour lui, la démocratie est un frein au progrès et “n’est pas compatible avec le libéralisme”. En parallèle, il publie “Zero to one”, un best-seller à l’usage des entrepreneurs rédigé à partir des cours qu’il dispense à Stanford depuis 2004. Il y décrit sa vision de l’entrepreneuriat, qui consiste à utiliser l’innovation et le capital-risque pour construire des entreprises susceptibles d’obtenir une position monopolistique. “La compétition, c’est pour les losers”, car il n’est pas possible d’extraire des rentes lorsqu’on évolue au sein d’un secteur trop concurrentiel. Pour lui, “les ventes sont aussi importantes que la qualité du produit”, puisque ce sont elles qui permettent de réaliser la croissance de masse débouchant sur un monopole. On est loin de la passion pour le produit érigé en éthos par Steve Jobs. Cette vision provocatrice exerce une influence très large au sein des entrepreneurs et capital-risqueurs de la Tech. D’autant plus qu’il prône un modèle de start-up laissant les pleins pouvoirs aux fondateurs. Or, Thiel devient le mentor de nombreuses figures proéminentes de la Valley, dont Mark Zuckerberg. En l’aidant à déposer les statuts de Facebook de manière à octroyer des droits de vote préférentiels au fondateur, il immunise ce dernier contre les pressions internes, les décisions du Conseil d’administration et les forces du marché qui pourraient exercer un contre-pouvoir. Si Zuckerberg survit au scandale Cambridge analytica, à l’implication de Facebook dans le génocide birman et au fiasco du Métavers, c’est en partie grâce à la structure de l’actionnariat mis en place par Thiel.

Deux autres cas illustrent parfaitement l’influence du cofondateur de PayPal. Ce dernier offre à un certain JD Vance, auteur du best-seller Hillbilly Elegy, un poste de gestionnaire dans son fonds d’investissement Mithril Capital. Vance acquiert une légitimité dans le monde des affaires puis lance son propre fond, Narya Capital. Thiel investit très lourdement dans cette entreprise, dont le nom reprend celui d’un des anneaux de pouvoir de Tolkien. Narya Capital finance des start-up proches des réseaux d’extrême droite américaine, dont l’entreprise de diffusion de vidéo Rumble, une alternative à YouTube qui ne s’embarrasse pas des mêmes règles de modération. JD Vance gagne ainsi en influence auprès d’une partie de la Silicon Valley. Puis Thiel finance sa campagne pour le poste de sénateur de l’Ohio et l’introduit auprès de Donald Trump, qui le choisira comme colistier suite aux encouragements des pontes de la Tech. Avec Vance à la Maison-Blanche, Thiel et le courant technofasciste dans lequel il s’inscrit, disposent d’un relais précieux au cœur du pouvoir. Une situation idéale lorsque l’Intelligence artificielle générative devient un enjeu majeur du mandat présidentiel. Cette technologie énergivore est imposée au grand public par OpenAI, start-up dirigée par un homme considérant également Peter Thiel comme mentor : l’ambitieux Sam Altman.

2) De l’intelligence artificielle à l’âge des “Fake Techs”

Le terme “Intelligence artificielle” fait son apparition en 1956 lors de la conférence de Dartmouth, où une vingtaine de chercheurs se réunissent pour poser les jalons de ce domaine de recherche. Pour attirer les financements, ils délaissent la dénomination “Études des automates” au profit d’“Intelligence artificielle”, terminologie plus séduisante. L’objectif de cette nouvelle discipline n’est plus simplement de concevoir des programmes informatiques capables de réaliser des tâches précises, mais de produire une intelligence générale susceptible de dépasser l’Homme.

Cette idée n’a rien de révolutionnaire. Au début des années 1800, un automate capable de jouer aux échecs fait fureur auprès de l’aristocratie européenne. Baptisé “Turc mécanique”, il se compose d’un large bureau sur lequel est disposé un plateau d’échecs actionné par un mannequin articulé aux allures de grand vizir. La supercherie sera dévoilée après de nombreuses années : derrière les engrenages visibles sur le devant de la machine se cache un véritable joueur d’échecs qui actionne les bras articulés du “turc” pour déplacer les pièces. Le nom de “Turc mécanique” sera repris par Amazon pour baptiser, quelque 200 ans plus tard, sa plateforme internet permettant d’embaucher des travailleurs payés au clic pour réaliser diverses tâches rébarbatives. Ces “petites mains” sont utilisées pour entraîner les modèles d’intelligence artificielle les plus récents, mais également par des entreprises prétendant vendre des services reposant sur l’IA, mais qui confient discrètement leurs prestations à ces travailleurs ubérisés. Après deux siècles d’Histoire, l’IA semble toujours traversée par les manipulations et supercheries.

Suite à la conférence de Dartmouth, deux écoles de pensée se disputent les budgets de recherche. Les “symbolistes” estiment que l’intelligence découle du savoir et cherchent à modéliser les mécanismes de la pensée. Créer des machines intelligentes nécessiterait de leur insuffler de la connaissance sur laquelle appuyer des règles de raisonnement. L’approche repose sur des boucles logiques visant à piocher dans des informations préexistantes. À l’inverse, les connexionnistes estiment que l’intelligence vient de la capacité à apprendre. Pour eux, le chemin vers une Intelligence artificielle générale (AGI) susceptible de dépasser l’homme passe par la création de machines autoapprenantes s’inspirant du fonctionnement biologique du cerveau.

En 1960, le professeur Frank Rosenblatt fait la démonstration de son Perceptron, un algorithme capable d’apprendre à classer différentes cartes. Il tourne sur un gigantesque “mainframe” d’IBM et repose sur un réseau de neurones artificiels à une couche, un modèle mathématique théorisé dès 1943 par les Américains Warren McCulloch et Walter Pitts. Il s’inspire grossièrement des neurones biologiques dans sa conception. Le modèle fait varier un certain nombre de paramètres (les poids et seuils de ses “neurones artificiels”, qui ne sont que des fonctions mathématiques basiques disposées en réseau) pour trouver une relation liant les données fournies en entrée à celles renvoyées en sortie. Une fois le modèle “entrainé”, il est capable de fournir des réponses en interpolant les données d’entrée.

L’emploi du terme “réseau de neurones” participe à la suggestion d’une intelligence et entretient un certain flou sur les capacités réelles de la machine. Rosenblatt le compare à un cerveau humain et prétend que son IA pourra, “sous trois à huit ans, avoir l’intelligence générale d’un humain moyen”. L’enthousiasme suscité par le concept se heurte rapidement à de nombreuses limites liées à la puissance de calcul insuffisante des ordinateurs et le manque de complexité de ce type d’algorithmes.

En 1967, un autre programme bouscule le champ de recherche. ELIZA, du professeur au MIT Joseph Weizenbaum, est un agent conversationnel simulant un psychothérapeute. Le logiciel nécessite un ordinateur large comme une salle de classe. Il produit du texte sur un écran en fonction des questions entrées par un interlocuteur. ELIZA reformule les affirmations en interrogation et se base sur certains mots clés pour poser des questions générales. “Je suis malheureux” devient “vous êtes malheureux”. “Mon fils me pose problème” déclenche la réponse “parlez-moi de votre famille”. Son fonctionnement repose sur des boucles logiques préprogrammées, conformément à l’approche symbolique. Certains patients sont convaincus de l’intelligence de la machine ou du fait qu’ils sont confrontés à un vrai thérapeute. Ce qui pousse Weizenbaum à conclure que développer de l’IA pouvant entretenir l’illusion d’une capacité cognitive humaine risquerait d’entraîner des “répercussions sociétales désastreuses”. Il passe le reste de sa carrière à alerter sur ce danger, en vain.

En 1986, le professeur Geoffrey Hinton co-publie un algorithme permettant d’empiler plusieurs couches de neurones artificiels en un seul modèle, via une fonction de “backpropagation”. Astucieusement rebaptisée “Deep learning”, cette technique permet de passer de l’apprentissage automatique (machine learning) à l’apprentissage profond. Pourtant, cette avancée théorique se heurte de nouveau aux limites imposées par la puissance des ordinateurs. Elle souffre aussi d’un manque de données exploitables pour entraîner ces nouveaux types de programmes. Les années 1970 et 1980 sont ainsi décrites comme un hiver de l’IA. Les financements se tarissent et les progrès stagnent.

L’approche connexionniste est délaissée au profit de l’approche symbolique. Par souci de rentabilité, la recherche s’oriente vers le développement de systèmes “experts” dédiés à des taches précises et conçus avec l’aide de spécialistes du domaine d’application (biologie, médecine, etc.). Le point culminant de cette vague semble atteint en 1997, lorsque le programme Deep Blue d’IBM bat le champion du monde des échecs Gary Kasparov. En alliant une recherche en arbre visant à simuler tous les coups possibles avec une fonction d’évaluation de ces derniers, Deep Blue compte sur la puissance de calcul brut pour dominer l’être humain. Le programme compare les coups simulés à une base de données contenant des millions de parties en suivant des règles programmées à l’aide d’un grand maitre d’échecs. La machine serait-elle en passe de supplanter l’Homme ?

Malgré ses résultats spectaculaires, l’approche symbolique se heurte à la complexité du réel. Le programme Watson excelle au jeu de Jeopardy. Mais les applications commerciales ne sont pas rentables. Trop cher, son développement pour le domaine médical est finalement abandonné. De même, le modèle CYC échoue à produire une IA généraliste exploitable malgré l’intégration de quelque 70 milliards de faits censés décrire notre monde.

En 2006, Geoffrey Hinton et ses équipes perfectionnent les algorithmes de deep learning en publiant leur modèle convolutif. À la même période, la firme NVDIA, spécialisée dans les cartes graphiques pour jeu vidéo, commence à investir dans d’autres applications. La puissance nécessaire pour faire tourner les gros réseaux de neurones artificiels devient peu à peu accessible, mais quid des données pour les entraîner ? La réponse vient de la professeure Fei-Fei Li de l’université de Stanford, qui met au point ImageNet, une base de données contenant plus de 14 millions d’images annotées manuellement et classées en 20 000 catégories distinctes. En 2009, elle place cette ressource en accès libre et lance une compétition internationale de reconnaissance d’image. Les trois premières éditions sont remportées par des algorithmes reposant sur des principes symboliques, avec des taux d’erreurs avoisinant les 25 %. En 2012, deux étudiants de Geoffrey Hinton, Alex Krizhevsky, et Ilya Sutskever, le convainquent de participer à la compétition. Leur algorithme repose sur un réseau de neurones convolutif entrainé sur la base de données ImageNet par des puces NVDIA. Il écrase la concurrence.

À partir de cet évènement, la recherche et l’investissement en IA se tournent quasi exclusivement vers l’approche connexionniste et le deep learning. La grande quantité de données disponibles grâce à l’émergence du Web 2.0 et les progrès fulgurants des GPU encouragent les géants de la Tech à investir massivement dans les réseaux de neurones artificiels. Le “deep learning” permet d’entraîner des algorithmes à la détection de fraudes bancaires, à la reconnaissance d’image, la prédiction de texte, l’analyse radiologique en médecine,… Le taux d’erreur non négligeable et le manque de fiabilité intrinsèque à cette technologie ne constituent pas un frein économique. Pouvoir reconnaitre une image neuf fois sur dix ou améliorer la compréhension des textes par les moteurs de recherche suffit à générer des retours sur investissement immédiats.

Dès 2013, Google rachète la société créée par Krizhevsky et Sutskever 44 millions de dollars. Puis en 2014, la très prometteuse start-up londonienne DeepMind, qui avait bénéficié des investissements de Peter Thiel et Elon Musk, est à son tour rachetée pour plus de 400 millions. Les autres géants de la Tech emboitent le pas de Google. Entre 2013 et 2021, les montants dépensés en fusion-acquisition par la Silicon Valley dans le domaine de l’IA passent de 14 à 236 milliards de dollars. Des sommes qui n’incluent pas les budgets R&D des entreprises, qui se chiffrent en dizaines de milliards annuels pour les plus grands noms. Cette concentration passe également par une main basse sur les scientifiques. Sutskever et Hinton rejoignent Google. Facebook recrute Yann Lecun, l’autre “père” des réseaux de neurones profonds. Plus généralement, entre 2004 et 2020, la part des doctorants en IA recrutée par des entreprises passe de 21 à 70 %.

Cette concentration de la recherche dans le secteur privé inquiète de nombreux observateurs, alors que les percées scientifiques font resurgir les craintes d’un scénario à la Terminator. Nick Bostrom, philosophe aux inclinations eugénistes et pionnier du longtermisme - un courant “philosophique” associé au technofascisme - popularise un scénario apocalyptique. Dans son expérience de pensée du “maximiseur de trombones”, une IA programmée pour produire un maximum de ces objets pourrait, si elle développait une conscience, décider d’éradiquer l’humanité afin de pouvoir maximiser sa production de trombone sans entraves. Octroyer des capacités d’auto-apprentissage à une IA mal programmée pourrait ainsi entraîner des conséquences désastreuses, même si elle est conçue dans un but uniquement commercial.

Cette fable simpliste et quelque peu absurde rencontre un écho important au sein de la Silicon Valley. Elon Musk fait partie des grands noms de la tech à adhérer à sa thèse implicite, au moins publiquement. Au cours d’une soirée mondaine, il est horrifié d’apprendre de son ami Larry Page que ce dernier est à la fois confiant dans la capacité de Google à mettre au point une intelligence supérieure à l’homme et peu soucieux des conséquences potentielles. Le rachat de DeepMind par Google alimente la peur d’Elon Musk : à quoi bon coloniser Mars pour sauver l’humanité si cette dernière se fait rattraper par une IA hors de contrôle ? Cette préoccupation l’aurait rendu vulnérable aux arguments déployés par un certain Sam Altman, qui le convainc de cofonder une start-up vouée au développement d’une IA bienveillante. L’entreprise aura vocation à prendre Google de vitesse tout en reposant sur une structure à but non lucratif pour la libéré des contraintes capitalistes.

OpenAI est lancée en 2015 par Sam Altman, Ilya Sutskever, Greg Brockman et Elon Musk. Peter Thiel, Reid Hoffman et Y Combinator contribuent au financement initial, chiffré à un milliard de dollars. La société à but non lucratif promet de publier ses résultats en open source, avec pour mission “d’assurer que l’AGI bénéficie à toute l’humanité”. Le conseil d’administration est codirigé par Musk et Altman, Sutskever assurant le rôle de directeur scientifique. Doté d’une foi inébranlable dans les réseaux de neurones profonds, ce dernier est convaincu qu’il suffit de poursuivre une stratégie d’augmentation d’échelle des modèles (hyperscaling) pour s’approcher d’une IA générale. Ce qui implique de multiplier exponentiellement le nombre de paramètres, de variables, de données et de puissance de calcul servant à concevoir les modèles. Reste à savoir où appliquer cette logique d’hypertrophie.

La réponse va venir des laboratoires de Google, qui publient un article majeur en 2017, sobrement intitulé “Attention is all you need”. Le papier introduit une nouvelle architecture pour réaliser de la reconnaissance et prédiction de texte, appelé “Transformers”. Ils permettent de prendre en compte un large ensemble de mots en entrée plutôt que de reposer sur l’analyse de la dernière phrase d’un texte, comme le faisaient les réseaux de neurones de types convolutif utilisés jusqu’alors. La prise en compte du contexte améliore significativement les performances et offre de nouvelles opportunités de scalabilité (montée en échelle). Google utilise cette découverte pour améliorer ses outils de traduction et son moteur de recherche. Ilya Sutskever imagine une autre application : la génération de texte. Pour lui, forcer les modèles à produire du langage doit constituer un accélérateur puissant vers l’AGI, car cela requiert une grande compression de données dans un effort de synthèse. Il stipule que “l’intelligence est de la compression” en partant de l’adage “on ne peut créer ce qu’on ne peut comprendre”. Ce qui est ironique, lorsque l’on sait que les algorithmes de Deep learning se comportent comme des gigantesques boites noires du point de vue des ingénieurs. En effet, le modèle qui résulte de la phase d’entrainement est inintelligible. Cela fonctionne, sans que personne ne puisse comprendre exactement comment ou pourquoi.

OpenAI n’en a cure. La firme investit massivement dans cette direction et publie l’année suivante une première version de son Large Language Model (LLM), baptisé GPT1 pour Generative Pre-trained Transformer. Elon Musk assiste à une démonstration en interne, sans saisir le potentiel de cette avancée. Son attention est ailleurs. Il s’engage bientôt dans un bras de fer avec Sam Altman pour le contrôle de l’entreprise. Selon Musk, les progrès sont trop lents, OpenAI nécessite une nouvelle direction et davantage de capitaux pour concurrencer Google. Il souhaite l’intégrer à Tesla, dont les efforts en matière d’IA entrent en compétition avec OpenAI en termes d’achat de matériel et d’embauche d’experts. Altman prévaut, forçant le départ de Musk. Dans la foulée, OpenAI va progressivement renoncer à son modèle 100 % non lucratif et, avec la sortie de GPT-2, rompre définitivement sa promesse de transparence. Fini l’open source.

Les progrès de GPT-2 alertent de nombreux experts au sein d’OpenAI, qui s’inquiètent des usages néfastes pouvant être faits de la technologie (production de désinformation, échanges manipulateurs, génération de textes véhiculant des idées racistes ou violentes, etc.). D’autres voient dans le potentiel de la technologie le risque d’aboutir trop rapidement à une AGI, avant que les garde-fous ne soient mis en place. Les réserves de certains chercheurs sont ignorées par Sam Altman et Dario Amodei, le vice-président de la recherche qui quittera OpenAI en 2021 pour cofonder Anthropic. Pour eux, le meilleur moyen de prévenir les risques liés aux LLM est de mettre sur le marché le plus rapidement possible le plus gros modèle possible. GPT3 devient un projet massif nécessitant une montagne de données et des milliers de GPU vendus plusieurs dizaines de milliers de dollars l’unité. Pour parvenir à ses fins, OpenAI peut compter sur un nouveau partenariat avec Microsoft, qui fournit des serveurs et un milliard de dollars de capital. Cet investissement incite Altman à accélérer la sortie de GPT3. OpenAI scrape et pille des quantités inédites de données, dont des livres sous copyright, pour parvenir à entraîner son modèle. De la main-d’œuvre sous-payée et majoritairement issue du tiers-monde est employée pour procéder à la phase d’entrainement supervisée. Le résultat est l’agent conversationnel ChatGPT, dont la version grand public sort fin 2022.

L’impact dépasse largement le cadre commercial immédiat. Avec son approche, OpenAI impose un modèle de développement néocolonial qui repose sur l’hypserscaling des modèles. Pour améliorer ces derniers, il faut toujours plus de données, toujours plus de data centers et toujours plus de puissance de calcul. Ce qui signifie toujours plus de ressources (eau, électricité, minerais), de pollution, d’émissions de gaz à effet de serre, de vol de données et d’exploitation des travailleurs du clic. Cette fuite en avant produit un véritable cercle vicieux au cœur duquel se retrouvent, pour des raisons essentiellement économiques, la manipulation et le mensonge que nous évoquions en introduction. Les recherches d’Apple ont démontré ce que bon nombre d’experts disaient déjà : les LLM ne sont pas capables de mener des raisonnements ni de comprendre l’essence de ce qu’ils font. Ils se contentent de deviner la suite de mots la plus plausible à générer pour compléter une donnée d’entrée, qu’il s’agisse d’une simple conversation, d’un problème de mathématiques complexe ou d’une tache de programmeur informatique. Yann Lecun a lui-même reconnu que les LLM constituaient une voie de garage pour toute personne désirant mettre au point une AGI, tandis que les principaux chantres de l’hyperscaling admettent désormais que cette approche aux rendements décroissants a atteint sa limite. Ces faits n’empêchent pas OpenAI et ses concurrents d’alimenter un discours entretenant des mythes sur les capacités réelles de ces systèmes. Discours qui justifient une fuite en avant en matière d’investissement et de construction de data centers dont l’empreinte carbone exponentielle conduit déjà à la réouverture des centrales à charbon et à l’abandon des objectifs climatiques. Même Bill Gates et l’ancien PDG de Google Éric Schmidt estiment que la quête vers l’AGI justifie de renoncer à la réduction des émissions de gaz à effet de serre. Pour eux, la crise climatique sera résolue par une IA toute puissante, dont le développement nécessite d’augmenter considérablement les rejets de CO2 .

En attendant cette rupture fantasmée, OpenAI et ses concurrents s’efforcent de rendre leurs produits addictifs. Les chatbots entretiennent la confusion sur leurs capacités et leur nature profonde. “Il n’y a pas de situation plus profitable pour l’entreprise que celle où vous tombez amoureux de son produit”, note Anne Alombert. Tant pis si les chatbots peuvent livrer des réponses érotiques, s’en prendre à des enfants, convaincre certains clients de commettre des meurtres et d’autres de se suicider. Le cours de Tesla a flambé sur les cadavres créés par son assistant à la conduite faussement présenté comme un “autopilote”. OpenAI peut imposer ChatGPT comme un confident indispensable malgré son penchant à l’hallucination. Les conséquences sociétales ne sont qu’une externalité négative permettant à Sam Altman et ses pairs d’accroitre leur richesse et leur pouvoir.

Épilogue : vers le technofascisme et au-delà

À travers cette “brève histoire de la Silicon Valley” se dessinent les mécanismes au coeur de la machine à innover californienne. Si les entrepreneurs jouent essentiellement des rôles accidentels, les investissements militaires, la recherche publique et le tissu universitaire constituent des facteurs déterminants. Les réseaux de financement via le capital-risque et les structures économiques et sociales ont fait le reste. Bien malin qui prétend identifier l’inventeur de l’ordinateur, d’internet, des réseaux sociaux ou du deep learning. De la même manière que le génocide Ohlone aurait eu lieu avec ou sans Leland Stanford, la découverte du transistor n’avait pas besoin de William Shockley. Néanmoins, la nature des inventions issues de la Silicon Valley et leur déploiement dépendent des forces socio-économiques qui leur sont contemporaines. Internet aurait pu être un espace démocratique et le logiciel libre s’imposer contre la propriété intellectuelle. Quant à l’IA générative ? Aurait-elle pu être développée autrement que par OpenAI ?

Pour Karen Hao, la réponse est non. Google n’osait pas piller les données sous copyright comme l’a fait OpenAI, par crainte des procès. Aucune autre entreprise n’aurait pu se permettre de brûler des milliards de dollars d’investissement sans un débouché commercial clairement identifié. Aucune autre structure n’aurait osé lancer ChatGPT sur le marché sans réelles précautions. Même la Chine n’allait pas investir de pareilles sommes sans perspectives commerciales claires. La publication de GPT2 n’avait pas convaincu les autres géants de la Silicon Valley de suivre la stratégie d’OpenAI. Ce n’est qu’après coup que tous ces acteurs ont emboité le pas de la start-up. Avec son réseau de financiers, l’aptitude de Sam Altman à lever des fonds et sa structure juridique baroque, OpenAI présentait un véhicule unique en son genre. Les biais idéologiques de ses investisseurs et leur capacité de financement illimité expliquent la direction qu’elle a prise, sous l’impulsion de son ambitieux PDG.

Comme nombre de ses pairs, Sam Altman a grandi dans un milieu social aisé. Dès l’âge de huit ans, il obtient un premier ordinateur sur lequel apprendre la programmation. Après avoir rejoint un lycée privé renommé, il est admis à Stanford pour étudier l’informatique. Il cofonde Loopt en 2005 et, suite à des levées de fonds réussies, abandonne ses études. L’entreprise est revendue 48 millions de dollars en 2011, soit la somme injectée par ses investisseurs. Un échec qui ne porte pas préjudice à l’entrepreneur. Homme de réseau particulièrement doué pour vendre des idées, Altman est décrit comme une personne à la capacité de séduction sans égal, dont le principal talent est d’acquérir du pouvoir. Souvent accusé de dissimuler des faits et d’être manipulateur, il fait face à diverses tentatives d’éjection des entreprises qu’il dirige (Loopt en 2011, puis OpenAI en 2024). Son succès doit beaucoup à Paul Graham, le directeur de Y Combinator. Dans les années 2010, cet incubateur de start-up fait la pluie et le beau temps sur la Silicon Valley. Graham prend Altman sous son aile puis lui permet de rejoindre Y Combinator en tant qu’associé. Une position qui l’aide à constituer un réseau et bâtir une fortune via des investissements bien sentis. En 2014, Altman hérite de la direction de Y Combinator. Il devient un véritable faiseur de rois, avec l’aide de son second mentor, Peter Thiel. Ce dernier lui enseigne son approche monopolistique et sa doctrine de croissance à tout prix. Altman baigne dans les courants libertariens à tendance technofasciste qui imprègnent la Silicon Valley des années 2010. Comme Musk, il fait un usage immodéré de drogues récréatives. Et comme Thiel, il investit dans des entreprises d’allongement de la vie à tendance transhumaniste, finance des initiatives de cités-États libertariennes à visée sécessionniste et manifeste un certain intérêt pour le survivalisme. Pour vendre son approche de l’IA, Altman n’hésite pas à monopoliser les récits apocalyptiques et les théories accélérationnistes propres à la doxa technofasciste.

Avec le succès de ChatGPT, OpenAI s’éloigne de son objectif de développement d’un AGI bienveillante. Remplacer les travailleurs par des algorithmes et détériorer les conditions de travail de ceux qui restent devient le but implicite de Marc Andreessen, d’Anthropic et de ChatGPT-5. Or, ces tendances sont concomitantes au ralliement explicite de tous les dirigeants de la tech derrière Donald Trump. Il y a les manifestations caricaturales, tels Elon Musk, ses saluts nazis et son DOGE (Departement of Governement Efficency). Et les soldats de l’ombre qui placent leurs alliés à des postes clés de l’administration. Marc Andreessen obtient la dérégulation de l’IA et l’intégration des cryptomonnaies à la sphère financière traditionnelle. David Sacks devient le monsieur crypto et IA du gouvernement (deux technologies reposant de plus en plus explicitement sur la hype et le soutien de l’État). Peter Thiel influe sur le DOGE et installe son protégé à la vice-présidence. Larry Ellison rachète un à un les médias avant de se voir confier la direction de TikTok pour procéder à une nouvelle forme de contrôle de l’information. La liste est longue et les manifestations du technofascisme aussi hétérogènes que ses suppôts.

Aux abords du second quart de siècle, deux tendances semblent ainsi se confirmer. D’un côté, l’entrée dans un “âge des FakeTech”. Il y avait des signes précurseurs, lorsque Larry Ellison conseillait Elizabeth Holmes, cofondatrice de l’arnaque Theranos, de “construire l’avion pendant le vol”. Il y a eu des confirmations, lorsque le longtermiste Sam Bankman Fried voit son empire crypto en forme de pyramide de Ponzi s’effondrer, lui valant de rejoindre Holmes en prison pour escroquerie aggravée. Au mythe de l’ubérisation heureuse et aux promesses exagérées de la voiture autonome a succédé l’arnaque des cryptomonnaies. Présentées comme une alternative décentralisée à la finance globalisée, cette dernière a été institutionnalisée par Donald Trump. L’innovation ne sert plus à lancer des produits conçus pour rendre service au consommateur, mais pour le manipuler et le placer dans une situation de dépendance. Tout est bon pour produire de la hype, attirer les investissements et gonfler les cours bousiers, comme le confirme l’émergence de ce que Sam Altman nommait récemment “la bulle de l’IA”.

De l’autre, on observe la montée d’un technofascisme qui s’assume publiquement. Palantir traque les sans-papiers pour Donald Trump. TikTok et Twitter diffusent les images des rafles de migrants stylisées par de l’IA pour donner un cachet “cool” au fascisme trumpien. Grok grandit sur les cendres des services publics tronçonnés par le DOGE d’Elon Musk. Google engrange des dizaines de millions de dollars pour faire la propagande génocidaire du cabinet de Netanyahou. Au-delà de l’opportunisme financier, cette alliance s’inscrit dans une filiation idéologique évidente. L’eugénisme de Thiel et Musk fait écho à une historicité méconnue, que cette brève histoire de la Silicon Valley a tenté de mettre en lumière.

Comme le documentent Nastasia Hadjadji et Olivier Tesquet dans “Apocalypse Nerd”, le technofascisme se manifeste à travers une hétérogénéité de courants et d’acteurs. Il débouche sur une contre-révolution dans laquelle “la modernité technique sert à faire reculer la modernité politique”. L’idéal démocratique laisse ainsi place à une concentration de pouvoir inédite dans les mains d’individus emplis d’une idéologie reposant sur la négation de l’humanité. Entre les constellations inutiles de satellites SpaceX menaçant la couche d’ozone, le longtermisme qui justifie de sacrifier le présent pour faire advenir une IA toute puissante et la surveillance de masse des Thiel et Ellison, il existe un socle commun évident.

Si les géants de la Tech sont en mesure d’afficher leur solidarité avec Trump version 2024, ils refusaient de mettre les pieds dans son conseil économique en 2017. À l’époque, les employés avaient contraint Google à renoncer à son partenariat avec le pouvoir chinois. Le PDG d’Uber avait été forcé de décliner l’invitation de la Maison-Blanche face aux protestations de ses chauffeurs et ingénieurs. Et Musk avait rompu les ponts suite au retrait américain de l’accord sur le climat. Si ces mêmes acteurs s’affichent désormais avec Trump, c’est que le rapport de force Capital-Travail a changé. Les vagues de licenciements post-covid provoquées par la hausse des taux d’intérêt et la fin de l’argent gratuit sont passées par là. De même, la concentration du capital et l’acquisition de monopoles indéboulonnables protègent les “Big Tech” de la colère des utilisateurs.

La Silicon Valley reste néanmoins empreinte de contradictions. L’aspiration à l’émancipation des salariés s’oppose aux vues totalitaires de ses dirigeants. La demande insatiable de l’IA générative rencontre les limites planétaires. Les plateformes deviennent paradoxalement de moins en moins fonctionnelles. L’enshitifcation conduit à un recul inédit de l’usage des réseaux sociaux. En remplaçant son moteur de recherche par une IA générative, Google scie la branche sur laquelle il s’est construit. De même, la nécessité de fournir des débouchés aux LLM se heurte au rejet de plus en plus vif qu’ils suscitent auprès du grand public et des dirigeants d’entreprise de moins en moins convaincus de leur utilité. Partout, des luttes s’organisent. Que ce soit les mouvements de grèves victorieux où figuraient des revendications anti-IA, les procès pour vol de copyright, les actions de collectifs qui rejettent l’usage des IA génératives dans différents secteurs économiques, les résistances locales à l’implantation de data centers… S’il faut retenir une idée de cette série, c’est bien que les entrepreneurs ne font pas l’Histoire. Le futur reste à écrire.

Ceci conclut cette longue série. Pour ne pas alourdir le texte et compliquer ma tâche, j’ai pris le parti de ne pas citer directement les références. Les affirmations sont aisément vérifiables par de simples recherches Internet. Et Lorsque ce n’est pas le cas, j’ai indiqué ma source ou inséré un lien hypertexte vers celle-ci. Pour les plus curieux, je vous renvoie à la bibliographie ci-dessous : Anatomie d’une bulle, Dr Thomas Gerbaud, Dr Antoine Gerbaud. 2023

• Apocalypse Nerds : Comment les technofascistes ont pris le pouvoir, Nastasia Hadjadji et Olivier Tesquet. Éditions Divergences, 187 pages, 2025.

• A City on Mars : Can We Settle Space, Should We Settle Space, and Have We Really Thought This Through?, Kelly and Zach Weinersmith. Penguin Press, 448 pages, 2023.

• A People’s History of the United States : 1492–Present, Howard Zinn. Harper Perennial Modern Classics, 784 pages, 2005.

• Automation and the Future of Work, Aaron Benanav. Verso Books, 256 pages, 2020

• Blood in the Machine, Brian Merchant (substack).

• Character Limit : How Elon Musk Destroyed Twitter, Kate Conger et Ryan Mac.
  Penguin Press, 430 pages, 2024.

• Davos Man - How the Billionaires Devoured the World, Peter S. Goodman, Mariner Books, 440 pages, 2022.

• Elon Musk, Walter Isaacson. Simon & Schuster, 688 pages, 2023.

• Elon Musk : Tesla, SpaceX, and the Quest for a Fantastic Future, Ashlee Vance. HarperCollins, 392 pages, 2015.

• Empire of AI : Dreams and Nightmares in Sam Altman’s OpenAI, Karen Hao.
  Penguin Press, 496 pages, 2025.

• En attendant les robots : Enquête sur le travail du clic, Antonio A. Casilli.
  Éditions du Seuil, 400 pages, 2019.

• Le mythe de l’entrepreneur : Défaire l’imaginaire de la Silicon Valley, Anthony Galluzzo.
  Éditions La Découverte, 240 pages, 2023.

• Liftoff : Elon Musk and the Desperate Early Days That Launched SpaceX, Eric Berger.
  William Morrow (HarperCollins), 288 pages, 2021.

• Ludicrous : The Unvarnished Story of Tesla Motors, Edward Niedermeyer.
  BenBella Books, 288 pages, 2019.

• No Crypto : Comment Bitcoin a envoûté la planète, Nastasia Hadjadji.
  Éditions Divergences, 220 pages, 2023.

• Palo Alto : A History of California, Capitalism, and the World, Malcolm Harris.
  Little, Brown and Company, 720 pages, 2023.

• Road to Nowhere : What Silicon Valley Gets Wrong About the Future of Transportation, Paris Marx. Verso Books, 272 pages, 2022.

• Steve Jobs, Walter Isaacson. Simon & Schuster, 656 pages, 2011.

• Une histoire de la conquête spatiale : Des fusées nazies aux astrocapitalistes du New Space, Irénée Régnauld, Arnaud Saint-Martin. La Fabrique, 316 pages, 2024.

• Un taylorisme augmenté - critique de l’intelligence artificielle, Juan Sebastián Carbonell, Éditions Amsterdam, 2025

• Zero to One : Notes on Startups, or How to Build the Future, Peter Thiel et Blake Masters. (Penguin Random House), 224 pages, 2014.

• Articles de presse divers (Jacobin, Wired, The New York Times…).

• Wikipédia, articles de presse cités par Wikipédia.

Bienvenue dans cette “Brève Histoire de la Silicon Valley”, une série en quatre articles pour comprendre comment cette région du monde est devenue le cœur du capitalisme contemporain. D’où vient la Tech et où nous conduit-elle ? Comment fonctionne l’innovation ? Nous tentons d’explorer ces questions et de nombreuses autres à travers ce long format. Le premier épisode est à découvrir ici et le second là. Le dernier sera publié lundi prochain via cette newsletter. Pour ne pas le manquer :

Abonnez-vous maintenant

Si vous appréciez cette série ou souhaitez soutenir mon travail, vous pouvez m’offrir un café en cliquant sur ce lien. Partager mes articles autour de vous aide également énormément. Bonne lecture !

* Partie 3 : conquérir le monde (2000 -2015) *

1. Du BIG DATA à BIG BROTHER

Pour surfer sur les millions de pages qui fleurissent sur la toile, les moteurs de recherches deviennent rapidement incontournables. Ils sont construits à l’aide d’un type de programme d’un genre nouveau : les crawlers ( “rampants”) ou robots d’indexation. Ces logiciels peuvent lire des lignes de langage humain et les traduire en code tout en remontant le fil des hyperliens, page par page, en indexant ainsi les données. Ce processus de web scrapping ou moissonnage permet de télécharger une version locale des informations contenues sur le web. Pour autant, à la fin des années 1990, les moteurs de recherches restent peu performants. Après avoir référencé les pages web, ils dirigent les internautes à l’aide de recherches par mots clés (Lycos, AltaVista) lorsqu’ils ne se contentent pas de fonctionner comme de simples annuaires (Yahoo!). Les jeunes Sergey Brin et Larry Page vont changer la donne.

Tous deux fils de professeurs d’université en informatique et mathématiques, ils se retrouvent assez logiquement dans le département de sciences informatiques de Stanford pour effectuer leurs doctorats. Entre autres, ils sont chargés de travailler au développement d’une bibliothèque numérique. Leur recherche, financée par de l’argent public, les oriente vers un projet de cartographie du web. Avec l’aide de la gigantesque infrastructure de Stanford, qui a mis la moitié de sa bande passante à contribution, ils téléchargent plus de 70 millions de pages pour dessiner une carte du web.

Partager

Sergey Brin est fasciné par l’imbrication des pages web, dont les liens fonctionnent comme des citations de publications scientifiques. Le rapprochement entre leur projet de bibliothèque numérique et un moteur de recherche s’impose peu à peu. L’idée, construite conjointement avec leur professeur, consiste à reproduire le système de citation des publications scientifiques. Plus un article de recherche est cité par d’autres auteurs, plus il est jugé important, surtout s’il est cité par d’autres publications estimées. De même, plus un site web sera cité via des liens hypertextes, plus il aura des chances d’être pertinent. Classer les résultats d’une recherche par mot clé sur ces critères (plutôt que le nombre d’occurrences du mot en question) va permettre de révolutionner les moteurs de recherche. Page et Brin nomment leur algorithme “page rank”. Sa programmation est réalisée par un troisième étudiant de Stanford, Scott Hasan. Le principe sous-jacent s’inspire d’un algorithme similaire (RankDex) et son développement est le fruit d’une collaboration avec trois autres étudiants de Stanford. Le moteur de recherche ainsi créé est d’abord mis en ligne et hébergé sur les serveurs de l’Université. Scott Hasan quitte le projet quelque temps avant que Brin et Page décident de déposer les statuts de leur entreprise, qu’ils nomment Google, et de transférer le moteur de recherche sur un site privé, Google.com

Aidés par les réseaux Stanford et leurs parents, ils parviennent à lever un million de dollars et s’installent dans un garage de la Silicon Valley. Parmi les premiers investisseurs, on compte l’ancien cofondateur de Sun Microsystems passé par Stanford, Andy Bechtolsheim, ainsi qu’un certain Jeff Bezos. Les débuts restent délicats. Google ne dégage pas encore de revenus et nécessite des investissements importants pour faire face à la hausse spectaculaire du trafic. Les deux fondateurs tentent de revendre leur concept pour un million de dollars à Excite, un des principaux moteurs de recherche de l’époque, sans succès. Google survit à l’explosion de la bulle internet grâce aux quelque 25 millions de dollars apportés par les Venture Capitalist fin 1999, dont Sequoia Captial. Ce dernier exige l’embauche d’un PDG expérimenté pour gérer la jeune entreprise.

D’abord à contrecœur, Sergey Brin et Larry Page acceptent d’inclure de la publicité dans les résultats du moteur de recherche. L’entreprise rompt rapidement avec le modèle existant pour facturer les annonceurs au clic en mettant en place un système d’enchère, une innovation copiée sur un concurrent. La seconde rupture de Google vient de la décision de “scrapper” les données de ses utilisateurs, que ce soit les historiques de navigations ou les emails des clients, pour permettre un ciblage de plus en plus précis des publicités. Reproduisant la logique des crawlers, la firme enchaine les succès : son service de courrier électronique “gmail”, d’abord disponible sur invitation, est plébiscité par les clients qui louent la gratuité et le gigantisme de l’espace de stockage offert. Une générosité permise par le cash des investisseurs et les revenus générés par les publicités ciblées.

Google va ensuite scrapper l’ensemble des livres publiés (“google books”) puis des rues de toutes les villes (“google maps”, “street view”) et les photos aériennes (“google earth”) pour construire des outils grand public. Le succès va permettre de racheter YouTube, DeepMind et de nombreuses autres start-up et ainsi alimenter une croissance par acquisition. Une fois de plus, les mécanismes socio-économiques et la chaine continue d’innovation expliquent davantage le succès de Google que les aptitudes particulières de ses cofondateurs.

Au cours de la même décennie, un autre adepte des web crawler va incarner l’avènement du web 2.0. Mark Zuckerberg provient d’un milieu privilégié. Son père est un dentiste féru de technologie qui l’initie très tôt à l’informatique. Il lui offre un Atari avec des leçons de BASIC dès l’âge de dix ans puis lui paye des cours particuliers de programmation. Scolarisé dans un lycée privé prestigieux qui permet d’intégrer les grandes universités américaines, il suit les pas de sa sœur en étant à son tour admis à Harvard. Là, il expérimente avec les crawlers en scrappant le site web de l’Université où sont référencées les photos et identités des étudiants. Avec ses camarades de dortoir, il met en ligne Facemash, site douteux qui affiche aléatoirement deux images d’étudiant(e)s et propose au visiteur d’élire le plus attrayant(e). Le site est rapidement fermé et Zuckerberg convoqué en conseil de discipline.

Fort de ce succès, le jeune homme aurait été approché par deux autres étudiants de Harvard, les frères Winklevoss, pour programmer un réseau social reposant sur l’idée d’un annuaire numérique des étudiants de l’Université. Ces jumeaux deviendront eux-mêmes des pontes de la Silicon Valley en réinvestissant dans les cryptomonnaies l’argent touché suite à un procès pour plagiat intenté contre Facebook. Zuckerberg ne livre pas le travail, mais lance, avec quatre camarades de dortoir, son propre réseau social. The Facebook est en ligne en 2004. Initialement accessible uniquement à l’aide d’une adresse mail issue d’une université prestigieuse, il s’étend au-delà d’Harvard comme une trainée de poudre. Zuckerberg déménage logiquement dans la Silicon Valley où l’ancien fondateur du logiciel de partage en pair à pair Napster (ancêtre des sites de piratage type Pirate Bay, BitTorrent, etc.) le prend sous son aile. Un certain Peter Thiel investit un demi-million de dollars dans la start-up et aide Zuckerberg à lancer son entreprise.

Facebook n’était pas le premier réseau social ni même nécessairement le plus innovant. MySpace avait connu ses heures de gloire et d’autres réseaux avaient vu le jour dans des universités américaines (dont Stanford et même Harvard, si on compte le réseau des frères Winklevoss). Mais Zuckerberg a réalisé un “coup” en scrappant les adresses mail des contacts des premières centaines de milliers d’utilisateurs, ce qui lui a permis d’inonder leurs carnets d’adresses d’invitations. Le sentiment d’exclusivité initial a fait le reste. Si Facebook met en place diverses innovations, comme le “fil d’actualité”, c’est bien l’absence de scrupule pour monétiser les données de ses clients et l’argent des VC qui ont permis à Zuckerberg d’obtenir une position monopolistique et de racheter toute start-up susceptible de lui faire de l’ombre, dont Instagram et WhatsApp.

L’explosion de l’usage d’internet et l’émergence du Web 2.0 produisent des montagnes de données suscitant les convoitises. Une fois récupérées, elles permettent de bombarder les consommateurs de publicités ciblées. Cette petite révolution prend place dans un contexte de très forte augmentation des budgets publicitaires des grandes firmes. Un jeu à somme nulle pour l’économie qui s’explique par l’essoufflement du néolibéralisme, marqué par un ralentissement de la croissance et des gains de productivité. La crise de 2008 a aggravé ce constat, pour le plus grand bonheur de Facebook et Google. Sur les 160 milliards de chiffre d’affaires générés par Meta en 2024, plus de 97 % sont issus des revenus publicitaires, pour un bénéfice net de 65 milliards. La même année, Alphabet (la holding de Google) avait réalisé 350 milliards de chiffre d’affaires pour 100 milliards de dollars de bénéfices. Les trois quarts de ces revenus provenaient de la publicité.

La première victime de ce nouveau paradigme fut le journalisme. La migration des encarts publicitaires vers Google et Facebook prive les médias traditionnels d’une source majeure de revenus. La presse locale, pourtant essentielle d’un point de vue démocratique, voit des milliers de titres disparaitre. Pour ne pas subir le même sort, les grands journaux se font peu à peu racheter par des milliardaires acceptant de financer à perte des rédactions qu’ils transforment rapidement en organes d’influence.

La collecte et l’exploitation des données personnelles ne sont pas l’apanage des GAFAM. D’autres firmes se spécialisent dans ce commerce, dont le géant Axicom. Peu connus du grand public, ces acteurs construisent des profils extrêmement précis de tout individu susceptible d’intéresser une entreprise commerciale. Le pouvoir politique joue également un rôle important pour encadrer les pratiques, notamment via des décisions de justice rendues par les tribunaux américains et défendues par le ministère de la Justice. Le partage de fichier pair-à-pair qui menace l’industrie musicale via Napster est rapidement interdit, tandis que la collecte et monétisation des données privées est encouragée.

Une telle capacité de collecte d’information est exploitée par les gouvernements, à commencer par celui des États-Unis. Dans le contexte législatif et politique post 11 septembre et au nom de la lutte contre le terrorisme, la NSA construit un gigantesque système d’écoute et d’espionnage particulièrement intrusif, comme le révèlera le lanceur d’alerte Edward Snowden. Toutes les grandes firmes de la Silicon Valley participent activement à ce système.

Si le démocrate Bill Clinton et son vice-président Al Gore, qui siègera par la suite au Conseil d’administration d’Apple, ont joué un rôle significatif dans le mouvement d’ouverture et de privatisation d’Internet, l’administration Bush junior sera le fer de lance de l’appareil sécuritaire. La candidature Bush/Chenney avait été adoubée par les réseaux Hoover lors d’une rencontre déterminante à San Francisco en 2000. Après le 11 septembre, Larry Ellison (Oracle) tente de convaincre Washington de mettre en place une gigantesque base de données de fichage des Américains. Son projet n’est pas retenu, mais Oracle récupère de nombreux contrats avec la CIA et voit ses profits doubler en quelques années. Plus tard, ce sera au tour de Palantir et d’autres entreprises financées par Peter Thiel de se tailler la part du lion dans le gâteau de l’appareil sécuritaire.

Dans les années 1970, l’avènement de l’informatique suscitait une méfiance aiguë du grand public, pour qui les ordinateurs évoquaient le roman 1984 et son télécran. Apple avait détourné cette image dans une publicité culte pour lancer son Macintosh, censé incarner l’anti Big Brother. Vingt ans plus tard, Larry Page et Sergey Brin firent inscrire leur devise “Don’t do Evil” sur le campus de Google juste avant son introduction en bourse. Pourtant, c’est bien la démocratisation des smartphones et de l’internet 2.0, propulsée par Google et Apple, qui va déboucher sur le “capitalisme de surveillance” bientôt augmenté par l’intelligence artificielle via la surveillance audio et vidéo (y compris privée, avec des appareils connectés comme les assistants “Alexa” et les interphones “Ring” popularisés par Amazon). Des marchés trop juteux pour être boudés par Google et ses pairs, devenus des fournisseurs de gouvernements toujours plus autoritaires. Pour autant, la sécurité et la publicité ne sont pas les seuls domaines où se déploient ces outils de surveillance. Le lieu de travail constitue une autre cible. À ce titre, aucune firme n’a été aussi loin qu’Amazon dans le flicage de ses employés.

2) Amazon et les data centers : la matérialisation du numérique

Fils d’ingénieurs, Jeff Bezos avait dix ans d’expérience dans la finance et la gestion de fonds spéculatifs lorsqu’il fonde Amazon avec son épouse. Impressionné par la croissance d’Internet, il cherchait à lancer un commerce en ligne et décide de débuter par les livres, pour des raisons purement pratiques. Ses parents investissent près de 300 000 dollars dans l’entreprise, qui débute les livraisons en 1994. Pour réaliser des économies d’échelles, Amazon investit rapidement dans ses propres entrepôts et circuits de distribution. Les levées de fonds successives lui permettent de racheter divers concurrents et de grandir par acquisition avant de réaliser une introduction en bourse prometteuse en 1997. Le cash ainsi obtenu et les premiers bénéfices sont systématiquement réinvestis dans toujours plus d’infrastructures, afin d’atteindre une taille critique et de s’attaquer à d’autres marchés (la musique, les DVD et de plus en plus d’objets). Pour mettre en place sa logistique, Bezos débauche de hauts responsables du géant de la grande distribution Walmart, qui attaquera Amazon en justice pour vol de secret commercial. Ces efforts n’empêchent pas la faillite de nombreuses filières d’Amazon pendant l’explosion de la bulle .com. Mais une vente d’obligations bien sentie à des investisseurs européens crédules, réalisée juste avant la crise internet, permet de maintenir l’entreprise à flot.

Passé la tempête, la croissance repart à la hausse et Amazon finalise son modèle de “distribution A à Z”, avec ses gigantesques entrepôts permettant d’acheminer en 24 heures à peu près n’importe quelle marchandise dans n’importe quelle banlieue aisée des États-Unis. L’abonnement à Amazon prime, service de livraison express, séduit jusqu’à 80 % des ménages américains disposant d’un revenu supérieur au salaire moyen, soit des dizaines de millions de clients payant un abonnement annuel de 100 dollars. Amazon.com devient une plateforme incontournable par laquelle transite quelque 30 % du commerce en ligne. Cette position dominante permet d’extraire une rente en fixant des prix élevés aux clients tout en exigeant de très larges commissions aux vendeurs.

Comment Bezos est-il parvenu à construire un tel monopole ? Décrit comme un manager brutal dont le rire serait “un croisement entre un éléphant en rut et une scie sauteuse”, Jeff est obsédé par l’optimisation. Les employés des centres de manutention d’Amazon sont soumis à des cadences infernales, calculées à l’aide des données collectées par une armée de capteurs, optimisées par l’Intelligence artificielle et imposées par des systèmes de commandes vocales. Le recours toujours plus important aux automates permet d’accélérer les cadences et de contraindre les employés à s’y plier. Certains témoignent d’expérience de sortie de corps similaires à celles vécues par les esclaves dans les champs de coton à la fin de leur journée d’exploitation. Résultat, le taux d’accident de travail est 45 % plus élevé que dans le reste du secteur et Amazon subit un turn-over de plus de 150 %. Cela signifie que la totalité de ses ouvriers est remplacée tous les huit mois. La firme déploie également des tactiques brutales et illégales reposant sur des outils de surveillance électronique pour empêcher l’implantation de syndicats dans ses centres de manutention. Tout est optimisé : les recrutements et licenciements sont automatisés (le taux d’erreur est compensé par les économies réalisées par la suppression de toute intervention humaine, selon un dirigeant de la firme). Les conducteurs des camionnettes sont recrutés via une plateforme de sous-traitance, ce qui permet à Amazon de se dégager de toute responsabilité face au taux d’accidents anormalement élevé. Les cadences sont si rapides que les chauffeurs ont pour habitude d’uriner dans des bouteilles en plastique pour gagner du temps. Un phénomène également observé dans les entrepôts.

Chez les cadres, le turn-over est à peine moindre et le taux de burn-out bat des records. “Tous les gens avec qui j’ai travaillé ont pleuré à leur bureau au moins une fois” témoignait un cadre de l’entreprise en 2021. Autrement dit, le succès d’Amazon tient moins dans son usage de la technologie que dans sa volonté d’user jusqu’à l’épuisement ses travailleurs, comme Leland Stanford usait ses pure-sang en 1880 et Steve Jobs provoquait des vagues de suicides chez ses sous-traitants.

Malgré son cout humain terrifiant, les marges de l’activité d’e-commerce restent modestes. La principale source de profit de la firme provient d’une autre activité liée aux infrastructures physiques. Et c’est par accident que Jeff Bezos va découvrir cette poule aux œufs d’or.

Pour faire fonctionner son gigantesque site web et faire tourner la plateforme logistique qui l’alimente, Amazon investit dès le début des années 2000 dans d’importantes infrastructures informatiques. Elle en fait profiter certains fournisseurs, par nécessité de les intégrer à son système de distribution. Amazon découvre ainsi l’appétit des entreprises pour ces services de could computing reposant sur de gigantesques data centers. La sous-traitance de l’infrastructure informatique (hébergement de sites web, serveurs, données, capacité de calcul) permet d’externaliser les couts associés au numérique et d’éviter aux PME d’avoir à développer leurs propres capacités informatiques. Amazon ouvre peu à peu ce service à toutes les entreprises et dépense des milliards de dollars pour construire l’infrastructure nécessaire. Baptisée AWS (Amazon Web Services), la filiale en charge de cette activité obtient progressivement une position de leader permettant de réaliser des économies d’échelle conséquentes.

En 2024, plus de la moitié des 60 milliards de bénéfices d’Amazon proviennent d’AWS, pour “seulement” 100 milliards de chiffres d’affaires sur les 640 milliards de la firme. Ce succès va permettre à Amazon et ses principaux concurrents (Microsoft Azure et Google Cloud) d’obtenir une position de force pour tirer profit du boom de l’Intelligence artificielle, particulièrement gourmande en data centers. Or, dans les années 2000 et 2010, ce pari effectué “par hasard” n’allait pas de soi. La tendance était plutôt à la précarisation accélérée du travail via un capitalisme de plateforme dont le porte-étendard allait donner son nom au phénomène en question.

3) De l’Ubérisation à l’enshitification: le capitalisme de plateforme

Depuis qu’ils avaient revendu leur start-up pour quelques millions de dollars, Travis Kalanick et Garret Camp passaient le plus clair de leur temps à fréquenter les cercles de riches entrepreneurs de la Tech à la recherche d’une nouvelle opportunité. Fatigué de payer des taxis à prix d’or pour se rendre en soirée, Camp imagine un service de mise en relation de chauffeurs privés permettant de partager la course avec d’autres clients. Il met au point une ébauche d’application et convainc Kalanick, généralement décrit comme un “connard” “à l’égo démesuré”, de l’aider à recruter un PDG et lancer l’entreprise. Les deux amis ne comptaient pas s’investir durablement dans le projet, comme le reconnaitra Kalanick : « Nous étions en mode “mec, je ne veux pas gérer une entreprise de limousine. Je veux juste une voiture qui puisse me transporter où je le souhaite. On doit trouver quelqu’un qui puisse s’installer dans une ville comme San Francisco et gérer le truc (…) pour que Garett puisse parader à travers la ville comme un pimp». UberCab voit le jour en 2010. La clientèle initialement visée se limite au cercle d’amis des cofondateurs : les jeunes entrepreneurs et cadres supérieurs de la Silicon Valley. Le mot d’ordre était “mieux qu’un taxi, moins cher qu’une limousine”.

Avec une approche diamétralement opposée, Logan Green et John Zimmer fondent Lyft en 2012. Green a grandi à Los Angeles et ses bouchons interminables. En voyage au Zimbabwe, il observe avec fascination un système de partage de taxis qu’on retrouve dans de nombreux pays en voie de développement. Au lieu de prendre un client à la fois, la majorité des véhicules sont continuellement occupés par plusieurs usagers se rendant à des destinations différentes, ce qui divise le prix de la course. De son côté, John Zimmer avait mis au point une première société d’aide au covoiturage en 2007, après avoir connu des difficultés à en trouver entre Santa Barbara et Los Angeles lorsqu’il était étudiant. En lançant Lyft, les deux hommes espèrent utiliser les fonctionnalités offertes par les smartphones pour reproduire ce que les taxis africains et les étudiants californiens font spontanément. Un mélange de taxi-brousse, covoiturage et autostop, en quelque sorte.

Malgré des points de départ radicalement différents, Uber et Lyft finissent par converger vers le même modèle économique : un service de taxis à prix cassés. Lyft est la première entreprise à recruter des chauffeurs ne disposant d’aucune licence professionnelle. Lorsqu’Uber réalise que les autorités laissent faire, Kalanick abandonne sa stratégie de VTC élitiste pour se ruer à l’assaut des “cartels de taxis”. Le nouveau PDG d’Uber dispose de deux atouts : un mépris total des lois et autorités locales et une capacité redoutable à lever des fonds auprès des VC. Peu importe le fait que sa première start-up, un service de partage de fichier de pair-à-pair à la légalité douteuse, n’ait jamais été rentable ni bénéficié à l’entreprise l’ayant rachetée en 2009. De même, le fait que StumbleUpon, un moteur de recherche aléatoire revendu par Garret Camp à eBay la même année, s’est avéré être un concept bidon ne gêne personne. L’important, du point de vue des Venture-Capitalists, c’est que les deux hommes aient enrichi leurs investisseurs. Avec Uber, nos jeunes entrepreneurs vont rapidement crouler sous les capitaux.

Leur principale innovation consiste à permettre de commander un taxi à l’aide d’un smartphone via le système de géolocalisation. La prise en charge et le paiement sont facilités, aussi bien du point de vue des clients que de celui des chauffeurs. Pourtant, ce n’est pas ce progrès qui explique les tarifs ultra-compétitifs d’Uber. Diverses études ont montré que les couts de fonctionnement d’un Uber sont supérieurs à ceux d’une entreprise de taxi traditionnel.

Ces dernières mutualisent de nombreuses charges : achat de carburant à prix de gros, entretien de la flotte, assurance maladie et sociale des chauffeurs, assurances des véhicules… Autant de couts transférés aux chauffeurs Uber opérants sous statut d’autoentrepreneur. Ces derniers doivent aussi absorber les charges fixes de la multinationale (salaires mirobolants et stock options du comité de direction, salaires à six chiffres des ingénieurs, bureaux flambants neufs dans de nombreuses villes, dépenses en R&D dans des projets non rentables comme la voiture autonome ou les véhicules volants). De plus, l’efficacité de l’application Uber en termes de prise en charge des clients n’est pas toujours significativement supérieure à celle d’un système d’allocation des courses d’une entreprise de taxi traditionnelle. Dans de nombreuses villes densément peuplées (New York, le centre de San Francisco, Chicago, Londres, Paris…), le temps d’attente d’un taxi conventionnel excédait rarement celui d’un Uber. Et ces sociétés ont rapidement adopté des applications similaires pour faire face à l’irruption du concurrent californien. En clair, ce n’est pas grâce à sa technologie qu’Uber s’est imposé face aux taxis.

Ceux-ci sont régulés pour des raisons historiques précises : permettre aux chauffeurs de gagner correctement leur vie et éviter une congestion des centres-ville en cas d’excès d’offre. Pour casser ces monopoles, Uber commence par inonder les villes de VTC afin de faire baisser les prix. Dans ce but, l’entreprise a recours à diverses tactiques révélées par la parution des Uber Files et autres enquêtes journalistiques : lobbyisme intense, études économiques truquées pour convaincre les politiciens et la presse de l’avantage de leur modèle en termes d’emplois et d’amélioration du transport urbain, choix conscient de violer les lois existantes en attendant que les autorités locales interviennent, décisions d’ignorer purement et simplement certaines injonctions, mise en place de systèmes informatiques pour tromper les autorités locales et échapper à leur contrôle, fausses promesses pour débaucher des chauffeurs de taxi. Selon l’adage “move fast and break things”, Uber débarque dans une ville sans en informer les autorités, attend qu’elles légifèrent pour répondre au chaos provoqué, ignore les nouvelles lois puis poursuit son lobbying pour convaincre le législateur de changer les régulations en sa faveur. Mais surtout, l’entreprise pratique la concurrence déloyale en subventionnant massivement les courses. En 2017, le prix payé par le client couvrait moins de 50 % du cout réel. Vendre à perte en prétendant que la tarification proposée découle d’avantages technologiques permet d’écraser la concurrence, en détruisant le niveau de vie et les emplois des chauffeurs de taxi conventionnels au passage. Cette attaque en règle a provoqué des vagues de suicides et de violence tout en ruinant d’innombrables chauffeurs qui s’étaient endettés pour acheter leurs licences ou comptaient sur leur revente pour payer leurs retraites.

Seul un flux continu de capitaux pouvait permettre à Uber de mener une telle guerre des prix tout en étendant ses opérations exponentiellement à travers le monde. Malgré des pertes records, la start-up a continué d’attirer les investisseurs, y compris en provenance de sources aussi contestables que la Russie ou les monarchies du Golf. Uber a également profité indirectement des subventions publiques, puisque le capital-risque californien bénéficie de diverses niches fiscales.

Plus de 33 milliards de dollars sont engloutis avant que l’entreprise devienne rentable. Les premiers bénéfices ne découlent pas des économies d’échelle, mais de la hausse graduelle du prix des courses et la baisse encore plus spectaculaire de la rémunération des chauffeurs. Selon la banque JP Morgan, leur rémunération avait déjà été divisée par deux entre 2013 et 2017. Une autre étude de 2018 a déterminé que 90% des travailleurs américains gagnaient plus qu’un chauffeur Uber. Depuis, la multinationale aurait adopté un système dynamique de détermination des prix basés sur le profil des clients et chauffeurs. Reposant sur la montagne de données collectées par l’application, il permet d’augmenter le prix pour les usagers susceptibles d’accepter des tarifs plus élevés et de baisser la rémunération d’une course pour un chauffeur docile. Une manière supplémentaire de comprimer les salaires tout en constituant un recul du point de vue des usagers. Aux États-Unis et depuis 2018, ces derniers ont vu Uber augmenter le prix des courses quatre fois plus vite que l’inflation. Tout cela pour des gains modestes du point de vue des investisseurs, les bénéfices actualisés d’Uber étant encore très largement inférieurs aux pertes engrangées pendant ses 13 premières années d’existence.

Partager

La technologie Uber devait permettre de générer des emplois et de réduire les embouteillages tout en diminuant les émissions de gaz à effet de serre en réduisant le nombre de véhicules sur les routes, selon les arguments déployés par les lobbyistes de la firme. En réalité, toutes les études s’accordent sur le fait qu’Uber a augmenté le nombre de kilomètres parcourus, le nombre de véhicules en circulation, les émissions de C02 et les embouteillages dans les centres urbains. Les usagers d’Uber sont majoritairement des personnes qui auraient autrement utilisé un transport en commun, le vélo ou la marche. Et 5 % d’entre eux ne se seraient tout simplement pas déplacés, selon une étude réalisée sur la ville de Boston.

Le succès d’Uber tient dans sa capacité à augmenter la demande de transport de type VTC au détriment des alternatives moins polluantes, tout en diminuant la productivité du secteur. Comme le détaille l’économiste Aaron Benanav, les travailleurs ubérisés parviennent à augmenter la demande pour leur service en baissant leurs salaires, sans que ce regain d’activité augmente la productivité ou profite au reste de l’économie. Uber a ainsi mis au point un modèle d’exploitation des travailleurs, nommé “ubérisation” en français, qui sera répliqué par de nombreuses entreprises dans de multiples secteurs liés aux services. Parmi les plus connus, citons Airbnb. L’entreprise a aggravé la crise du logement en augmentant le prix de l’immobilier tout en provoquant de nombreuses nuisances qui ont conduit diverses villes à limiter ou interdire sa présence.

Que ce soit pour livrer des repas, organiser des covoiturages, proposer des soins à domicile ou conduire des véhicules, les principes de bases sont les mêmes : exploiter la main-d’œuvre en convertissant des emplois salariés en statut d’autoentrepreneurs ne bénéficiant d’aucune protection sociale, salaire minimum ou représentation syndicale. Puis obtenir une position de monopole pour augmenter le prix payé par les usagers et baisser les revenus des travailleurs tout en détériorant le service (un phénomène plus largement commun au système de “plateforme” et désormais popularisé par le terme “d’enshitifcation” ou “merdification”).

Face à cette attaque en règle, de nombreux travailleurs luttent pour obtenir de meilleures conditions, avec des succès plus ou moins notables. À New York, ils ont obtenu le droit à un salaire horaire minimum. En Californie, le parlement avait voté la qualification des travailleurs ubérisés en salariés, avec tous les droits que cela octroie. Uber et ses concurrents ont dépensé une petite fortune pour déposer un référendum citoyen, la Proposition 22, visant à faire annuler cette loi. Les Californiens, trompés par les discours d’Uber et ses pairs, ont voté à 55 % en faveur d’Uber, entérinant l’ubérisation du travail dans ce qui constitue le recul le plus significatif des droits des travailleurs américains depuis la loi antisyndicale Taft-Hartey de 1947.

Si Uber a servi de support pour imposer cette régression, celle-ci ne résulte pas exclusivement de la volonté de ces cofondateurs, mais bien des forces économiques et historiques à l’œuvre. Interrogé sur les dizaines de milliards de dollars de capitaux levés par Uber, Kalanick avait répondu candidement “si nous ne l’avions pas fait, cela nous aurait placés en désavantage vis-à-vis de la concurrence, particulièrement lorsqu’on opère partout dans le monde (…) ce n’est pas ma manière préférée pour bâtir une entreprise, mais c’est indispensable lorsque ces sommes d’argent sont disponibles”. Autrement dit, si ce n’avait pas été Uber, cela aurait été Lyft ou une autre firme.

À la sortie de le la crise des subprimes et jusqu’en 2022, les taux d’intérêt historiquement bas ont généré un surplus de liquidités dans les sphères financières tout en diminuant les rendements des placements plus traditionnels. La Silicon Valley représentait le meilleur endroit pour placer du capital et trouver des rendements attrayants. Pour garantir ces derniers, les investisseurs ne peuvent compter que sur deux options : exploiter le travail ou augmenter la productivité par l’innovation. Or, cela fait longtemps que la Valley n’est plus capable de choisir la seconde option.

Dans les années 1980, l’économiste libéral Robert Solow avait formulé un paradoxe qui prendra son nom en notant “on observe les microordinateurs partout, sauf dans les chiffres de la productivité”. La révolution informatique puis numérique n’a pas permis de retrouver les taux de croissance de l’après-guerre ni de produire les gains de productivité induits par les révolutions industrielles précédentes. Depuis, le capitalisme de plateformes mis en place par Google, Facebook, Amazon, Uber et consort fait encore pire. Il agit essentiellement comme une machine à extraire de la rente au détriment du reste de l’économie, dans une forme de jeu à somme nulle que certains économistes qualifient de technoféodalisme. Si cette notion reste discutable, elle s’accompagne d’une radicalisation progressive de la Silicon Valley derrière un mouvement anti-démocratique et réactionnaire, tandis que les anciens leaders du secteur laissent place à une véritable mafia peuplée de charlatans et d’escrocs. Ce glissement vers le capitalisme de connivence et le technofascisme intervient en plein boom de l’Intelligence artificielle, laissant craindre le pire en termes de concentration de pouvoir et de libertés individuelles…

Partager

Ceci clôt la troisième partie de cette série. La dernière sera en ligne à partir de lundi sur mon site “faketech.fr”. Pour ne pas manquer sa publication, vous pouvez vous abonner gratuitement à cette newsletter. Et pour soutenir mon travail, pensez à m’offrir un café ici.

Pour les lecteurs les plus curieux ou pointilleux (je vous vois !), voici une liste non exhaustive de mes principales sources mobilisées au long de la série :

• Anatomie d’une bulle, Dr Thomas Gerbaud, Dr Antoine Gerbaud. 2023

• Apocalypse Nerds : Comment les technofascistes ont pris le pouvoir, Nastasia Hadjadji et Olivier Tesquet. Éditions Divergences, 187 pages, 2025.

• A City on Mars : Can We Settle Space, Should We Settle Space, and Have We Really Thought This Through?, Kelly and Zach Weinersmith. Penguin Press, 448 pages, 2023.

• A People’s History of the United States : 1492–Present, Howard Zinn. Harper Perennial Modern Classics, 784 pages, 2005.

• Automation and the Future of Work, Aaron Benanav. Verso Books, 256 pages, 2020

• Blood in the Machine, Brian Merchant (substack).

• Character Limit : How Elon Musk Destroyed Twitter, Kate Conger et Ryan Mac.
  Penguin Press, 430 pages, 2024.

• Davos Man - How the Billionaires Devoured the World, Peter S. Goodman, Mariner Books, 440 pages, 2022.

• Elon Musk, Walter Isaacson. Simon & Schuster, 688 pages, 2023.

• Elon Musk : Tesla, SpaceX, and the Quest for a Fantastic Future, Ashlee Vance. HarperCollins, 392 pages, 2015.

• Empire of AI : Dreams and Nightmares in Sam Altman’s OpenAI, Karen Hao.
  Penguin Press, 496 pages, 2025.

• En attendant les robots : enquête sur le travail du clic, Antonio A. Casilli.
  Éditions du Seuil, 400 pages, 2019.

• Le mythe de l’entrepreneur : Défaire l’imaginaire de la Silicon Valley, Anthony Galluzzo.
  Éditions La Découverte, 240 pages, 2023.

• Liftoff : Elon Musk and the Desperate Early Days That Launched SpaceX, Eric Berger.
  William Morrow (HarperCollins), 288 pages, 2021.

• Ludicrous : The Unvarnished Story of Tesla Motors, Edward Niedermeyer.
  BenBella Books, 288 pages, 2019.

• No Crypto : Comment Bitcoin a envoûté la planète, Nastasia Hadjadji.
  Éditions Divergences, 220 pages, 2023.

• Palo Alto : A History of California, Capitalism, and the World, Malcolm Harris.
  Little, Brown and Company, 720 pages, 2023.

• Road to Nowhere : What Silicon Valley Gets Wrong About the Future of Transportation, Paris Marx. Verso Books, 272 pages, 2022.

• Steve Jobs, Walter Isaacson. Simon & Schuster, 656 pages, 2011.

• Une histoire de la conquête spatiale : Des fusées nazies aux astrocapitalistes du New Space, Irénée Régnauld, Arnaud Saint-Martin. La Fabrique, 316 pages, 2024.

• Un taylorisme augmenté - critique de l’intelligence artificielle, Juan Sebastián Carbonell, Éditions Amsterdam, 2025

• Zero to One : Notes on Startups, or How to Build the Future, Peter Thiel et Blake Masters. (Penguin Random House), 224 pages, 2014.

• Articles de presse divers (Jacobin, Wired, The New York Times…).

• Wikipédia, articles de presse cités par Wikipédia.