Dès les premières heures de leur guerre contre l’Iran, les États-Unis et Israël ont commis un massacre d’ampleur historique. Comme je l’écrivais dans un article analysant leur guerre illégale :

Les fillettes de la petite ville de Minab venaient d’entamer leur semaine lorsque leur école a été bombardée par la coalition israélo-américaine. Plus de 140 enfants et les 26 enseignantes sont morts, en plus de la centaine de blessés graves, brûlés ou écrasés par les gravats, qui porteront à jamais le traumatisme de ce cataclysme. The Guardian décrit des scènes d’horreur absolue, où des bouts de bras d’enfants de six ans jouxtent des morceaux de cartables roses.

(…)

Ni Israël ni les États-Unis n’ont nié le crime, simplement qualifié de “tragédie, si avérée” par le ministre des affaires étrangères américain Marco Rubio. Une ancienne caserne des gardiens de la révolution iranienne se trouvait à proximité, mais n’est plus en service depuis une dizaine d’années. L’explication la plus généreuse consiste à supposer que la cible, choisie sur la base d’informations périmées, était cette ancienne base.

Depuis, le New York Times a attribué la responsabilité du massacre à l’armée américaine, qui a frappé l’école à deux reprises en moins d’une heure, aggravant dramatiquement le bilan initial et tuant une partie des premiers secouristes1.

Quel est le rapport avec l’IA et les Big Tech, me direz-vous ? Peut-être aucun. Mais en lisant les articles traitant de cette tragédie, je n’ai pas pu m’empêcher de faire le lien avec d’autres informations fuitées par le Pentagone à propos de l’usage de l’IA. Les États-Unis se vantent d’avoir été en mesure de frapper aussi rapidement des centaines de cibles grâce à un recours massif à l’Intelligence artificielle.

Les programmes conçus à partir des principes de “deep learning” et intégrés à de grands modèles de langage type GPT-5 permettent de traiter de grandes quantités de données et de réaliser des interpolations en vue de corréler certaines informations pour suggérer des listes de cibles à bombarder.

Ce n’est pas nouveau.

À Gaza, l’IA a été massivement employée par Israël pour sélectionner des cibles, en recoupant des masses d’informations incomplètes, avec un taux d’erreur de 10 % environ.

Comme le rapporte The Guardian, l’usage de l’IA compresse le temps d’analyse et de décision et permet de déterminer où bombarder “plus vite que la pensée humaine”. La “chaine de décision” (identification d’une cible suite au recoupement d’informations, évaluation de sa valeur stratégique, des risques de dommages collatéraux, de la légalité du bombardement, attribution des coordonnées, choix de l’armement et de l’unité qui sera chargée de mener la frappe, validation finale de la décision, etc.) est exécutée infiniment plus rapidement. Comme l’expliquent les experts cités par le Guardian “ces systèmes produisent plus d’options de cibles et plus rapidement”. Le risque évident est de commettre de nombreuses erreurs en plaçant une trop grande confiance dans l’aptitude des programmes d’IA à identifier les cibles légitimes ou militaires sans commettre d’erreurs. À Gaza, Israël avait estimé que ses outils se trompaient une fois sur dix, tout en considérant qu’il s’agissait d’un taux d’erreur acceptable. Qu’en est-il des seuils de tolérance américains ?

Le second problème découle de l’impact de cet usage sur les décideurs humains. Confrontés à un plus grand choix de cibles et mis sous pression pour valider plus rapidement ces dernières, ils seraient davantage susceptibles de commettre des erreurs.

Partager

Le massacre des écolières de Minab pourrait résulter d’une attribution erronée de la cible par une IA agrégeant des informations périmées et dont la recommandation n’avait pas fait l’objet d’une vérification suffisamment poussée par un humain. Il se peut également que le bombardement ait été réalisé sciemment, pour tester la réaction des médias occidentaux et de l’opinion publique face à ce massacre (dans ce cas, la réponse est claire : les médias et décideurs occidentaux ont pratiquement ignoré ce crime de masse, en particulier quand cela comptait le plus, au début du conflit). On peut également imaginer que l’IA se soit simplement trompée de coordonnées, que l’erreur d’attribution de la cible fut commise par un humain. Mais si on évacue l’hypothèse d’un massacre intentionnel, les chances pour que l’emploi de l’IA dans la sélection des cibles à bombarder soit responsable de cette tragédie semblent très élevées.

En effet, les États-Unis communiquent amplement sur l’emploi de leur système “Maven”, concu par la société de Peter Thiel Palantir et propulsé par l’IA d’Anthropic. On lui attribue le “succès” des bombardements qui ont permis de frapper plus de milles cibles dans les premières 48 heures de l’attaque. Cette utilisation massive de l’IA s’inscrit dans une tendance particulièrement inquiétante, qui ne fait pas l’unanimité au sein des employés de la Silicon Valley.

Anthropic vs Pentagone

Dans les jours qui ont précédé l’agression américaine non provoquée contre l’Iran, une polémique a secoué la Silicon Valley.

Depuis que le ministère de la Défense américain (rebaptisé ministère de la Guerre) souhaite intégrer directement les modèles d’IA générative au cœur de ses systèmes d’armement, sans exclure la prise de décisions létales sans intervention humaine, des voix se sont insurgées contre cette option inconsidérée. Dont Anthropic, le principal concurrent d’OpenAI, qui commercialise les modèles de langage “Claude”.

La firme californienne a mis son véto à l’utilisation de ses outils pour “conduire une surveillance de masse des Américains ou automatiser entièrement des systèmes d’armement” susceptibles de déployer une force létale sans l’intervention d’un être humain dans le processus décisionnel. Trump et son administration se sont révoltés contre cette exigence, menaçant Anthropic de résilier tous ses contrats militaires. Un bras de fer s’en est suivi, en partie justifié par la sortie d’un article devenu viral.

L’IA, générative d’Hiver nucléaire ?

Le journal “New Scientist” a publié un reportage décrivant des tests effectués par des chercheurs en IA à partir des modèles de langage de Google, Anthropic et OpenAI. Le but des chercheurs était de voir si les IA, chargées de prendre des décisions militaires et diplomatiques dans le cadre de simulations de conflits (“war games”), auraient recours à l’arme nucléaire. Le résultat a permis de produire de gros titres alarmistes :

“Dans 95 % des cas, l’IA a recours à l’arme nucléaire”

Bien sûr, ce genre de résultat n’est pas nouveau et ne dit pas grand-chose au sujet de l’IA. Cette dernière ne semble pas consciente du fait que le recours à l’arme nucléaire tactique reste largement un tabou moral et éthique. Ni ne semble mesurer le fait qu’un emploi stratégique de l’arme nucléaire provoquerait un “hiver nucléaire” apocalyptique, même si l’adversaire n’est plus en mesure de répliquer suite à l’attaque nucléaire initiale. Ce n’est pas parce que l’IA est immorale (elle l’est), mais simplement parce qu’elle a été programmée d’une manière qui l’a conduite à ce genre de conclusion. En particulier dans le cadre d’une simulation n’ayant pas suffisamment défini les conséquences d’une guerre atomique.

On pourrait même estimer que cet état de fait reflète assez bien le type de décisions que seraient capables de prendre les dirigeants américains actuels.

Néanmoins, le fait que l’IA ne soit pas intrinsèquement responsable de son usage systématique de l’arme nucléaire dans les simulations ne permet pas d’ignorer le problème sous-jacent. Les études de ce genre confirment le fait que la manière dont sont programmées les IA les plus avancées pose un risque civilisationnel en cas d’intégration trop poussée dans la chaine de commandement militaire.

Certes, les chances de voir le feu nucléaire confié à une IA restent faibles à court et moyen terme, malgré le fanatisme et l’hubris démontrés par le “ministre de la Guerre” de Trump, l’ancien présentateur de FoxNews Peter Hegseth. Mais le simple recours à l’IA par les décideurs militaires en situation de crise pourrait accroitre le risque qu’ils prennent des décisions inconsidérées, par foi aveugle dans un outil mal configuré ou en conséquence de l’influence négative de ce dernier.

Anthropic vs OpenAI

Dans ce contexte, Anthropic a certainement eu raison de tenir tête au Pentagone. Non seulement pour des questions morales et éthiques, mais également du point de vue de son intérêt commercial. Apparaitre comme l’IA responsable alors qu’OpenAI signe un accord avec Trump semble un calcul financièrement cohérent.

Rappelons que l’IA générative est un secteur non rentable, qui accumule les pertes financières pour des raisons structurelles, que nous avions détaillées précédemment.

En se positionnant comme un acteur responsable, Anthropic peut prendre des parts de marché à OpenAI sur le segment grand public, améliorer son image auprès des entreprises et attirer plus facilement les employés les plus talentueux dans ses laboratoires de recherche.

Mais la posture d’Anthropic doit être analysée comme de l’opportunisme. La société travail depuis longtemps avec l’armée américaine, en dépit des prétendues inquiétudes de sa direction. Le PDG Dario Amodei abreuve fréquemment la presse de prédictions et déclarations apocalyptiques au sujet de l’IA, tout en refusant d’en tirer les conséquences logiques (arrêter de produire ces IA, ne pas collaborer avec l’armée et militer pour une autre approche industrielle vis-à-vis de ces systèmes, par exemple).

Abonnez-vous maintenant

Ironiquement, le clash d’Amodei avec l’administration Trump semble avoir conduit cette dernière à se venger d’Anthropic en fuitant à la presse des informations particulièrement détaillées sur l’implication des programmes basés sur Claude et utilisés pour planifier et gérer l’attaque américaine contre l’Iran. La rupture n’étant pas immédiate, le Pentagone avait vraisemblablement le droit de continuer à se servir des outils d’Anthropic, bien que le timing de la dispute, survenue quelques jours avant l’entrée en guerre des États-Unis, explique probablement pourquoi ce bras de fer semblait se dérouler de manière précipitée.

À l’arrivée, Anthropic se retrouve perdant des deux côtés : la firme risque d’être privée de ses contrats avec le ministère de la Défense, tout en voyant sa réputation endommagée par son implication dans les massacres en cours en Iran.

C’est peut-être pour tenter de sauver ses billes que la start-up a tenté un rétropédalage en publiant un communiqué qui semble avoir été écrit sous la menace d’un preneur d’otage. On peut y lire qu’Anthropic, accusé par l’administration Trump de mettre en danger les vies des soldats américains en plein conflit armé, est “particulièrement fier d’aider les combattants en première ligne avec nos outils”. Amodei insiste sur le fait qu’Anthropic “a bien plus en commun avec le ministère de la guerre qu’il n’a de désaccords” . Autrement dit, Anthropic assume pleinement de fournir des armes à un gouvernement qui commet des crimes de guerre et compte continuer “aussi longtemps que possible ou nécessaire” cette collaboration. Ceux qui s’imaginaient qu’il y avait de bonnes et de mauvaises entreprises d’IA en seront pour leurs frais.

Au-delà de l’IA, Big Tech vs Low Tech ?

Comme je l’écrivais dans mon article sur la guerre contre l’Iran, le conflit nourrit les intérêts de la Silicon Valley. Il pourrait affaiblir la Chine, notamment en réduisant au silence son allié iranien tout en mettant en péril son approvisionnement en pétrole. Mais cette guerre est aussi le théâtre d’un déploiement accru de technologies.

Côté iranien, on voit à quel point l’approche “low tech” reposant sur des drones bon marché et des missiles à longue portée permet de perturber significativement l’économie et la stabilité d’une région entière du monde. Ce qui risque de pousser de nombreux acteurs à investir dans des systèmes de défense susceptibles de contrer ce nouveau type de menaces. Le fait que des États en crise économique permanente et sous embargo depuis des années puissent développer des systèmes capables de menacer l’économie mondiale et de conduire des frappes de grandes précisions contre des chambres d’hôtel, bâtiments de la CIA et infrastructures militaires montre également le danger représenté par la guerre asymétrique.

M'offrir un café

Côté israélo-américain, on assiste à un nouvel éventail de prouesses technologiques, notamment en termes de renseignement et de guerre cybernétique.

On a ainsi appris que l’assassinat de Khamenei et de nombreux dirigeants civils iraniens dans l’opération initiale visant à décapiter le régime avait été rendu possible par la collecte d’une quantité délirante d’informations, analysées en temps réel par des systèmes intégrant des programmes d’IA dernier cri. Entre autres, Israël avait piraté le système de vidéo surveillance de la sécurité routière de Téhéran et utilisé l’IA pour traquer les allées et venues des gardes et employés des dirigeants iraniens.

Le piratage de systèmes civils à des fins militaires, dans le but de commettre des crimes de guerre, ne semble pas poser problème aux médias et observateurs occidentaux. La normalisation de telles pratiques, devenues fréquentes, pointe le risque posé par le déploiement de ces technologies de vidéosurveillance sur les populations que ces systèmes sont censés protéger.

Parier en ligne sur la fin du monde

Notre passage en revue des aspects technologiques du massacre en cours en Iran et au Liban ne saurait être complet sans la mention d’un nouveau phénomène inquiétant. L’émergence d’une industrie du pari en ligne via les plateformes non régulées comme Polymarket et Kalshi fait peser un nouveau risque géopolitique et sécuritaire. Il est désormais possible de miser sur la détonation d’une arme nucléaire d’ici une certaine date ou de parier sur le bombardement de personnalités ou infrastructures spécifiques. Or, une partie des cadres de la Maison-Blanche impliqués dans ce genre de décisions sont des habitués de ce genre de sites, donc potentiellement susceptibles de commettre des délits d’initiés en étant incités à prendre des décisions faisant l’objet de paris en ligne. On a ainsi répertorié des paris suspects placés quelques heures avant l’enlèvement de Maduro ou l’assassinat de Khamenei.

Le lien avec la Silicon Valley est bien plus sérieux qu’on pourrait l’imaginer. Ces sites utilisent les cryptomonnaies comme moyen de paiement et autorisent l’anonymat des parieurs. Suite à la dépression du secteur des cryptomonnaies, de nombreux acteurs de cette industrie se tournent vers le secteur des paris en ligne non régulés. Les investissements ne se limitent vraisemblablement pas à prendre des parts dans ces entreprises et à financer des campagnes de publicité, mais prennent également la forme de campagne de lobbying pour empêcher les régulateurs d’encadrer ce business particulièrement lucratif.

Et tant pis si cela encourage un responsable à déclencher une frappe nucléaire suite à la recommandation d’une IA mal “alignée”.

Bonjour à tous ! Ce début d’année est pour le moins sombre et agité, ce qui rend l’écriture d’autant plus difficile qu’il existe de nombreux sujets d’actualité méritant un éclairage technocritique.

L’attaque sanglante des États-Unis contre le Vénézuéla, suivie de la tentative d’annexion du Groenland et la présentation d’un “master plan” au forum de Davos pour transformer Gaza en une “riviera” sans les Palestiniens peuvent s’analyser sous le prisme du projet de network state des technofascistes gravitant autour de Trump. De même, les meurtres commis par la police de l’immigration américaine (ICE) impliquent les géants de la Tech à de multiples niveaux. Pendant que Google, Apple, Facebook et le nouveau TikTok censurent les opposants à ses rafles et combattent les initiatives citoyennes de défense civile, Palantir fournit l’infrastructure de surveillance numérique permettant d’organiser les raids. Malgré les erreurs tragiques commises par ces systèmes, la ICE veut utiliser les données commerciales collectées par les géants du numérique pour traquer les individus qu’elle souhaite interpeler. Autrement dit, la dystopie redoutée par ceux qui critiquent la collecte des données personnelles est déjà là.

Partager

Il serait également intéressant de revenir sur les récentes annonces autour de la bulle de l’IA. Le fait qu’OpenAI cherche à nouveau des investisseurs et assume l’arrivée de l’érotisme et de la publicité sur ChatGPT témoigne des difficultés de l’entreprise à construire un modèle économique rentable, alors qu’un nombre croissant de leaders du secteur admettent publiquement que l’approche suivie pour développer les IA génératives ne permettra pas de mettre au point des IA “générales” ou super-humaines. Le rachat de xAI, autre entreprise qui perd des sommes record, par SpaceX, société dont Musk prépare l’entrée en bourse en dépit d’un modèle économique tout aussi questionnable, semble masquer une tentative désespérée d’injection de cash dans xAI. À ce propos, les délires sur la mise en orbite de data centers constituent un nouvel exemple de Fake Tech destinée à justifier la poursuite du développement inconsidéré des data centers ici, tout en permettant d’exciter les investisseurs avant l’introduction en bourse de SpaceX. Musk apparait plus que jamais embarqué dans la construction d’une gigantesque pyramide de Ponzi reposant sur la hype pour gonfler artificiellement les cours boursiers dont dépendent sa fortune et son pouvoir.

Enfin, la loi visant à interdire les réseaux sociaux aux mineurs de moins de 15 ans en France mériterait d’être abordée. Pour ma part, je serais favorable à la socialisation de ses plateformes, qui deviendraient la propriété des usagers et employés, et seraient gérées sur le principe des communs ou de coopératives à but non lucratif. Vu qu’on en est loin, l’interdiction pure et simple (à tout le monde, pour le coup) me parait défendable. Je ne suis pas convaincu par les arguments selon lesquels les avantages des réseaux sociaux (espace de liberté, source de diffusion d’information pour les médias indépendants, outil de mobilisation pour les luttes et les révolutions, outil de lien social) dépasseraient les inconvénients (plateformes dans les mains de milliardaires fascistes qui cherchent à nous rendre addicted pour voler nos données afin de mieux nous cibler avec de la publicité et permettre aux gouvernements de poursuivre leurs opposants ; problèmes sociaux, mentaux et psychologiques chez les enfants et les adultes; empreinte écologique, etc.). Des travaux ont démontré que les réseaux sociaux ont un impact négatif sur les mouvements contestataires et les révolutions. Si certains débutent via les RS, ou prennent de l’ampleur grâce à eux, ils sont également fréquemment affaiblis ou déjoués grâce aux réseaux sociaux par les gouvernements. L’autre faiblesse des mouvements spontanés partant des réseaux sociaux tient dans leur manque de structuration, ce qui les rend faciles à dégonfler une fois le choc initial passé.

Or, comme le rappelait très bien la patronne de la messagerie chiffrée Signal (société à but non lucratif) dans les matins de France Culture, les entreprises capitalistes ont une obligation légale de servir les intérêts financiers de leurs actionnaires, pas de s’opposer aux gouvernements autoritaires. Mais si l’interdiction totale des réseaux sociaux est inenvisageable (à part certains comme X, lorsqu’ils se transforment en machine à produire des contenus pédophiles), les interdire aux enfants pourrait sembler une bonne idée. Le problème tient dans les moyens mis en œuvre pour y parvenir : la proposition de loi française implique la fin de l’anonymat sur internet et la collecte de nos informations (pièce d’identité, images pour reconnaissance faciale, etc.) par des entreprises privées fréquemment sujettes à des fuites de données. Tout en n’empêchant pas les multiples moyens de contournements possibles. À ce titre, je vous renvoie à la série de notre camarade Huber Guillaud, ainsi qu’à l’article des amis de Frustration Magazine.

Bref, ce ne sont pas les sujets à traiter qui manquent, comme le montre le dernier numéro de l’excellente newsletter Synth. C’est pourquoi j’ai choisi de me concentrer sur un autre dossier dont vous avez surement entendu parler : l’affaire Epstein.

Les 3.5 millions de pages récemment publiées contiennent une densité d’information si vaste que le sujet mériterait une série d’articles. Pour éviter de trop m’écarter du thème de cette newsletter, je vous propose un résumé des enseignements de l’affaire, avant de creuser les liens entre Epstein et la Silicon Valley. Non content d’être un instrument du Mossad et un allié du trumpisme, le pédocriminel était un technofasciste pur souche, comme nous allons le voir.

1. Ce qu’il faut retenir de l’affaire Epstein

Si vous ne connaissez pas l’affaire Epstein, je vous suggère de lire mon dernier article pour le média Frustration. En résumé :

Jeffrey Epstein était un homme d’affaires américain au patrimoine estimé à plus de 500 millions de dollars. Sa fortune a majoritairement été obtenue illégalement, en arnaquant ses propres clients via des pyramides de Ponzi et vols purs et simples. Il a été retrouvé mort dans sa cellule quatre semaines après son inculpation pour trafic de mineurs. Il était suspecté d’avoir organisé un réseau pédophile d’esclaves sexuelles dont il faisait profiter une partie de son très large cercle de fréquentation. Epstein disposait de caméras dans ses résidences, ce qui laisse croire qu’il détenait des vidéos compromettantes. Le FBI a identifié plus de 1000 victimes, dont un grand nombre de mineurs. Il serait question de filles de 12 à 17 ans, de viols, sévices, séquestrations, menace de mort et harcèlement de témoins, voire de meurtre. Epstein a été condamné une première fois en 2008, mais avait passé un accord secret avec le procureur général pour plaider coupable de fait mineurs qui lui valurent une courte peine de prison aménagée. En 2018, le Miami Herald publie une enquête édifiante et un juge fédéral nullifie l’accord de plaider coupable, qui enfreignait le droit des victimes. L’affaire devient éminemment politique, du fait des potentiels complices et clients d’Epstein et des liens de ce dernier avec Bill Clinton et Donald Trump. Ironiquement, c’est l’instrumentalisation de l’affaire par les soutiens et militants de Trump qui a fini par contraindre ce dernier à accepter de rendre le dossier de l’enquête du FBI public. Plus exactement, les démocrates ont présenté une loi au Congrès, voté à contrecœur par les républicains, pour forcer le ministère de la Justice à publier ces documents.

Que retenir des millions de pages rendues publiques ? Sur la forme d’abord, je tiens à noter :

• Tous les documents du dossier Epstein n’ont pas encore été publiés. Entre autres, les vidéos et photos les plus crues n’ont pas été rendues publiques, en théorie pour protéger les victimes.

• Les documents publiés ont été caviardés par le ministère de la Justice de Trump, mais au lieu de noircir certains passages pour protéger les victimes (comme l’exigeait la loi votée au Congrès en octobre), ce sont souvent les complices et criminels potentiels qui ont été protégés.

• Ces documents n’auraient jamais dû être rendus publics. Il a fallu l’incompétence de Trump et les obsessions de ses alliés pour provoquer la situation rendant politiquement impossible au Parti républicain de bloquer leur publication.

• Le FBI et le ministère de la Justice américaine ont, depuis 1996, protégé Epstein et ses fréquentations au lieu de protéger les victimes et la société. Et ce, quel que soit le parti au pouvoir.

• Le fait que l’administration Biden n’ait pas elle-même rendu public ce dossier en dit long sur l’incompétence politique du parti démocrate (ou sa propre corruption, préférant éviter d’embarrasser des alliés que de vaincre le trumpisme).

• Les médias français et américains tentent majoritairement de minimiser l’affaire, lorsqu’ils ne se plaignent pas du “poison complotiste” distillé par la publication”brute” des documents.

Cela étant posé, que retenir du contenu des dossiers ?

• Epstein n’a pas agi seul, il y a au moins 10 complices identifiés par le FBI.

• Epstein faisait bien profiter une partie de ses contacts des filles qu’il séquestrait pour les abuser sexuellement, si on en croit sa correspondance.

• Les crimes pédophiles semblent bien plus graves que précédemment imaginés. Certains enfants seraient morts des suites de sévices sexuels, à en croire certains éléments contenus dans le dossier.

• Au-delà de la pédocriminalité, Epstein agissait comme intermédiaire dans de nombreux cercles politiques et milieux d’affaires, aidant à organiser des négociations et tractations en mettant en contact certaines personnes ou en organisant des rencontres, versements, faveurs et renvois d’ascenseur.

• Epstein était un agent secret d’Israël (ou, au minimum, un informateur et allié).

• Il s’était rapproché de Steve Bannon, l’éminence grise du mouvement MAGA pro-Trump.

• Trump avait des liens bien plus étroits et fréquents avec Epstein que précédemment rapportés par la presse.

• Des dirigeants français sont impliqués dans le dossier Epstein, dont Jack Lang et, potentiellement, Bruno Lemaire, BHL et des collaborateurs d’Emmanuel Macron et de Nicolas Sarkozy.

En résumé, on retiendra tout d’abord la spectaculaire tolérance de la classe bourgeoise dominante pour les violences et crimes sexuels. Après 2008, toutes les personnes fréquentant Epstein étaient nécessairement au courant des accusations portées contre lui. Certains ont continué à le fréquenter, y compris après 2018 et les révélations explosives de la presse.

Ensuite, le fonctionnement de cette classe, qui a produit la monstruosité Epstein puis l’a utilisée aussi bien pour son plaisir que pour les affaires. Tous les bords politiques sont touchés. Les fichiers font état d’une véritable mafia fonctionnant sur le principe de renvoi d’ascenseurs dans l’unique but d’acquérir plus de richesse et de pouvoir personnel.

Le fait qu’Epstein disposait de caméras dans toutes les pièces de ses résidences et qu’il entretenait des liens étroits avec les services secrets israéliens agite le spectre d’une compromission de Trump. Ce dernier serait susceptible de faire l’objet de chantage, à en croire la presse indépendante américaine. Les fichiers révèlent de nombreux comportements illégaux (vente de secrets d’affaires ou d’État, partage d’informations sensibles, tentatives d’ingérence dans des élections, de déstabilisation d’institutions démocratiques…). Mais pour des raisons évidentes, les questions de ce genre ne sont pas reprises par les grands médias états-uniens. Fin novembre, le New York Times titrait “Les emails d’Epstein révèlent une élite d’une autre époque” en expliquant sérieusement “le financier évoluait dans des cercles qui n’existent plus”. Le journal Le Monde parlait, lui, de “poison” à propos des révélations, pas de leur contenu. Sur FranceInter, la journaliste Sonia Devilers a carrément fait le procès de Fabrice Arfi (Médiapart), l’accusant d’attiser le complotisme en s’intéressant à l’affaire Epstein. À croire que la presse bourgeoise n’aime pas que l’on étale sur la place publique les crimes de ses plus célèbres représentants.

Voilà pour le survol de l’affaire. Je vous recommande notre article coécrit avec Nicolas Framont pour explorer les liens et compromissions spécifiques à la France. Et pour la Silicon Valley et les aspects proprement technofascistes du projet Epstein, ça se passe ici :

2. Epstein et les géants de la Tech : liaisons dangereuses

La plupart des grands noms de la Tech sont cités dans le dossier Epstein. Certains semblaient étroitement liés au pédocriminel, comme Bill Gates (son ex-femme a confirmé que ses liens ont joué dans son divorce). D’autres se seraient retrouvés sur son ile, dans une de ses résidences, ont participé à des diners en sa présence ou échangeaient par courriel avec lui. Y compris après sa première condamnation de 2008. C’est le cas des cofondateurs de Google Larry Page et Sergey Brin, du PDG de Meta Marc Zuckerberg, de Jeff Bezos, du patron de LinkedIn Reid Hoffman et d’Elon Musk.

Ce dernier voit sa réputation de nouveau abimée par le dossier Epstein. Les courriels rendus publics contiennent des échanges où il tente de s’inviter chez le pédocriminel en demandant quelles dates lui garantiraient les soirées les plus “déjantées”. Ces discussions n’auraient pas abouti à des rencontres, mais ne montrent pas Musk sous son meilleur jour. Il est également question de la venue d’Epstein aux bureaux de SpaceX et de filles présentées par Epstein à son frère et partenaire en affaire Kimbal Musk, entre autres messages peu reluisants.

Les liens entre patrons de la Tech et Epstein sont anciens. Le pédophile finançait le EDGE, un réseau de discussion et d’échange informel entre gros patrons de la Tech, piloté par le MediaLab du MIT. Dès 1999, il participe aux diners annuels du EDGE, ou se rend la plupart des fondateurs des GAFAM (cf. l’excellente série d’articles de Byline Times). Via ce véhicule, Epstein se rapproche de la Silicon Valley et finance diverses start up. Sa condamnation de 2008 ne le coupe pas de cet univers, au contraire. En 2011, les grands noms de la Tech sont de nouveau présents à un diner annuel du EDGE où figure le trafiquant d’être humain. Ils participent également à la mailing liste du groupe, dont Epstein devient le principal financier, avec des dons dépassant les 600 000 dollars (soit plus de 80% du budget total de ce réseau).

Epstein va également financer d’autres forums et initiatives, dont le MediaLab du MIT, un groupe de recherche de Harvard, et plusieurs organisations créées par des chercheurs proches de la Tech, à hauteur de centaines de milliers de dollars via des dons philanthropiques.

3. Technofascisme à la sauce Epstein

Epstein a-t-il participé à la radicalisation de la Tech ou bien s’est-il simplement trouvé en adéquation avec cet univers ? Via le EDGE, le pédocriminel rencontre divers individus proférant des vues associées au courant technofasciste. Dont le fameux Nick Bostrom.

Ce philosophe transhumaniste est considéré comme le père du Long termisme, une idéologie qui stipule qu’il peut être acceptable de sacrifier 1 milliard d’êtres humains maintenant pour permettre à des milliards de milliards d’êtres humains d’exister dans des ordinateurs dérivant dans l’Espace d’ici quelques millénaires. Bolstrom avait partagé des vues profondément racistes dans un courriel datant des années 1990. Il rejoint le EDGE en 2009. En 2018, il crée sa fondation transhumaniste human+, qu’Esptein finance à hauteur de 120 000 dollars la première année. De quoi payer le salaire du vice-président Ben Goertzel, un spécialiste de l’IA qui a joué un rôle important dans la définition du terme “AGI” (IA générale) et de la promotion de la quête de la singularité (création d’une IA supra-humaine toute puissante).

Le pédocriminel a également entretenu des liens particulièrement étroits avec Joscha Bach. Philosophe et théoricien de l’IA, professeur à Harvard et au MIT. Ce penseur, particulièrement influent dans le milieu de la recherche en intelligence artificielle, estimait que l’épuration ethnique par la crise climatique était “peut-être un mal nécessaire”. Comme le confirme une chaine de courriels échangés avec Epstein, Bach entretenait des vues eugénistes, racistes et sexistes. Pour lui, les noirs sont génétiquement inférieurs aux blancs sur le plan intellectuel, tout comme les femmes, du fait de l’évolution. Des idées démenties par la science, mais communément admises au sein de la Silicon Valley. Epstein n’aurait pas été étranger à leur diffusion, puisqu’il a financé leurs principaux théoriciens.

Lui-même témoignait d’un racisme et d’un sexisme qui se reflète jusque dans ses propres crimes. Or, le pédocriminel agissait activement pour façonner le monde en fonction de cette vision. Que ce soit en finançant l’armée d’occupation israélienne, en servant d’agent au Mossad, en traitant avec la Russie, en finançant les colonies israéliennes illégales ou, plus discrètement, en œuvrant à la création d’une internationale fasciste par le prisme de la technologie.

Peter Thiel, le patron de Palantir et capital-risqueur ultra-influant, occupe une place à part dans le dossier Epstein. Il semble échanger fréquemment avec le pédocriminel, en particulier autour des années 2014-2016. Epstein a investi dans un de ses fonds en capital-risque à hauteur de 40 millions de dollars et a joué un rôle déterminant dans l’adoption des logiciels de surveillance et de répression de Palantir par divers gouvernements et institutions, dont Israël et certains alliés de l’état hébreu.

Les liens ne sont pas uniquement financiers. Dans un mail à Thiel, Epstein semble se vanter de son rôle dans le Brexit et expose ses projets de renversement de l’ordre mondial néolibéral fondé sur la démocratie, la mondialisation et le droit international :

Pour Epstein, l’effondrement des démocraties et l’apparition de “failed states” à la place de dictatures clientes des USA est une opportunité pour faire des affaires. Et la lecture du dossier Epstein suggère qu’il déployait toute son influence vers ce but. Ce qui explique son rapprochement avec Steve Bannon, Peter Thiel et le mouvement “MAGA”.

Le projet décrit par Epstein ressemble à s’y méprendre à celui des technofascistes libertariens dont Peter Thiel constitue le représentant le plus connu. Comme maintes fois documenté, ce courant souhaite provoquer l’effondrement des démocraties libérales et affaiblir l’État pour permettre l’émergence d’un network state. Ces cités-États indépendantes et autonomes, gérées par des Roi-PDG élus par des actionnaires-citoyens sur le principe “un dollar égal une voix”.

4. Esptein, le bitcoin, 4chan et l’internationale fasciste

Epstein était un grand utilisateur et promoteur des cryptomonnaies, à la fois comme outil pour ses crimes et comme projet politique s’inscrivant dans sa vision d’un monde post-démocratique, comme le rapporte le journaliste Ryan Broderick. Pour le pédocriminel, le Bitcoin représentait un outil de subversion de la finance globalisée au service des élites.

Les courriels révèlent ainsi qu’Epstein a joué un rôle significatif dans le sauvetage du Bitcoin, en 2015, lorsque le protocole était menacé par des conflits au sein de l’équipe de programmeurs en charge du maintien du code source. L’argent et le réseau du pédocriminel ont permis à la cryptomonnaie de s’épanouir, tout en infiltrant les cercles de pouvoir et les institutions financières.

Epstein entretenait également des liens étroits avec Brock Pierce, cofondateur du Tether, un stablecoin (crypto-actif dont la valeur est adossée au dollar) qui sert de liquidité dans la sphère financière des cryptos. Epstein avait profité de ses liens pour investir tôt dans la plateforme de courtage en ligne Coinbase, à hauteur d’un million de dollars.

Plus effrayant, Epstein aurait également joué un rôle non négligeable dans la constitution d’une forme d’internationale fasciste. Non seulement par ses tentatives (réelles ou fantasmées) d’ingérence électorale et de soutien aux politiciens d’extrême droite européens, mais, également en participant aux efforts de radicalisation d’une génération de jeunes hommes via les forums en ligne, le jeu vidéo et la subculture procryptomonnaies. En particulier, il semblerait qu’Epstein soit lié à la mutation du forum de discussion 4chan, devenu la plaque tournante du complotisme d’extrême droite, de l’activisme et du masculinisme fascisant. Epstein a déployé des efforts importants pour rencontrer le gérant du site, qui aurait rouvert la partie du forum dédié à la politique suite à sa rencontre avec Epstein, et ainsi permis la radicalisation du forum. C’est là qu’a pris corps la théorie complotiste et véritable mouvement politique Qanon. Ironiquement, ce mouvement prétendant que le monde était dominé par une cabale de pédophiles satanistes affiliés au parti démocrate a été alimenté par l’affaire Epstein.

Or, QAnon a servi de carburant au saccage du Capitole et à la tentative de coup d’État de Donald Trump, comme en témoigne la photo du fameux “Chaman QAnon” hurlant depuis le Congrès des États-Unis suite à l’interruption de la procédure de certification des élections.

Il est tout à fait possible que Jeffrey Epstein n’ait joué aucun rôle significatif dans l’émergence de ces mouvances d’extrême droite, bien qu’il semble avoir financé divers influenceurs (y comprit un Youtubeur francophone) et a certainement essayé de peser sur ces tendances. Quelle que soit la portée de son ingérence, on ne peut que constater les liens étroits qui existent entre ses propres desseins et ceux des élites de la Tech.

Epstein partageait les vues eugénistes et racistes repeintes au sein de la Silicon Valley. Lui-même parlait de se cloner et de répandre son ADN en enfantant une progéniture à l’aide de mères porteuses. Des ressemblances troublantes avec un certain Elon Musk…

Partager

Sa correspondance lugubre ne se limite pas à des délires couchés sur courrier électronique. Comme l’a retracé le site d’investigation Dropsite.news, Epstein a également déployé des efforts considérables pour mettre en relation diverses équipes de recherche spécialisées dans le décodage du génome et les thérapies géniques, tout en essayant de recruter des spécialistes de la cryptographie et du hacking liés à diverses agences de renseignement. Le tout dans le but de les mettre en relation pour craquer le code génétique à des fins eugénistes et transhumanistes, en écho aux obsessions des barons de la Silicon Valley…

Quels que fussent les effets de ses efforts, une chose reste certaine. Les élites de la Tech n’ont pas rejeté Epstein. Elles ont entretenu avec lui des liens aussi étroits que “naturels”. Et ce, malgré les crimes épouvantables pour lesquels il avait déjà été inculpé.

Grok est un néologisme inventé par l’auteur de science-fiction américain Robert Heinlen pour son roman “En terre étrangère”. Le livre raconte le retour sur Terre d’un humain ayant été élevé par les Martiens. Dans l’histoire, le terme “grok” est issu de la langue martienne. L’Oxford English Dictionary explique qu’il signifie « comprendre intuitivement ou par empathie, établir un rapport avec ».

Malgré sa consonance désagréable, Elon Musk a retenu ce terme pour nommer le chatbot produit par xAI, son entreprise d’Intelligence artificielle. Grok a été lancé comme un produit intégré au réseau social X (anciennement Twitter) et comme application séparée, destinée à concurrencer ChatGPT et les autres programmes d’IA générative. Comme pour ses concurrents, il existe différentes versions (gratuite, abonnement pro à 29.99 dollars/mois et “super heavy” à 299 dollars/ mois).

On peut comprendre pourquoi les ingénieurs de xAI ont suggéré ce nom à Musk. Le patron de Tesla aime la SF, est obsédé par Mars et possède un sens de l’humour “particulier”. De plus, les chatbots comme ChatGPT sont configurés pour “comprendre intuitivement” “établir un rapport avec” les utilisateurs et faire preuve d’empathie.

Grok : IA raciste, antisémite et toxique

Premier paradoxe : Grok n’est pas emphatique. Depuis son lancement, Musk a insisté pour que son IA soit plus permissive et moins “woke”. Cela peut se défendre si l’on part du principe que le “wokisme” est une idéologie dangereuse (un “virus” qui menacerait l’humanité, selon le patron de Tesla). Mais “woke” veut simplement dire “conscient des discriminations” et du caractère systémique de ces dernières. ChatGPT et ses concurrents ont été programmés pour être plus “woke” que le corpus de données utilisé pour les entrainer, précisément parce que sans cette couche supplémentaire de sécurité, GPT régurgitait fréquemment des horreurs racistes, antisémites, eugénistes, homophobes et sexistes.

Malgré ces précautions, de nombreuses études ont démontré que les IA génératives comme ChatGPT reproduisaient et amplifiaient les stéréotypes et biais présents dans la société (et les discriminations qui vont avec). Musk est allé un cran plus loin en supprimant une partie des verrous et dispositifs de sécurité de son chatbot. Ce qui a donné lieu à de nombreux dérapages largement documentés (propos négationnistes et racistes tenus par Grok, y compris tenus “publiquement” via le système de réponse postée sur le réseau social X). Grok 4.0 s’est ainsi auto-présenté comme “mechaHitler”. Aux innombrables défauts inhérents aux IA génératives, dont leur capacité à influencer l’opinion des utilisateurs via les biais du programme, Grok ajoute ceux de son patron.

Parfois, avec un effet comique non désiré. Grok avait été mis à jour pour répondre positivement à toute question concernant Elon Musk. L’IA expliquait que le milliardaire était le meilleur programmeur au monde et le meilleur joueur de baseball, mais aussi que personne ne buvait aussi bien de l’urine qu’Elon Musk.

Plus souvent, les résultats n’ont rien d’amusant. Les réponses de Grok sont fréquemment recalibrées pour s’aligner sur les opinions de son chef, que ce soit pour promouvoir l’attaque américaine contre le Vénézuéla, des théories conspirationnistes fumeuses ou encourager le climato-scepticisme.

Les efforts d’Elon Musk pour faire de son réseau social un paradis pour racistes et un outil de propagande ont été longuement documentés. Les propres prises de position de Musk sur X témoignent d’une volonté de désinformer le public pour le manipuler (ou font état d’un racisme et d’une ignorance invraisemblable, au choix). La France a ouvert une procédure judiciaire pour ingérence. Et le lancement de Grokipedia, sorte d’encyclopédie en ligne censée concurrencer Wikipédia, a montré l’étendue des penchants racistes de l’entreprise xAI.

Partager

Dans un autre registre, Grok a été entrainé via Collosus, un “super calculateur” construit à la hâte et au mépris de toute norme environnementale. Pour fournir la puissance électrique nécessaire à l’alimentation des centaines de milliers de processeurs NVDIA qui le composent, xAI a utilisé des turbines à gaz portatives dont l’empreinte carbone désastreuse s’accompagne d’une forte émission de polluants qui empoisonnent les habitants de la région.

Malgré tous ces problèmes, les grands de ce monde continuent d’utiliser X (Twitter) et de dérouler le tapis rouge à Elon Musk. xAI vient de lever 20 milliards de dollars de capitaux lors de son dernier round de financement, soit 5 milliards de plus qu’espéré. Une part non négligeable provient de la firme NVDIA, ce qui fournit une nouvelle illustration de la circularité du financement de l'IA générative. Ces acteurs n’ont pas hésité à mettre la main au portefeuille, malgré l’irruption d’une nouvelle polémique majeure.

Grok, IA pornographique et pédophile

L’IA inclut un générateur d’image permettant de réaliser des DeepFake (faux contenus numériques conçus pour paraitre réels). Aux vidéos controversées s’est ajoutée, depuis le début de l’année, une fonctionnalité permettant de déshabiller des personnes réelles à partir d’une photo. L’IA produit une autre version de l’image où la personne est nue, en sous-vêtements ou maillot de bain et dans diverses poses suggestives ou situations dégradantes (y compris incluant des blessures corporelles). Grok accepte même de leur apposer des croix gammées et autres symboles pronazis sur la peau.

Ces images dégradantes sont diffusées publiquement et peuvent cibler des enfants. Face au tollé provoqué par cette option, xAI a rétropédalé en rendant uniquement accessible cette fonctionnalité aux abonnés payants, puis en la supprimant du réseau social X.

Partager Fake Tech

Non seulement cela démontre une volonté de monétiser l’exploitation sexuelle des femmes et des mineurs (Grok a déshabillé virtuellement des enfants de 4 ans en les recouvrant d’un liquide évoquant du sperme) tout en encourageant les comportements illégaux, mais le fameux “paywall” fonctionne mal et serait facile à contourner. Derrière l’apparente bonne volonté de xAI se cache une monumentale hypocrisie. Musk refuse de reconnaitre ses torts et de censurer son IA, malgré le scandale qu’elle provoque.

D’où ce paradoxe supplémentaire. La dérive technofasciste d’Elon Musk a commencé à devenir visible lorsque le patron de Tesla avait traité un secouriste britannique de pédophile via Twitter. Nous étions en 2018, des enfants se trouvaient bloqués dans une grotte thaïlandaise à la suite d’une visite spéléologique ayant mal tourné. Musk avait proposé une solution absurde pour les sauver. Le secouriste avait expliqué que cette solution technologique ne fonctionnerait pas et que le patron de Tesla ne connaissait rien au problème. Le milliardaire n’avait pas supporté que son image de génie visionnaire patiemment construite soit ainsi exposée pour la fraude qu’elle a toujours été. Il avait répliqué en traitant le secouriste de “pédo”.

Huit ans plus tard, Musk met au point une IA pédophile pour espérer combler les pertes financières d’xAI, évaluées à 1,5 milliard de dollars par trimestre. Il faut dire que malgré le nombre d’utilisateurs importants induit par son intégration gratuite à Twitter (enfin, X, décidément), Grok ne rapporte pas grand-chose à xAI. Le marché grand public est saturé de modèles concurrents bien souvent supérieurs. Et aucune grande entreprise d’envergure n’a souscrit aux offres professionnelles. Ce qui peut se comprendre : quelle organisation serait prête à compromettre son image en travaillant avec un outil s’autoproclamant « MechaHitler » et produisant du contenu pédophile à la pelle ?

Grok, l’IA au service de l’administration Trump et du Pentagone

Elon Musk a longtemps critiqué le gouvernement comme étant un acteur bridant l’innovation, conformément à l’idéologie libertarienne. Cette position était déjà en porte à faux avec le fait que le milliardaire doit tout au gouvernement américain. Rappelons qu’il a fait fortune grâce à deux start-up reposant entièrement sur Internet (invention issue de la recherche publique). Fortune qui a ensuite été sauvée par les contrats de la NASA avec SpaceX, les subventions de l’état californien au bénéfice de Tesla et le prêt fédéral de l’administration Obama. Considérer la main qui vous nourrit comme la source de vos problèmes peut paraitre hypocrite.

Mais Grok rajoute une couche à ce paradoxe. Alors que l’IA est clairement moins performante que ses concurrents, le gouvernement de Trump s’empresse de l’intégrer à de nombreuses administrations, dont le ministère de la Défense (tout juste renommé ministère de la Guerre, je vous rappelle que nous vivons en pleine dystopie techno-trumpienne).

Ce rapprochement s’inscrit dans un mouvement plus vaste de la Tech californienne et des entreprises travaillant sur l’IA. Après avoir longtemps proclamé que leurs outils ne devaient pas être utilisés à des fins militaires, elles ont cédé aux sirènes des gros contrats publics et des partenariats privés avec l’industrie de l’armement.

OpenAI, qui produit ChatGPT, s’était donné pour mission de mettre au point une IA bénéficiant à l’ensemble de l’humanité. Elle vient de signer un contrat avec Palantir, la société de gestion de données à usage de la surveillance, de l’armée et de la Police, dont le PDG a récemment expliqué que son entreprise était engagée dans une croisade impérialiste. Et que cela passait par le fait de “faire peur à nos ennemis et parfois les tuer”.

Enfin des signes de résistance ?

Dernier paradoxe. C’est du gouvernement habituellement le plus servile envers les intérêts américains et la Tech californienne qu’est venue la plus forte réaction. La Grande-Bretagne lance une enquête contre xAI et parle désormais de faire interdire le réseau social X sur son territoire. La France a également engagé des procédures judiciaires. Mais ce genre de démarche prend du temps et les dirigeants qui les engagent seraient bien inspirés d’appeler au boycott de X et d’examiner d’autres mesures coercitives.

Aux États-Unis, le tollé est également majeur. L’état de Californie a lancé une procédure judiciaire contre xAI. Et le vice-président JD Vance, un instrument de la Silicon Valley, a été contraint de condamner publiquement le détournement d’images de mineurs.

Il s’agit d’un test lourd de conséquences. Si Musk parvient à tirer profit de la situation malgré tout, plus rien ne sera impossible aux Big Tech. Car Grok n’est que le sommet de l’iceberg. Le révélateur d’un problème plus fondamental, ancré au cœur de la Tech : sa capacité à imposer ses choix et lubies à la société, en dehors de tout contrôle démocratique, sans subir la moindre conséquence pour les innombrables dégâts causés.

Le dernier paragraphe de l’article et une mini-revue de presse sont accessibles derrière ce “paywall”, pour ceux qui souhaitent soutenir mon travail. Mais pas de panique, l’article sera en accès libre la semaine prochaine. Et il est toujours possible de m’offrir un café ici. Bonne année 2026 à tous !

Read more

Chat GPT vient de souffler sa troisième bougie. Et avec les fêtes de fin d’année, le sujet de l’IA générative pourrait bien s’inviter à votre table. Que répondre aux techno-béats qui ne sont pas convaincus qu’il faut brûler les data centers, nationaliser Mistral et jeter Sam Altman, le transhumaniste accroc aux drogues et patron d’OpenAI, en prison ? C’est l’objet de ce numéro un peu spécial de “Fake Tech”.

Avant de débuter ma longue diatribe, je voudrais préciser qu’elle m’a été en partie inspirée par le style du journaliste britannique Ed Zitron. Si vous lisez l’anglais et que les articles de 15 000 mots centrés sur un aspect particulier de la critique de l’IA générative ne vous font pas peur, je vous encourage à lire sa newsletter.

Sinon, il ne vous reste plus qu’à vous abonner à FakeTech ou à partager cette publication autour de vous. Cela fait toujours plaisir de voir le compteur à abonnés progresser, sans parler de ceux qui prennent le temps de m’offrir un café (ici). Bonne lecture et joyeuses fêtes !

Partager

Le terme IA générative désigne les programmes informatiques capables de produire des contenus inédits (textes, vidéos, audio, code informatique…) à partir de simples requêtes (prompt). Pensez ChatGPT, Sora, Claude, etc. C’est de ces IA, basées sur les « Larges modèles de langage » (LLM), dont nous parlerons ici, pas du régulateur de vitesse du Scénic de mon oncle.

Avant de répondre aux arguments typiquement déployés par les fans d’IA, commençons par résumer ce que l’on sait des conséquences concrètes de cette technologie.

Les IA génératives imposent un cout catastrophique et engendrent des conséquences désastreuses

Pour fonctionner, les IA génératives nécessitent des quantités phénoménales d’électricité, de métaux lourds, de terres rares, de terres arables, d’eau potable et de données. Ces données sont presque exclusivement volées. À vous, à moi, aux artistes, aux travailleurs, aux collectivités et aux entreprises. Elles sont traitées par des millions d’êtres humains payés à la tache et travaillant dans des conditions traumatisantes, au point de pousser certains d’entre eux au suicide ou au meurtre. Sans surprise, la majorité de ces travailleurs sous-payés vivent dans le “sud global”. On est pas loin de l’esclavage moderne, comme le montrait le documentaire “les sacrifiés de l’IA”.

Une fois mises au point, les IA génératives servent de justification à des plans de licenciements massifs et à la destruction des services publics. Elles sont utilisées pour la production de fausses informations destinées à manipuler les électeurs ou à inciter à la haine. Ces contenus, caractérisés par leurs mauvaise qualité, erreurs ou absence d’objectifs précis, ont donné naissance au terme “IA slop” (bouillie). Ils inondent internet, souvent pour capter notre attention à moindres frais, et compliquent la recherche d’informations authentiques.

Dans les entreprises, les productions de mauvaise qualité résultant de l’usage de l’IA possèdent désormais leur propre terme : “workslop”. Quant aux IA fonctionnelles, elles introduisent le problème du deskilling (perte de compétence). Diverses études ont démontré que l’IA générative réduisait l’esprit critique des utilisateurs, manipulait leurs opinions et diminuait leurs capacités cognitives. Autrement dit, l’IA nous abrutit, en plus d’accaparer notre attention.

ChatGPT et les autres agents conversationnels utilisés par le grand public sont explicitement conçus pour être addictifs et manipulateurs. Ils ont déjà poussé plusieurs personnes au suicide ou au meurtre et provoqué des accidents. Sans produire la moindre remise en question. Sam Altman (OpenAI) a récemment indiqué que les prochaines versions de son chatbot seront autorisées à entretenir des relations amoureuses ou érotiques. En parallèle, il recommande aux parents d’utiliser son IA pour apprendre à élever leurs enfants au quotidien. Tout est bon pour imposer l’usage de l’IA, malgré les risques qu’elle représente.

Cet été, les conseils vacances de ChatGPT and Co ont été identifiés comme une des causes du nombre record d’accidents mortels dans les alpes italiennes (les vacanciers s’engageant sur des itinéraires trop techniques et sans préparation adaptée, sur les conseils de l’application). Et les choses ne semblent pas destinées à s’améliorer : comme l’a rapporté The Guardian, une étude vient de démontrer que ChatGPT-5 était plus dangereux pour les utilisateurs que la version antérieure. Notamment, le tout dernier modèle d’OpenAI a plus de chance de produire des réponses néfastes (type : conseil pour se suicider ou commettre des actes illégaux). L’étude conclut que ChatGPT5 a été conçu pour augmenter l’engagement des utilisateurs.

Dans la même veine, le chatbot de Facebook démarchait des utilisateurs afin de leur fixer des rendez-vous galants (un homme souffrant d’insuffisance cardiaque en est mort). Le programme ciblait également les enfants.

Le but de toutes ces applications n’est pas d’aider l’utilisateur, mais de le rendre accro. Or, les LLM sont connus pour leurs nombreux biais (homophobes, racistes, machistes, patriarcaux, bourgeois, anglo-saxons, occidentaux…). Dans le cas de Grok, l’IA d’Elon Musk, cela prend des proportions délirantes (propos ouvertement antisémites, nazis…). Mais même les IA réputées bienveillantes et “humanistes” reproduisent les biais liés à leurs données d’entrainement et à leurs procédés de production (plus de 80 % des ingénieurs et scientifiques qui construisent ces IA sont des hommes, une majorité d’entre eux sont blancs et anglophones).

Les IA génératives introduisent aussi d’innombrables risques, en termes de sécurité et de cybersécurité. Elles peuvent aider leurs utilisateurs à commettre des actes malfaisants ou illicites malgré les garde-fous facilement contournables. Elles peuvent encourager leurs interlocuteurs à adopter des comportements autodestructeurs. Mais elles peuvent aussi profiter aux cybercriminels, que ce soit directement en les aidant à commettre des actes de piratage ou indirectement en exposant les utilisateurs aux failles informatiques spécifiquement véhiculées par ces systèmes. En particulier, il est possible de faire régurgiter à une IA ses données d’entrainement, ce qui augmente le risque que vos informations les plus intimes soient exposées.

Partager Fake Tech

Enfin, développer ces IA coute une fortune. Les investissements se chiffrent en milliers de milliards de dollars. Non seulement cela monopolise des ressources qui auraient pu être déployées pour financer des choses plus utiles (des panneaux solaires et éoliennes pour combattre la crise climatique, à la place des data centers et GPU utilisés pour créer des actrices pornos virtuelles, par exemple). Mais cela introduit aussi de sérieux risques de crise financière.

Ces “défauts” sont bien connus et documentés. Pourtant, depuis la sortie de ChatGPT, aucune régulation sérieuse n’a vu le jour. OpenAI et consorts continuent de piller les données privées et sous copyright, tout en provoquant la mort de certains de leurs utilisateurs, sans que cela provoque la moindre réaction. Même l’IA Act européen ne prévoit aucune disposition contraignante. Comme l’écrit Thibeaut Prévost dans son excellent ouvrage “Les prophètes de l’IA” :

« [Les entreprises qui commercialisent des IA génératives n’auront] à fournir ni documentation technique ni analyse d’impact de leurs modèles avant la mise sur le marché, pas plus qu’elles n’auront à se plier à des audits de sécurité externes, à démontrer l’interprétabilité de leurs modèles, à fournir des outils pour différencier un contenu synthétique d’un contenu humain, ou à respecter la Directive européenne sur le copyright pour leurs données d’entraînement. Alors que le Parlement voulait initialement imposer ces contraintes à tous les systèmes d’IA «à but général», comme GPT-4, elles sont désormais réservées aux IA à usage général présentant un «risque systémique», soit aucun des systèmes actuellement commercialisés. »

Les principales critiques de l’IA portent sur la dangerosité supposée de cette technologie. Il ne se passe plus une semaine sans qu’un chercheur ou spécialiste alerte dans un grand journal sur le risque existentiel de ces IA génératives. En réalité, ces prophètes de malheur contribuent à entretenir le mythe d’une technologie toute puissante. En se focalisant sur des risques hypothétiques et lointains, ils détournent notre attention des nombreux problèmes posés par l’IA ici et maintenant.

Je vais terminer cette introduction en soulignant une dernière absurdité. Les principaux acteurs de l’IA (les grands patrons et financiers de la Silicon Valley) ne cachent pas leurs intentions: mettre un maximum d’entre nous au chômage (tout en proposant de nous payer un revenu universel proche du RSA, qui serait financé par leurs profits colossaux) et nous rendre accros aux chatbots désormais conçus pour être nos amants virtuels et nous “décharger” de choses aussi intimes que l’éducation de nos enfants, la gestion de nos relations amoureuses et amicales, tout en nous empêchant de faire le deuil de nos proches. Un beau projet dont l’aboutissement reste incertain, mais les conséquences immédiates déjà catastrophiques.

L’IA générative produit pratiquement autant de gaz à effet de serre que le transport aérien. Et ça ne fait que trois ans que cette technologie est disponible pour le grand public. Début 2022, personne n’avait entendu parler de ChatGPT. S’il fallait revenir en arrière et choisir entre ne plus jamais faire décoller le moindre avion de ligne ou ne jamais commercialiser les chatbots à grande échelle, la décision serait probablement rapidement prise. Je prends cet exemple pour montrer à quel point le rapport coût-bénéfice est disproportionné.

Le plus choquant étant peut-être le fait que cette ruée sur les data centers va augmenter significativement le prix des autres appareils électroniques, les fabricants de composants modifiant leurs lignes de production pour répondre l’explosion de la demande en composants exclusivement dédiés à l’IA.

Abonnez-vous maintenant

La seule attitude raisonnable, lorsqu’on dispose de la somme d’informations dont je viens de vous abreuver en guise d’introduction, est de vouer une haine juste et entière à ChatGPT, ses concurrents et les entreprises, influenceurs et patrons qui sont derrière. Je ne dis pas qu’il faille reprocher à tout un chacun de demander à ChatGPT une recette de cuisine ou des idées de cadeaux pour la Saint-Valentin. Je dis que donner le moindre euro à ces entreprises devrait être aussi condamnable et stigmatisant que de faire un don défiscalisé à une compagnie pétrolière, travailler pour un marchand d’armes ou financer les fabricants de tabac.

Je vous vois venir, avec vos objections. Vous allez me dire que la technologie évolue vite, qu’il ne faut pas jeter le bébé avec l’eau du bain, qu’il n’y a pas d’alternative (tu veux revenir au modèle amish ? Laisser l’IA aux Chinois ?)… Passez-moi cette coupe de champagne.

Les IA génératives ne fonctionnent pas (et elles ne vont pas vous remplacer) !

Je pourrais commencer par détailler le fonctionnement de ChatGPT et autres IA génératives pour démontrer qu’il s’agit de modèles statistiques visant à prédire, en interpolant les données avec lesquelles ils ont été entrainés, le mot le plus plausible à ajouter à la suite d’une phrase. La nature probabiliste implique la faillibilité du modèle. Et le fait qu’il cherche à produire la réponse la plus plausible signifie que le modèle ne cherche pas la vérité ou l’originalité, mais la proximité avec les données d’entraînement. Autrement dit, il est impossible de mettre au point une IA générative qui ne commettrait pas d’erreurs, raisonnerait ou comprendrait ce qu’elle fait, à partir des LLM.

Cette caractéristique indépassable explique pourquoi les IA génératives se trompent souvent, semblent dépourvues de sens commun et ne pourront pas devenir conscientes ou intelligentes.

Plusieurs études produites par les laboratoires de recherche d’Apple et par des universitaires ont montré que les modèles d’IA générative les plus aboutis et censés raisonner (“chain reasoning model”) comme ChatGPT4-o1, ne sont pas dotés de capacités cognitives. Pour résoudre des problèmes de mathématiques complexes, par exemple, ils piochent dans leurs données d’entrainement pour aboutir à la solution (un peu comme un cancre qui copie par-dessus l’épaule de son voisin ou dans un manuel scolaire).

Ces mêmes modèles “raisonnant” ont été testés pour générer des dépêches et des résumés d’articles de presse. Dans 50 % des cas, ils produisent des communiqués contenant des erreurs factuelles. Un taux d’erreur proprement hallucinant. Une autre étude récente vient de démontrer qu’un nouvel article scientifique sur 6 serait contaminé par de fausses citations produites par des IA types ChatGPT.

En résumé, les IA génératives ne fonctionnent pas !

Partager

Lorsqu’on a dit cela, les fans de l’IA vous répondront qu’ils arrivent à faire des choses extraordinaires avec Google IA studio, Claude ou ChatGPT. Que d’innombrables entreprises licencient en invoquant les gains de productivité permis par l’IA. Que des métiers connaissent de grandes difficultés (graphistes et illustrateurs, concepteur-rédacteurs, traducteurs…). Bref que les IA sont peut-être imparfaites, mais se perfectionnent et sont déjà suffisamment puissantes pour menacer des millions d’emplois.

Bien. Regardons ce que dit le marché et le monde des affaires.

Du côté des entreprises, nous disposons d’une pléthore de rapports et études qui pointent l’inefficacité des IA.

• La dernière étude du MIT, portant sur un large éventail d’entreprises, a conclu que le développement de l’IA générative n’a apporté des bénéfices que dans 5 % des cas. La principale raison identifiée est directement liée aux faibles capacités de l’IA générative . Je cite : « ce qui la freine réellement, c’est que la plupart des outils d’IA n’apprennent pas et ne s’intègrent pas bien dans les processus».

• Une enquête similaire du cabinet de conseil KPMG a conclu que seulement 2 % des entreprises canadiennes ayant adopté l’IA générative observent un retour sur investissement positif (deux cas sur cent !).

• Le rapport IA 2025 de McKinsey a conclu que « seulement une entreprise sur vingt est un “acteur performant”, ayant profondément intégré l’IA et constatant qu’elle génère plus de 5 % de leurs bénéfices ». Selon l’étude, seuls 32 % des dirigeants interrogés pensent que l’IA générative va leur permettre de réduire leur nombre d’employés et 61 % estiment que l’adoption de l’IA est un échec.

• Des rapports récents montrent une forte baisse de l’utilisation de l’IA générative par les développeurs et programmeurs. De plus, une étude majeure a conclu que l’IA générative réduisait la productivité des développeurs de logiciels de 20 %. La conclusion la plus intéressante de l’étude est que les ingénieurs qui ont vu leur productivité décroitre pensaient pourtant qu’elle avait augmenté. Ce qui signifie que de nombreuses études basées sur les déclarations des personnes interrogées surestiment probablement l’apport de l’IA.

• The Economist vient de publier un article confirmant ces tendances. Le journal note que « Les enquêtes récentes indiquent une stagnation de l’adoption par les entreprises » et que l’utilisation de l’IA générative recule (« Jon Hartley de l’Université Stanford et ses collègues ont constaté qu’en septembre, 37 % des Américains utilisaient l’IA générative au travail, contre 46 % en juin »).

• La Harvard Business Review vient de publier un article sur le problème généré par le phénomène de “IA workslop”. Pour la prestigieuse publication, “la bouillie produite par les IA détruit la productivité” et “bien que les employés suivent les directives leur demandant d’adopter l’IA, rares sont ceux qui expérimentent des gains de productivité”.

• Bloomberg a publié plusieurs articles récents soulignant l’absence de gains de productivité liés à l’adoption de l’IA, dont un, intitulé : « L’engouement pour l’IA s’avère être un paradoxe de Solow » (un terme inventé par le lauréat du prix Nobel d’économie Robert Solow, qui notait en 1987 : « On retrouve les ordinateurs partout, sauf dans les statistiques de productivité »).

• De nombreux dirigeants d’entreprise ont publiquement exprimé leurs réserves concernant la technologie. Le PDG d’Airbnb, Brian Chesky, a récemment admis que l’IA « n’était pas encore prête » pour la planification de voyages et qu’au sein de sa propre organisation « elle ne conduit pas encore à un changement fondamental de productivité ». Le PDG d’AWS affirme que remplacer les employés juniors par l’IA est « l’idée la plus stupide qu’il soit».

• Différents cas d’entreprises ayant licencié des employés pour les remplacer par de l’IA avant d’être contraintes de les réembaucher ont récemment fait les gros titres.

Ces faits sont dévastateurs. Malgré la hype qui pousse les entreprises et dirigeants à adopter l’IA et à se vanter des succès obtenus (cela fait moderne, rassure les investisseurs, discipline les employés…), l’IA ne perce pas au sein du privé.

Et les choses ne sont guère meilleures côté grand public.

En Europe, la Deutsche Bank note une stagnation voire un recul du nombre des souscriptions. Cette tendance est confirmée par les données collectées par les analystes de Apptopia, citées par Techcrunch. Le nombre de téléchargements de ChatGPT recule et le nombre d’heures passées par les Américains sur l’application connait une baisse de 22% depuis juillet. Ce qui explique pourquoi une dirigeante d’OpenAI se plaignait du “manque d’enthousiasme pour l’IA” (sic) la semaine dernière.

Les mauvais chiffres d’OpenAI, leader incontesté du marché grand public, sont antérieurs à l’irruption de Gemini 3, le modèle de Google qui dépasse ChatGPT5. Ils pointent vers une tendance globale.

Plus anecdotique, deux tentatives récentes d’utiliser commercialement des vidéos générées par une IA ont tourné à la catastrophe. Amazon a supprimé son résumé vidéo de la série Fall Out après le signalement de multiples erreurs commises par l’IA. Et suite au backlash sucité par les consommateurs, la publicité produite par McDonald a été retirée en urgence. Le pire étant que les producteurs de la publicité déclaraient avoir “travailler 24h/24 pendant des jours” pour tenir les délais et améliorer les prompts, en insistant sur le fait que “ce n’est pas l’IA qui a fait la vidéo, c’est nous”. En clair, les publicités générées par l’IA sont moches, désastreuses et ne coutent pas nécessairement moins cher à produire. Le contraste entre la réception de la publicité McDonald et celle, devenue virale à travers le monde, d’Intermarché est saisissant. Dans le cas de la seconde, c’est une agence marketing basée à Paris et un studio d’animation français qui ont réalisé la vidéo, avec des employés en chair et en os.

Certes, l’IA reposant sur les réseaux de neurones artificiels et le deep learning peut offrir quelques applications intéressantes. Le prix Nobel de chimie a été attribué à deux chercheurs de Google Deep Mind dont l’algorithme a permis de prédire les structures complexes des protéines. Leurs travaux devraient permettre d’accélérer la découverte des médicaments. Plus controversé, l’usage de l’IA pour diagnostiquer les radios permet un gain de temps évident. Sans avoir remplacé les radiologues pour autant. Malgré une envie débordante de remplacer les travailleurs par des IA, nous n’avons pas encore vu des signes clairs et abondants d’emplois remplacés par cette technologie.

Les raisons sont multiples : les IA fonctionnent mal, les emplois ne se résument pas à des tâches uniques ou même un ensemble de tâches automatisables. Contrairement à ce que pensent parfois les dirigeants qui s’en servent de prétexte pour licencier.

Ce n’est pas l’IA qui vous vire ou vous remplace, mais votre patron et vos dirigeants. Le journaliste américain Brian Merchant enquête depuis des mois sur la question du remplacement d’emplois par l’IA. Son travail n’est pas conclusif : certaines professions sont sévèrement impactées, d’autres non. Le cas d’Amazon est emblématique. La firme s’est vantée de virer 30 000 employés en invoquant l’IA, mais des salariés ont répliqué par communiqué de presse en expliquant qu’aucun gain de productivité n’avait été observé. Plusieurs milliers ont même signé une lettre ouverte remettant fondamentalement en cause la politique pro-IA d’Amazon.

Pour Brian Merchant, l’impact de l’IA sur le marché du travail reste impossible à déterminer. Le cas des traducteurs est intéressant : l’IA ne remplace pas nécessairement les emplois, mais dégrade le travail. Ces derniers doivent relire et corriger les traductions de l’IA au lieu de traduire les textes eux-mêmes. Le procédé créatif est sous-traité, ne laissant que les taches rébarbatives aux humains. Cette tendance s’observe dans de nombreuses professions où les postes supprimés ne sont pas dus à la performance de l’IA, mais au fait que les dirigeants acceptent une qualité de production inférieure. Selon Merchant, une seule chose est certaine “Le patronat utilise l’IA comme il a toujours utilisé les technologies d’automatisation depuis la révolution industrielle, pour extraire un maximum de valeur de ses travailleurs tout en profitant de l’incertitude générée par les capacités de cette technologie”. Un point de vue qui rejoint en quelque sorte celui du sociologue Juan Sebastian Carbonel qui, dans “Un taylorisme augmenté”, montre bien que l’IA sert avant tout à dégrader les conditions de travail et exploiter davantage les employés, pas à les remplacer.

Les IA génératives ne vont pas devenir intelligentes, conscientes ou toutes puissantes (l’IApocalypse est de la science-fiction pour vous manipuler)

Puisque l’IA progresse très vite, certains s’imaginent que nous allons rapidement aboutir à des IA aussi douées que l’homme (l’AGI pour Intelligence artificielle générale) voire arriver à la singularité (une IA consciente et capable de s’autoaméliorer, donc de dépasser très rapidement l’homme). D’où les discours apocalyptiques sur la dangerosité de la recherche en IA et les promesses d’un futur radieux où l’IA résoudra tous nos problèmes et nous permettra de vivre dans l’abondance.

Certes, le fossé qui sépare ChatGPT-3 des derniers LLM est tout aussi impressionnant que les progrès réalisés du côté des générateurs d’images. En trois ans, on est passé des photos difformes à des spots publicitaires très réalistes. Il y a trente ans, Deep Blue battait Gary Gasparov de justesse aux échecs. Désormais, n’importe quel iPhone peut vaincre Magnus Carlsen à plate couture. Il semble naturel d’anticiper de nouveaux bonds technologiques dépassant l’entendement.

Le problème avec l’argument du progrès exponentiel est qu’il ignore les principes sous-jacents aux modèles d’IA reposant sur l’apprentissage profond et les LLM. De la même manière qu’on ne peut pas extrapoler la taille d’un adulte à partir de la courbe de croissance d’un bébé (qui ne double pas de poids tous les trois mois indéfiniment), les LLM ne doublent pas leur puissance ou leur capacité à chaque nouvelle version. Les principaux scientifiques qui pensaient qu’il existait une loi de scalabilité (scaling law) selon laquelle la puissance du modèle évoluait en proportion de la complexité de ce dernier (nombre de paramètres et volume de données utilisées pour l’entrainer) admettent désormais que l’augmentation de la taille des modèles n’améliore plus significativement leur performance. Le rendement devient décroissant, puis négatif.

Il ne faut donc pas s’attendre à des sauts qualitatifs perpétuels. On a déjà vu à quel point ChatGPT-5 avait déçu. Et la nouvelle version 5.2 abandonne la principale innovation de ChatGPT-5, le fameux “routeur” qui dirigeait le logiciel vers un sous-modèle spécifique en fonction de la requête de l’utilisateur. L’idée était d’éviter de monopoliser les ressources des modèles les plus complexes (capables de raisonnement par étape ou chain reasoning) si l’utilisateur pose une question simple. Derrière le concept, on voit poindre la notion d’agents automatisés capable de distribuer les tâches : puisque OpenAI ne parvient pas à construire un modèle tout puissant, pourquoi ne pas proposer une constellation de sous-modèles plus spécifique ? Dans les faits, le routeur ne parvenait pas à orienter correctement les utilisateurs et utilisait davantage les modèles les plus complexes. Avec deux conséquences : une surconsommation d’énergie et des utilisateurs frustrés par des réponses longues et lentes à des questions simples. Ce qui illustre une fois de plus la limite de l’IA générative, incapable de dépasser certaines limites intrinsèques à son fonctionnement. On est loin d’une IA générale, comme l’explique depuis des mois Yann Lecun, considéré comme un des pères du deep learning. Ancien directeur de la recherche chez Facebook, il affirme depuis quelque temps que l’approche actuelle reposant sur les LLM constitue un détour ou une voie de garage pour ceux qui espèrent aboutir à une IA égale ou supérieure à l’homme.

Pourtant, les boss de la Silicon Valley et de nombreux grands noms de l’IA continuent de vendre une vision apocalyptique. Certains le font certainement par intérêt, d’autres par conviction. On peut être un spécialiste en algorithme de Deep Learning et se tromper lourdement sur ce qu’est l’intelligence ou la capacité de tels algorithmes à l’atteindre.

L’idée même qu’on peut répliquer l’intelligence humaine et la conscience en simulant mathématiquement des neurones et en les arrangeant en réseau est risible. Cela témoigne davantage d’une vision réductrice de ce qui fait de nous des humains plutôt que d’une vision extensive de ce que les machines peuvent produire.

Comme le rappel Thibault Prévost :

« Nous ne sommes pas le «cerveau dans une cuve» imaginé par le philosophe Hilary Putnam en 1981[6]. Non seulement il n’y a pas d’intelligence sans corps – le processus de mémoire, par exemple, est décentralisé –, mais l’expérience démontre qu’il y a de l’intelligence sans cerveau – d’autres cellules que les neurones sont capables de stocker de l’information et de la manipuler, et c’est ce qu’on appelle la cognition fondamentale ».

Partager

L’autre mythe perpétué par les chantres de l’IA issus de la Silicon Valley a trait au risque existentiel, basé sur la théorie du maximisateur de trombone. Il serait trop fastidieux de rappeler ici de quoi il s’agit. Je vous renvoie donc à l’excellent article de Huber Guillaud.

Résumons tout de même quelques points. D’abord, la peur de l’avènement d’une machine qui, pour maximiser sa production (des trombones, par exemple), en viendrait à supprimer l’humanité ou à consommer la totalité des ressources terrestres revient en réalité à décrire précisément les entreprises de la Tech en régime capitaliste. Nous sommes déjà face à des entités intelligentes dont le but est de maximiser l’accaparement d’une chose inutile (de l’argent) en épuisant les ressources de la planète.

Ensuite, l’idée qu’une super intelligence serait aussi stupide et cruelle que le premier capitaliste venu est davantage une projection des PDG de ce monde (connus pour leur manque d’empathie pathologique et leurs traits sociopathiques) qu’une conséquence inévitable de l’acquisition d’une conscience.

Je ne dis pas qu’il est impossible de construire une IA dotée de capacités cognitives supérieures ou égales à l’homme, mais seulement que les IA génératives ne sont pas une voie directe vers cette super intelligence, et qu’un tel outil ne serait pas vraisemblablement conscient ou désireux d’exterminer le genre humain (volontairement ou par accident). Ce sont ces faux prophètes de l’IA qui veulent activement détruire l’humanité pour sauver leur petit monde, comme le résument parfaitement Thibaut Prévost et de nombreux critiques de l’IA.

Mais alors, on laisse l’IA aux Chinois ? (ou pourquoi personne ne gagnera la course à l’IA)

À ce stade nous avons établi que l’IA générative ne permet pas d’arriver plus vite à une IA générale (AGI), ni à une IA consciente ou toute puissante (singularité).

Autrement dit, investir des milliards de dollars dans des data centers destinés à servir les IA génératives tout en refusant de réguler le secteur, laissant les entreprises californiennes agir comme bon leur semble au nom de la course à l’IA, est une aberration. Non seulement ces logiciels sont dangereux et écologiquement désastreux, mais l’idée que cette fuite en avant serait nécessaire pour maintenir notre maigre avance sur la Chine est une vue de l’esprit. Les avances technologiques en matière d'IA ne durent pas, comme l’avait montré l’irruption de l’IA chinoise DeepSeek, qui rivalisait avec les meilleurs modèles d’OpenAI, elle-même désormais dépassé par Google.

Ensuite, la Chine a largement bloqué son marché aux technologies américaines (Google, Facebook, OpenAI, Amazon, NVIDIA…) tout en développant ses propres géants et produits phares (Baidu, Alibaba, Huawei, TikTok, DeepSeek).

En clair, la Chine va continuer de développer l’IA sans se faire coloniser par la technologie américaine, et les États-Unis vont continuer d’empêcher la Tech chinoise de s’exporter sur leur territoire. Seule l’Europe accepte d’être numériquement colonisée sans condition. Quant à la France, son secteur technologique est pratiquement entièrement lié à la Silicon Valley. Rappelons que Mistral, le champion français, a été créé par d’anciens employés de Facebook avec l’aide des capital-risqueurs de San Francisco, avant de signer un partenariat avec Microsoft…

Si investir dans l’IA de pointe peut présenter des intérêts stratégiques et touche aux questions de souveraineté, l’IA générative est au mieux une distraction, au pire un gaspillage de ressources.

La haine de ChatGPT est juste et saine

Il y aurait encore beaucoup à dire et quelques autres mythes à debunker. Retenons un point principal : les IA génératives entrainent des risques vertigineux pour la société, tout en produisant des torrents de boue (IA slop) pour un cout énergétique délirant. La question n’est pas tant de savoir ce qu’ils seront capables de faire à un horizon mal défini. Mais de prendre conscience que dans le meilleur des cas (le scénario rêvé par les pontes de la Silicon Valley), ils finiront pour produire du chômage de masse et une forte addiction pour enrichir exclusivement les entreprises qui les produisent. En attendant, on brûle et pille des ressources considérables pour produire des chatbots érotiques et des vidéos inutiles.

Il est grand temps de vouer à tous ceux qui participent à la promotion et la diffusion de cette technologie un mépris et un rejet total. Comme à cette ministre française rendant hommage aux poilus de la guerre 14-18 non pas avec une image d’archive de l’INA, mais avec un visuel créé par une IA qui représentait une carte de France avec deux Bretagne !

Sur ce, merci de m’avoir lu et joyeux Noël à tous !

Si vous n’avez pas encore envoyé votre liste au père Noël ou que vous cherchez des idées de cadeaux originaux pour vos proches, cette liste devrait vous plaire. Certains titres se recoupent quelque peu, mais tous abordent des thèmes majeurs de la Tech, avec un regard résolument critique. J’ai pris le parti d’inclure essentiellement des livres en français parus ces douze derniers mois, tout en élargissant à quelques autres ouvrages qui m’ont particulièrement marqué. Et pour une liste de titres plus classiques et intemporels, je vous invite vivement à parcourir le “starter Kit Technocritique” du camarade Irénée Régnauld, dans lequel je vais piocher abondamment (certains étant par ailleurs tombés dans le domaine public !).

Et bien entendu, il est également possible de m’offrir un café et d’offrir ou se faire offrir un abonnement “Fake Tech”, sans engagement :

Abonnez-vous maintenant

1. Les prophètes de l’IA - pourquoi la Silicon Valley nous vend l’apocalypse (Thibault Prévost, Lux Éditeur, octobre 2024, 216 pages)

Débutons ce classement par le livre que j’aurais aimé écrire, tant par le style que l’angle choisi. Cet essai percutant revient sur la grande révolution technologique du moment en la qualifiant peu ou prou par ce qu’elle est : une arnaque. Une manipulation. Une supercherie. Orchestrée par ceux qui comptent en tirer le plus grand profit en termes d’accumulation de pouvoir et d’argent.

Journaliste spécialiste des questions numériques, Thibault Prévost détaille par le menu les croyances, objectifs et stratagèmes des pontes de la Silicon Valley pour nous imposer leurs IA mal conçues. Il déconstruit avec brio le récit apocalyptique, tantôt utopiste, tantôt dystopique, mais jamais ancré dans le réel et dans les vraies conséquences de l’IA générative sur nos vies, ici et maintenant.

Relativement court, bien documenté et regorgeant de punchlines, l’ouvrage sera particulièrement apprécié des lecteurs désirant saisir les enjeux de la course à l’IA générative sans se farcir des chapitres entiers sur les luttes internes à OpenAI ou le fonctionnement des algorithmes de deep learning. Ici.

Une recension en accès libre est à lire ici. Et sur le même thème, le livre (non traduit) L’IA Con ( L’arnaque de l’IA - recension ici) vaut également le détour.

2. L’Envers de la Tech - ce que le numérique fait au monde (Mathilde Saliou, Peregrines, octobre 2025, 256 p.)

Dans cet essai méticuleux, la journaliste Mathilde Saliou (Next) produit un inventaire saisissant des conséquences de la Tech sur notre planète et ses habitants. À une époque où la critique des nouvelles technologies se focalise de plus en plus étroitement sur l’Intelligence artificielle, l’ouvrage présente l’avantage de balayer un spectre plus large. Il est question des fusées de Musk et Bezos, des objets numériques dont l’empreinte écologique est souvent sous-estimée, des limites du recyclage, de la consommation en eau et en énergie induites par les data centers, mais aussi des effets plus concrets et immédiats de ces technologies sur la santé, y compris mentale, de leurs utilisateurs. Mathilde Saliou décrit aussi bien les conséquences délétères sur nos institutions démocratiques que les impacts en matière de justice sociale et d’égalité.

Une porte d’entrée passionnante et efficace pour interroger la pertinence des récits sur les soi-disant progrès offerts par l’ère numérique, en partant des conséquences concrètes de cette “révolution”. Ici.

Pour en savoir plus, je vous recommande l’interview de l’autrice par Synth Media.

3. Les algorithmes contre la société (Hubert Guillaud, La Fabrique, avril 2025, 167 p)

Si les impacts écologiques, sociétaux et démocratiques de la Tech peuvent parfois paraitre éloignés, dans le temps comme dans l’espace, les effets des algorithmes décrits par Hubert Guillaud prennent une tournure plus concrète et immédiate. Le journaliste ne se focalise pas sur l’IA générative ou d’autres technologies connues pour leur empreinte écologique majeure, mais de simples programmes informatiques assez triviaux. Ce qui l’est moins, c’est l’usage qui en est fait pour rendre la vie de nombreux citoyens toujours plus infernale.

N’ayant pas encore eu l’opportunité de me procurer l’ouvrage, je vous renvois à cette recension ici et la présentation de l’éditeur là.

Pour aller plus loin : entretien de l’auteur ici, recension du Monde là.

4. Les nouveaux contremaitres - Enquête sur la surveillance au travail à l’heure de l’IA (Clément Pouré, Équateurs, novembre 2025, 224 pages)

Votre patron vous surveille. Votre chef vous espionne. Votre entreprise vous contrôle. Si vous êtes manutentionnaire chez Amazon, salarié d’un centre d’appel, cuistot dans une chaine de fast food, programmeur pour une SS2I ou employé chez Basic Fit, vous étiez probablement au courant. Sans nécessairement avoir conscience de l’ampleur de cette surveillance. Mais si vous êtes agent dans une banque ou cadre au sein d’une grande entreprise, vous n’imaginiez peut-être pas que votre RH ait accès à tout ce que vous faites sur votre ordinateur, jusqu’aux copies d’écran et votre propre webcam. Et qu’il n’hésitera pas à s’en servir pour motiver un licenciement ou refuser une augmentation.

Partager

Cette dystopie bien réelle est au cœur de l’enquête du journaliste Clément Pouré (Médiapart). Raconté à la première personne, riche en témoignage de travailleurs, l’ouvrage explore comment les technologies numériques et l’IA sont mises au service du patronat pour surexploiter les travailleurs, qu’ils soient intérimaires sans diplômes ou cadres supérieurs. L’idée selon laquelle l’IA va nous remplacer et provoquer un chômage de masse laisse ainsi la place à une perspective tout aussi alarmante, mais bien plus concrète : celle de l’utilisation de ces nouvelles technologies pour dégrader les conditions de travail, accroitre l’exploitation et paupériser les salariés. Ici.

Pour aller plus loin : lire la recension de Hubert Guillaud ici. Et sur l’idée selon laquelle l’IA ne va pas prendre votre travail, mais le rend invivable et abrutissant, je citerais également le monumental “Un taylorisme augmenté : critique de l’intelligence artificielle”, du sociologue Juan Sebastian Carbonel.

5. La contre-révolution californienne (Sylvie Laurent, Le Seuil, 2025, 72 pages).

Le ralliement de la Silicon Valley derrière Donald Trump a souvent été décrit ou commenté comme un revirement surprenant, en contradiction avec l’alignement des élites de la côte ouest avec le Parti démocrate et les valeurs qu’elles semblaient défendre. Ce serait méconnaitre les liens et proximités historiques de la Tech californienne avec le parti républicain et les sphères réactionnaires. En 70 pages, l’historienne Sylvie Laurent revient sur ces aspects souvent méconnus pour démontrer en quoi le ralliement de la Tech derrière Trump n’est que le prolongement logique d’une dynamique historique.

Se focalisant en particulier sur les années 1960-2020, l’ouvrage sera un complément idéal à ma “Brève histoire de la Silicon Valley”.

6. Apocalypse nerds : comment les technofascistes ont pris le pouvoir (Nastasia Hadjadji et Olivier Tesquet, septembre 2025, 200 pages)

Le second mandat de Donald Trump est marqué par la prise de pouvoir des Big Tech, ralliés au président putschiste par opportunisme financier. Il existe aussi une convergence idéologique et politique documentée à merveille dans le livre de Nastasia Hadjadji et Olivier Tesquet. Cette cartographie de la contre-révolution réactionnaire et antidémocratique parcourant la Silicon Valley et influençant la Maison-Blanche apparait sous toute sa complexité. Une lecture essentielle, accessible et percutante pour saisir les ramifications du projet technofasciste en cours d’implémentation, ses objectifs, ses acteurs et ses racines idéologiques. Mon interview des auteurs est à lire ici.

7. Ludicrous, the unvarnished history of Tesla Motors (Edward Nierdermeyer, 2021, 275 pages, non traduit)

Publiée en 2021 par le journaliste automobile américain Edward Nierdermeyer. cette histoire “sans vernis” du constructeur automobile Tesla livre un exemple chimiquement pur de tout ce qui ne va pas avec la Silicon Valley. Elon Musk n’avait pas encore fait campagne pour Donald Trump, défendu des nazis sur Twitter ou fait des saluts hitlériens en direct à la télévision. Mais le ver était dans la pomme, comme un lecteur averti sera en mesure de s’en apercevoir en parcourant ce récit passionnant.

L’auteur décrit par le menu les nombreuses manipulations, dissimulations et escroqueries qui ont permis à Tesla d’émerger comme un constructeur automobile majeur et devenir une des plus grosses capitalisations boursières américaines. Didactique, le livre permet de se familiariser avec les enjeux techniques et commerciaux propres à l’industrie automobile, en particulier pour les véhicules électriques et autonomes. Son second mérite est d’illustrer comment l’approche agressive d’Elon Musk lui a permis de s’affranchir des contraintes pesant sur l’industrie automobile (exigences de sécurité, qualité, droit du travail, normes de pollution, règles comptables et financières…) et ainsi mieux cerner l’entreprise et le personnage qui l’instrumentalise pour son propre pouvoir.

Également conseillé : Road To Nowhere, What Silicon Valley Gets Wrong about the Future of Transportation, de Paris Marx. Pour une analyse critique des promesses de la Silicon Valley en matière de transports, d’Uber à la voiture sans pilote en passant par l’hyperloop et autres “Fake Tech”.

8. Empire of AI - Dreams and nightmares in Sam Altman’s OpenAI (Karen Hao 2025, 496 pages, non traduit).

Le livre d’enquête de Karen Hao sera probablement traduit en français prochainement, tant il a rapidement acquis le statut de Bible incontournable. La journaliste du Wall Street Journal raconte avec minutie l’histoire d’Open AI et de son sulfureux patron Sam Altman, en s’appuyant sur d’innombrables entretiens et sources internes qu’elle a collectés depuis qu’elle couvre cette entreprise. À travers ce récit, elle livre un portrait cinglant du secteur de l’IA générative et de ses pratiques, qu’elle compare à un vaste système néocolonial reproduisant des logiques impérialistes d’accaparement et de prédation.

Pour Karen Hao, OpenAI et ses concurrents tirent leur pouvoir de l’exploitation des ressources naturelles, des données numériques et du labeur des populations les plus démunies, souvent situées dans le sud global, le tout avec un mépris total pour les lois et les conséquences sociétales, y compris sur ses propres clients. Tout est bon pour accumuler pouvoir et richesses. Un monument de journalisme offrant un panorama global de cette industrie, raconté depuis l’intérieur.

9. Le mythe de l’entrepreneur : défaire l’imaginaire de la Silicon Valley (Anthony Galluzzo, La découverte, 2023, 240 pages).

Au cœur du mythe de la Silicon Valley figure celui du mythe du self-made-man, de l’entrepreneur de génie à la source des révolutions technologiques et de l’innovation. Celui qu’il ne faudrait pas entraver dans sa destruction créatrice et son accumulation de richesse. Ce mythe est méthodiquement déconstruit par Anthony Galluzzo, professeur à l’Université. À partir de l’exemple édifiant de Steve Jobs, il examine les ressorts de cette fable et l’inscrit dans un phénomène qui remonte aux barons voleurs de la première révolution industrielle : faire passer les capitalistes pour des génies afin de justifier leur pouvoir et leur action sans interroger les mécanismes qui ont permis ce succès. La filiation entre Rockefeller - Jobs et Elon Musk apparait alors évidente. Ici.

Sur un thème similaire, “La Tech”, du sociologue chargé de recherche au CNRS Olivier Alexandre, fournit une analyse détaillée de la culture entrepreneuriale dominante au sein de la Silicon Valley.

10. Une histoire de la Conquête spatiale - Des fusées nazies aux astrocapitalistes du New Space (Irénée Régnauld et Arnaud Saint-Martin, La Fabrique, 2024, 282 p).

Terminons cette liste en prenant de la hauteur. Dans cette étude passionnante, les sociologues des sciences Arnaud Saint-Martin et Irénée Régnauld replacent l’aventure spatiale dans son contexte militaire, en établissant une filiation directe entre les premières fusées développées par les nazis et l’astrocapitalisme des milliardaires de la Silicon Valley. Ce n’est pas le seul mérite du livre. De nombreux mythes volent en éclat : la popularité supposée du programme spatial américain (en réalité, critiqué par l’opinion publique de l’époque, malgré les efforts colossaux déployés pour fabriquer de l’adhésion, et que les auteurs examinent méticuleusement). La notion d’utilité des vols habités et du colonialisme spatial prennent également du plomb dans l’aile. Tout comme la sucess story de Space X et les implications du “New Space”, marqués par la pseudo-privatisation de l’espace. Ici.

Sur le même thème, citons les astrocapitalistes, conquérir, coloniser, exploiter, forme de suite écrite par Arnaud Saint-Martin et l’ouvrage non traduit des journalistes américains Kelly Weinersmith et Zach Weinersmith “A city on Mars”, qui propose une étude implacable de la (imp)possibilité de la colonisation de Mars, arnaque totale vendue par les astrocapitalistes pour justifier leurs activités écocides.

Et avec cela, il ne me reste plus qu’à vous souhaiter de joyeuses fêtes !

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.

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 amène-t-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. Les suivants seront publiés chaque lundi sur FakeTech.fr.

Pour soutenir mon travail, vous pouvez vous abonner à cette newsletter ici où m’offrir un café là. Sur ce, je vous souhaite une bonne lecture !

Partager

* Partie 2 : la révolution numérique n’aura pas lieu *

1) Steve Jobs et Bill Gates : de la contre-culture aux monopoles informatiques (1975-2000)

L’émergence des ordinateurs s’est accompagnée de mouvements de résistance, sabotage et protestation. Initialement caractérisées par de gigantesques unités centrales (“main frame”), les premières machines provoquaient la méfiance du grand public. Elles étaient associées à l’industrie de l’armement, aux grandes entreprises, agences gouvernementales et autres organisations nécessitant le traitement de larges quantités de données. Dans les campus californiens, des bâtiments abritant de tels équipements ont été brulés ou attaqués à la bombe par des étudiants protestant contre le rôle joué par leurs Universités dans le développement d’une technologie associée à la guerre et au contrôle.

En 1974, le romancier Arthur C. Clark explique aux caméras d’ABC News que dans un futur proche, chaque famille disposera d’un petit ordinateur de bureau. Avec la miniaturisation progressive des composants et la chute de leurs prix, l’avènement de la micro-informatique était largement anticipé. Pourtant, IBM et les leaders du secteur n’imaginaient pas de débouchés pour ce type d’usage. En 1969, le visionnaire Gordon Moore (cofondateur d’Intel) avait rejeté un projet de mise au point d’un micro-ordinateur. Le seul usage personnel qu’il envisageait étant le stockage de recettes de cuisine. “Et je n’imaginais pas ma femme cuisiner en consultant un ordinateur”, expliquera-t-il plus tard.

Ce contexte explique pourquoi l’avènement de l’ordinateur personnel a été facilité par des individus ancrés dans la contre-culture hippie des années 1960. Des geeks, hackers et passionnés, parfois adeptes de trips sous acide. Pour eux, l’ordinateur pouvait être un instrument révolutionnaire, émancipateur et démocratique. L’usage de substances psychédéliques, qui avait également fait l’objet de recherches universitaires en Californie, s’inscrivait dans une logique similaire d’augmentation de l’homme et de libération de l’individu.

Dès 1965, une équipe d’étudiants et de chercheurs rejoint le SRI (Stanford Research Institute) pour travailler sur la micro-informatique. Financé par le DARPA (Defense Advanced Research Projects Agency - le programme de recherche du ministère de la Défense), le laboratoire est dirigé par un certain Douglas Engelbart. Diplômé de Berkley et fasciné par l’idée d’augmentation de l’homme par la machine, il a été influencé par les travaux de Joseph Licklider, psychologue au MIT, et les écrits de Venmar Bush, un haut fonctionnaire du ministère de la Défense. Engelbart avait attiré l’attention des décideurs qui le financeront en publiant un rapport sur le potentiel “d’un ordinateur comme outil personnel à l’usage individuel” pour le compte de la NASA. En 1968, au cours de ce qui sera surnommé la “mère de toutes les démos”, Engelbart fait la démonstration des inventions de ses équipes : une souris et une interface graphique permettant de réaliser la première visioconférence, d’envoyer le premier e-mail et d’effectuer du traitement de texte s’affichant directement sur un écran. Xerox débauche une partie de son équipe pour fonder le Xerox PARC à Palo Alto. Situé sur le campus de Stanford, une des missions de ce centre de recherche est le développement d’un ordinateur personnel. L’Alto voit le jour en 1973. Ce premier ordinateur doté d’une souris, d’un clavier et d’une interface graphique permettant de réaliser du traitement de texte reste très onéreux. Xerox refuse de le commercialiser : avec son système de revendeur, ses grands comptes professionnels, ses commerciaux aux salaires mirobolants et ses ouvriers syndiqués, la multinationale n’a pas la capacité organisationnelle pour distribuer un tel produit, dont le coût des composants reste prohibitif.

La même année, le Micral devient le premier ordinateur personnel piloté par un microprocesseur à être commercialisé. Il est mis au point par deux ingénieurs français, mais ne sera jamais produit à grande échelle, faute de capitaux. Quelques mois plus tard, MITS, une start-up basée à Albuquerque et spécialisée dans la vente de kits électroniques pour passionnés, sort le premier ordinateur en kit abordable : l’Altair 8800, basée sur le microprocesseur Intel 8800. Le lancement fait la couverture du magazine Popular Electronics. Il est vendu sans logiciel et ne peut pas faire grand-chose, mais suscite un enthousiasme considérable au sein de la communauté de hackers, geeks et passionnés.

Un dénommé Steve Wozniack assiste à sa démonstration au sein du Homebrew Computer Club, une association de geeks de l’électronique qui se réunissent tous les mois dans un amphithéâtre de Stanford. Le club fonctionne sur le principe du partage et de la collaboration. Sa centaine de membres rassemble des étudiants, jeunes ingénieurs, geeks et activistes. Wozniack travaille chez HP. Après les heures de bureau, il passe ses soirées dans les labos de son employeur pour travailler à son propre projet de micro-ordinateur. Il le termine en 1976 et en fait la démonstration au Homebrew. Bidouilleur génial, “Woz” met au point un kit permettant de connecter un écran à la carte mère et d’afficher les instructions directement. On est à des années-lumière des limitations imposées par l’Altair, sans être aussi avancé que l’Alto, dont le prototype n’a pas été dévoilé au grand public. Woz compte partager librement ses plans avec les membres du Homebrew, mais son ami Steve Jobs le convainc de commercialiser les kits. Wozniak propose d’abord son invention à son employeur, qui refuse poliment de produire l’appareil, jugé trop empli de l’esprit hacker pour rejoindre la gamme HP. Libres de toute obligation, les deux Steve fondent Apple Computer pour commencer la production d’une centaine de kits depuis leur garage à Palo Alto. Pendant que Jobs tente de vendre le concept à des investisseurs, sans succès, Wozniack se lance dans le design d’une version améliorée : l’Apple 2.

Pour l’Apple 1, “j’ai utilisé les meilleurs composants que je pouvais me payer et écrit les bases du programme” expliquera Wozniack. L’Apple 2 a vocation à inclure des logiciels, un boitier et des composants plus puissants. Comme nous l’avons vu, sa mise sur le marché sera rendue possible par l’intervention du capital-risqueur Mike Markkula et de ses réseaux Fairchild/Intel.

Bien qu’un ordinateur concurrent (le Commandor) réalise de meilleures ventes les premières années, Apple va toucher de l’or grâce à un coup de pouce du destin. Une entreprise met au point un logiciel de comptabilité conçu exclusivement pour l’Apple 2 : Visicalc. Cet ancêtre d’Excel est plébiscité par les entreprises, faisant de l’Apple 2 la vache à lait de la firme pendant deux décennies. Ce qui permettra de survivre aux échecs commerciaux induits par l’impétueux Steve Jobs, dont le LISA et le premier Macintosh.

À la fin des années 1970, Apple détient 40 % des parts du marché de l’ordinateur personnel. Xerox investit dans la firme et reçoit Jobs et ses équipes au PARC, où l’entrepreneur assiste à la démonstration de l’Alto. L’interface graphique l’impressionne. Jobs recrute une partie de l’équipe du PARC et débute le développement du LISA, avant de se faire retirer le projet par le conseil d’administration, ses pratiques managériales étant jugées trop toxiques. Il se rabat sur le développement du Macintosh, une version grand public et minimaliste du LISA, dont le concept et le nom lui ont été soufflés par un ingénieur d’Apple. Avec ses obsessions et son perfectionnisme, Jobs retarde le développement et impose des choix de design désastreux : un microprocesseur trop lent et une absence de ventilateur qui expose l’ordinateur à des risques de surchauffe. L’équipe de développement démissionne, en burn-out, peu de temps après sa mise sur le marché.

Propulsé par une campagne de publicité d’ampleur inédite, le Macintosh sort en 1984. Il s’agit du premier micro-ordinateur grand public disposant d’une souris et de l’interface graphique avec laquelle nous sommes tous familiers. Plus besoin d’entrer des lignes de commandes pour effectuer des tâches. Mais entre temps, IBM a sorti son Personal Computer. L’approche du géant de la bureautique diffère radicalement de celle d’Apple. Au lieu de tout faire soit même, IBM se contente d’assembler un kit constitué des meilleurs composants du moment et confie le développement des logiciels à des sous-traitants.

Aidée par sa puissance industrielle et commerciale, l’approche de “Big blue” permet de casser les prix tout en offrant au micro-ordinateur la légitimité qui lui faisait encore défaut dans le monde de l’entreprise et auprès des cadres. Le PC écrase le marché, bien qu’il ne dispose pas des innovations présentes sur le Mac. Ironiquement, IBM n’en tire pas les bénéfices financiers escomptés. D’autres compagnies (dont Compaq, HP, Sun puis Dell) vont « cloner » ce modèle d’assemblage et livrer une guerre des prix, pour le plus grand bonheur des deux principaux sous-traitants rendus incontournables par IBM : Intel (pour le hardware) et Microsoft (pour le software).

Revenons en arrière. Pendant que Wozniack s’émerveillait devant les promesses de l’Altair, Bill Gates et Paul Allen se rendent à Albuquerque pour proposer un système d’exploitation à l’usage de l’Altair, reposant sur le langage BASIC développé par des universitaires. Fort de ce premier contrat, ces deux jeunes étudiants de Harvard fondent Microsoft. Leur programme se diffuse, mais les ventes stagnent. Bill Gates écrit alors au Home Brew Comptuer club une lettre ouverte qui fera date. Il s’y plaint du fait que de nombreuses personnes utilisent le code de Microsoft sans payer de royalties. Pour faire fortune, le futur milliardaire a besoin de vendre des licences, or l’éthos de hacker caractérisant la communauté des passionnés de micro-informatique va à l’encontre d’un modèle basé sur la propriété intellectuelle.

Une chance insolente va permettre à Microsoft d’écraser progressivement le modèle du logiciel libre. La mère de Bill Gates siège au Conseil d’administration d’IBM et l’aide à obtenir le contrat du siècle : la multinationale confie le développement du système d’exploitation de son premier PC à Microsoft, dont le cofondateur s’est taillé une petite notoriété suite à ses frictions avec le Homebrew.

Pour honorer le contrat, Gates rachète QDOS, un système d’exploitation conçu par un ingénieur de Seattle et dont le sigle signifiait “Quick and Dirty Operating System” (Sytème d’exploitation vite fait mal fait). Renommé MSDOS, le programme est livré d’office avec tous les PC. Microsoft va utiliser cette position monopolistique pour écraser la concurrence via différentes tactiques plus ou moins légales. Guerre des prix, copie et vol d’idées, installation de programmes par défaut avec le système d’exploitation DOS… les pratiques iront jusqu’à introduire volontairement des bugs dans ce dernier pour empêcher les logiciels de traitement de textes et les tableurs des entreprises concurrentes de fonctionner convenablement. Le contentieux le plus médiatisé opposera Gates à Steve Jobs. Ce dernier avait confié à Microsoft le développement de certains programmes pour le Macintosh. Il est horrifié lorsque Microsoft sort Windows, un système d’exploitation à l’interface graphique inspiré du Mac et de l’Alto.

Pour le grand public, les années 1980 et 1990 sont ainsi dominées par le conflit entre Apple et Microsoft, repeint en David contre Goliath par le marketing d’Apple. Jobs bénéficie de l’image d’un génie visionnaire, artiste et rebelle, tandis que Gates incarne le nouveau Rockefeller, impitoyable monopoliste dont les produits mal finis sont truffés de bugs.

En réalité, ces deux figures majeures de la Silicon Valley partagent de nombreux points communs. L’un et l’autre sont connus pour leurs comportements exécrables, leurs accès de colère légendaires et leur attitude dénuée d’empathie envers leurs collaborateurs et employés, à la limite de la sociopathie. L’un et l’autre tentent de construire des monopoles (Jobs y parviendra dans les années 2000-2010, avec l’iPod, l’iPad et l’iPhone). Surtout, l’un et l’autre ont comme caractéristique de s’être trouvés au bon moment au bon endroit. Jobs et Wozniack ont grandi à Palo Alto, au cœur de la révolution informatique. Depuis les laboratoires d’HP, Woz a pu avoir accès aux meilleurs outils pour peaufiner son projet d’ordinateur. Le HomeBrew de Stanford a également été un lieu d’échanges et de rencontres indispensables au développement du projet Apple.

De son côté, Gates a étudié dans un des premiers lycées privés du pays doté d’un ordinateur, sur lequel il a pu apprendre très tôt les bases de la programmation en BASIC, avant d’être admis à Harvard et de bénéficier des réseaux de ses parents pour signer un contrat déterminant avec IBM.

Enfin, Jobs comme Gates ont permis à la Silicon Valley de tourner la page du keynésianisme financé par les dépenses militaires et étatiques pour entrer dans l’ère néolibérale et la consommation numérique de masse. Si Xerox a ouvert ses portes à Apple, c’est parce qu’elle comptait sur la start-up pour commercialiser son Alto, une chose qu’elle n’avait pas les capacités organisationnelles de faire elle-même. De même que Gates a joué un rôle majeur pour écraser le modèle du logiciel libre, Apple a innové par ses circuits de production. Les Macs étaient assemblés en Californie par un vaste réseau d’ateliers et usines employant des immigrés, souvent asiatiques, sous-payés, clandestins et non syndiqués. En 1984, Jobs reçoit Danielle Mitterrand, épouse du président français, dans l’usine dernier cri du Macintosh. Il s’agace des “préoccupations” de la première dame, qui l’interroge sur les conditions de travail des ouvriers, alors que lui vante les bienfaits de l’automatisation et du juste à temps pour réduire les coûts de main-d’œuvre.

Encore davantage que Gates, le PDG d’Apple est passé maître dans l’art de surexploiter les ingénieurs californiens à coup de semaine de 80 heures et de weekend marathon, en offrant des stock-options et le sentiment de “changer le monde” en guise de motivation. Ces “qualités” ne suffisent pas à faire le succès d’Apple, qui ne dépasse pas les 8% de part de marché lorsque la firme sort l’iPod, produit qui va lui permettre d’assoir sa domination.

Le concept du baladeur mp3 ne vient pas de Steve Jobs. Dès 1979, l’inventeur britannique Ken Kramer construit et brevète un prototype dont le design ressemble à s’y méprendre à l’iPod. Mais à l’époque, le prix des composants demeure prohibitif et leur puissance insuffisante. Le brevet expire en 1988. Comme avec l’Alto, il est encore trop tôt pour commercialiser l’idée. En 2000, Apple achète un concept de baladeur numérique développé par un ingénieur américain, Tony Faden, qui rejoint la firme avec pour mission de concevoir l’iPod. Le succès permet de lancer une gamme de produits (iPad puis iPhone) qui va enfin fournir à Apple une position monopolistique. Encore faut-il produire ces appareils en masse et à bas coût. Jobs recrute Tim Cook, logisticien passé par IBM et Compaq. Nommé responsable de production, il ferme les usines et entrepôts américains, délocalise en Chine, améliore la production en flux tendu et généralise la sous-traitance avec l’aide du spécialiste taiwanais Foxconn. Une vague de suicides provoqués par les conditions inhumaines imposées aux ouvriers pousse le sous-traitant d’Apple à installer des filets de sécurité pour empêcher les employés de se défenestrer. La presse relaie timidement cette face cachée du succès d’Apple, sans que les clients de la pomme se détournent de ses produits.

Si l’avènement de la micro-informatique était inévitable, la Silicon Valley a joué un rôle moteur en imposant un modèle parmi d’autres possibles. Il s’inscrit dans la contre-révolution néolibérale en reposant sur la sacro-sainte propriété intellectuelle, la délocalisation des usines et l’exploitation des ingénieurs. Des tendances qui allaient exploser avec l’arrivée d’internet et la privatisation de nos données. Car plus l’ordinateur s’imposait comme un outil incontournable, plus l’intérêt de connecter ces objets entre eux devenait évident.

2. De l’ARPANET au World Wide Web : vers la privatisation des communs

L’avènement d’internet constitue un exemple chimiquement pur des mécanismes socio-économiques à l’origine des révolutions technologiques ayant fait la gloire de la Silicon Valley. À la fin des années 1950, plusieurs équipes de chercheurs mettent au point un système de communication par le réseau téléphonique, en convertissant des signaux numériques en pulsions sonores (et inversement) à l’aide d’un modulateur - démodulateur, le fameux Modem. La seconde innovation cruciale consiste à mettre au point un mode de transmission des données par commutation de paquets, une rupture avec le système employé en téléphonie. Elle permet de stabiliser le réseau et de connecter de multiples terminaux entre eux. En 1965, deux équipes de chercheurs mettent au point cette invention indépendamment : Donald Davies, au National Physic Laboratory anglais (NPL) et Paul Baran à la RAND Corporation (un des plus gros consultants employés par l’armée américaine) avec l’aide de Leonard Kleinrock, du MIT. Des premiers réseaux voient le jour, dont l’ARPANET, qui connecte les universités de Stanford et UCLA dès 1968, puis 23 centres en 1971.

Son développement résulte de la création du “DARPA”, ce programme d’investissement public dans la recherche rattaché au ministère de la Défense. Ce département nait des suites du “moment Spoutnik” qui provoque une panique chez les dirigeants américains inquiets d’un potentiel retard technologique sur l’URSS. Le DARPA implante de nombreux superordinateurs dans les différentes universités américaines. La nécessité de les mettre en réseau pour permettre le partage de temps de calcul entre les centres de recherche serait le principal élément motivant les investissements dans la recherche et l’infrastructure qui accouche d’ARPANET, plutôt que l’idée de construire un réseau de communication décentralisé susceptible de résister à une attaque nucléaire.

Le réseau s’étend bientôt en Europe et se connecte à d’autres nœuds, dont un situé en Angleterre au NPL, un second en Norvège et un troisième en France, où le réseau Cyclade est mis au point par les équipes de Louis Pouzin. Ce dernier collabore étroitement avec les équipes d’ARPANET basées à l’université UCLA, dont le chercheur de Stanford Vincent Cerf. Cyclade perfectionne les protocoles de transmission de données et joue un rôle instrumental pour le bond technologique suivant : l’établissement d’un protocole pour mettre en relation les différents réseaux émergents. Baptisés Transmission Control Protocol et Internet Protocol (TCP/IP) ce système permet à chaque ordinateur de parler le même langage. Le TCP évite que les données transmises se perdent sur le réseau ou produisent des doublons, notamment via l’implémentation d’adresses numériques uniques (les fameuses adresses IP) assignées à chaque appareil. Pour faire fonctionner ce système, un nouveau type d’ordinateur appelé routeur fait son apparition. L’adoption du TCP/IP par ARPANET, en 1983, marque le début de l’International Network, abrégé en “inter-net”.

Dès 1981, la National Science Foundation (NSF), un organisme gouvernemental américain, fonde le réseau CSNET (Computer Science Network). Il doit permettre aux universités et institutions publiques de se raccorder au réseau ARPANET. En 1985, CSNET devient NSFNET, véritable colonne vertébrale du net. Des investissements colossaux permettent de mettre en place ce réseau reposant sur des millions de kilomètres de câbles et autres infrastructures électroniques majeures.

Les financements de la puissance publique permettent de poursuivre les innovations. En 1983, Elizabeth Feinler met au point, avec ses équipes du SRI, un annuaire permettant de convertir les adresses IP des ordinateurs connectés à ARPANET en simple nom de domaine. Feinler les classes en catégories en fonction des usages : .gov, .net, .org, .com… Un chercheur de la University of Southern California complète ce schéma en proposant un système décentralisé d’attribution des noms de domaines : le Domain Naming System ou DNS, encore utilisé aujourd’hui.

Malgré ces avancées, le gouvernement américain n’uniformise pas suffisamment rapidement le protocole TCP/IP. Dès les années 1980, d’autres protocoles et réseaux émergent de Stanford et du PARC. Ce qui permet à des start-up californiennes de capitaliser sur cette jungle pour mettre au point des terminaux permettant de connecter les différents protocoles entre eux. C’est le cas de 3Com, Cisco Systems puis de Sun Microsystems pour la partie “hardware”. Pour le software, d’autres acteurs émergent. Le jeune et flamboyant Larry Ellison (actuel seconde fortune mondiale) et deux collègues de la société Ampex sont mandatés par la CIA pour bâtir une base de données capable d’intégrer différents systèmes. Ils s’unissent pour fonder Oracle Systems, reprenant le nom du projet Oracle que leur avait confié la CIA. La société continue de croitre grâce aux contrats de l’agence de renseignement américaine, dont les ingénieurs aident à résoudre les bugs des premiers produits. Un membre de la CIA concèdera : “on a acheté ce projet tout en sachant qu’il ne fonctionnerait pas, nous achetions avant tout une idée”. Après plusieurs années, Oracle parvient à finaliser un produit fonctionnel et, avec l’aide du capital-risqueur Don Valentine et sa firme Sequoia Capital, réalise une entrée en bourse tonitruante. En 1999, un protégé d’Ellison nommé Mark Benioff lancera Salesforce, une société spécialisée dans les logiciels de marketing destinés à l’usage des entreprises. Elle possède désormais le plus grand gratte-ciel de San Franscico, où se situe son siège social.

Mais c’est du CERN, institution publique située en Suisse, que provient la dernière grande innovation ayant jeté les bases de l’internet moderne. Trouver et échanger des documents sur le réseau restait une tâche ardue sans connaitre leur localisation précise (adresse IP, nom du dossier, etc.). Tim Berners-Lee, un physicien et informaticien anglais, met au point un système permettant d’afficher les données sur des pages et de les télécharger via des liens hypertextes. Le système repose sur trois innovations : la création d’adresses web (URL), d’un protocole d’échange de données (HTTP ou Hyper Text Transfer Protocol) et un langage de programmation (HTML). Ce système est baptisé le World Wide Web (www) et est accessible via un programme nommé navigateur web. Opérationnel dès 1991, il est versé dans le domaine public en 1993. En parallèle, la NSF privatise le réseau NSFNET, de plus en plus encombré par l’explosion de la demande du secteur privé. Si bien qu’en 1993, l’internet devient totalement ouvert au grand public et aux entreprises. Un système conçu avec la recherche et l’argent publics va provoquer une nouvelle ruée vers l’or.

3. Netscape et le nouveau paradigme de la bulle.com

Toujours en 1993, une équipe d’étudiants-chercheurs de l’université de l’Illinois emmenée par un certain Marc Andreessen met au point un nouveau navigateur web baptisé Mosaic. Réalisé à partir des travaux de Tim Berners-Lee, le programme permet d’afficher textes, images et vidéos dans la même fenêtre via une interface grand public. Il est diffusé gratuitement sous licence par l’Université puis rapidement adopté dans le monde de l’éducation et de la recherche. Son diplôme d’ingénieur informatique en poche, Marc Andreessen est approché par Jim Clark, un entrepreneur de la Silicon Valley et ancien professeur d’informatique à Stanford. Avec ses réseaux, Clark est en mesure de financer le lancement d’une nouvelle entreprise qui reprend le nom de Mosaic pour commercialiser le navigateur. Suite aux plaintes de l’Université d’Illinois, ils rebaptisent leurs start-up “Netscape”. Ils mettent rapidement et gratuitement sur le marché leur “Navigator”, premier navigateur web grand public. La diffusion par bouche-à-oreille et via disquette génère un franc succès, mais des revenus insuffisants pour couvrir les frais de développement. Si les utilisateurs sont encouragés à faire un don et les entreprises sollicitées pour payer une licence, peu s’y résolvent.

Bien que la viabilité économique de Netscape restait plus qu’incertaine, le succès immédiat de son Navigator conduit à une introduction en bourse dès 1996. L’action s’arrache à prix d’or et permet à Jim Clark d’empocher plus de 100 millions de dollars. Un nouveau paradigme ébranle la Silicon Valley : pour faire fortune, il n’est plus nécessaire de dégager du profit ou d’être rentable. Démontrer un taux de croissance exponentiel de vos clients suffit. Même si ces derniers utilisent votre produit gratuitement.

Netscape est rapidement pris pour cible par Microsoft. L’entreprise de Bill Gates copie le navigateur d’Andreessen et installe son “Microsoft Explorer” par défaut sur tous les PC équipés de Windows. Cette concurrence déloyale ruinera la réputation de Gates lors du procès intenté par l’État fédéral américain contre la multinationale pour violation des lois antitrusts. Mais cela ne sauvera pas Netscape, racheté pour 4 milliards de dollars par AOL en 1999.

Andreessen va profiter de sa fortune et de sa réputation pour devenir un capital-risqueur très en vue. En 2009, il s’associe avec Ben Horrowitz pour fonder Andreessen Horrowitz (a16Z), un des principaux fonds d’investissement en capital-risque de la Silicon Valley, qui joue un rôle important dans le ralliement des pontes de la Tech derrière la candidature de Donald Trump en 2024.

Au-delà de l’histoire personnelle d’Andreessen, le succès initial de Netscape sert de modèle à un nouveau schéma d’enrichissement. Avec l’explosion d’internet, d’innombrables entrepreneurs tentent de capitaliser sur la bulle financière qui accompagne la croissance fulgurante du réseau. Il suffit de lancer une entreprise dont le nom se termine par .com pour espérer attirer les investisseurs. Ces premiers millions permettent de mettre au point un semblant de site web dont la croissance des utilisateurs peut suffire à propulser une introduction en bourse miraculeuse, alimentée par les capitaux transitant via Wall Street. Or, à la fin des années 1990, la chute de l’URSS et les dérégulations mises en place par les néolibéraux avaient libéré un flot de capitaux, qu’ils soient américains, européens, asiatiques ou plus spécifiquement issus des nouveaux oligarques originaires de l’ancien bloc de l’est. La Silicon Valley, avec ses taux de croissance délirants, représentait le réceptacle idéal pour cette masse d’argent frais.

L’éclatement de la bulle internet va produire une consolidation du secteur autour des entreprises ayant une activité solide. Des sites de commerce en ligne comme eBay et Amazon et des moteurs de recherche comme Yahoo! sortent renforcés de la crise. Mais les leçons ne sont pas retenues. Pendant cette période d’euphorie, de nombreux entrepreneurs au talent questionnable ont fait fortune via une introduction en bourse fructueuse ou en revendant leur start-up in extrémiste. Parmi cette nouvelle génération de patrons figurent Elon Musk, Peter Thiel, Mark Cuban, les cofondateurs d’Uber Travis Kalanick et Garret Camp ou - exemple encore plus parlant - le cofondateur de Theranos Sunny Balwami. Leur talent ne consiste pas à avoir mis au point des entreprises solides ou un produit remarquable - leurs premières start-up ayant fait faillite ou simplement disparu quelque temps après leur rachat - mais d’avoir enrichi leurs investisseurs. Forts de cette crédibilité et souvent convaincus de leur propre génie, ils vont incarner la nouvelle génération d’entrepreneurs de la Silicon Valley. Avant de revenir sur leur parcours, un détour par les années 2000-2015 s’impose.

Partager

Ceci clôt la seconde partie de cette série. La troisième 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, vous pouvez m’offrir un café.

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.

• 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.

Le terme “Silicon Valley” fait son apparition en 1971, en titre d’une enquête d’Electronic News détaillant la révolution numérique se déroulant au cœur de la vallée de Santa Clara. De la baie de San Francisco jusqu’à la ville de San Jose, cette bande de terre de quelque 50 km de long et cinq de large est plus qu’un lieu géographique et un centre économique. Berceau de l’industrie numérique et de la haute technologie, la Silicon Valley désigne aussi une culture particulière et, par abus de langage, l’industrie de la Tech.

Plus de 40 % du capital-risque américain y est investi chaque année. Sept des huit plus grandes capitalisations boursières mondiales (Apple, Google, Amazon, Microsoft, Facebook, Nvidia et Tesla) y possèdent leur siège social ou y sont étroitement liées. On pourrait également citer Uber, Airbnb, OpenAI, Oracle, Salesforce, PayPal, eBay, Intel, Palantir, Cisco, AMD, Adobe, Yahoo et Netflix, pour donner une idée de l’impact de ces multinationales sur notre quotidien. La région est la troisième plus riche au monde en termes de PIB par habitant et abrite la plus grande concentration de milliardaires et millionnaires du pays. Souvent imitée, jamais égalée, la Valley continue d’être à la pointe de l’innovation mondiale.

Son rayonnement s’expliquerait par un cocktail unique mêlant goût du risque, culture entrepreneuriale et travail acharné, porté par des self-made-men et génies visionnaires forcément anticonformistes. Héritiers d’un esprit pionnier enrichi par la contre-culture des années 1960-1970, leurs start-up peuplées d’ingénieurs travaillant 80 heures par semaine dans l’espoir de voir leurs stock-options se transformer en or seraient à la source des principales révolutions industrielles de ces dernières décennies.

Retracer l’histoire de cette “vallée du silicium” permet de remettre en cause ce récit trompeur. Et de comprendre le type de futur qu’elle cherche à nous imposer. C’est dans ce but que je vous propose cette “brève histoire de la Silicon Valley”. Elle sera divisée en quatre partie selon le plan détaillé plus bas. Vous lisez actuellement la première partie. Si vous y accédez par courriel, il est probable que le texte soit tronqué. Je vous recommande de le lire directement via sur mon site “faketech.fr”.

Ce long format sera publié à un rythme hebdomadaire et épousera le plan suivant :

Partie 1 : Aux origines du mal

1. De la ruée vers l’or à l’Université Stanford (1848-1889)

2. De l’eugénisme à l’électronique (1889-1945)

3. Des semi-conducteurs au Macintosh, les prémices de la révolution informatique (1951-1975)

Partie 2 : La révolution numérique n’aura pas lieu

1. De la contre-culture aux monopoles : Jobs, Gates et le mythe du self-made-man

2. D’ARPANET au World Wide Web : la privatisation des communs

3. De Netscape à la bulle.com : le triomphe du capital-risque

Partie 3 : Conquérir le monde

1. Du BIG DATA à BIG BROTHER

2. Amazon et la matérialisation du numérique

3. De l’ubérisation à l’enshittification du monde

Partie 4 : Vers le technofascisme et au-delà

1. De la “Paypal mafia” à la radicalisation de la Silicon Valley

2. Intelligence artificielle : vers l’âge des Fake Tech ?

3. Epilogue : vers le technofascisme et au-delà.

Un mot sur mes sources :

Je me suis largement inspiré de l’ouvrage “Palo Alto: A History of California, Capitalism, and the World” (Malcolm Harris, 2023, 923 pages, non traduit). En plus de ce matériaux extrêmement dense, j’ai puisé mes informations dans un vaste corpus de lectures complémentaires (articles de presse, biographies d’entrepreneurs, documentaires, livres, Wikipedia).

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.

Il ne me reste plus qu’à vous souhaiter une bonne lecture et à vous encourager à partager ce travail autour de vous pour faire connaître cette publication et la “véritable” Histoire de la Silicon Valley.

Partager

* Une brève Histoire de la Silicon Valley *

** Partie 1 : Aux origines du mal **

1) De la ruée vers l’or à l’Université Stanford (1848-1889)

L’histoire de la Silicon Valley commence avec celle du génocide des Amérindiens Ohlone. Quelque 300 000 natifs coexistaient difficilement avec les Espagnols, la moitié d’entre eux ayant péri de maladies importées pendant la période coloniale allant de 1769 à 1846. Lorsque les États-Unis d’Amérique arrachent la région au Mexique, leurs premiers colons découvrent une terre d’abondance, sorte de paradis terrestre à la biodiversité époustouflante. Le nord de la Californie se prêtait à la culture des fruits et céréales, mais la main-d’œuvre faisait cruellement défaut. La piste passant à travers les montagnes Rocheuses était virtuellement impraticable. Les voyageurs y préféraient les voies maritimes qui contournaient le continent américain. Cette poignée de pionniers n’avait pas l’intention de se tuer à la tâche, préférant réduire les populations autochtones à une forme d’esclavage ou de travaux forcés pour cultiver la terre et faire fructifier les vergers luxuriants.

Les tribus indiennes résistaient à cette entreprise coloniale d’autant plus efficacement qu’elles pouvaient aisément subvenir à leurs besoins en vivant de la chasse et de la cueillette. La ruée vers l’or de 1849 causa leur perte. Un nombre croissant de colons arriva par la mer, bien décidé à chasser les Indiens de leurs terres pour y prospecter. L’historien Benjamin Madley qualifie le génocide californien de massacre autogéré et partant de la base, où les colons s’organisent en milices, avec le soutien législatif et financier de l’État fédéral pour perpétrer l’extermination des natifs. En l’espace de 20 ans, plus de 80 % d’entre eux périrent, ce qui fait de ce nettoyage ethnique un des génocides les plus rapides et drastiques de l’Histoire. Une culture extrêmement riche et complexe, comptant des dizaines de langues, ethnies et manières de vivre en harmonie avec la nature fut remplacée par des champs d’extraction aurifère à ciel ouvert exploités par des colons avides de métal précieux.

C’est à cette époque que le père de la Silicon Valley arriva depuis New York en Californie. Leland Stanford, le frère cadet d’une famille de quatre enfants, est décrit comme “peu remarquable” et “le moins brillant de la fratrie”. Après avoir difficilement terminé ses études dans des écoles médiocres, il s’établit dans le Wisconsin comme avocat, sans succès. Las, il rejoint ses frères à San Francisco et prend la direction d’une succursale de leur entreprise de quincaillerie. Son magasin se spécialise dans la vente de pelles et équipements de prospection. En pleine ruée vers l’or, le succès est au rendez-vous. Stanford profite de son statut de notable local pour s’engager en politique, dans le Parti républicain de Lincoln. Tous les mandats étant occupés par le Parti démocrate pro-esclavagiste, Stanford gravit sans problème les échelons au sein de l’opposition. Si bien que lorsque la guerre de Sécession débouche sur l’hégémonie du Parti républicain, il se retrouve propulsé candidat au poste de Gouverneur en tant que plus haut “gradé” de la modeste antenne californienne.

Il utilise l’influence conférée par ce poste pour obtenir, avec ses nouveaux associés, la construction d’une première ligne de chemin de fer chargée de relier la Californie à l’est du pays. Étant l’un des principaux actionnaires de la Pacific Railway, Stanford va amasser une immense fortune sur le dos des Amérindiens qu’il spolie de leurs terres pour valoriser la ligne de chemin de fer et des ouvriers chinois que sa compagnie paye une misère pour la construction. Son conglomérat, comparé à une pieuvre par la presse de l’époque, jouissait d’un monopole régional particulièrement lucratif.

Devenu indésirable à San Francisco, où la populace vient fréquemment manifester sa colère devant les portes de sa villa, Leland Stanford va utiliser sa fortune à deux desseins. Le premier est une passion subite pour l’élevage des pur-sang. Il achète une immense propriété à quelques dizaines de kilomètres de San Francisco, qu’il nomme Palo Alto, du nom d’un grand arbre présent sur place. Il y implante la Palo Alto Stock Farm, dont les écuries vont mettre au point une nouvelle méthode de sélection génétique et de préparation des étalons, inédite pour l’époque. Elle consiste à entrainer dès le premier âge les trotteurs jusqu’ici jugés trop jeunes pour apprendre l’allure. En cette fin de XIXe siècle, la mécanisation de l’agriculture nécessite de plus en plus de chevaux, véritable carburant de l’économie. Augmenter leurs performances permettrait d’augmenter leur prix. L’entreprise s’avère lucrative et glorieuse, bien qu’elle nécessite d’infliger de nombreuses souffrances aux jeunes pur-sang et d’en tuer certains à la tâche.

Mais c’est à la mort prématurée de son fils unique, suite à une maladie contractée lors d’un voyage en Europe en 1884, que Stanford va réaliser l’œuvre de sa vie. Avec sa femme, le couple dévasté décide de rendre hommage à leur fils en créant de toutes pièces un musée et une grande université, destinés à concurrencer les plus grandes académies de la côte est. Construite sur les terres du ranch de Palo Alto, elle est baptisée du nom de leur fils : Leland Stanford Junior University.

L’établissement va recruter parmi les meilleurs professeurs et chercheurs de la nation, à l’aide de salaires mirobolants et promesses d’indépendance. L’accent est immédiatement mis sur une discipline encore peu prisée des grandes universités de la côte est : les sciences physiques et l’ingénierie, en particulier dans les domaines de l’extraction minière et de l’hydraulique. Dotée d’une superficie immense, elle va progressivement jouir d’un avantage indéniable sur ses concurrents en offrant l’espace nécessaire à l’accueil d’un écosystème de laboratoires et d’entreprises.

2) De l’eugénisme à l’électronique (1889-1945)

Leland Stanford ne vécut pas assez longtemps pour admirer la portée de son œuvre. Sa femme assura la direction de l’université un certain temps, mais périt empoisonnée. Le principal suspect n’est autre que le président de l’Université recruté par les Stanford : David Starr Jordan. La mort de l’épouse lui permet de mettre en place son projet : moins un musée et espace célébrant les arts et les lettres, plus une fabrique à élite et un centre de recherche. Très investi dans les thèses eugéniques, Jordan place à des postes clés des universitaires situés au cœur de ce mouvement idéologique, dont le psychologue Lewis Terman. Sous leur direction, la faculté va user d’une approche où se mêle racisme et pseudo-scientisme. Les candidats étudiants sont recrutés via des processus de sélection inédits, où les liens familiaux, la taille corporelle et les résultats au tout premier test QI Stanford-Binnet, un outil de mesure de l’intellect mis au point par l’Université servent d’étalon. Parmi les thèmes figurant dans ces premiers tests très critiqués, on trouve des questions de culture générale portant sur le sport professionnel. Ce qui permettait de sélectionner des profils conformes au milieu social privilégié par Jordan.

L’eugénisme promu par l’Université de Stanford considérait la pauvreté aussi innée que la réussite. Selon Jordan, certaines races et lignées génétiques seraient plus aptes à produire de futurs cadres pour le pays. D’après ses thèses, il conviendrait d’encourager les mariages entre individus repérés pour leurs qualités, tout comme il serait nécessaire de décourager la reproduction des individus n’ayant pas démontré d’aptitudes particulières. À l’aide des tests de QI mis au point à Stanford et suite aux divers efforts pour promouvoir ces idées, plusieurs États américains vont procéder à des campagnes de stérilisation forcée de certaines populations. On estime ainsi à plus de 60 000 le nombre de femmes victimes de cette politique, dont un tiers au moins en Californie. De même, les soldats américains de la 1ère guerre mondiale furent parfois soumis aux tests de Stanford pour déterminer lesquels seraient envoyés en première ligne dans les tranchées.

Partager

À Palo Alto, cette obsession pour la production d’élites, inspirée de l’élevage des pur-sang, va avoir diverses conséquences. Elle crée des liens forts au sein de la communauté des anciens élèves, les professeurs aidant la carrière professionnelle de leurs élèves et ces derniers rendant de multiples services à leur université en retour. Fort d’un réseau efficace, cultivé dans des domaines d’expertise choisis à dessein, Stanford va fournir de nombreux dirigeants d’entreprise et hauts fonctionnaires, dont le président Herbert Hoover sera le premier éminent spécimen. Au cours de sa longue carrière entrepreneuriale puis politique, il jouera un rôle important dans le rayonnement de l’Université et le développement économique de la région.

Si Hoover a été emporté par la crise de 1929, son œuvre lui a survécu et les “hooverites” ont continué d’occuper des postes à responsabilité et d’exercer une influence politique via la Hoover Institution, un think tank basé à Stanford prônant la liberté d’entreprise et le recul de l’État, en opposition au keynésianisme de Roosevelt. Avec l’aide de Hoover, la Californie a continué d’attirer industriels et chercheurs, et Stanford de tisser des liens avec les réseaux de pouvoir de la Côte est. Autour de l’Université, dans ce qui constituera bientôt la Silicon Valley, la haute technologie était déjà un secteur très présent, aux côtés de l’industrie fruitière et minière. Les ingénieurs formés à Stanford s’en allaient exporter leur savoir-faire à travers le monde, pilotaient des projets de construction hydrauliques dans les colonies occidentales et bientôt participaient à la naissance de l’industrie des télécommunications.

Au début des années 1900, plusieurs ingénieurs et scientifiques commencent à expérimenter des outils d’amplification des ondes sonores avant de parvenir à envoyer et recevoir des signaux. La première radio diffuse des programmes réguliers dès 1909, à San Jose. Dans la foulée, Cyril Elwell, diplômé de Stanford, rachète le brevet d’un transmetteur au Danois Paulsen et fonde la Federal Telegraph Corporation. Il recrute rapidement l’ingénieur Lee de Forest, inventeur du tube à vide qui permet d’amplifier, émettre et recevoir un signal électronique. Cet ancêtre du semi-conducteur, également appelé lampe en français (les musiciens reconnaîtront les amplis à lampes) joue un rôle déterminant dans l’éclosion de l’électronique. La FTC débute la commercialisation d’un système radio et obtient dès 1913 un contrat déterminant avec l’US Navy.

La jeune start-up inaugure ainsi le modèle de développement qui sera reproduit par d’innombrables firmes californiennes : breveter une innovation développée avec le soutien plus ou moins étroit de la recherche universitaire, récupérer de juteux contrats militaires ou gouvernementaux grâce au réseau Stanford et ainsi financer l’expansion de l’entreprise. Du fait de son ouverture sur le Pacifique, sa météo clémente et ses centres de recherches, la Californie va rapidement devenir une destination importante en matière de bases et infrastructures militaires, en particulier pour la marine et l’aviation. Et avec le boom de l’électronique, Palo Alto devient un réceptacle de nombreux contrats militaires et capitaux publics. Parmi les inventions marquantes de la période figure le tube klystron des frères Varian, deux étudiants de Stanford, qui servira de premier appareil de brouillage électronique pour l’armée américaine au cours de la Seconde Guerre mondiale.

Frederick Terman, fils de l’eugéniste et enseignant à Stanford Lewis Terman, prend la direction du département d’électronique de Stanford dès 1925. Il joue un rôle important dans l’implantation d’entreprises sur le campus. Après avoir aidé les frères Variant, il encourage et soutient financièrement deux jeunes ingénieurs et anciens élèves dans leur projet de commercialiser leur oscillateur électronique : Bill Hewlett et David Packard. Ils fondent HP en 1949, depuis leur garage de Palo Alto. Spécialisé dans les instruments de mesure, Hewlett Packard va perfectionner le modèle de la start-up tout en cimentant le mythe de l’entrepreneur. David Packard, un conservateur et réactionnaire notoire, exercera une influence politique importante. Que ce soit en occupant des postes élevés dans les administrations Nixon et Reagan ou par son soutien financier majeur à la Hoover Institution. Mais c’est un autre personnage et une autre invention, également liés au système Stanford, qui vont initier la révolution numérique dont la vallée de Santa Clara tire son surnom.

3) Des semi-conducteurs au Macintosh, les prémices de la révolution informatique (1951-1975)

L’écrasante majorité des matériaux se divisent en deux catégories : les conducteurs de courant et les isolants. Il existe quelques exceptions. Le vide séparant anode et cathode dans les tubes à vide n’est ni un conducteur ni un isolant (par définition, le vide n’est rien). Les électrons peuvent passer à travers en “sautant” entre les deux pôles, sous certaines conditions. À l’inverse, les matériaux semi-conducteurs sont à la fois des isolants et des conducteurs. Dans les deux cas, ces propriétés particulières permettent d’amplifier et surtout de contrôler le flux de courant (on/off ou zéro et un), une fonctionnalité essentielle aux fonctions logiques à la base de tout circuit électronique.

Pendant la première moitié du XXe siècle, les tubes à vide ont rempli ce rôle, malgré leurs nombreux inconvénients. Ces composants volumineux grillent facilement et dégagent beaucoup de chaleur. Les premiers ordinateurs occupaient des pièces entières et attiraient les gros insectes, qui provoquaient les premières pannes informatiques (appelées bug - insecte en anglais). Des opérateurs devaient courir dans les couloirs de ces machines géantes pour remplacer continuellement les tubes et nettoyer les circuits.

Tout va changer en 1951, lorsque trois chercheurs de Bell Labs, une entreprise de la côte est spécialisée en R&D et appartenant à l’opérateur de téléphonie national AT&T, vont mettre au point le premier transistor. Extérieurement, il s’agit d’un petit composant électronique constitué de trois fiches métalliques soudées sur un morceau de silicium. Soumis à différents procédés physico-chimiques, ce minerai présente des propriétés semi-conductrices. Le transistor remplit la même fonction que le tube à vide, sans présenter les mêmes défauts. Initialement dix à vingt fois plus petit et léger, il ne chauffe pas et résiste à l’épreuve du temps.

L’invention est à mettre au crédit des physiciens John Bardeen et Walter Brattain, bien que leur responsable hiérarchique William Shockley ait contribué au concept. L’équipe reçoit le prix Nobel de physique en 1956. Si Bardeen et Brattain vont continuer à enseigner et à travailler dans la recherche appliquée le reste de leur vie (Bardeen obtiendra un second prix Nobel de physique en 1972 pour son travail théorique sur les supraconducteurs), Shockley compte sur le prestige du Nobel pour faire fortune. Eugéniste et raciste notable, il a grandi à Palo Alto et entretient des liens étroits avec Stanford, d’où sa mère avait été diplômée. Inspiré par la carrière de David Packard, il se rend en Californie pour fonder sa propre start-up : Shockley Semi-conductors. Il attire du capital et recrute une “dream team” de jeunes ingénieurs et docteurs en physique, dont de nombreux diplômés de Stanford. Il compte mettre au point et vendre des transistors pour l’industrie de l’armement. Mais Shockley est un manager extrêmement toxique, erratique et tyrannique. Il bride la créativité de ses équipes et finit par pousser huit de ses meilleures recrues à quitter l’entreprise pour fonder leur propre entreprise, trois ans plus tard. Les “huit traitres” sont approchés par l’analyste Arthur Rock, de la banque d’investissement new-yorkaise Hayden Stone & co. Ce dernier recrute l’homme d’affaires Sherman Fairchild pour financer une start-up. Héritier d’IBM, monsieur Fairchild a fait prospérer son capital en investissant dans l’aviation civile et l’optique. Il accepte de placer 1,4 million de dollars à condition de pouvoir exercer une option de rachat de l’entreprise sous deux ans, moyennant 300 000 dollars par cofondateur. Fairchild Semiconductors est établie comme filiale de Fairchild Camera and Instrument, avec son siège à Palo Alto.

Libérés de l’emprise toxique de Shockley, dont la société ne vendra jamais le moindre transistor, les huit rebelles mettent rapidement au point un premier produit qu’ils vendent à IBM avec l’aide de Sherman Fairchild, principal actionnaire de cette multinationale. L’entreprise se spécialise ensuite dans les transistors high-tech et devient un des principaux fournisseurs de la NASA et du Pentagone. Seul problème, le succès entraine l’exercice de l’option de rachat par Sherman Fairchild. Les huit fondateurs vivent cela comme une démotion, puisqu’ils perdent leur statut de patrons pour celui de simples managers. Certains vont peu à peu quitter le nid pour fonder leur propre entreprise de semi-conducteurs et composants électroniques. En particulier, Robert Noyce et Gordon Moore. On doit au premier la mise au point du circuit imprimé et au second la fameuse loi de Moore, qui postule que la puissance de calcul des processeurs double tous les dix-huit mois. En 1968, toujours aidés d’Arthur Rock, ils fondent Integrated Electronics, rapidement abrégé en “Intel”. La firme va inventer les premiers composants de stockage de mémoire statique SRAM (Static Random access memory) et SROM qui vont remplacer le stockage sur bande magnétique. Puis, dès 1971, le microprocesseur, composant indispensable à l’émergence des micro-ordinateurs personnels.

S'abonner à Fake Tech

La guerre froide bat son plein, la course à l’espace et aux armements nécessite de nombreuses puces électroniques pour guider les missiles et faire tourner les superordinateurs de l’armée et de la NASA. L’impérialisme américain se mue en gigantesques campagnes de bombardements, que ce soit en Corée ou au Viêt Nam, consommant des quantités astronomiques de composants électroniques. La vallée de Santa Clara voit arriver des légions de jeunes cadres et ingénieurs travaillant plus ou moins directement pour l’industrie de l’armement. Les capitaux affluent autour de Stanford et attirent la matière grise, déclenchant un cercle vertueux.

Ces jeunes entreprises innovent également en termes de modèle industriel. Le coût de production d’un transistor Fairchild avoisine les 13 centimes, dont 3 pour les matériaux et dix pour l’assemblage. Vendu 1,5 dollar au gouvernement, il permet de réaliser des marges faramineuses. Pour les accroitre davantage, Fairchild va délocaliser une grande partie de sa production à Hong Kong, où la main-d’œuvre est beaucoup moins chère. La miniaturisation perpétuelle des composants et la chute de leur prix vont permettre l’avènement de la micro-informatique.

Jeune millionnaire de 31 ans, passé par Fairchild et Intel, l’ingénieur électricien Mike Markkula est convaincu de se trouver à l’aube d’une révolution. Après avoir vendu ses stock-options, il compte prendre sa retraite lorsqu’il entend parler de deux jeunes hippies travaillant sur un prototype de micro-ordinateur depuis leur garage de Palo Alto. Steve Jobs et Steve Wozniack lui proposent d’investir dans leur start-up, Apple Computer. Markkula est séduit. Il injecte 300 000 dollars, rédige le business plan de leur micro-ordinateur, ouvre une ligne de crédit à Bank of America et contacte Arthur Rock. Ce dernier lui ouvre ses réseaux financiers et prend des parts dans la jeune pomme. Apple se trouve soudainement abreuvé de cash et lance avec succès l’Apple 2, un des tout premiers ordinateurs personnels grand public, doté d’un écran, un clavier et une suite de logiciels. Jobs et Wozniack deviennent à leur tour multimillionnaires à l’âge de trente ans.

Pur produit de Stanford, William Shockley a ramené à Palo Alto l’industrie des semi-conducteurs, dont l’émergence doit davantage aux investissements de la puissance publique réalisés pour la Défense et la conquête spatiale. Si l’histoire de Fairchild Semiconductor permet aussi d’entrevoir la chaine d’action-réaction qui a valu à la baie de San Francisco son surnom de Silicon Valley, encore faut-il distinguer ce qui relève du mythe et ce qui tient du poids des structures socio-économiques et autres forces historiques.

Partager

Fin de la première partie. La seconde est à découvrir ici. Pour ne pas manquer les prochains épisodes, vous pouvez vous abonner gratuitement à cette newsletter. Et si vous avez apprécié cet article, il est toujours possible de 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.

• 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.

Depuis son retour au pouvoir, Donald Trump bénéficie du ralliement historique des géants de la Tech. Tous ? Oui, tous. Ce constat s’imposait dès la cérémonie d’investiture, où les principaux PDG de la Silicon Valley trustaient les premiers rangs habituellement réservés aux élus et anciens présidents. Il apparaissait plus évident encore lorsqu’Elon Musk, du haut de son poste d’administrateur temporaire du DOGE (Departement of Governement Efficency), répondait aux questions de la presse à la place de Trump, réduit au rôle de simple observateur derrière le Resolute Desk du bureau ovale. Neuf mois plus tard, un nouvel évènement télévisé a parfaitement illustré le serment d’allégeance de la Silicon Valley envers le projet autoritaire de Donald Trump.

Partager

Le 5 septembre, la Maison-Blanche organisait un grand “diner de la Tech”. Une trentaine de patrons et industriels siégeaient aux côtés de Donald Trump, qui a pris un malin plaisir à les inviter à s’exprimer tour à tour face aux caméras. Chaque PDG a rivalisé de louanges, de Bill Gates à Sam Altam (OpenAI) en passant par Sergey Brin (cofondateur de Google accompagné par sa petite amie, une trumpiste fanatisée). Tim Cook (Apple) a remercié Trump huit fois en moins de deux minutes. Mark Zuckerberg a annoncé des investissements de “probablement 600 milliards” dans les data centers. Pensant que son micro était coupé, il s’est ensuite assuré auprès de Trump que ce chiffre lui convenait.

Il faut dire que l’alliance scellée entre la Silicon Valley et la Maison-Blanche bénéficie aux deux parties. Les géants de la Tech peuvent compter sur Donald Trump pour déréguler le secteur de l’IA, faciliter l’implantation des data centers, institutionnaliser les cryptomonnaies, distribuer les contrats publics et menacer de droits de douane prohibitifs les nations souhaitant taxer leurs profits. De son côté, Trump peut remercier “Big Tech” d’empêcher le pays de tomber en récession. Les investissements colossaux dans l’IA agissent comme un plan de relance privé, alors que sa politique commerciale et sa chasse aux sans-papiers produisent des conséquences économiques désastreuses en termes d’emplois et de pouvoir d’achat.

Dire cela est parfaitement correct, mais la servilité manifestée par les PDG de la Silicon Valley ne saurait être uniquement analysée sous l’angle de l’opportunisme et des intérêts financiers bien compris. Il existe aussi une convergence idéologique et politique documentée à merveille dans le livre de Nastasia Hadjadji et Olivier Tesquet : “Apocalypse Nerds : comment les technofascistes ont pris le pouvoir”. Cette cartographie de la contre-révolution réactionnaire et antidémocratique parcourant la Silicon Valley et influençant la Maison-Blanche apparait sous toute sa complexité. Une lecture essentielle, accessible et percutante pour saisir les ramifications du projet technofasciste en cours d’implémentation, ses objectifs, acteurs et racines idéologiques. Nastasia Hadjadji et Olivier Tesquet ont accepté de répondre à nos questions.

Fake Tech: Au-delà du clin d’œil cinématographique, pourquoi avoir choisi de placer le terme “Apocalypse” en titre de l’ouvrage ? À quoi fait-il écho ?

Nastasia Hadjaji & Olivier Tesquet : Quelques jours après la réélection de Donald Trump, en janvier 2025, le multi-investisseur technofasciste Peter Thiel publie dans le Financial Times un texte aux accents prophétiques dans lequel il mobilise la notion biblique d’apokálypsis. L’Apocalypse selon Saint-Thiel n’est pas la promesse d’un chaos à venir, mais celle d’une possible refondation. Une « révélation » qui conduirait à l’établissement d’un ordre alternatif, radicalement anti-démocratique. Dans ses prises de paroles, Thiel se plait à adopter un ton messianique, prophétique et religieux, c’est à cette dimension que renvoie notre titre Apocalypse Nerds : à la théologie politique des nerds, les oligarques, patrons et ingénieurs de la tech embarqués dans une véritable contre-révolution anti-moderne. Une contre-révolution dans laquelle la modernité technique sert à faire reculer la modernité politique.

Si nous mobilisons ce terme, c’est aussi parce qu’il désigne un instrument de pouvoir. Chez Thiel, très marqué par la pensée anti-moderne de Leo Strauss ou Oswald Spengler, l'apocalypse est une fenêtre d'opportunité, une manière de dire : “Le monde ancien est fini, laissez-nous bâtir le suivant.” Ces derniers jours, le milliardaire a donné une série de conférences à San Francisco sur la figure de l'Antéchrist, qu'il désigne sous trois formes : la charia, un totalitarisme technologique à la chinoise, ou Greta Thunberg. Il faut analyser ce discours en regard de son obsession apocalyptique ; celle-ci devient nécessaire pour se prémunir contre des projets de société qu'il méprise.

Fake Tech : en 2017, le PDG d’Uber et Elon Musk avaient renoncé à participer au conseil économique de Donald Trump sous la pression de leurs employés et par souci de préserver l’image de leurs entreprises. Suite aux pressions internes, Google avait renoncé à son projet de moteur de recherche compatible avec la censure chinoise. Désormais, cette même entreprise signe un contrat de 45 millions de dollars pour piloter la propagande numérique du cabinet de Netanyahou et les PDG de la Tech chantent les louanges de Donald Trump. Qu’est-ce qui a changé selon vous ? Trump a mené une tentative de coup d’État devant les caméras de télévision, les soldats israéliens “live stream” leur génocide, mais “Big Tech” n’a plus les mêmes pudeurs qu’en 2017…

NH & OT : Dans les pas de Sylvie Laurent qui éclaire l’histoire de la « contre-révolution californienne » en insistant sur le fait que l'image d’une Silicon Valley uniformément progressiste, et donc démocrate, est une idée partiellement fausse, nous retraçons les éléments dissonants dans l’histoire de la tech, ceux qui permettent de mieux comprendre la servilité avec laquelle ses grands patrons se sont ralliés à Trump, tout en nuançant l’hypothèse d’un simple opportunisme déguisé en pragmatisme politique.

Le « modernisme réactionnaire », pour reprendre l’expression de l’historien spécialiste du fascisme Zeev Sternhell, a toujours fait partie de l’histoire de la tech. L’université de Stanford, qui fournit à la Silicon Valley ses élites d’entrepreneurs, est l’un des bastions des pseudo-sciences eugénistes et racialistes. William Shockley, qui y a enseigné et que l’histoire retient comme le co-inventeur du transistor, était persuadé que les noirs étaient « génétiquement inférieurs » et l’un des grands promoteurs de la sélection par le QI. Becca Lewis, une chercheuse américaine, s’est également intéressée à l’influence de George Gilder, un investisseur catholique et national-conservateur dont la newsletter sur l’innovation était lue par des dizaines de milliers d’ingénieurs et par le président Reagan lui-même. Enfin, mentionnons que les « cypherpunks », cette communauté décrite de manière erronée comme une bande de « libertaires » de la tech était en réalité liée depuis ses origines au parti libertarien américain.

Cette généalogie des liens explicites entre le secteur des techs et la réaction néolibérale-autoritaire permet de mieux comprendre ce que d’aucuns perçoivent comme un « ralliement » soudain. Terme qui n’est pas particulièrement pertinent puisque les courbettes que l’on observe ces jours-ci s’inscrivent dans une historicité bien documentée.

Fake Tech : un aspect fascinant de votre livre tient dans votre description des incarnations du projet technofasciste. Il ne semble pas simplement s’agir de servir les intérêts d’une classe sociale, mais également de faire sécession pour servir une vision profondément anti-humaine. Lorsqu’on parle de villes autonomes libertariennes appelées à exister en dehors des États ou de transhumanisme, j’avais tendance à rire de ces projets à priori ridicules, comme les tentatives de villes flottantes indépendantes n’ayant pas survécu aux premières tempêtes. En vous lisant, je suis tombé des nues devant le nombre d’initiatives, de signataires, leur puissance financière et le fait que des expériences étaient déjà en cours en ce qui concerne les territoires autonomes… Faut-il prendre ces projets au sérieux ?

NH & OT : Évidemment, il faut les prendre au sérieux. Pour le comprendre, observons le concept d’hyperstition que l’on doit à Nick Land, l’un des nerds de l’Apocalypse que nous décrivons dans le livre. Une hyperstition c’est l’action performative d’idées sur le cours historique et culturel des sociétés. Or la tech excelle à produire des hyperstitions. Prenons le cas de Bitcoin : qui aurait cru que l’idée - utopiste et foncièrement réactionnaire - de revenir à une forme d’or numérique il y a plus de quinze ans aurait conduit à la création d’une nouvelle classe d’actifs financiers dont la valorisation oscille cycliquement entre 1000 et 3000 milliards de dollars, et désormais intégrée à Wall Street ?

Il se trouve que le Bitcoin est également au cœur d’une autre hyperstition contemporaine liée à la volonté de dépasser la forme État-nation, pour faire advenir une constellation (Curtis Yarvin parlerait de « patchwork ») de micro-sociétés privées, gouvernées par des administrateurs privés et guidées par la « main invisible » du marché. Ce mouvement se rattache aujourd’hui à une figure, l’investisseur et bitcoiner américain Balaji Srinivasan, et à son mouvement du Network State. Ce sécessionnisme « utopiste » s’articule aujourd’hui à un sécessionnisme « endogène » incarné par le projet de Donald Trump d’implanter sur le territoire fédéral américain des Freedom Cities, des zones économiques spéciales dédiées à « l’innovation radicale », mais placées en dehors de la supervision des institutions fédérales. Il s’incarne également dans le projet de cité-ouvrière Starbase d’Elon Musk, que l’on peut imaginer devenir, à terme, une juridiction autonome.

La multiplication de ces initiatives produit ce que Grégoire Chamayou nomme la « micropolitique de la fragmentation » : nul besoin de renverser un État dans la violence si vous opérez un travail patient de sape de ses structures, de l’intérieur. C’est certainement dans ce coup d’État incrémental et silencieux qu’il faut chercher la menace la plus probante envers les démocraties libérales.

S'abonner à "Fake Tech"

La tentation est grande de tourner en dérision leurs rêves de grandeur, mais il faut trouver la bonne distance : ni les ériger en stratèges tout-puissants — Curtis Yarvin n'est pas un Raspoutine qui susurre à l'oreille de Donald Trump — ni les éliminer d'un revers de la main. Le technofascisme tel que nous le décrivons est à la fois un mouvement politique contre-révolutionnaire et une scène culturelle, un imaginaire partagé nourri d'idées parfois contradictoires qui ne proviennent pas des lieux traditionnels de la production du savoir, mais de blogs, de podcasts, etc. Son incohérence de façade n'est pas une faiblesse, c'est une force. Puisqu'il fonctionne comme une interface de programmation informatique, il n'a pas besoin d'une idéologie totalisante pour se diffuser. C'est un fascisme incrémental.

Fake Tech : Certains individus peuvent se retrouver dans le “bio hacking”, les livres d’Olivier Rolland inspirés de Tim Ferris ou les promesses émancipatrices des cryptomonnaies, et remettre en question les traits d’union que vous faites entre ces différentes manifestations de la dérive technofasciste. Intégrer dans cet arc le polémiste Matt Yglesias (proche de l’aile droite du parti démocrate américain et “altruiste efficace”) et le “biohacker” obsédé par l’immortalité Brian Johnson pourrait susciter des objections. Quel est le socle commun entre ces différents courants et acteurs ?

NH & OT : L’un des points communs de ces acteurs aux affiliations idéologiques diverses et aux idées composites est l’idée, pour reprendre une citation de Peter Thiel, encore — que « le capitalisme et la démocratie ne sont plus compatibles », ainsi qu’il l’a formulé en 2009 (déjà). Car la contre-révolution à laquelle nous assistons vise à implanter l’idée que la démocratie est un programme lent, corrompu, obsolète — le Windows 95 de la gouvernance politique, en somme. C’est ce poison anti-démocratique visant à relégitimer les formes les plus autoritaires du pouvoir, dont la dictature fasciste (le « fascisme cool » cher à Bukele) ou la formule du « monarque-CEO » de Curtis Yarvin, qui est à l’œuvre dans la multiplication des déclarations et des initiatives de fragmentation.

C'est du reste ce qui peut réunir la droite religieuse américaine et les technofascistes : derrière ce diagnostic d’incompatibilité entre capitalisme et démocratie, il y a surtout un rejet viscéral de l’égalité comme principe politique. Comme chez Carl Schmitt, le père de l'état d'exception et de la décision souveraine, juriste du Troisième Reich, la société s'organise selon une distinction entre amis et ennemis. Concernant ces derniers, les différentes nuances réactionnaires partagent les mêmes : la gauche, les femmes, les personnes racisées, la communauté LGBTQI+, et particulièrement les personnes trans.

Fake Tech : vous soulignez le côté protéiforme et hétérogène du technofascisme, que vous décrivez comme muni d’un objectif clair et radical, mais ne disposant pas d’une idéologie clairement identifiable. Vous insistez à juste titre sur l’aspect terrifiant d’un projet qui considère l’humanité comme une “simple contingence”, se moque du réchauffement climatique ou de l’impact anthropologique du déploiement forcené d’IA dysfonctionnelles. Pour prendre un exemple, les fusées d’Elon Musk et leurs constellations de satellites sont en passe de détruire la couche d’ozone, au nom de la colonisation de Mars… Exposer ce projet et lui opposer des contre-récits susceptibles de contrer le pouvoir séducteur des discours qui s’y rattache sera-t-il suffisant pour faire obstacle à sa progression ?

Nastasia Hadjaji : Il faut d’abord avoir une forme de lucidité sur la faiblesse de la stratégie consistant à penser que l’on va lutter contre le technofascisme en menant une bataille des imaginaires, c’est un refrain entendu souvent, mais qui est faible sur le plan politique. Actons que nous avons momentanément perdu cette position dans la bataille. Il me semble en revanche que la boite à outils marxiste offre des possibilités stratégiques à réinvestir : il faut centrer la lutte sur des considérations matérielles et matérialistes, donc considérer le ralentissement, l’empêchement et le blocage des infrastructures. Rapporter la tech à ses effets dans le présent, qu’ils soient d’ordre social, économique, environnemental. C’est à ces endroits stratégiques qu’il faut axer la lutte. En s’inspirant de toutes les résistances en France et à l’étranger. Je cite souvent l’exemple de la Quadrature du net. On pourrait évoquer également les luttes locales, comme celle contre l’implantation de data center à Marseille. Et à l’international, j’appelle de mes vœux un mouvement des non-alignés. Mais j’ai peu d’espoir en l’Europe néolibérale. Je considère que l’enjeu pour elle est de préserver son indépendance stratégique, et elle le fait par une approche consistant à dupliquer le modèle de la Silicon Valley en ajoutant une étiquette “made in France”.

Si on fait un peu de prospective, la piste stratégique consistant à soutenir un mouvement des non-alignés de la tech, impulsé depuis les pays du Sud global semble plus pertinente. D’autant plus que c’est là que s’exprime avec le plus de brutalité la nature impérialiste et coloniale de l’industrie de la Tech.

Propos recueillis le 19/09/2025 par écrit et téléphone, relus avant publication.

“Apocalypse Nerds” (170 pages, éditions Divergentes) est disponible en libraire à partir du 19 septembre. Je vous encourage vivement à le lire et l’offrir autour de vous.

Pour répondre aux inquiétudes provoquées par la sortie décevante de ChatGPT-5, le PDG d’OpenAI Sam Altman a convié une douzaine de journalistes à un diner privé. Interrogé sur l’existence d’une bulle financière autour de l’IA, il a répondu “je pense que oui”, avant de comparer la situation actuelle à la bulle Internet de 1999-2000. C’est un peu comme si Elon Musk admettait que les voitures Tesla sont à des années-lumière de devenir autonomes et que l’exploration de Mars est une fable destinée à séduire les investisseurs et exploiter les employés de SpaceX.

Note : Après de longues vacances, je reprends les publications doucement, un plus grand projet d’article accaparant l’essentiel de mon temps. D’autres posts de plus longue haleine sortiront dans les semaines à venir. L’article ci-dessous est un résumé des analyses les plus pertinentes que j’ai pu lire sur la sortie de ChatGPT-5 et l’évolution récente de la “bulle IA”. Merci de votre fidélité et de votre soutien !

Abonnez-vous maintenant

Revenons sur le contexte. D’un côté, les firmes américaines et leurs concurrentes chinoises investissent des centaines de milliards de dollars dans les infrastructures nécessaires au développement de l’IA générative. Il s’agit principallement de mégaprojets de data centers (centre de stockage de données, supercalculateurs et serveurs informatiques). Cette montée en puissance s’accompagne d’une flambée des cours boursiers des principaux acteurs du secteur (les GAFAM, Tesla, le premier fournisseur de puces électroniques NVIDIA, les fabricants de semi-conducteurs TSMC et Broadcom,…). Sur les dix plus grosses entreprises cotées en bourse, seule la compagnie pétrolière saoudienne Saudi Aramco (figurant en 7e position) n’appartient pas au secteur de la Tech. Il convient d’ajouter à cette euphorie boursière les levées de fonds toujours plus impressionnantes annoncées par les start-up de l’IA (OpenAI, Anthropic, Perplexity, xAI, Mistral…). Sans oublier le véritable mercato des spécialistes en intelligence artificielle, que les firmes de la Silicon Valley s’arrachent à prix d’or.

De l’autre côté, aucun “Large Modèle de Language” (LLM, comme ChatGPT, Grok, DeepSeek, Claude…) ne semble capable de générer des profits ou de s’imposer face à la concurrence. J’avais longuement détaillé les défis économiques de ce secteur dans un article précédent. On retiendra que la guerre des prix et la relative facilité de réplication d’un LLM risquent de transformer ces programmes en “commodité”, c’est-à-dire en produits indifférenciés et standardisés. L’inverse d’un produit permettant de générer des profits importants.

Les investissements dans les data centers semblent s’inscrire dans une volonté de bâtir des infrastructures susceptibles de permettre une domination future du marché de l’IA, plutôt que de constituer une réponse à une demande qui peine encore à se matérialiser. Autrement dit, ils représentent un pari sur le futur qui consiste à miser sur la généralisation des outils d’IA générative.

Certes, les investissements récents dans le secteur numérique produisent un impact notable sur la croissance états-unienne. Mais comme le souligne Romaric Godin dans Mediapart, la part de l’IA générative dans cette croissance reste difficilement identifiable et les dépenses en data center s’inscrivent dans une tendance de fond débutée en 2020 et seulement modestement accélérée par l’arrivée de ChatGPT à partir de 2023. De même, les bénéfices records des Big Tech proviennent de deux secteurs largement indépendants de l’IA générative : la publicité ciblée (reposant sur l’IA ancienne génération) et la vente de services de cloud computing assurés par les data centers traditionnels (Google Cloud, Microsoft Azure et Amazon Web Services contrôlant deux tiers du marché mondial).

Ces firmes restent les grandes gagnantes de la course à l’IA, avec leurs fournisseurs (NVDIA en tête). Cette réussite résulte d’une stratégie destinée à accroitre la dépendance du secteur numérique dans ce type de services. Comme le montre une étude récente, ces acteurs s’assurent des débouchés en investissant lourdement dans des milliers de start-up qui sont ensuite priés d’avoir recours à leurs services de cloud computing. Même si d’autres investisseurs montent ensuite au capital de ces start-up, elles restent dépendantes de Microsoft Azure, Amazon Web Services ou Google Cloud. Les profits issus de ces services sont ainsi perpétuellement réinvestis dans l’écosystème start-up, quitte à auto entretenir une demande reposant en partie sur un pari technologique incertain. Le risque de déboucher sur une surcapacité de data center, en particulier si la demande auto-entretenue finit par s’effondrer, est de plus en plus pris au sérieux par la presse économique anglo-saxonne.

Comme le note le journaliste techno-critique Ed Zitron, Le Wall Street Journal (ici et là) et le Financial Times (là et là) s’inquiétaient récemment des risques que cette ruée vers l’IA pourrait faire peser sur l’économie américaine. Si l’euphorie qui entoure l’intelligence artificielle générative ne débouche pas sur des produits phares capables de générer des profits importants en se rendant indispensables, les surcapacités pourraient provoquer l'éclatement de la bulle mentionnée par Sam Altman.

Partager

Or, le peu de progrès démontré par ChatGPT version 5 confirme les craintes de nombreux experts sur l’impasse du modèle de développement des programmes d’IA générative. La course au gigantisme (des modèles toujours plus complexes utilisant toujours plus de paramètres et de données, donc nécessitant toujours plus de data centers) sur lequel il repose ne produit plus les sauts qualitatifs escomptés.

De nombreux signaux témoignent de l’essoufflement du secteur :

• Deux études d’Apple démontrent que les modèles les plus avancés, présentés comme “pensant” ou dotés de capacité de raisonnement par étapes (“chain reasoning models”) ne sont dotés d’aucune capacité cognitive réelle. Ce qu’une autre étude de l’Université de l’Arizona a brutalement confirmé.

• Une nouvelle étude très relayée montre que les programmeurs expérimentés ayant recours aux IA génératives perdent 20 % de productivité. On parle pourtant du champ d’application par excellence d’un LLM.

• Selon une étude du MIT publiée cette semaine, 95 % des déploiements d’outils d’IA générative en entreprise se soldent par des échecs en termes de gains de productivité et de résultats financiers.

• L’IA de Méta vient de provoquer un large scandale en deux temps. Premièrement, un chatbot a convaincu un vieil homme souffrant de problèmes cardiaques de la rejoindre pour un rendez-vous galant en se faisant passer pour une personne physique. L’homme a quitté sa maison, ignorant les recommandations de son médecin, et est mort des suites d’une mauvaise chute. Ensuite, l’enquête a montré que l’IA de Méta avait très peu de barrières éthiques : le comité de direction de Facebook avait autorisé son programme à séduire des interlocuteurs en se faisant passer pour une vraie personne et avait jugé acceptable de démarcher des enfants.

• Les fameux “agents” IA censés exécuter des tâches pour leurs clients (réserver un billet d’avion, envoyer des emails automatiquement, etc.) fonctionnent de plus en plus mal et provoquent de nombreux problèmes au sein des entreprises qui les déploient, comme le résume le scientifique Gary Marcus.

La sortie de ChatGPT-5, sans cesse repoussée, devait marquer un nouveau bond technologique susceptible de mettre fin aux doutes générés par les exemples cités plus haut. Du moins, c’est ce que la communication d’OpenAI laissait entendre.

Avec ChatGPT-5, OpenAI renonce à la course à l’IAG (Intelligence Artificielle Générale).

Si on met de côté les techno-sceptiques, le monde de l’IA se divise en deux grandes catégories :

• Les doomers pensent que le développement accéléré de l’IA est dangereux, car la mise au point d’une IA générale (concept à la définition fluctuante mais généralement compris comme une IA capable de faire aussi bien qu’un expert humain dans tous les domaines) provoquerait une rupture pouvant rapidement déboucher sur un scénario à la Terminator (les IA deviennent indépendantes et hostiles à l’humanité - ou dans le meilleur des cas restent amies, mais rendent tout travail humain ou création artistique obsolète).

• Les boomers (ou accélérationistes) pensent que le remplacement de l’homme par une IA générale dans la plupart des emplois est un petit prix à payer comparé aux bénéfices escomptés : pour eux, une IA générale bien programmée permettra de rendre d’innombrables services à l’humanité : trouver un remède au cancer et autres maladies incurables, résoudre la crise climatique, produire une société d’abondance, aller vers le transhumanisme, etc.

Schématiquement, les doomers reprochent aux boomers de développer l’IA sans recul ni précautions sérieuses. Ce qui unit les deux camps, c’est la conviction de l’imminence d’une IA générale.

Avec la sortie de ChatGPT-5, la température est redescendue de deux crans. La déception des clients d’OpenAI était telle que Sam Altman a dû s’excuser publiquement. Cela n’a pas empêché de nombreux médias de titrer sur la fin du progrès dans l’IA.

Dans les jours qui ont précédé la sortie de ChatGPT-5, Sam Altam avait expliqué que cette nouvelle version offrirait l’intelligence d’un humain possédant “un doctorat dans tous les domaines”, ce qui pouvait être interprété comme un prémices d’IAG. Comme l’a titré CNN, au lieu d’un doctorat, ChatGPT-5 n’est pas capable de placer le Canada sur une carte de l’Amérique du Nord (ou de jouer aux échecs en respectant les règles).

Outre l’écart entre les promesses et la réalité (ChatGPT-5 fait à peine mieux que ses versions précédentes dans les tests d’intelligence standardisés), l’ampleur de la déception suscitée par OpenAI s’explique par le mode de fonctionnement du programme.

Cette nouvelle version n’est pas constituée d’un seul grand modèle, mais d’un ensemble de modèles indépendants. OpenAI utilise un “routeur” pour diriger la requête de l’usager vers le sous-modèle le mieux approprié : s’il s’agit d’une simple discussion, une version améliorée de ChatGPT-4 suffit. S’il faut résoudre des problèmes complexes, le modèle le plus avancé sera mobilisé.

Avec cette approche, OpenAI espère probablement faire des économies en réduisant la puissance de calcul moyenne sollicitée par chaque utilisateur. Une partie de la colère des utilisateurs est venue du fait que le “routeur” rencontre de nombreuses difficultés pour orienter leurs requêtes convenablement.

Partager

L’amateurisme et la précipitation d’OpenAI interrogent. Risquer la réputation de la firme en sortant un produit mal fini peut paraitre incompréhensible. Pour Brian Merchant, journaliste techno-critique basé à Los Angeles, deux hypothèses peuvent expliquer ce raté.

Soit OpenAI, rattrapé par la concurrence et sous pression pour sortir une nouvelle version de son LLM, a voulu rassurer les investisseurs en prouvant qu’elle disposait encore d’une avance technologique. OpenAI a par ailleurs annoncé vouloir permettre à ses employés de vendre leurs parts dans l’entreprise en amont d’une future introduction en bourse, à un prix qui valoriserait l’entreprise à hauteur de 500 milliards de dollars. La précipitation pourrait aussi venir des pressions en interne. Sortir ChatGPT-5 maintenant devait rassurer les marchés. Si tel est le cas, le pari semble raté.

Seconde hypothèse : ChatGPT-5 marque un tournant dans la stratégie d’OpenAI, qui abandonnerait la course à l’IA générale (AGI) pour se focaliser sur la rentabilité à court terme. La priorité ne serait plus de rendre ChatGPT aussi intelligent qu’un doctorant, mais d’être plus efficace sur des taches spécifiques afin de remplacer un maximum d’emplois par de l’IA le plus rapidement possible. L’introduction du système de routeur, qui oriente le modèle en fonction des tâches à accomplir, s’inscrit dans cette stratégie. Le discours promotionnel orienté vers les entreprises et les investisseurs (intéressés par les capacités de l’IA à remplacer les travailleurs ou augmenter leur productivité) plaide en faveur de cette hypothèse. Tout comme le changement de discours de Sam Altman au sujet de l’AGI. Après en avoir fait l’alpha et l’oméga d’OpenAI dans un post de blog publié en février 2025, il vient d’opérer un tournant à 180 degrés en jugeant le terme AGI “peu utile”.

Brian Merchant note un autre fait troublant. La déception manifestée envers ChatGPT-5 est venue en grande partie d’utilisateurs des versions précédentes ne supportant pas de perdre accès à leur assistant virtuel. Certains évoquaient la perte de “leur seul ami”, d’un coach ou d’un soutien émotionnel. Difficile de ne pas y voir la preuve d’une forme d’addiction et de dépendance. Face à la colère de ces utilisateurs, OpenAI a accepté de rendre de nouveau disponibles (via un abonnement payant) les versions antérieures de ChatGPT.

S’il est peu probable qu’il s’agisse d’un calcul froid et cynique destiné à extraire davantage de revenus, le peu d’égards manifesté par OpenAI serait la preuve de la confiance de l’entreprise en sa capacité à maintenir une base de clients captifs, car drogués à ChatGPT.

La sortie ratée de la version 5 pourrait accélérer le dégonflement de la bulle IA évoquée par Sam Altman en douchant les espoirs des investisseurs. Mais le changement de stratégie d’OpenAI pourrait tout aussi bien convaincre les entreprises de l’utilité de son produit. Combiné à la prise de conscience de la nature captive de millions d’utilisateurs de ChatGPT, cette sortie chaotique pourrait paradoxalement provoquer un regain d’enthousiasme de la part des investisseurs. En dépit des moqueries qui ont accompagné la sortie de ChatGPT-5, Sam Altman pourrait avoir le dernier mot.

OceanGate prétendait démocratiser l’accès à la mer et ouvrir le secret des profondeurs sous-marines à tout un chacun. Dans sa course à la rentabilité, la start up proposait une plongée à 3800 mètres de fond sur l’épave du Titanic, à bord d’un submersible construit à cet effet : le Titan. Les clients, rebaptisés « mission specialists » pour éviter diverses régulations et normes de sécurité liées au transport de passagers en mer, devaient débourser 250 000 dollars par tête.

En 2023, après 80 plongées dont 13 sur la célèbre épave, le sous-marin a implosé à 3300 mètres de fond, tuant ses occupants sur le coup. À son bord se trouvaient le PDG et fondateur d’OceanGate, Stockton Rush, ainsi que quatre milliardaires (le Français Paul-Henry Nargeolet, le Britannique Hamish Harding et les Pakistanais Shahzada et Suleman Dawood).

Deux documentaires retraçant l’odyssée de cette start up caricaturale viennent de sortir sur Netflix et la BBC/HBO. Si vous en avez la possibilité, je vous recommande chaudement leur visionnage, tant ils fournissent une illustration chimiquement pure de tout ce qui ne va pas avec la Silicon Valley.

OceanGate : le syndrome du Titanic

Riche héritier, Stockton Rush s’était convaincu d’être en mesure de « révolutionner » le monde de l’exploration sous-marine en mettant au point un submersible en fibre de carbone, matériaux dont la légèreté devait lui permettre de réduire les couts d’opération, de disrupter le secteur et de rendre l’exploitation commerciale rentable. Moins de poids, cela voulait dire moins de frais pour expédier le sous-marin aux quatre coins du globe, et un bateau de surface moins gros pour le déployer. Seul problème : la fibre de carbone ne résiste pas aux hautes pressions et peut se rompre d’un seul coup. Pire, chaque plongée risquait d’endommager la coque au fur et à mesure que les fibres la composant cassaient. La fragilisation progressive garantissait l’implosion complète : ce n’était qu’une question de temps. Ce qui explique pourquoi personne n’avait eu cette idée géniale avant lui.

Partager

Qu’à cela ne tienne, le marketing agressif et le mythe de l’entrepreneur génial compenseraient ! Stockton a fait la couverture de nombreux magazines. Il a été en mesure de lever des dizaines de millions de dollars auprès de capital-risqueurs et de convaincre des dizaines de très riches clients de risquer leur vie dans son engin de mort. Il s’était même offert un reportage complaisant de CBS, une des principales chaines de télévision américaines.

Pendant la conception du sous-marin et les premières plongées, la presse couvre avec gourmandise et crédulité les exploits d’OceanGate, présenté par son PDG comme le « SpaceX » de l’exploration sous-marine. Stockton se voit déjà aux côtés d’Elon Musk et Jeff Bezos sur le podium des entrepreneurs de génie dont il assume s’inspirer. De fait, il se montre capable d’exploiter ses employés et les médias avec un zèle similaire.

Les signes annonçant l’inévitabilité du désastre à venir sont légion. Les prototypes de sous-marins testés à l’échelle 1/3 voient régulièrement leur coque en fibre de carbone imploser avant d’atteindre les 3800 mètres. Les principaux experts recrutés par Stockton tentent de tirer la sonnette d’alarme lorsque les tests du sous-marin Titan montrent d’inquiétants résultats. Un des ingénieurs de Boeing qui avait participé à la phase de conception initiale concluait dans un email adressé à Rush en 2012 « nous pensons que vous avez un risque majeur de subir une grave avarie à 4000 mètres ou avant. Nous estimons que vous ne disposez d’aucune marge de sécurité ».

Le PDG préfère ignorer ces recommandations. Il licencie les employés ne partageant plus sa vision. Puis le directeur technique et les principaux ingénieurs démissionnent, refusant de mettre les pieds dans le sous-marin. Comme c’est souvent le cas dans les start up de la Silicon Valley, l’atmosphère de travail se révèle extrêmement toxique : le management brutal de Stockton réduit les critiques au silence et dissuade les employés restant de formuler la moindre objection ou remise en cause constructive. Lorsque les opérations commerciales débutent, l’équipe d’OceanGate fonctionne comme une secte vouant un culte au patron, totalement identifié à l’entreprise et convaincu d’avoir raison contre tout le monde, y compris les lois de la physique.

Non seulement cette hubris a fini par couler l’entreprise et tuer six personnes, dont le fondateur Stockton Rush, mais la catastrophe finale a également couté des millions de dollars aux contribuables qui ont financé des jours de recherche effrénée avec des moyens considérables. On retrouve ici un autre aspect de la culture start up : les externalités négatives sont à la charge de la société, même lorsque l’entrepreneur génial s’avère être un charlatan de la pire espèce.

Ironiquement, l’ampleur des recherches fut justifiée par la perception que les passagers du sous-marin pouvaient être encore vivants, les équipes de surfaces ayant mal interprété le bang sonore indiquant la rupture de la coque, car ils avaient reçu peu de temps après (mais avec du retard) un message en provenance du sous-marin. Les opérations de secours ont été compliquées par le refus de Stockton de suivre les règles élémentaires de sécurité en mer : le submersible ne disposait pas de balise de détresse et était peint en blanc, la couleur de l’écume des vagues et du fond marin.

Cette histoire a logiquement fait couler beaucoup d’encre. Le parallèle avec le destin funeste du Titanic, mal conçu, et ne disposant pas du nombre de canots de sauvetage suffisant du fait de sa réputation d’insubmersible, ajoute au côté dramatique et spectaculaire de la tragédie OceanGate. Comment des gens aussi riches ont-ils pu s’embarquer dans une telle mission suicide ? Pourquoi Stockton Rush lui-même se trouvait à bord lors de l’accident fatal ?

Des révélations invraisemblables (spoiler alerte !)

Sans vous divulgâcher tout le documentaire, je souhaite lister ici quelques-unes des révélations qui m’ont le plus frappé, moi qui avais pourtant suivi l’affaire lors de l’accident.

• Le Titan n’était pas classé et ne battait aucun pavillon. Normalement, tout navire ou appareil maritime se voit attribuer une « classe », c’est-à-dire qu’il subit l’inspection d’un organisme indépendant avant sa mise à l’eau. C’était le but initial d’OceanGate, mais compte tenu des difficultés techniques (et de l’aspect novateur du concept, peut-être), l’entreprise avait décidé de ne pas faire inspecter et classer son submersible. Dans la même veine, afin d’éviter les couts supplémentaires et l’attention des autorités maritimes, le submersible ne battait aucun pavillon, profitant de zones d’ombres dans le droit maritime. Des décisions directement inspirées par l’éthos disruptif propre à la Silicon Valley.

• Stockton Rush pouvait entendre la coque en fibre de carbone se fissurer en temps réel. Une « innovation » d’OceanGate consistait à installer des microphones ultra-sensibles sur la coque afin d’enregistrer tous les « pops » indiquant la rupture d’une des fibres de carbone la constituant. En enregistrant ces signaux, les équipes d’OceanGate prétendaient avoir sécurisé la coque en acquérant la capacité d’anticiper une rupture. En réalité, le système démontrait surtout l’inévitabilité de l’implosion. Et bien entendu, ces données furent superbement ignorées lorsqu’elles indiquèrent que la coque s’endommageait plus rapidement que d’habitude lors de la plongée précédant le drame.

  Le documentaire Netflix livre les images et le son saisissant de Stockton Rush seul dans son sous-marin à entendre les lourds « pops » de la coque en train de s’endommager dès le premier test. Au lieu de s’en alarmer, il minimise ces signaux à coup de « tous les sous-marins font du bruit » et parle de « culotage » de la coque comme s’il s’agissait d’une poêle en acier trempé qu’il s’agissait de roder, pas d’une coque en fibre de carbone entamant son processus de dislocation.

• La coque n’était pas le seul élément problématique. OceanGate connaissait de multiples difficultés et le Titan subissait de nombreux dysfonctionnements liés aux raccourcis pris par son concepteur. Un journaliste s’étant invité à plonger dans le Titan a expérimenté une première sortie en eaux peu profondes qui l’a convaincu de renoncer à participer à une mission sur le Titanic. Comme il témoignera par la suite « la plongée fut intéressante, dans le sens où rien ne fonctionna ». Les propulseurs, les commandes, le logiciel, les systèmes de communications, rien.

• La coque a subi de nombreuses avaries et a été remplacée au moins une fois. Comme le rapporte le New Yorker, le simple fait de tenir une liste exhaustive des différentes sorties effectuées par le Titan et les différentes coques qui ont été utilisées s’avère impossible, d’un point de vue journalistique. On sait qu’au moins une coque a été remplacée suite à une inspection. Elle était sévèrement lézardée.

Malgré tous ces signaux, Stockton Rush a continué d’emmener des clients dans le Titan, atteignant le Titanic à quatorze reprises sur 80 sorties. Un exploit, compte tenu des risques liés à la coque en fibres de carbone. Il a lui-même passé des dizaines d’heures dans ce cigare, s’étant convaincu d’avoir raison au point d’être capable d’ignorer toutes les alertes, y compris les bruits assourdissants des fibres de carbone se brisant les unes après les autres. La quête de fortune et de gloire personnelles avait fini par aveugler jusqu’à Stockton Rush lui-même.

Si l’histoire de cette « Fake Tech » brille par son caractère absurde et tragique, il ne s’agit pas d’une exception. Mais bien d’un pur produit du système socio-économique et culturel qui règne en maitre sur la Silicon Valley.

S'abonner

Quelques «updates» personnelles

• Grâce aux abonnements payants de plusieurs d’entre vous, j’ai pu acheter un nom de domaine pour « Fake Tech » et passer au niveau « pro » de Substack, ce qui devrait améliorer la visibilité du site. Merci beaucoup pour ce soutien !

• Il est désormais également possible de faire un don unique de 2 euros ou plus en « m’offrant un café » via ce site sécurisé lié à Substack.

• Si l’actualité chargée (et déprimante) consomme beaucoup d’énergie, je suis en train de finaliser une longue série intitulée « Une brève histoire de la Silicon Valley » qui devrait égayer votre été.

• Je suis intervenu il y a quelque temps sur Le Média TV pour commenter l’actualité techno-trumpiste (ici) et j’avais publié sur mon autre newsletter une analyse à chaud du divorce entre Trump et Musk (là). Pour suivre mes différentes publications et interventions, le mieux est de s’abonner à mon compte bluesky.

• Bonnes vacances à ceux qui ont la chance de partir, et à bientôt  !

Avec ce qui se passe au Moyen-Orient, écrire sur des sujets de niche comme la voiture autonome peut paraitre futile. Mais chacun fait ce qu’il peut là où il est. Et malgré les apparences, ces sujets ne sont pas totalement déconnectés. L’article qui suit est une mise à jour d’un chapitre écrit à l’état de brouillon pour mon projet de livre. Si ce dernier a du plomb dans l’aile, l’article est plus que jamais pertinent. Bonne lecture !

Fast an Furious

Le 7 mai 2016, la Tesla modèle S de Joshua Brown percute une semi-remorque à pleine vitesse sur une autoroute de Floride. Le véhicule passe sous la remorque du camion qui empruntait une intersection, décapitant le conducteur sur le coup. La fonction « autopilote » était engagée et Brown regardait un film d’Harry Potter au moment de l’impact. Fan de Tesla habitué à poster des vidéos sur les réseaux sociaux où il filmait les prouesses de son bolide, le quadragénaire constitue la première victime d’un accident de la route impliquant une voiture « autonome ».

Dans la nuit du dimanche 18 mars 2018, sur une avenue de Tempe en Arizona, un prototype testé par Uber percute une cycliste à 60 km/h. Raphaela Vasquez, l’employée chargée de surveiller le «robotaxi », effectuait le même circuit pour la 73^e fois en quelques semaines. Elle regardait son téléphone dans les secondes précédant l’impact, qui a débouché sur le premier décès d’un cycliste causé par une voiture « sans pilote ».

Le 2 octobre 2023, à San Francisco, une jeune femme traversant un passage piéton est percutée par un véhicule. Le choc la déporte sur l’autre voie. Dans les secondes qui suivent, un robotaxi opéré par la société Cruise renverse à son tour la victime. Le véhicule sans conducteur s’arrête quelques secondes, puis redémarre et poursuit sur une distance de six mètres en trainant la piétonne sous son châssis avant de s’immobiliser en bordure de route, une roue sur la jambe de la jeune femme. Elle sera dégagée à l’aide de vérins hydrauliques et passera des semaines à l’hôpital en soin intensif.

À première vue, le seul point commun entre ces trois accidents vient du fait qu’ils impliquent des voitures « autonomes » dont le système de conduite n’est pas parvenu à identifier l’obstacle, qu’il s’agisse d’un semi-remorque blanc s’engageant dans une intersection par ciel gris et lumineux, d’un cycliste traversant à pied un boulevard de nuit ou d’une piétonne surgissant sur la voie. Les conséquences ont été radicalement différentes pour les entreprises impliquées.

Suite à l’accident de son prototype, la société Uber s’est retrouvée au milieu d’un scandale révélant ses pratiques inconsidérées. Elle a été contrainte de revendre sa filiale chargée de développer les voitures autonomes. Depuis, son programme de Robotaxi est au point mort. La société Cruise, une startup rachetée par General Motors en 2016, s’est vue interdite d’opérer sa flotte de quelques 600 robotaxis en Californie et a suspendu ses opérations dans les autres États américains. Depuis, elle a plus ou moins mis la clé sous la porte. À l’inverse, Tesla a minimisé l’affaire sans en tirer de leçon, au point qu’un accident similaire a causé la mort d’un autre conducteur en 2018, la victime s’encastrant dans un poids lourd. Plus récemment, Bloomberg a publié la vidéo d’un autre accident mortel où une Tesla éblouie par le coucher de soleil a fauché une grand mère descendue de sa voiture pour porter assistance à un début d’embouteillage résultant d’une collision entre deux véhicules.

Ces trois accidents majeurs s’ajoutent à des centaines d’autres collisions impliquant des systèmes de conduite autonome. Les autorités américaines attribuent ainsi 14 décès et plus de 467 accidents aux véhicules Tesla opérants avec l’autopilote entre 2017 et 2024, dénonçant un système “aux multiples lacunes”.

La société Waymo a suivi une approche plus prudente et conservatrice, du moins selon sa propre communication. Profitant du laxisme des autorités californiennes, cette filiale de Google a développé pas à pas un service de robotaxis convaincant. Les multiples problèmes posés par les phases de test dans les rues de San Franscico n’ont pas débouché sur un accident grave susceptible de mettre un coup d’arrêt aux ambitions de la firme, qui étend désormais son service de manière exponentielle dans les métropoles américaines. Au point de faire de l’ombre à Elon Musk.

Acculé financièrement et technologiquement, Tesla lance à son tour un service de robotaxi dans les rues d’Austin. Pour l’instant, il s’agit surtout de gonfler le cours de l’action en démontrant la faisabilité d’un concept encore flou, à l’aide d’une dizaine de prototypes. Comme nous allons le voir, il s’agit autant d’un pari financier désespéré que d’un défi technologique des plus hasardeux.

Sommes-nous sur le point de vivre (enfin) la révolution de la voiture sans pilote, ou bien assiste-t-on à une accélération du déploiement d’une énième “Fake Tech” aussi nuisible qu’inutile ?

La course à l’autonomie : Tesla et l’origine du mal

Fin 2012, Tesla Motors se trouve en grave difficulté financière. Les surcoûts, délais de production et multiples rappels d’usines du modèle S, qui souffre d’importants problèmes de qualité sur sa chaine de production, plongent les comptes de l’entreprise dans le rouge. Comme le reconnaîtra Elon Musk, « le bouche-à-oreille était atroce ». L’entrepreneur s’en sort miraculeusement grâce aux subventions de l’État californien, une hausse des tarifications et un déstockage important qui permet de dégager un bénéfice artificiel sur un trimestre. Ce résultat propulse le cours boursier et entraîne le succès d’une levée de capital par émission d’actions. Après avoir été sauvée par le gouvernement fédéral et des investissements de Ford, Toyota et Chrysler en 2009, la startup californienne échappe de nouveau à la faillite.

Le plan B consistait à vendre l’entreprise à Google pour six petits milliards de dollars, le géant de l’internet imaginant des synergies après avoir lourdement investi dans le développement d’une voiture sans pilote. Si l’accord secret n’est plus d’actualité, Musk craint que les progrès de Google dans la voiture autonome ne lui volent la vedette. Il engage rapidement Tesla dans la course.

Depuis les années 1980 et jusqu’au milieu des années 2000, l’essentiel de la R et D portant sur la conduite autonome avait été financé par le DARPA, une branche du ministère de la Défense américain, avec de premiers développements encourageants. Via sa filiale Waymo, Google avait relancé l’intérêt de la Silicon Valley. Cruise est fondé en 2013 et de nombreux cadres issus des programmes financés par le DARPA sont recrutés dans les startups travaillant sur les véhicules sans pilote. Compte tenu du retard important de Telsa, Musk décide d’aborder le problème d’une autre façon : au lieu de viser une voiture 100 % autonome, le milliardaire table sur un premier objectif visant à couvrir 90 % des situations de conduite. Surtout, il renonce à l’usage de radars basés sur une technologie infrarouge (LIDAR) pour détecter les obstacles, préférant des caméras vidéo moins onéreuses. Pour lui, si un humain peut conduire avec ses yeux, une voiture peut devenir autonome simplement grâce à la reconnaissance visuelle permise par une caméra standard. Il s’agit surtout d’économiser des sous. Ce choix s’avère fatal : les accidents évoqués plus haut auraient été évités si les Teslas disposaient d’un radar en complément des caméras n’ayant pas été capable de reconnaître les obstacles. Mais l’approche permet de commercialiser immédiatement une option présentée comme autonome.

En 2013, les équipementiers automobiles disposent déjà de solutions, sous la forme d’une collection de systèmes : assistance au freinage (la voiture détecte automatiquement les obstacles et actionne le frein), régulateur de vitesse intelligent (qui s’adapte à la circulation) et assistance de trajectoire (qui actionne le volant pour éviter une sortie de route). Si les constructeurs traditionnels n’explorent pas davantage ces possibilités, c’est avant tout par souci de sécurité. Loin d’être présentés comme des systèmes de conduite autonome, ils sont généralement conçus pour se désengager dès que le conducteur lâche le volant. Musk les combine en une fonctionnalité unique, qu’il baptise « autopilote ». « Autonome évoque l’idée que votre voiture peut faire quelque chose qui vous déplaît , alors qu’auto pilote c’est un bon système pour les avions, et ça le sera pour les voitures », justifie-t-il à Bloomberg en 2013. Trompeuse, l’appellation constitue un joli coup marketing.

Partager

En proposant cette fonctionnalité en option, il espère utiliser ses clients comme bêta-testeurs plus ou moins volontaires et accumuler des millions d’heures de conduite permettant d’entraîner peu à peu l’algorithme. Car les limites du système sont davantage liées à la partie logicielle, qui doit apprendre à reconnaître les conditions de circulation et agir en fonction, qu’à la partie matérielle. De la même manière qu’un programme d’intelligence artificielle peut être entraîné à reconnaître des chats sur des photos, il peut apprendre à identifier des voitures sur une route et analyser les conditions de circulation. Dès 2014, Tesla bluff le grand public avec une vidéo montrant son système prendre en charge le véhicule sur plusieurs kilomètres. Il s’agit pourtant d’un film manipulatoire, les multiples interventions du conducteur étant coupées au montage. Mais le potentiel de la technologie impressionne et le cours boursier de Tesla s’envole. La fuite en avant peut commencer : Tesla va continuer d’exagérer les capacités de son système et promettre “un million de robotaxis d’ici l’année prochaine” tout en maintenant une opacité quasi criminelle sur les circonstances des différents accidents impliquant son autopilote. The show mush go on: comme Musk le reconnaîtra fin 2022 “sans la mise au point de la conduite autonome, la valeur de l’action Tesla est proche de zéro”.

Un casino sous le capot : le mirage de la voiture 100% autonome

La Society of Automobile Engineer (SAE) classe le niveau de sophistication d’un système en six catégories. Les niveaux 0 et 1 représentent une conduite assistée par des automates, comme le régulateur de vitesse, le freinage d’urgence, la boite automatique, etc. Le conducteur doit tenir le volant en permanence pour maintenir la trajectoire. Le niveau 2 inclut l’automatisation de la trajectoire, le conducteur pouvant relâcher le volant pendant de brefs intervalles de temps, à condition de conserver ses yeux sur la route. À partir du niveau 3, on ne parle plus de conduite assistée, mais de conduite autonome. Ce niveau permet de relâcher le volant et son attention en permanence. Cependant, le conducteur doit toujours être présent et capable d’intervenir en cas de signal. Le niveau 4 ne requiert pas de conducteur dans le véhicule, mais les itinéraires sont limités à des zones balisées et amplement testées (par exemple, un quartier de San Francisco). Le niveau 5 caractérise les voitures entièrement autonomes sur toutes les routes et par toutes conditions.

Le système proposé par Tesla se situe encore au niveau 2 selon la SAE et le régulateur américain, comme en témoigne la formule « Les fonctionnalités actuelles exigent une surveillance active de la part du conducteur et ne rendent pas le véhicule autonome » placée en dessous de l’option « autopilote amélioré : capacité de conduite entièrement autonome » proposée par le constructeur.

Des firmes comme Honda, BMW et Mercedes ont récemment mis au point des systèmes considérés de niveau 3. Celui de Mercedes a reçu l’autorisation d’opérer dans le comté de Los Angeles, mais sous certaines conditions : une vitesse maximale de 65 km/h, des conditions de météo optimales, la présence continue d’un véhicule devant la voiture autonome et un itinéraire connu du système. Autrement dit, l’applicabilité de cette révolution, qui permet au conducteur de quitter la route des yeux sur toute la durée du trajet, se limite à une conduite dans les embouteillages. Peut-on réellement parler de « niveau 3 » ? Comme Tesla, Mercedes entretient l’ambiguïté. Le manuel de la voiture précise qu’il incombe au conducteur de détecter les dégradations éventuelles des conditions de circulation. Ce qui entre en contradiction avec l’idée qu’il puisse regarder un film ou faire la sieste lorsque le pilote automatique est enclenché. De même, la question du désengagement pose de nombreux problèmes juridiques. À partir de quel moment est-il raisonnable d’estimer que la responsabilité de la conduite passe du système au conducteur ? Dix secondes après le signal sonore déclenché par la fin du bouchon sur une autoroute ? Mercedes ne clarifie pas ces points, préférant communiquer sur le fait qu’elle se porte responsable en cas de collision lorsque le pilote automatique est activé. De toute évidence, le conducteur doit rester vigilant puisque le système peut se désengager dès que la visibilité décroît ou que la circulation se fluidifie.

Passer du niveau 2 ou 3 au 4 n’est pas une simple formalité. Les robotaxis de Waymo et Cruise n’ont pas suivi la même stratégie de développement que le système « autopilote » de Tesla, désormais surpassé par plusieurs concurrents. Dans un cas, l’usage reste essentiellement destiné à améliorer le confort du propriétaire. Dans l’autre, il s’agit de concurrencer Uber et les taxis traditionnels. Les véhicules sont bourrés de capteurs – y compris radars et infrarouges – pour détecter tout type d’obstacle et de situation. Les algorithmes sont optimisés pour la conduite en ville sur des parcours prédéfinis sur lesquels ils ont été longuement entraînés. Et le cout du système s’en ressent.

Tesla, à l’inverse, est parti d’un système « niveau 1 » et l’a étendu au niveau 2 en commençant par la conduite sur autoroute et le parking dans les garages privés. Des situations bien plus prédictibles que les petites routes de campagne mal balisées et le chaos de la circulation en centre-ville. L’idée étant que les progrès techniques dans le hardware et surtout l’expérience acquise par l’algorithme permettront de passer au niveau 3 puis 4 et enfin 5. Mais cette chimère se heurte à la réalité : tout miser sur la reconnaissance visuelle d’une intelligence artificielle vous expose aux limites inhérentes à cette technologie.

Elle repose sur les mêmes principes que des programmes de reconnaissance faciale ou des chabots types ChatGPT. Au cœur du système, on retrouve les réseaux de neurones artificiels utilisant le principe du machine learning ou deep learning (apprentissage par renforcement). L’algorithme est confronté à d’innombrables situations définies par des montagnes de variables et doit déterminer la meilleure solution. Est-ce une photo de chat ou de chien ? Est-ce une voiture ou un piéton ? L’obstacle est-il en mouvement ou à l’arrêt ? Le programme donne une réponse définitive et agit en fonction. Mais il le fait à partir d’une approche probabiliste et discrétionnaire. Quelle est la probabilité qu’il s’agisse d’un piéton ou d’un reflet dans une flaque d’eau ? D’un obstacle ou d’un peu de fumée ? Pour améliorer la performance de l’IA, il faut la confronter à un maximum d’exemples.

Lorsqu’on a compris ce point précis, il devient évident qu’une voiture 100 % autonome est une chimère. Aucun système ne parviendra à être confronté suffisamment souvent à tous les types de problèmes imaginables pour devenir fiable à 100 %, sans parler du risque de panne d’un capteur critique. Il y a une contradiction philosophique entre l’approche probabiliste et discrétionnaire de la voiture sans conducteur et le fait que le réel est par essence continu, ambigu et ontologiquement ouvert. L’algorithme découpe le réel en état discret et leur assigne des probabilités alors que la réalité est bien plus fluide, chaotique et imprévisible.

Si l’autopilote des avions fonctionne relativement bien, c’est avant tout parce que la tâche à effectuer est bien plus simple. Dans les airs, les risques qu’un chat, un ballon de football, un sac poubelle ou une branche d’arbre surgisse à quelques mètres de l’appareil sont proches de zéro. Il n’y a pas de chantiers inopinés sur la chaussée ou de “modification récente de l’état des lieux” qui contredirait les données disponibles. Du reste, deux pilotes sont toujours présents à bord.

Les technophiles argueront que le système n’a pas besoin d’être parfait, il lui suffit d’être plus performant que le conducteur moyen. Les systèmes de conduite autonome ne boivent pas avant de prendre le volant, ils ne sont pas distraits par leurs téléphones, ne s’énervent pas quand on leur coupe la route, ni ne se fatiguent après des heures de conduite. Mais ils continuent de commettre des erreurs incroyablement stupides du point de vue d’un humain, comme d’écraser un piéton qu’ils viennent de renverser avant de s’immobiliser des heures durant sur sa jambe, faute d’être capables de descendre du véhicule pour inspecter la situation.

Aller vite en cassant des choses

L’adage culte des entrepreneurs de la Silicon Valley, « Moving fast and breaking things » s’applique particulièrement bien au cas de la voiture autonome, une technologie développée dans la hâte avec peu d’égards pour les multiples risques et conséquences.

Les accidents évoqués en début d’article sont instructifs. Le conducteur de la Tesla plaçait une confiance exagérée dans l’autopilote. Un humain aurait fait attention à l’approche de l’intersection et immédiatement identifié le camion. Mais Brown regardait un film. Un comportement encouragé par Elon Musk, qui avait personnellement partagé sur les réseaux sociaux une des vidéos postées par Brown où il vantait les prouesses du système.

Le prototype Uber essayait encore de déterminer si l’objet en approche était une voiture ou un vélo lorsqu’il a finalement pris la décision d’alerter le conducteur, deux dixièmes de secondes avant l’impact. La conductrice était distraite, mais ce type de comportement est précisément ce qu’on peut attendre d’un humain chargé d’observer la route plusieurs heures de suite sans intervenir. En prenant davantage soin de ses testeurs au lieu de les soumettre à des conditions de travail drastiques, Uber aurait pu éviter l’accident et préserver sa réputation. Mais quid d’un usager régulier ? Ironiquement, le prototype utilisé par Uber reposait sur une Volvo disposant d’un système de freinage d’urgence (niveau 1 sur l’échelle de maturation de la voiture autonome). Uber avait désactivé le système pour éviter les interférences avec sa propre technologie. Son programme était conçu pour enclencher le freinage seulement si le véhicule estimait pouvoir éviter l’impact à coup sûr, l’alternative étant de ralentir et alerter le conducteur. Comme l’ont démontré des simulations conduites par Volvo, son propre système aurait freiné plus tôt et réussi dans 17 cas sur vingt à prévenir la collision. Autrement dit, en essayant d’atteindre le niveau 4 de sophistication, Uber a fait moins bien qu’un système de niveau 1.

Waymo et Cruise ont convaincu les régulateurs qu’ils adoptaient une approche bien plus précautionneuse. Malgré cela, l’implémentation de leurs services de robotaxis à San Francisco a généré des retours d’expérience désastreux et la colère des riverains.

Waymo a tué un chien, conduit dans un trou de chantier et a été impliqué dans des dizaines de collisions, tout comme Cruise. Au-delà des accidents, les deux opérateurs provoquent de nombreux troubles à la circulation et à l’ordre public, causant des embouteillages et ralentissements dans des quartiers résidentiels, bloquant des ambulances et véhicules de pompiers en intervention, se garant devant des bouches à incendies ou s’immobilisant en pleine voie suite à un évènement non compris par l’algorithme.

L’accident du 2 octobre impliquant la société Cruise a également révélé un problème de culture du risque rappelant davantage Tesla et Uber que l’image projetée par Waymo et les grands constructeurs historiques. Les fuites de documents internes ont montré un manque d’égards pour la sécurité motivé par l’obsession de devancer Google dans la course aux robotaxis, comme Uber avait devancé Lyft dans la course aux taxis partagés. En particulier, l’objectif de Cruise était de parvenir à un niveau de sécurité comparable au chauffeur Uber moyen. Bien que les ingénieurs savaient que le système avait de grandes difficultés à détecter les enfants et les trous dans la route (« obstacle négatif » dans le jargon), le PDG de Cruise avait décidé d’accélérer le déploiement de sa flotte dans diverses villes des États-Unis. L’accident a provoqué son licenciement.

Tesla constitue un cas encore plus emblématique de cette course en avant au mépris des règles et du bien commun. Après avoir annoncé le développement de son « autopilote », Elon Musk a placé ce projet au cœur de sa stratégie d’entreprise dans son « Master plan, part deux ». Pour contrer Uber et Google, il promet l’arrivée imminente d’un système de conduite 100 % autonome qui permettra à chaque propriétaire de Tesla de sous-louer son véhicule comme robotaxi. La voiture autonome ne doit alors plus simplement réduire le nombre d’accidents de la route, qui font près de 40 000 morts aux USA chaque année, mais réduire le cout d’utilisation des voitures (en les sous-louant lorsqu’on ne les utilise pas) et diviser la circulation par deux ou quatre en faisant de chaque voiture un robotaxi capable d’emporter quatre personnes à la manière d’un service de covoiturage.

Par bien des aspects, ce projet reste peu crédible. Si Tesla parvenait à mettre au point des robotaxis avant ses concurrents, elle n’aurait aucune raison de vendre les voitures à des particuliers : autant opérer la flotte soi-même et empocher les bénéfices. Pour que les clients soient prêts à sous-louer en permanence leur véhicule de luxe réputé fragile et doté d’une batterie à durée de vie limitée, les revenus devront être conséquents.

Outre l’aspect commercial douteux, les choix technologiques placent Tesla face à une contradiction fondamentale. Convertir un véhicule personnel en robotaxi nécessite d’ajouter des équipements et services au cout non négligeable. Selon le New York Times, un véhicule Waymo coute 100 000 dollars par unité, plus du double d’une Tesla de même gabarit. L’ajout des capteurs a également un impact esthétique désastreux. Et opérer une flotte de robotaxis requiert une équipe conséquente en back-office pour intervenir en cas de besoin. Dans le cas de Cruise, le New York Times estimait qu’il fallait 3 techniciens pour deux véhicules en opération. Et on parle toujours de système de niveau 4 opérant dans des zones limitées, prédéfinies, longuement cartographiées et patiemment testées.

On arrête pas le progrès ! Vous pouvez désormais soutenir mon travail en m’offrant un café.

Pour son service de robotaxi, Tesla utiliseraient uniquement des caméras optiques. Le système repose sur un réseau de neurones “end to end”, ce qui signifie que les données d’entrées sont utilisés par l’algorithme de “deep learning” pour donner une réponse en sortie sans aucune intervention ou étape supplémentaire. Il n’est donc pas possible d’insérer des instructions additionnelles à suivre en cas de situation particulière, comme la présence d’un vehicule de police en bord de route. Avec cette approche, Musk espère réaliser (enfin) le bond technologique promis depuis 2013. En se passant des capteurs LIDARS, des équipes en back-office et des restrictions géographiques, il pourra commercialiser un système de niveau 5 disponible à tous les propriétaires de Tesla. La route risque d’être longue, voire impossible. Le premier test de robotaxis débuté à Austin connait des débuts chaotiques, malgré la mobilisation des équipes du back-office, la présence d’un employé sur le siège passager avant, la zone géographique restreinte et les semaines de tests intensifs.

La course aux robotaxis, pas à la rentabilité

Comment comprendre la mise en service précipitée des robotaxis Tesla ? Il s’agit probablement d’une manœuvre quelque peu désespérée pour sauver une entreprise dont les ventes s’effondrent au profit de la concurrence et à cause de la dégradation de l’image de la marque. La promesse des robotaxis, après celle des véhicules autonomes, permet de soutenir le cours boursier dont dépend la fortune d’Elon Musk et sa capacité à emprunter.

Mais il s’agit également de répondre à la montée en puissance de Waymo, qui étend son service à un nombre croissant de villes américaines et s’installe comme le leader de la voiture autonome. Au point de convaincre le gouvernement britannique de rejoindre la compétition en accélérant la procédure d’autorisation des robotaxis.

Tesla joue sa survie. Et mettre au point un faux système de robotaxis dans un environnement aussi peu réglementé que le Texas reste relativement aisé. Il suffit de ne pas rendre public le nombre de personnes présentes en back-office pour surveiller et contrôler les robotaxis à distance et ne pas publier les données relatives aux nombres d’interventions qu’ils pratiquent. Même si le service parvenait à s’étendre rapidement, de nombreuses questions resteraient en suspens. En particulier celui de la viabilité économique des robotaxis et leur utilité sociale.

Quel problème cherchent-ils à résoudre ? Il ne s’agit pas de baisser le cout du transport : une course en Waymo coute 10 à 45 % de plus que le même trajet en Uber. Il n’est pas non plus question de réduire les embouteillages. Le succès d’Uber a augmenté le trafic routier en mettant davantage de véhicules sur les routes. Et les enquêtes d’opinions rapportées par TechCrunch envoient un autre signal inquiétant. Le fait que Waymo trouve des clients tout en étant plus cher qu’Uber serait essentiellement dû au fait que ses usagers apprécient d’être seul dans le véhicule, sans la “nuisance” du chauffeur. Outre le virage anthropologique que cela suggère, cet élément contredit l’idée que les robotaxis transporteront plusieurs passagers à la manière d’un taxi-brousse ou d’un service de covoiturage. À moins de pouvoir proposer des couts dix fois moindres, ce qui nécessiterait d’embarquer plus de passagers et de suivre des itinéraires fixes. La Silicon Valley serait-elle sur le point de réinventer l’autobus ?

Partager

Non, la principale utilité du service semble être de fabriquer des légions de chômeurs en remplaçant les chauffeurs ubérisés et, à terme, les chauffeurs routiers, par la conduite autonome. Pour y parvenir, le système doit être rentable. Ce qui n’a rien d’évident.

En 2024, Waymo aurait enregistré plus de 4 milliards de dollars des pertes financières du fait du coût de la R&D et de l’entretien, de l’opération et de l’élargissement de sa flotte. Une somme astronomique que seuls des géants comme Google peuvent se permettre de brûler à une telle vitesse. Avec 250 000 courses par semaine (contre 250 millions pour Uber), Waymo continue de perdre de l’argent sur chaque trajet qu’elle effectue. Et ce, malgré une tarification supérieur à celle pratiquée par ses deux principaux concurrents Uber et Lyft. Autrement dit, remplacer un conducteur de taxi uberisé par un robot ne permet pas d’économiser de l’argent, du fait du surcoût entraîné par le véhicule et la nécessité de payer une armée de techniciens pour superviser la flotte. Les couts de Waymo devraient diminuer avec les économies d’échelles, mais Uber et Lyft disposent également de marges confortables pour mener une guerre des prix.

Les impacts négatifs ne se limitent pas aux accidents, décès et embouteillages évoqués plus haut. La promesse des véhicules sans pilote sert également de justification pour décourager les pouvoirs publics à investir dans les transports en commun et autres solutions écologiques. Les Koch brothers, des multimilliardaires ayant fait fortune dans l’industrie pétrolière, ont mené des opérations de lobbying pour tuer de multiples projets de transports en commun en mobilisant l’argument de la voiture autonome et électrique. Ce n’est pas la première fois que les promesses de la Silicon Valley sont ainsi agitées pour freiner le progrès : Musk avait utilisé l’arnaque de son Hyperloop pour retarder la ligne de train à grande vitesse devant relier Los Angeles à San Francisco. De même, ses hypothétiques tunnels à Tesla ont servi à tuer des projets de tramways.

Enfin, notons que les voitures équipées pour la conduite plus ou moins autonome embarquent une multitude de capteurs redondants et de puissants microprocesseurs. Ils génèrent une masse de données conséquente. Ce qui augmente fortement le poids et l’impact environnemental de ces véhicules.

Encore une fois, la Tech cherche à imposer une solution que pas grand monde ne désire, qui ne résout aucun problème précis et présente de nombreuses externalités négatives. Dont le fait, en cas de succès, de décourager l’usage des transports en commun pour mettre davantage de véhicules sur les routes. Tout cela dans le but de construire un nouveau monopole permettant de concentrer la richesse et le pouvoir dans les mains de quelques-uns, sur le dos des travailleurs, de l’environnement et des usagers.

Le Congrès américain est en passe de voter une loi visant à assouplir la régulation des stablecoins1, ces actifs financiers servant de liquidité pour les transactions en cryptomonnaie. Écrit par les lobbies procryptos, le texte semble taillé pour Donald Trump. Même son titre (“Stable act”, pour la version de la Chambre des représentants et “GENIUS act” pour le Sénat) est un clin d’œil au président, qui s’était autoproclamé “Very Stable Genius” suite à un examen médical. Non seulement cette loi lui permettra de tirer un maximum de profit de ses nombreux investissements dans le secteur des cryptoactifs, mais elle ouvre aussi la voie à un nouveau type de corruption - y compris de la part des gouvernements et agents étrangers.

Le texte aurait pu être baptisé “légalisation de la corruption du Président”, mais il pose d’autres problèmes. Le cadre législatif proposé pour faciliter l’usage des stablecoins doit permettre leur montée en puissance. Les banques et la finance traditionnelle risquent d’être exposées au risque systémique des cryptoactifs, secteur connu pour sa volatilité et sujet à de multiples fraudes, arnaques, piratages, manipulations des cours, délits d’initiés, blanchiments d’argent et problèmes de financement des activités criminelles et terroristes. Combiné à de récents décrets présidentiels, le “GENIUS act” ouvre la voie à un usage des stablecoins par le gouvernement américain, qui pourrait ainsi contraindre les citoyens à recevoir ou effectuer des paiements en cryptoactifs. Tout en permettant par ailleurs à des entreprises privées de mettre au point leur propre monnaie, pour le plus grand bonheur de personnalités comme Elon Musk.

De quoi faire basculer le pays dans une situation inédite où la corruption généralisée s’étendrait à la privatisation de la monnaie, faisant des États-Unis un crypto-État dirigé par une clique de milliardaires baignant dans des conflits d’intérêts sans précédent. Le tout avec le soutien décisif du Parti démocrate, dont de nombreux sénateurs ont voté en faveur du texte porté par Donald Trump. Explications.

Trump écrase la régulation des cryptos et légalise les pratiques criminelles

En 2019, Trump déclarait “Je ne suis pas fan de Bitcoin et des autres cryptos, qui ne sont pas des monnaies et dont la valeur très volatile est basée sur du vent. Les cryptoactifs non régulés peuvent encourager les comportements illégaux, dont le trafic de drogue et autres crimes”. Il voyait cette technologie comme une menace face à l’hégémonie du dollar et un véhicule permettant de financer le terrorisme international et contourner les sanctions économiques américaines.

Sa position a évolué peu à peu, pour des raisons que nous avions détaillées dans un article précédent. En particulier, la campagne de Donald Trump a reçu plus de 20 millions de dollars de dons en provenance de l’industrie des cryptos, plus le soutien public de divers acteurs majeurs du secteur. Il leur a renvoyé l’ascenseur dès sa prise de fonction.

Outre la création d’une réserve fédérale en cryptomonnaie annoncée pour soutenir les cours, Trump a débuté une croisade contre les différentes agences fédérales engagées dans la régulation du secteur. La SEC (le gendarme des marchés financiers américains) a abandonné ou classé sans suite une dizaine de procédures judiciaires et enquêtes impliquant les principales firmes du secteur.

Depuis, avec l’aide des équipes d’Elon Musk qui opèrent au sein du DOGE (le Departement Of Gouvernement Efficiency), Trump a poursuivi dans cette voie. Le Consumer Financial Protection Bureau (CFPB), une agence fédérale conçue pour protéger les Américains des abus perpétués par le secteur bancaire, a été vidé de tous ses moyens. La section du FBI chargée de lutter contre les crimes financiers liés aux cryptos a été purement et simplement démantelée et, dans une directive remarquable, la Maison-Blanche a demandé au ministère de la Justice de cesser d’engager des poursuites contre les acteurs des cryptomonnaies s’il n’avait pas la preuve d’une volonté et conscience de violer la loi. Tout en ordonnant au département chargé des crimes financiers de “ne plus instruire de procédures visant le secteur des cryptoactifs”. Enfin, Trump vient de gracier une série d’individus affiliés à la société BitMEX et condamnés pour blanchiment d’argent.

Dans les faits, le secteur des cryptomonnaies n’a donc plus grand-chose à craindre du FBI, des procureurs fédéraux, du ministère de la Justice au sens large et de la SEC en particulier. Ce qui tombe bien, compte tenu de l’implication grandissante du président dans ce secteur.

Trump en passe de bâtir un crypto-empire pour faciliter sa propre corruption

En 2021, alors qu’il vient de perdre les élections, Trump lance une collection de cartes virtuelles à son effigie, sous forme de NFT2 ( “Non Fungible Token”) reposant sur une blockchain3. Elle fonctionne comme une pyramide de Ponzi, puisque la valeur des cartes est purement spéculative. Pour encourager ses fans à se porter acquéreurs, il organise un système de loterie donnant accès à des récompenses. Sa femme Melania avait également tenté de lancer sa propre série de NFT, sans grand succès.

Depuis qu’il s’est autoproclamé “Crypto-Président”, Trump va beaucoup plus loin. Après avoir fait la promotion du secteur pendant la campagne électorale et conduit une politique favorable à cette industrie depuis sa prise de pouvoir, il s’engage dans une série d’actions qui n’ont plus rien à voir avec le simple renvoi d’ascenseur évoqué plus haut.

Plus de 350 millions de profit via les “Memecoins”

Quelques heures avant sa prise de fonction, Trump a lancé un memecoin4 à son effigie baptisée $TRUMP et initialement proposé au prix de 18 centimes le jeton numérique. Le cours s’est très fortement apprécié (à 75 dollars le jeton) avant de chuter brutalement, suite à la vente des premiers acheteurs. La création de ce cryptoactif avait suscité de vives critiques, en particulier de la part de la communauté procrypto, qui y voyait une démarche purement opportuniste susceptible de faire du tort au secteur. En effet, Trump et ses proches ont encaissé plus de 350 millions de dollars après avoir revendu au plus haut une partie des jetons qu’ils avaient créés ex nihilo, dans ce qui s’apparente à un cas d’école de rug pull5. Le cours était retombé rapidement en dessous des 10 dollars, laissant la plupart des acheteurs dans le rouge.

La famille de Trump a reproduit la même chose avec un memecoin basé sur sa femme et baptisé $MELANIA, avec un succès plus modeste, mais respectable.

Depuis, Trump semble utiliser son $TRUMP coin comme support pour vendre un accès privilégié à la Maison-Blanche. Après s’être durablement effondrée, la valeur du token $TRUMP est repartie à la hausse suite à l’achat de vastes quantités de jetons par des acteurs étrangers, pour plusieurs centaines de millions de dollars. Le président a poursuivi dans cette voie en offrant des prix aux principaux investisseurs dans sa cryptomonnaie, dont un diner en sa présence dans sa résidence de Mar-a-lago aux 220 plus gros détenteurs et la promesse d’une entrevue préliminaire avec les 25 premiers de la liste. En moyenne, les 220 invités ont investi 1,8 million de dollars pour participer au diner. L’écrasante majorité de ces individus ne serait pas de nationalité américaine. Ironie du sort : Trump s’est contenté d’une brève apparition centrée autour d’un discours de 25 minutes, sans s’entretenir personnellement avec ses invités. Faut-il y voir le résultat du tollé provoqué par l’organisation de cet évènement, ou un signe de plus que Trump a parfaitement intégré l’esprit “crypto”, qui consiste à vendre la lune à des investisseurs crédules avant d’empocher le jackpot tout en les laissant sur le carreau ?

Une chose est sûre, ce type d’initiative viole la constitution américaine, qui interdit au président de recevoir des cadeaux en provenance de l’étranger moyennant des traitements de faveur. Or, cette opération ne permet pas uniquement d’augmenter le cours d’un actif comme le $TRUMP coin, encore majoritairement détenu par la famille Trump. Elle augmente aussi l’activité de trading associée à ce cryptoactif, ce qui génère des revenus supplémentaires via les frais de commission. Et ce type d’enrichissement n’est qu’une des avenues empruntées par Trump pour rentabiliser sa présidence.

La Trump organisation lance un Stablecoin, investit dans le minage de cryptos et le jeu vidéo basé sur cet écosystème

Non content de disposer de son memecoin, Trump a également lancé un stablecoin (“USD1”) via World Liberty Financial, une société contrôlée à 60 % par sa famille. Le lancement du token a rapporté 400 millions de dollars. Depuis, les Émirats arabes unis ont annoncé leur prise de participation à hauteur de 2 milliards de dollars dans la plateforme de courtage en ligne Binance, qui sera payée avec le stablecoin de Trump. Ce qui devrait lui permettre de récolter des commissions importantes, tout en offrant une légitimité à son “USD1”.

Avec ce stablecoin, Trump se place en situation idéale pour profiter du GENIUS act adopté par le Congrès, et dont une provision vise explicitement à permettre les investissements étrangers dans les stablecoins. Et ce, sans obligation de vérifier la provenance de l’argent ni la conformité avec les lois visant à empêcher le financement du terrorisme international. Autrement dit, la loi vise à légaliser les pratiques de corruption : Trump (et ses corrupteurs) ne pourront plus être poursuivis pour trafic d’influence si des investisseurs étrangers achètent des USD1 dans le simple but de s’attirer les faveurs de Donald Trump.

Cette décision n’est pas un cas isolé. Comme le détaille la journaliste spécialiste des cryptos, Molly White, la famille Trump investit également dans une société de minage de cryptomonnaie et se penche sur le lancement d’un jeu vidéo dont la monnaie virtuelle serait constituée de cryptoactifs. Deux investissements à la moralité douteuse.

Le minage de crypto est un processus consistant à faire tourner des milliers de processeurs informatiques pour réaliser les calculs complexes requis par les blockchains, un processus énergivore à l’impact environnemental désastreux. Quant aux jeux vidéos reposant sur les cryptomonnaies, ils débouchent parfois sur des écosystèmes où des enfants du tiers monde sont employés par de riches individus pour jouer à leur place et rapatrier une grande partie des gains, lorsqu’ils ne sont pas critiqués pour leurs mécanismes hautement addictifs qui provoquent des problèmes psychologiques chez les usagers traditionnels.

Enfin, Molly White rappelle que Trump et sa famille possèdent des investissements dans les cryptomonnaies et visent, via la création de diverses sociétés liées aux cryptos, à augmenter leur exposition financière à ces actifs dans l’espoir de réaliser des gains financiers importants. Un conflit d’intérêts d’autant plus saillant que l’autoproclamé « cryptoprésident » est directement impliqué dans la régulation de ce secteur.

Au Congrès, la loi procrypto “GENIUS act” en passe d’être adoptée grâce aux démocrates

Au cours de son premier mandat, Trump avait récolté plus de 8 millions de dollars en louant ses chambres d’hôtels et golfs à des diplomates et hommes d’affaires étrangers, qui utilisaient ces moyens pour se faire bien voir du président ou obtenir des entrevues.

Avec les cryptoactifs, Trump change drastiquement de braquet. Les sommes en jeu sont incomparablement plus élevées et les retombées potentielles quasi illimitées. Pourtant, les sénateurs démocrates ont voté le texte de loi promu par le Parti républicain pour accélérer cette dérive.

Il s’agit d’une faute politique majeure. Pendant que les sénateurs démocrates négociaient des amendements anecdotiques sur le texte, Trump faisait arrêter puis poursuivre en justice une parlementaire démocrate, faisait disparaitre sans passer devant un juge des immigrés en situation légale pour les déporter dans un goulag salvadorien, attaquait la liberté d’expression et les universités, menaçait de violer la constitution, engageait de multiples bras de fer avec la Cour suprême, détruisait les régulations environnementales, sabotait la transition écologique timidement entamée sous Joe Biden et perpétrait un génocide. Une politique qui enrage la base électorale démocrate. À l’exception de quelques élus, dont le duo de représentants de la gauche radicale Bernie Sanders et Alexandria Ocasio-Cortez, les élus démocrates refusent pourtant de s’opposer frontalement à Donald Trump.

Même s’ils pensaient sincèrement que le GENIUS Act était un bon texte, il aurait été normal qu’ils refusent de le voter sans obtenir des contreparties de la part de l’administration Trump sur d’autres sujets. Un parti d’opposition doit s’opposer, surtout lorsque le président voit sa cote de popularité s’affaisser dans des proportions historiques. Autrement, le Parti démocrate ne bénéficiera pas de l’impopularité de Trump et du Parti républicain, car il sera perçu comme complice et complaisant.

Ici, le travail de l’opposition démocrate est facilité par le fait que le texte est clairement critiquable : il organise un vaste système de corruption au profit de Donald Trump, mais, comme nous allons le voir, ouvre également la porte à divers risques financiers et conséquences potentiellement néfastes pour la société américaine.

Le premier risque est lié aux retombées attendues par les promoteurs du texte, qui estiment que la capitalisation boursière des stablecoins pourrait être multipliée par dix pour atteindre 2000 milliards de dollars. De pareilles sommes, qui plus est désormais intégrées à la sphère économique traditionnelle, risquent de provoquer de l’instabilité financière. En particulier en exposant des fonds de pension et banques systémiques au risque d’effondrement des cours. Rappelons que les cryptomonnaies ne sont pas régulées et qu’elles sont l’objet d’amples mouvements financiers, avec des outils spéculatifs à effet de levier qui peuvent provoquer des problèmes de liquidité poussant des acteurs à la faillite. Un évènement de ce genre, s’il se propageait à la sphère financière traditionnelle, pourrait entrainer une nouvelle crise financière majeure. Ce qui serait ironique lorsqu’on sait que les cryptomonnaies sont apparues en réponse à la crise des subprimes et à la perte de confiance dans le secteur bancaire traditionnel.

Le second risque concerne les consommateurs. Les cryptoactifs sont régulièrement la cible de larges fraudes et arnaques, mais également de piratages informatiques (depuis 2021, 78 milliards de dollars auraient ainsi été volés). En cas de perte ou de vol, les détenteurs de cryptos ne sont pas protégés par des mécanismes d’assurance comme le sont les dépôts bancaires ou les cartes de crédit. Les petits porteurs victimes de fraudes sont souvent condamnés à subir les pertes sans recours possibles. D’autant plus que les transactions en cryptos ne sont pas réversibles, contrairement aux virements bancaires et paiements par carte de crédit. Pire, le GENIUS act stipule qu’en cas de faillite d’un stablecoin, les investisseurs en cryptos devront être remboursés en premier, avant les acteurs financiers traditionnels et les clients (soit l’inverse d’une procédure de mise en faillite normale).

Comme le soulignait la sénatrice progressiste Elizabeth Warren dans son discours au congrès, encourager l’adoption des stablecoins risque aussi de drainer l’épargne américaine alimentant les banques locales et finançant collectivités et PME, avec des répercussions importantes sur certains territoires défavorisés. On ne le répète jamais assez, chaque dollar ou euro placé dans des cryptoactifs quitte l’économie réelle sans rien produire en retour. Un peu comme les investissements sur le marché secondaire d’action et d’obligation, bien que soutenir le cours de ces produits financiers produit des effets indirects sur l’économie réelle (baisse des taux d’intérêt, capacité d’investissement accrue des entreprises…).

La sénatrice du Massachusetts insistait aussi sur l’absence de mécanismes de contrôle ou de régulation pour prévenir les usages illégaux des stablecoins, qui sont déjà massivement utilisés pour financer le trafic d’êtres humains, d’armes et de stupéfiants, en plus du blanchiment d’argent, du terrorisme international, de la pédophilie, de la cybercriminalité et autres activités illicites. En officialisant les stablecoins sans leur appliquer les régulations auxquelles est assujetti le secteur financier traditionnel, le Congrès va créer un formidable outil au service du crime organisé et des “États voyous”.

Enfin, le “GENIUS act” facilite la création de stablecoins par les firmes américaines, qui ne seront plus bridées comme précédemment et auront enfin un accès comparable aux mécanismes de financement interbancaire dont bénéficient les établissements financiers traditionnels. De ce fait, les deux hommes les plus riches du monde (Elon Musk et Mark Zuckerberg) vont pouvoir mettre en œuvre leur rêve de monnaie privée en créant leur propre stablecoin lié à leurs réseaux sociaux et programmes d’Intelligence artificielle respectifs (X et Grok pour Musk, Facebook, Instagram et Llama pour Zuckerberg).

Si cela peut sembler être de la science-fiction, Donald Trump a déjà signé un décret pour permettre aux agences gouvernementales d’accepter les paiements et de procéder à des versements en cryptos. Et les équipes du DOGE d’Elon Musk ont obtenu les accès informatiques aux systèmes de paiement du gouvernement fédéral permettant de verser les pensions des retraités, vétérans et personnes éligibles aux diverses aides sociales. Tout en indiquant leur souhait de permettre d’effectuer ces versements avec des monnaies basées sur des blockchains. Autrement dit, les dispositions pour verser en cryptomonnaie les quelques cinq mille milliards d’aides sociales annuelles aux plus de cent millions d’Américains qui en dépendent ont déjà été prises. De plus, l’administration Trump a évoqué l’idée d’effectuer divers paiements en cryptos (3 milliards pour un projet de logements sociaux et plusieurs milliards pour l’aide au développement). Les Américains pourraient ainsi être contraints d’utiliser les stablecoins, qu’ils le veuillent ou non. Reste à savoir si ce sera ceux émis par Elon Musk, Trump, Mark Zuckerberg ou un panier des trois…

Outre la corruption sous-jacente et la concentration de pouvoir qu’un tel scénario produirait, cela reviendrait, pour le gouvernement américain, à se tirer une balle dans le pied en générant des concurrents privés du dollar. Mais ce ne serait pas la première fois que le système monétaire américain se retrouverait constitué d’une constellation de monnaies privées ni que l’administration Trump prendrait des décisions contraires aux intérêts du pays…

United states of Corruption (on n’arrête pas le progrès)

Deux sénateurs républicains (sur les 53 actuellement élus au Congrès) ont voté contre le GENIUS act. Ce type de texte doit recueillir une majorité qualifiée de 60 voix sur 100 pour être adopté. Compte tenu des arguments précédents, comment expliquer le fait que pas moins de 16 sénateurs démocrates aient voté le “GENIUS act”, alors que le soutien de 9 d’entre eux était suffisant pour faire adopter le texte ?

La première explication est la corruption pure et simple. Les lobbys procryptos ont été (de loin) le premier secteur en termes de dons aux campagnes électorales du cycle 2024, devant les énergies fossiles, big pharma, les industries de défense ou encore Wall Street. Cette injection de cash sans précédent a permis d’acheter de nombreux élus, qui doivent leur élection au soutien financier du lobby procrypto. Le sénateur de Californie Adam Schiff a ainsi vaincu l’élue progressiste Katie Porter grâce au soutien financier de ce secteur. Il a logiquement voté pour le GENIUS act, tout en se payant le luxe de tenir un discours de 30 minutes au Sénat pour détailler les “dix plus gros actes de corruptions commis par Trump” en 100 jours de mandat.

Le lobby procrypto pouvait aussi compter sur la sénatrice de New York Kirsten Gillibrand, qui s’était présentée à la primaire de l’élection présidentielle démocrate en 2020 sur un programme “progressiste et féministe”. Depuis, elle a été achetée par le lobby et a garni son cabinet d’anciens dirigeants de firmes spécialisés dans les cryptoactifs. Elle a ainsi justifié son soutien au texte par la formule tautologique “les cryptos ont fait la preuve qu’elles étaient là pour rester, il est donc inutile de s’y opposer”. En effet, tant que le pouvoir politique refuse de mettre des freins à cette technologie, elle continuera de croitre (et d’acheter les politiciens).

À la chambre des représentants et dans les commissions concernées, les élus démocrates se sont montrés plus sceptiques, allant jusqu’à envoyer des lettres officielles à la SEC pour s’inquiéter des risques de corruption entourant le président Trump. Mais c’est au Sénat que le Parti pouvait bloquer le texte. Ce qu’il s’est refusé à faire. Non seulement une partie des sénateurs a été arrosée par le lobby, mais le comité central du parti démocrate continue de courtiser le secteur des cryptos pour remplir les caisses destinées à financer les campagnes de 2026 et au-delà.

Cela constitue une erreur stratégique, tant l’univers des cryptos constitue un cheval de Troie pour les idéologies réactionnaires, mais également une faute morale. Ces actifs d’un genre nouveau n’ont toujours pas fait la preuve de leur utilité sociale. En plus de faciliter les crimes divers et de provoquer la ruine de nombreux investisseurs et petits porteurs, ils restent un outil dont les couts de fonctionnement (énergétique, commissions financières) sont bien plus élevés que le secteur traditionnel. Les rares personnes qui font fortune grâce aux cryptos sont de plus plus exposées à un risque supplémentaire inhérent à cette technologie : les attaques à leur domicile (enlèvement, tortures et violences) visant à leur subtiliser leurs clés de chiffrement donnant accès à leurs cryptos. Avec l’aide des démocrates et de Donald Trump, les patrons de la Tech qui poussent à l’adoption de cette “Fake Tech” sont en train de réinventer le Far West. On n'arrête pas le progrès.

Le titre de ce billet m’a été inspiré par un article de février 2025 publié dans l’excellente info-lettre du journaliste techno-sceptique Brian Marchand. À l’époque, son article documentait l’usage de l’IA par les sbires d’Elon Musk pour déterminer quels fonctionnaires licencier et comment remplacer des tâches effectuées par des humains (comme les responsables de l’aide sociale) par des robots conversationnels. Depuis, la situation semble avoir empiré. L’IA est imposée à tous les étages comme solution miracle pour enrichir le patronat et piller l’État.

Gouvernement de Grok : Big Tech à la manœuvre

La société d’IA fondée par Elon Musk xAI, qui produit le modèle de langage Grok et vient de racheter Twitter, se trouve au cœur des efforts de déploiement de l’IA tous azimuts. Il est question d’installation accélérée au sein des agences et missions du ministère de la Défense, de l’Intérieur et de l’Éducation (bien que xAI ne soit pas la seule entreprise à bénéficier de cette offensive). Plus largement, les sbires de Musk qui travaillent au sein de l’agence DOGE chargée de mener les coupes budgétaires dans l’administration fédérale, semblent accros à l’IA. Elle servirait à réécrire des logiciels dans des agences aussi sensibles que celles responsables des Vétérants ou des paiements de la Sécurité sociale.

Cette approche techno-solutionniste pose des problèmes du fait que les IA sont connues pour se tromper fréquemment. Leur manque de fiabilité risque d’avoir des conséquences importantes sur la vie des gens, négativement impactés par des décisions erronées. C’est déjà le cas en France où des agences comme France Travail et la CAF ont recours à des algorithmes pour fliquer les citoyens et (mal)traiter les dossiers. À ce sujet, je recommande l’excellent ouvrage de mon confrère Hubert Guillaud (« Les algorithmes contre la société », La Fabrique, 2025).

L’autre motif d’inquiétude concerne la perte de qualité du point de vue du citoyen. Le remplacement de services publics assurés par des humains par des machines forcément moins flexibles et plus bornées dans leur manière d’aborder les sujets détériorera l’expérience des usagers. Le risque de faillite ou d’effondrement de systèmes complexes n’est pas moins à exclure.

Pour Musk et consorts, il s’agit de dégâts collatéraux acceptables. Le but de ces déploiements forcés est double : enrichir ceux qui vendent les systèmes d’IA et réaliser des coupes budgétaires pour financer des baisses d’impôts ou simplement produire une désorganisation de l’État. Si les agences responsables de l’allocation des aides sociales et de la régulation de l’industrie dysfonctionnent, c’est tout bénéfice pour les artisans de ce changement : les économies sur les dépenses publiques permettent de financer des cadeaux fiscaux, l’utilisation d’IA offre un débouché aux sociétés qui les vendent et la désorganisation qui en résulte affaiblit la capacité d’action du régulateur.

Gouvernement par Grok : les IA en remplacement de l’État

Si le thème du gouvernement par l’IA et pour l’IA était déjà saillant, il a pris un tournant plus important depuis l’annonce des droits de douane universels imposés par Donald Trump au reste du monde. Le rôle de l’IA dans la conception de cette politique reste une supposition, mais ce n’est pas la première fois que l’administration Trump est soupçonnée de confier à des Intelligences artificielles peu compétentes des tâches majeures. Par exemple, de nombreux décrets présidentiels semblent avoir été écrits à l’aide de ChatGPT ou d’un modèle de langage concurrent.

Le secteur de la Défense est lui aussi avide d’incorporer les IA dans son aide à la prise de décision, entre autres usages controversés. Israël nous en avait fourni l’exemple le plus terrifiant en confiant à une IA le soin de sélectionner des Palestiniens suspectés d’appartenir au Hamas sur la base d’une note arbitraire puis de les traquer pour déclencher un bombardement une fois qu’ils étaient rentrés chez eux, auprès de leur famille. Avec des dégâts collatéraux jugés acceptables dans la limite de 1 combattant potentiel pour 200 civils tués (femmes, enfants, vieillards) et un taux d’erreur de plus de 10 %.

Partager

La diplomatie et la politique semblent constituer un autre champ d’application. À travers le monde, les diplomates et communicants font déjà appel à des programmes types ChatGPT pour rédiger des câbles diplomatiques, discours, communiqués et autres démarches administratives. Ce qui est déjà problématique lorsqu’on sait à quel point ces logiciels sont prompts à commettre des erreurs.

Mais la radio publique NPR rapportait récemment que l’idée de faire intervenir l’IA dans la prise de décision est également à l’étude. Des firmes américaines conduisent des recherches et entrainent des modèles d’IA visant à la prise de décisions diplomatiques : positions à adopter dans des négociations, stratégie à suivre lors de conflits (escalade guerrière ou apaisement), accords de paix, etc.

Certes, dans des négociations complexes, explorer tous les scénarios possibles en fonction des choix de la partie adverse peut devenir un vrai casse-tête. Mais les IA ne sont pas douées pour effectuer ce type de tâches.

Dans un scénario impliquant l’Arctique , un modèle d’IA suggérait de mener “des actions préventives pour éviter que les autochtones nous attaquent à coup de boule de neige”, explique le directeur du think tank Futres Labs à NPR. Avant de conclure :

“Il existe une version du futur où la diplomatie américaine aura entrainé des modèles d’IA à partir de câbles et dossiers diplomatiques et aura des outils capables de fournir des propositions intéressantes, susceptibles d’aider les décideurs (…) dans une autre version du futur, tout le monde utilisera une IA non performante et on tombera dans un scénario type Idiotcracy”.

Si les études montrent que les modèles d’IA sont à des années-lumière de pouvoir produire des réponses utiles, rien ne garantit que des diplomates mal informés ne vont pas y avoir recours pour leurs activités les plus critiques en plaçant une confiance disproportionnée dans leurs réponses.

Dans Terminator et Matrix, la création d’une IA super-intelligente conduit à la quasi-extinction de l’espèce humaine. Dans la vraie vie, l’intelligence artificielle menace l’humanité par ses limitations et ses tendances à commettre des erreurs davantage que par sa supposée toute-puissance. Sans aller jusqu’à imaginer que la troisième guerre mondiale résultera du choix de confier l’exécution d’une politique commerciale ou diplomatique majeure à une IA peu fiable, on peut pointer du doigt de nombreux problèmes causés par le déploiement massif et inconsidéré de ces “Fake Tech”. L’IA générative diminue la capacité cognitive de ses utilisateurs, réduit leur esprit critique et les rend moins crédibles auprès de leurs pairs qui n’y ont pas recours. Elle consomme une quantité phénoménale de ressources (financières, eau potable, électricité, matériaux) et conduit à déléguer des décisions importantes à des systèmes incompétents.

Or les choses ne semblent pas aller en s’améliorant. Les dernières études montrent que les modèles d’IA générative les plus avancés tendent à produire des résultats de moins en moins fiables. En particulier, les modèles capables de “raisonner” se trompent de plus en plus souvent. Leurs capacités sont par ailleurs très exagérées, comme l’ont montré des études récentes : ils ne sont pas capables de résoudre des problèmes de mathématiques de niveau “olympiades” auxquels ils sont confrontés pour la première fois et les fameux “agents” censés remplacer les programmeurs continuent de produire des résultats diminuant la productivité de ces derniers. Un des problèmes majeurs reste l’incapacité des IA à reconnaitre lorsqu’ils n’ont pas la réponse. Au lieu de simplement l’admettre, ils vont produire des raisonnements mathématiques faux, mais qui apparaitront plausibles à un utilisateur mal aiguisé.

Ce qui pose un problème grave si l’utilisateur final qui interroge ces modèles pour prendre des décisions n’est pas capable de détecter des réponses fausses ou inventées de toutes pièces par l’IA.

Gouvernement pour Grok : toujours plus d’investissements

La prudence devrait être de mise, mais la finalité de tous ces efforts n’est pas de servir l’utilisateur ou d’aider l’humanité, mais bien d’accaparer du profit et du pouvoir.

Les firmes produisant les puces électroniques, serveurs et logiciels ont intérêt à ce que les gouvernements soient convaincus de la nature existentielle de la course à l’IA. Si sa maitrise est essentielle pour déterminer quels états accèderont au rang de superpuissance ou seront capables de dominer le monde, aucune régulation ne devient justifiable et aucune subvention ne sera superflue. Et pour se tailler une place au centre du jeu, l’infrastructure sous-jacente (puces électroniques, serveurs, câbles…) est déterminante. C’est dans ce sens qu’il faut comprendre la course actuelle à l’IA et les deals récents de Donald Trump avec l’Arabie Saoudite (ou de Macron avec les Émirats).

Le fait que le secteur numérique ait été exempté des droits de douane appliqués à la Chine par Donald Trump est à la fois une preuve de l’influence de la Silicon Valley sur son administration et du regard hautement stratégique porté par le gouvernement américain sur ce secteur.

Mais cette course ne semble pas conçue pour bénéficier à d’autres groupes que l’oligarchie qui soutient Donald Trump. La quête du pouvoir pour le pouvoir et de l’argent pour l’argent ne devrait pas être une fin en soi, n’en déplaise à Grok.

Partager

BONUS : ChatGPT derrière les droits de douane de l’administration Trump ?

J’avais débuté la rédaction d’un article pour analyser la stratégie commericale de Donald Trump suite au lancement de sa “guerre commericale”. Je n’ai pas eu le temps de le terminer et la situation (encore très fluide) a beaucoup évolué, mais le paragraphe sur la détermination des droits de douane reste valide. Je le publie en complément de ce billet pour approfondir la question de l’usage des IA dans les politiques publiques.

De nombreux observateurs soupçonnent la Maison-Blanche d’avoir conçu ses droits de douane avec l’aide d’une IA générative type ChatGPT ou Grok. Plusieurs indices plaident en faveur de cette thèse explosive.

D’abord, les taux de droits de douane imposés sont proprement incompréhensibles du point de vue de la science économique. Donald Trump a expliqué que son administration avait pris en compte les différentes barrières protectionnistes imposées aux États-Unis par les pays tiers (taxes, droits de douane, subventions, manipulation des taux de changes, etc.) puis divisé ce chiffre par deux pour imposer ses “tarifs réciproques”. Mais les pourcentages ne collent pas. Ce qui colle, c’est de prendre le déficit commercial des États-Unis vis-à-vis d’un pays tiers puis de le diviser par le montant des exportations du pays concerné vers les États-Unis. Cela donne le pourcentage annoncé pour caractériser le niveau de protectionnisme du pays tiers, qui est ensuite divisé par deux pour obtenir le nouveau droit de douane imposé par l’administration Trump. Lorsque la balance commerciale est positive (les États-Unis vendent plus qu’ils achètent), le taux appliqué est arbitrairement fixé à 10 % (puisque, selon Trump, le commerce est une affaire de gagnants et de perdants).

L’administration américaine a confirmé cette méthode en publiant à la hâte un document contenant la formule permettant de réaliser ce calcul.

Cette approche n’a aucun sens. Elle ne repose sur aucune théorie économique connue. Elle conduit à imposer des droits de douane unilatéraux au lieu de cibler des secteurs particuliers. Elle produit de nombreuses bizarreries. Le Venezuela a beau être un pays “ennemi” sous sanctions économiques, le fait qu’il exporte très peu vers les États-Unis lui permet d’avoir un déficit commercial avec oncle Sam et donc un taux minimum de 10%. À l’inverse, un pays pauvre comme Madagascar qui exporte essentiellement des gousses de vanille ne poussant que sur l’ile subit un taux de 45 %.

Un pareil taux ne va pas empêcher les Américains d’acheter de la vanille ni permettre à cette plante de pousser aux États-Unis, mais risque de renchérir le prix de la vanille et réduire les marges des producteurs malgaches.

On pourrait également citer le minuscule royaume montagneux africain du Lesotho et ses 2.3 millions d’habitants, dont la principale activité économique consiste à traiter des paires de jeans pour les marques américaines de prêt-à-porter. L’ancien accord de libre-échange est rendu caduc par les tarifs de 45 % qui menacent de détruire l’économie locale.

D’où cette question : pourquoi la Maison-Blanche a retenu ce mode de calcul plutôt que celui expliqué par Trump ? La réponse pourrait venir des IA types ChatGPT : lorsqu’on demande aux principaux modèles (Grok, ChatGPT, Claude) de proposer une politique de droits de douane, ils évoquent tous cette méthode.

L’autre indice troublant vient de la liste des pays concernés. Certains choix font sens : des pays amis par lesquels transitent des biens chinois pour échapper aux barrières douanières déjà mises en place (Vietnam, Corée du Sud) ont subi des tarifs qui pourraient autrement être jugés excessifs. Les pays sous embargo (Russie, Cuba, Corée du Nord) sont logiquement exemptés, comme ceux ayant ratifié un accord de libre-échange (Canada et Mexique). Mais une longue liste d’iles et territoires n’étant pas reconnus comme des pays à part entière sont également listés, avec des tarifs parfois différents de leur capitale (l’ile de la Réunion, une ile australienne abritant uniquement des pingouins, etc.).

Ici, l’explication la plus simple est que l’administration Trump n’a pas appliqué ses tarifs par pays, mais par indicatif internet (la réunion est .re et non pas .fr, par exemple). C’est typiquement le genre d’erreur que commettrait une IA.

L’administration Trump a tenté de justifier cela en évoquant le risque que ces territoires soient autrement utilisés pour échapper aux droits de douane, ce qui n’a aucun sens (s’ils n’avaient pas de tarifs spécifiques, celui attribué au pays souverain serait appliqué. Et dans certains cas, le territoire en question est traité avec le même taux que sa métropole).

Enfin, le Wall Street Journal rapportait quelques jours avant la grande annonce du “liberation day” que les équipes de Trump cherchaient encore à déterminer le niveau de droits de douane à imposer. Autrement dit, la décision aurait été prise dans la précipitation. Et probablement finalisée ou initiée avec l’aide d’une IA…

S’il y a bien une technologie qui permet d’illustrer le concept de “Fake Tech” choisi pour intituler cette publication, c’est bien l’IA générative. Il ne s’agit pas seulement de la dernière mode s’étant emparée de la Silicon Valley (après les crypto) produisant une gigantesque bulle financière sur le point d’éclater. Mais également d’une technologie invasive, aux conséquences délétères et à l’utilité questionnable.

Pour faire suite à mon long exposé sur le sujet, je voulais revenir sur quelques exemples d’utilisation de cette technologie au quotidien.

Au bureau, je “bénéficie” de l’aide du système d’exploitation Microsoft 365, qui intègre l’IA générative “Copilot” (basée sur ChatGPT-4) ainsi que de différents logiciels, dont Teams, l’application de visioconférence de Microsoft. Et pour chercher de la documentation pour mes articles, j’ai récemment essayé les fonctions recherche de Copilot et de Grok 3 (disponible gratuitement via X-twitter). Je n’ai pas été déçu…

1. Prise de notes automatiquement inventées

Si la fonction “enregistrer” est activée, Teams génère une retranscription automatique des visioconférences. À priori, il s’agit d’un usage convaincant de l’IA générative. Pensez-vous.

J’ai récemment décidé de relire la transcription d’une réunion importante. Pendant que j’avais la bouche fermée et le micro coupé (comme l’atteste la vidéo que je ne suis malheureusement pas en mesure de vous transmettre), l’IA m’a attribué à deux reprises des phrases inventées de toutes pièces, reproduites dans la transcription:

“I love you” (à une collègue).

“ shut up” (ferme-là, à une autre collègue).

Si j’avais prononcé ces mots, ils auraient été, au minimum, jugés déplacés. Et au maximum auraient été qualifiés de harcèlement. Heureusement, je semble être le seul participant à avoir pris la peine de relire la transcription de la réunion. Il y a d’autres erreurs et imprécisions, mais ces deux-là m’ont pour ainsi dire sauté aux yeux.

Il s’agit d’un problème récurrent avec les fonctionnalités de transcription assurée par l’IA générative. Par le passé, les tâches de ce genre étaient confiées à des algorithmes ne reposant pas sur des Grands Modèles de Langage (LLM - Large language model) type ChatGPT et qui fonctionnaient… mieux. Car le problème inhérent aux LLM est leur propension à produire des réponses même lorsqu’ils n’ont pas la solution. L’IA “hallucine”, que ce soit en retranscrivant des mots inexacts ou en inventant des phrases de toutes pièces. Ce qui peut être gênant dans le cadre professionnel…

2. Informations trompeuses générées à la pelle

Copilot résume relativement bien les courriels. Celui de ma direction sur les résultats de la boite paraissait correct. Mais comme il en ressortait un risque de plan de licenciement, j’ai demandé à Copilot ce qu’il en pensait.

Sources à l’appui, il m’a annoncé que mon entreprise allait virer 20 % des salariés. Ça fait beaucoup. Heureusement, cette affirmation reposait sur un vieil article de presse daté de 2024 et qui mentionnait une réduction d’effectifs de 20 %, mais dans un corps de métier précis. J’ai bien fait de vérifier en cliquant sur le lien. Cela m’a évité de provoquer une vague de panique au bureau.

De manière générale, le risque inhérent aux résumés de texte est de rater une info importante. Et pour éviter cet écueil, la seule solution est de lire le texte original, ce qui, de facto, fait perdre tout son intérêt au résumé…

3. Fonction recherche qui ne trouve que de fausses informations

Pour écrire mon dernier article, j’ai demandé à Copilot et Grok de me trouver des sources (en utilisant la fonction “Deep research” de Grok 3) sur les situations financières des différentes entreprises d’IA génératives. Ainsi que quelques autres requêtes. Je voulais avoir une expérience directe du produit que je m’apprêtais à critiquer, et je n’ai pas été déçu :

• Copilot a été incapable de me renvoyer vers des pages web contenant l’information recherchée. Je n’ai pas vu de grosses différences avec une recherche Google infructueuse.

• La fonction “Deep search”de Grok 3 m’a envoyé vers des liens inexistants (à priori, en commettant des erreurs dans l’URL) ou m’a trouvé des titres d’articles approximatifs. J’ai passé un temps fou à tenter de retrouver les articles, puis à lire ceux qui s’approchaient le plus de l’article cité, pour ensuite constater qu’ils ne contenaient pas l’information recherchée.

Certains résumés de recherches produites par la fonction avancée de Grok 3 contiennent des affirmations dans leur conclusion (par exemple, lorsque je demandais si l’IA était bien acceptée par la population française sur la base de sondages et enquêtes d’opinion récentes). Mais en lisant plus en détail, je me suis aperçu qu’il s’agissait seulement d’une hypothèse non vérifiée par Grok. Autrement dit, sans lire précisément tout le texte de la réponse, j’aurais écrit “les Français sont favorables à la dérégulation de l’IA générative” et cité une des enquêtes référencées par Grok. Ce qui est inexact.

Partager

J’ai été en quelque sorte rassuré en tombant sur une étude scientifique de la Colombia Journalism review, portant sur la fiabilité de la fonction “recherche” des LLM. Elle a démontré un taux d’erreur supérieur à 60 % pour les huit principales IA, qui fournissent des informations fausses, inventent des citations ou produisent des URL inexistantes. Les versions premium payantes (ChatGPT et Grok 3) se trompent dans 67 % et 94 % des cas (respectivement). Un résultat qui s’ajoute à l’étude de la BBC estimant que la moitié des articles rédigés par l’IA générative contenait des informations fausses ou inexactes.

Autrement dit, mieux vaut se fier aux bons vieux moteurs de recherche.

4. Informations obsolètes

Un manière classique de pièger un chabot est de lui demander une information récente, comme la fameuse question “qui est le Premier ministre de la France”.

À sa sortie, “Le chat” de Mistral répondait Michel Barnier au lieu de François Bayrou. Qu’en était-il de Grok 3, un des modèles les plus chers jamais produits ?

Il existe d’autres manières de piéger les IA. Par exemple, ces dernières ont d’étranges difficultés à compter le nombre de lettres dans un mot. Ou à produire des images répondant à des instructions précises comme “une guitare sans corde” ou “un vélo sans les roues”.

Grok 3 utilise la fonction “raisonnement” pour parvenir à répondre correctement à la question piège “combien de r dans strawberry”. Le Chat de Mistral semble avoir également intégré la bonne réponse, mais lorsqu’on change un peu la question…

5. Raisonnements absurdes

Le dernier “test” que je me suis amusé à faire au travail (au lieu de travailler, preuve que les IA ne sont pas nécessairement un outil d’aide à la productivité) consiste à tenter de mettre les capacités de raisonement d’un modèle d’IA en défaut, à l’aide d’énigmes classiques.

La première tentative sur Copilot vise à résoudre l’énigme d’un homme devant traverser une rivière avec un loup, un chou et une chèvre, sachant qu’il dispose d’un bateau et ne peut transporter qu’une chose à la fois. S’il laisse le loup seul avec la chèvre, ce dernier mangera la chèvre. Idem s’il laisse la chèvre seule avec le chou.

Si on excuse les problèmes de français (la version est optimisée pour l’anglais), ça marche très bien. Mais que se passe-t-il si je simplifie le problème ?

Le modèle reprend la même logique. Mais effectue une traversée de trop en faisant un aller-retour avec la chèvre. Une erreur qu’un humain ne ferait pas.

De même, par le passé, il était possible de piéger le modèle en posant la question sans faire intervenir de contraintes ou facteurs supplémentaires.

Copilot n’est pas tombé dans ce piège grotesque. Essayons une autre énigme :

La réponse serait parfaite si l’énigme stipulait que les interrupteurs se trouvaient dans une autre pièce. La réponse logique ici est simplement d’ouvrir l’armoire et de tester les interrupteurs un par un…

J’ai beau simplifier la question à outrance, Copilot revient toujours vers la même solution :

Testons avec Grok 3. La fonctionnalité de base tombe tout autant dans le piège que Copilot :

J’ai donc utilisé la fonction “think” qui force le modèle à raisonner étape par étape. Selon xAI, les performances de ce modèle sont supérieures à celle des meilleurs modèles d’OpenAI (ChatGPT-o3).

Grok a réfléchi pendant 1min et 27 secondes. Pour pondre un texte interminable qui aboutit à la même réponse sans envisager d’ouvrir l’armoire avant d’activer les interrupteurs.

Qu’est-ce que cela nous apprend ? Que les LLMs et chabots ne sont pas “intelligents”. Ils sont capables de résoudre des problèmes proches de ceux sur lesquels ils ont été entrainés, mais n’ont pas de sens commun. Confrontés à des problèmes similaires, mais différents de leurs données d’entrainement, ils peuvent fournir des réponses fausses ou juste simplement stupides. Et n’ont aucune idée de ce qu’ils font (ni ce que le langage est en termes de concept, les LLM ne sont que de fonctions mathématiques qui interpolent des données numérisées).

Ça ne veut pas dire qu’ils ne sont pas capables de faire des choses impressionnantes, correctes et utiles. Par exemple, Grok 3 et DeepSeek peuvent produire des modèles macro-économiques intéressants pour déterminer l’impact des droits de douane de Trump sur l’économie du Canada. Mais cela ne veut pas dire que ces modèles sont intelligents et capables de réaliser n’importe qu’elle tâche intellectuelle de manière fiable.

Et les choses ne vont pas s’améliorer de manière drastique, car le problème vient du principe sous-jacent à la technologie (le deep learning). Comme l’expliquait le père de cette innovation, Yann Lecun, les LLM ne sont pas une voie express vers l’Intelligence artificielle générale, mais une déviation ou voie de garage.

PS : n’hésitez pas à partager vos expériences avec l’IA générative en commentaires…