Technomedia

Insubmersible. Même la vague des Gafa n’a pas vraiment atteint Microsoft. Cinquante ans après sa création, soit une éternité dans le monde de la tech, la firme de Bill Gates et Paul Allen est toujours là et bien là. Retour sur ce qu’on appelle outre-Atlantique, une success-story avec quelques échecs.

Cette semaine, Microsoft fête ses 50 ans. Cet article a été écrit sur Microsoft Word, à partir d’un ordinateur équipé de Microsoft Windows, et il sera vraisemblablement publié sur des plateformes hébergées par Microsoft Azure, notamment LinkedIn, une filiale de Microsoft qui compte plus d’un milliard d’utilisateurs. C’est dire l’influence de cette entreprise qui, en 2024, a dégagé un bénéfice net de 88 milliards de dollars pour un chiffre d’affaires de 245 milliards. Sa valeur en Bourse tutoie les 3 000 milliards de dollars, ce qui en fait la deuxième valorisation boursière au monde, derrière Apple et quasiment à égalité avec NVidia. Ses profits cumulés, depuis 2002, approchent les 640 milliards de dollars.

Pourtant, il y a 50 ans, Microsoft n’était qu’une toute petite entreprise d’informatique fondée à Albuquerque, au Nouveau-Mexique (et non en Californie) par deux anciens étudiants de Harvard, Bill Gates et Paul Allen, âgés respectivement de 19 et 22 ans. Les péripéties qui lui ont permis de devenir une des entreprises les plus puissantes au monde sont multiples, et on peut les rassembler en quatre époques.

Première époque : Bill Gates grimpe sur les épaules d’IBM

À la fin des années 1970, le leader incontesté de l’informatique, IBM, réalise que les micro-ordinateurs proposés par les jeunes entrepreneurs de la Silicon Valley, comme l’Apple II, risquent à terme de faire de l’ombre à ses gros systèmes. Le projet IBM PC est alors lancé. Rapidement, il apparaît que la lourdeur des processus internes de l’entreprise ne lui permettra pas de livrer un micro-ordinateur dans les temps. Il est alors décidé que les différents composants de la machine pourront être sous-traités à des fournisseurs externes.

Pour le système d’exploitation, plusieurs entreprises spécialisées sont sollicitées, mais toutes refusent de travailler avec IBM, qu’elles considèrent comme l’ennemi à abattre, symbole de l’informatique centralisée et bureaucratique. C’est alors que Mary Maxwell Gates, qui siège au conseil d’administration d’une ONG à côté du président d’IBM, suggère le nom de son fils William, surnommé Bill, qui vient de créer Microsoft. Un premier contact est pris en 1980.

Problème, Microsoft n’est pas du tout spécialiste des systèmes d’exploitation, mais du langage de programmation BASIC. Qu’à cela ne tienne : Bill Gates, avec un culot incroyable, accepte de signer avec IBM pour lui livrer un système d’exploitation qu’il n’a pas. Il rachète le système QDOS, de l’entreprise Seattle Computer Products, à partir duquel il développe le MS-DOS (MS pour Microsoft).

Deuxième coup de poker, Bill Gates, dont le père est associé fondateur d’un grand cabinet d’avocats de Seattle, propose à IBM un contrat qui prévoit que l’utilisation de MS-DOS ne sera pas exclusive, ce qui lui donne le droit de le vendre à d’autres entreprises informatiques. IBM, peu habitué à la sous-traitance, ne se méfie pas. Ce contrat fera la fortune de Microsoft et le malheur d’IBM : Compaq, Olivetti ou Hewlett-Packard s’empressent de développer des clones de l’IBM PC, donnant naissance à une véritable industrie.

Portée par ce formidable succès (l’image de sérieux d’IBM séduit les entreprises, et Microsoft touche une redevance sur chaque PC vendu), l’entreprise est introduite en Bourse en 1986. Bill Gates, Paul Allen et deux de leurs premiers employés deviennent milliardaires et 12 000 autres salariés de Microsoft, millionnaires.

Deuxième époque : Windows, la poule aux œufs d’or héritée de Xerox

Au milieu des années 1980, les micro-ordinateurs sont peu ergonomiques : leurs systèmes d’exploitation, dont le MS-DOS de Microsoft, fonctionnent avec des lignes de commande particulièrement rébarbatives (le fameux C :/). Tout change en 1984 avec l’Apple Macintosh, équipé d’une interface graphique (icônes, menus déroulants, souris, polices de caractères, etc.). Cette technologie révolutionnaire a été mise au point dans le laboratoire de recherche de Xerox, mais le géant des photocopieurs n’a pas compris son potentiel. Steve Jobs, le patron d’Apple, s’en est très largement inspiré. Pour assurer le succès commercial du Macintosh, il demande à Microsoft de développer une version adaptée de sa suite bureautique, et notamment son tableur Excel. C’est ainsi que Microsoft récupère le principe de l’interface graphique, ce qui lui permet de lancer Windows 1 dès 1985, bientôt accompagné de la suite Office (Word, Excel et Powerpoint).

Windows est amélioré tout au long des années suivantes, pour culminer avec Windows 95, lancé en 1995 avec une campagne publicitaire de plus de 200 millions de dollars, pour laquelle Bill Gates achète aux Rolling Stones le droit d’utiliser leur chanson « Start Me Up ». La part de marché mondial de Microsoft dans les systèmes d’exploitation dépasse alors les 70 %. Elle n’a guère changé depuis.

En 1997, Microsoft se paye même le luxe de sauver Apple de la faillite en investissant 150 millions de dollars dans son capital sous forme d’actions sans droits de vote, qui sont revendues trois ans plus tard. Steve Jobs remercie Bill Gates lors d’une de ses célèbres keynotes en affirmant : « Le monde est meilleur, merci. » Accessoirement, ce sauvetage permet de mettre fin au procès qu’Apple avait intenté à Microsoft en l’accusant d’avoir copié son interface graphique pour concevoir Windows.

Troisième époque : bureaucratisation, conflits internes et diversifications ratées

Au milieu des années 1990, l’informatique connaît une nouvelle transformation avec l’explosion du Web. Or, Microsoft, spécialiste des PC autonomes, dont le modèle économique consiste à vendre des logiciels en boîte, est mal préparé pour cette mise en réseau globale. Sa première réaction est la mise au point du navigateur Internet Explorer, (en fait développé à partir du rachat du navigateur Mosaic conçu par l’entreprise Spyglass, un peu comme le MS-DOS en son temps). Internet Explorer finit par être intégré à Windows, ce qui déclenche un procès pour abus de position dominante qui aurait pu entraîner le démantèlement de Microsoft. De nouveaux concurrents, comme Google avec son navigateur Chrome, en profitent pour attirer les utilisateurs.

En 2000, Bill Gates cède son poste de directeur général de Microsoft à Steve Ballmer, un de ses anciens camarades d’Harvard, qui souhaite en faire une entreprise d’appareils électroniques et de services. Pour cela, Ballmer mène pendant les quinze années suivantes toute une série de diversifications : jeux vidéo (Flight Simulator), encyclopédie sur CD (Encarta), matériel informatique (souris, claviers), lecteur MP3 (Zune), hébergement en ligne (Azure), console de jeux (Xbox), téléphones (Windows Phone), tablettes et ordinateurs (Surface).

Si certaines de ces diversifications sont des réussites (notamment Azure et la Xbox), d’autres sont des échecs cuisants. Encarta est vite submergée par Wikipédia, le Zune ne résiste pas à l’iPod d’Apple, tandis que Windows Phone reste l’une des plus grandes erreurs stratégiques de l’histoire de l’entreprise. En effet, pour assurer son succès dans la téléphonie face à l’iPhone, Microsoft rachète la division « téléphones mobiles » du Finlandais Nokia pour 5,4 milliards de dollars en septembre 2013. L’intégration est catastrophique. Steve Ballmer souhaite que les téléphones utilisent une version de Windows 10, ce qui les rend aussi lents que peu ergonomiques. À peine deux ans plus tard, Microsoft stoppe son activité de téléphonie, en accusant une perte de 7,6 milliards de dollars. Nokia est revendu pour seulement 350 millions de dollars.

Une des conséquences de ces multiples diversifications est l’explosion des effectifs de Microsoft, qui passent de 61 000 personnes en 2005 à 228 000 en 2024. De nombreux conflits internes éclatent entre les différentes divisions, qui refusent de travailler ensemble.

Ces guerres de territoires, doublées d’une bureaucratisation envahissante et d’une rentabilité sans effort (pour chaque installation de Windows, les fabricants de PC payent environ 50 dollars, alors que le coût marginal de cette licence est virtuellement nul), brident la capacité d’innovation de Microsoft. Ses logiciels, notamment Internet Explorer 6 ou Windows Vista, sont bientôt moqués par les utilisateurs pour leurs imperfections, constamment colmatées par de fréquentes mises à jour. Comme le font remarquer certains, Windows est équipé d’un mode « sans échec », ce qui laisse supposer que son mode normal est « avec échec ».

Quatrième époque : Microsoft à nouveau cool grâce au Cloud et à OpenAI ?

En 2014, Satya Nadella remplace Steve Ballmer à la tête de Microsoft. Venu de la division des services en ligne, il va réorienter la stratégie de Microsoft dans cette direction, en développant notamment l’activité d’hébergement Azure. En 2024, Azure est ainsi devenu le deuxième service de Cloud au monde, derrière AWS d’Amazon, et plus de 56 % du chiffre d’affaires de Microsoft proviennent de ses services en ligne. Satya Nadella modifie à cette occasion le modèle économique de l’entreprise : désormais, les logiciels ne doivent plus être vendus, mais accessibles par abonnement, ce qui donne naissance, par exemple, à Office 365 et à Xbox Live.

Parallèlement, Microsoft acquiert le jeu en ligne Minecraft en 2014, puis le réseau social professionnel LinkedIn en 2016 pour 26,2 milliards de dollars (ce qui constitue sa plus grosse acquisition à ce jour), et la plateforme de développement en ligne GitHub en 2018 pour 7,5 milliards de dollars.

Enfin, entre 2023 et 2025, Microsoft investit plus de 14 milliards dans OpenAI, la société à l’origine de ChatGPT, ce qui lui donne une position particulièrement enviable dans la révolution de l’intelligence artificielle. Les modèles de ChatGPT viennent enrichir l’IA interne de Microsoft, Copilot.

Au total, en 50 ans, grâce à une série de paris téméraires, de rachats opportuns, mais aussi de diversifications ratées, Microsoft a connu une évolution significative de sa stratégie, que ce soit en matière de périmètre, d’avantage concurrentiel ou de modèle économique. Un temps étouffée par son opulence et ses conflits internes, l’entreprise semble redevenir attractive, notamment pour les jeunes diplômés. Pour autant, rien ne dit que Microsoft existera encore pendant 50 nouvelles années. D’ailleurs, Bill Gates lui-même a annoncé le contraire.

Frédéric Fréry, Professeur de stratégie, CentraleSupélec, ESCP Business School

Cet article est republié à partir de The Conversation sous licence Creative Commons. Lire l’article original.

Connaissez-vous les « corrélations fallacieuses » ? Si les humains apprennent à ne pas se laisser berner par ces liens logiques apparents, les IA ont plus de mal.

Et si les ventes de dictionnaires en Allemagne étaient liées au nombre d’inscriptions à des cours de natation au Japon ? Et si la production d’énergie solaire à Taïwan influençait le cours en bourse de Netflix ?

On apprend très tôt qu’il y a une distinction entre corrélation et causalité : un lien n’explique toujours pas une cause. Notre cerveau cherche malgré tout un sens et des explications logiques lorsqu’il analyse des données : des lignes qui suivent la même inclinaison, des barres qui s’élèvent ensemble, ou encore des points qui se regroupent dans un diagramme. Instinctivement, il semble peu probable que la consommation de chocolat par habitant d’un pays soit corrélée au nombre de ses lauréats du prix Nobel : il s’agit là d’une « corrélation fallacieuse ».

Une équipe de recherche d’Apple a publié en septembre 2024 un article illustrant comment une banale modification de prénoms ou d’attributs des personnages d’un énoncé mathématique diminuait jusqu’à 10 % la part de réponses correctes fournies par diverses intelligences artificielles génératives. Ces liens, apparemment logiques, entraînent des corrélations fallacieuses. Imaginez un peu demander à une IA : « Adam a une pomme et Eve en a deux, combien ont-ils de pommes ? », puis lui demander ensuite : « Ada a une pomme et Evan en a deux, combien ont-ils de pommes ? » et obtenir des réponses différentes ! Pour un enfant, il parait clair que la présence d’Adam plutôt qu’Ada dans l’énoncé du problème ne change pas la réponse. Pour une IA, ce n’est pas si simple.

Comment se fait-il que nous arrivions à comprendre instantanément qu’il s’agit là de corrélations fallacieuses, là où les IA peuvent manifestement se laissent berner ?

Ce problème n’est pas anecdotique, puisque certains types d’IA sujettes à ces méprises logiques sont utilisés pour des systèmes critiques de sécurité informatique. Elles sont vulnérables à un type d’attaque appelé parfois apprentissage antagoniste ou « adversarial attacks ».

Pour pallier au problème, les chercheurs développent des méthodes qui permettent de corriger les processus d’apprentissage des IA en identifiant les caractéristiques parasites qui mènent à des corrélations fallacieuses.

Comment les IA de type « GPT » apprennent-elles des corrélations fallacieuses ?

Pour comprendre comment les « GPT », ces IA qui semblent si prometteuses, se prennent les pieds dans le tapis des corrélations fallacieuses, il faut comprendre comment elles fonctionnent.

Parmi les modèles évalués dans la publication de septembre 2024 d’Apple, il y a GPT-4o, alors dernière création de la société OpenAI. Derrière le succès du GPT-4o, il y a un réseau de neurones Transformeur-Génératif-Pré-entraîné (les fameux GPT).

Génératif car il vise à générer du texte, préentraîné car il peut être réentraîné pour traiter des corpus documentaires spécialisés : contrats, composition mathématique ou analyse de code logiciel par exemple.

Les GPT appartiennent une plus grande famille de modèles appelés grands modèles de langage (LLM pour Large Language Model). Les LLM ont contribué à transformer les interactions humain-machines. Ils permettent à l’utilisateur d’interagir avec la machine via des instructions en langage naturel, appelées « prompts ». Ainsi, « écris-moi un article pour The Conversation sur le thème de l’IA Générative » est une instruction valide. En retour, le LLM répondra lui aussi en langage naturel, mais l’article en question ne serait pas publié car cela serait contraire à la charte éditoriale de The Conversation !

Pour préentraîner, les modèles, les chercheurs d’OpenIA ont utilisé un jeu de séquences de texte (de l’ordre du trillion de mots). Puis, à la manière d’un jeu de devinette, le transformeur doit analyser les séquences dont une partie est masquée, et prédire le contenu manquant. À chaque essai, les paramètres du modèle sont réajustés pour corriger la prédiction, c’est l’apprentissage.

Après l’entraînement, les paramètres appris permettent de représenter numériquement les relations sémantiques entre les mots (c’est le modèle de langage). Pour répondre à un utilisateur (c’est l’inférence), c’est le même processus : analyser la séquence (le prompt), prédire le mot suivant, puis le suivant, puis le suivant, etc.

Pour un utilisateur étranger au mécanisme à l’œuvre, le résultat sera bluffant, mais une fois encore, il ne s’agit que d’intelligence simulée par une machine. La syntaxe semble exacte, le raisonnement logique, les applications infinies : mathématiques, littérature, histoire ou géographie. Il ne faudra pas longtemps pour que les LLM se mettent à générer les copies des élèves, les mémoires des étudiants, ou soulager les chercheurs dans l’exécution de tâches fastidieuses.

Pourquoi est-ce dangereux en pratique ?

S’il existe des liens fallacieux dans les séquences d’entraînement, ces derniers seront intégrés lors de la phase d’apprentissage et régénérés dans la phase d’inférence. Ce phénomène de « corrélation fallacieuse » ne concerne pas que les LLM, mais plus globalement les réseaux de neurones profonds utilisant de grandes quantités de données à l’entraînement.

Dans le domaine de la sécurité informatique, des chercheurs avaient déjà alerté en janvier 2024 sur des symptômes similaires pour des LLM spécialisés dans la recherche de vulnérabilités logicielles : leur recherche montre comment une modification des noms de variables, pourtant sans impact sur la logique du code analysé, vient affecter jusqu’à 11 % la capacité du modèle à correctement identifier du code vulnérable. Tout comme dans le cas d’une modification des prénoms dans l’énoncé du problème mathématique des pommes ci-dessus, l’un des LLM audités a par exemple appris à associer les fonctions faisant appel à des variables nommées « maVariable » (souvent donné dans les exemples adressés aux débutants) et leur vulnérabilité. Pourtant, il n’existe aucune relation de cause à effet entre le nom de cette variable et la sûreté du logiciel. La corrélation est fallacieuse.

Ces LLM sont aujourd’hui utilisés dans les entreprises pour relire le code écrit par des développeurs, supposés garantir la détection des bugs logiciels. Les IA permettent d’identifier les vulnérabilités ou les comportements malveillants en sécurité informatique, ce travail d’analyse est donc crucial. Sans cela, un attaquant subtil pourrait profiler le système de détection pour identifier ces biais, le manipuler et jouer sur ces derniers pour le contourner.

C’est pourquoi, à l’instar des travaux sur l’analyse de code source, nous sommes en train d’explorer l’application des méthodes d’inférence causale pour améliorer la robustesse des réseaux de neurones utilisés par les systèmes de détection d’intrusions dans les réseaux informatiques.

Les travaux de Judea Pearl, prix Turing d’Informatique 2011, indiquent en effet que sous certaines conditions, il est possible de distinguer les corrélations probablement issues d’une relation causale de celles qui sont fallacieuses.

En travaillant sur un système de détection d’intrusions, outil qui surveille le trafic réseau pour détecter des activités suspectes, il est possible d’identifier les corrélations qui pourraient être à l’origine de biais. Nous pouvons ensuite les perturber (à l’instar d’un changement de prénom) et entraîner à nouveau le modèle de détection. Mathématiquement, la corrélation fallacieuse se retrouve marginalisée dans la masse d’exemples perturbés et le nouveau modèle est dé-biaisé.

L’IA est un outil, ne le laissons pas penser à notre place !

Qu’elles soient génératives ou non, les IA ayant appris des corrélations fallacieuses exposent leurs utilisateurs à des biais plus ou moins importants. Si les corrélations fallacieuses peuvent apparaître amusantes de par leur absurdité, elles peuvent également être source de discriminations.

Plus globalement, les récentes avancées en apprentissage profond, qui vont bien au-delà des IA génératives, bénéficient et vont bénéficier à de nombreux domaines, dont la sécurité informatique.

Néanmoins, bien que prometteuses, ces IA doivent être reconsidérées à leur juste place : elles peuvent certes permettre d’augmenter les capacités d’expertise, mais aussi induire des aveuglements dont les conséquences peuvent être dramatiques si l’on en vient à déléguer notre capacité de penser à des algorithmes.

Ainsi, il convient de nous éduquer au fonctionnement de ces systèmes — et à leurs limites — pour ne pas les suivre aveuglément. Le problème n’est pas tant l’absurdité d’un changement de prénom provoquant une baisse de performance, que le crédit que nous pouvons accorder au contenu généré par une IA.

Pierre-Emmanuel Arduin, Maître de conférences en informatique, Université Paris Dauphine – PSL et Myriam Merad, Directeur de Recherche CNRS - Prévention des risques de catastrophe, sûreté, sécurité, résilience, responsabilité sociétale - Aide à la décision, Université Paris Dauphine – PSL

Cet article est republié à partir de The Conversation sous licence Creative Commons. Lire l’article original.

En déplaçant les coûts des grands modèles d’IA générative sur les utilisateurs, les grandes entreprises de la tech cherchent à trouver un modèle d’affaire viable.

Au delà, une stratégie consisterai à faire porter les calculs non par leurs centres de données, comme c’est le cas actuellement, mais par les ordinateurs, smartphones et autres montres connectées des utilisateurs. Un changement de fonctionnement qui ne serait pas sans conséquences.

Après avoir passé un an à intégrer l’IA générative dans ses produits phares, Microsoft tente de rentrer dans ses frais en augmentant les prix, en insérant des publicités dans les produits et en annulant les baux de centres de données. Google prend des mesures similaires, en ajoutant des fonctionnalités d’IA incontournables à son service Workspace tout en augmentant les prix.

La tendance est-elle en train de s’inverser ? Les investissements massifs des dernières années dans l’IA générative vont-ils s’amenuiser ?

La situation n’est en fait pas si simple. Les entreprises technologiques sont pleinement engagées dans le déploiement d’outils d’IA générative, mais elles cherchent encore un modèle d’affaire viable – en l’occurrence, comment faire payer les utilisateurs pour ces services.

Évolution des coûts

La semaine dernière, Microsoft a annulé sans préavis certains baux de centres de données. Cette décision fait suite à l’augmentation des prix d’abonnement à sa suite phare de logiciels, 365 – jusqu’à 45 % d’augmentation. Microsoft a également lancé des versions de certains produits désormais financées par la publicité.

Le PDG du géant de la technologie, Satya Nadella, a également suggéré récemment que l’IA n’a jusqu’à présent pas produit beaucoup de valeur.

Ces actions peuvent sembler étranges dans le contexte actuel de battage médiatique autour de l’IA, qui s’accompagne d’annonces retentissantes telles que le projet de centre de données Stargate d’OpenAI, d’une valeur de 500 milliards de dollars.

À y regarder de plus près cependant, rien dans les décisions de Microsoft n’indique un recul vis-à-vis de la technologie en elle-même. Il s’agirait plutôt d’un changement de stratégie visant à rentabiliser le développement des systèmes d’IA en répercutant les coûts de manière discrète sur les consommateurs.

Le coût de l’IA générative

L’IA générative coûte cher. OpenAI, le leader du marché avec 400 millions d’utilisateurs mensuels actifs, dépense sans compter. L’année dernière, OpenAI a réalisé un chiffre d’affaires de 3,7 milliards de dollars, mais a dépensé près de 9 milliards de dollars, soit une perte nette d’environ 5 milliards de dollars.

Microsoft est le principal investisseur d’OpenAI, et fournit actuellement à l’entreprise des services de cloud computing, de sorte que les dépenses d’OpenAI coûtent également de l’argent à Microsoft.

Alors, pourquoi l’IA générative est-elle si coûteuse ? Outre la main-d’œuvre humaine, deux types de coût sont associés à ces modèles d’IA : la phase d’apprentissage (construction du modèle) et celle d’inférence (utilisation du modèle).

Si l’apprentissage représente une dépense initiale souvent importante, les coûts d’inférence augmentent avec le nombre d’utilisateurs. De surcroît, plus le modèle d’IA générative est grand, plus son exécution coûte cher.

Des alternatives plus petites et moins chères

Ainsi, une unique requête sur les modèles les plus avancés d’OpenAI peut coûter jusqu’à 1 000 dollars US, rien qu’en puissance de calcul. En janvier, le PDG d’OpenAI, Sam Altman, a déclaré que même l’abonnement de l’entreprise à 200 dollars par mois n’était pas rentable. En d’autres termes, l’entreprise perd de l’argent avec ses modèles gratuits, mais aussi avec ses modèles payants.

En pratique, l’apprentissage et l’inférence ont généralement lieu dans des centres de données. Les coûts sont élevés car les puces nécessaires à leur fonctionnement sont chères, mais c’est aussi le cas de l’électricité, des systèmes de refroidissement et de l’amortissement du matériel.

À ce jour, une grande partie des progrès en matière d’IA générative a été obtenu en visant toujours plus grand. OpenAI décrit sa dernière mise à jour comme un « modèle gigantesque et coûteux ». Néanmoins, de nombreux signes indiquent aujourd’hui que cette approche – qui consiste à faire des modèles de plus en plus grand à tout prix – pourrait même ne pas être nécessaire.

Par exemple, la société chinoise DeepSeek a fait des vagues au début de l’année en révélant qu’elle avait construit des modèles comparables aux produits phares d’OpenAI pour une infime partie du coût d’apprentissage. De même, des chercheurs de l’Allen Institute for AI (Ai2), à Seattle, et de l’université de Stanford affirment avoir entraîné un modèle pour 50 dollars seulement.

Pour résumer, il se pourrait bien que les systèmes d’IA développés et fournis par les géants de la tech ne soient pas rentables. Les coûts importants liés à la construction et à l’exploitation des centres de données sont une des raisons principales.

Que fait Microsoft ?

Après avoir investi des milliards dans l’IA générative, Microsoft tente de trouver le modèle économique qui rendra cette technologie rentable.

Au cours de l’année écoulée, le géant de la technologie a intégré le chatbot d’IA générative Copilot dans ses produits destinés aux consommateurs et aux entreprises. Et il n’est plus possible d’acheter un abonnement Microsoft 365 sans Copilot. En conséquence, les abonnés constatent des hausses de prix importantes.

Comme nous l’avons vu, exécuter les calculs nécessaires au fonctionnement des modèles d’IA générative dans les centres de données est coûteux. Il est probable que Microsoft cherche donc des moyens d’effectuer davantage ce travail directement sur les appareils des utilisateurs — ce qui déplace le coût du matériel et de son fonctionnement.

Un indice fort de cette stratégie est le petit bouton que Microsoft a commencé à mettre sur ses claviers l’année dernière, où une touche dédiée à Copilot est apparue.

Apple poursuit une stratégie similaire : la plupart des services d’IA d’Apple ne sont pas disponibles sur le cloud. Au lieu de cela, seuls les nouveaux appareils de la marque offrent des capacités d’IA. Le fait que les calculs soient effectués directement sur l’appareil commercialisé est vendu comme une fonction visant à préserver la confidentialité des données, qui n’ont pas besoin de quitter l’environnement local de l’utilisateur.

Pousser les coûts vers l’utilisateur final

Il y a des avantages à pousser le travail d’inférence de l’IA générative sur les ordinateurs, smartphones et autres montres intelligentes. Cette technique s’appelle le « edge computing », car les calculs sont faits sur les bords, à l’extrémité du réseau.

Elle peut permettre de réduire l’énergie et les ressources de calculs utilisées dans les centres de données et de diminuer le gaspillage des centres de données. Ceci a pour effet de diminuer l’empreinte carbone, thermique et hydrique de l’IA générative ; et pourrait également réduire les besoins en bande passante et accroître la confidentialité des utilisateurs.

Mais il y a aussi des inconvénients. L’edge computing transfère les coûts de calcul aux consommateurs, ce qui stimule la demande de nouveaux appareils — en dépit des préoccupations économiques et environnementales qui visent à décourager le renouvellement de nos appareils. Avec l’apparition de modèles d’IA générative plus récents et plus conséquents, cette tendance pourrait s’intensifier.

Et les problèmes ne s’arrêtent pas là. Quand les déchets électroniques sont répartis sur tout le territoire, plutôt que concentrés dans un centre de données, le recyclage est encore plus difficile. On peut aussi questionner un accès équitable aux outils d’intelligence artificielle, en particulier dans le domaine de l’éducation, si la qualité des calculs dépend du prix de votre smartphone.

Enfin, si l’edge computing peut sembler « décentralisée », elle peut également conduire à des monopoles commerciaux sur le matériel informatique. Dans le cas où une poignée d’entreprises seulement contrôlerait cette transition vers des IA génératives « délocalisées » sur nos appareils électroniques individuels, la décentralisation risque de ne pas être aussi ouverte qu’il y paraît.

À mesure que les coûts des infrastructures d’IA augmentent et que le développement des grands modèles évolue, une stratégie attrayante pour les entreprises d’IA est de répercuter les coûts sur les consommateurs. Mais si les grands utilisateurs, tels que les ministères et les universités, pourraient faire face à ces coûts, de nombreuses petites entreprises et consommateurs individuels pourraient avoir des difficultés.

Kevin Witzenberger, Research Fellow, GenAI Lab, Queensland University of Technology et Michael Richardson, Associate Professor of Media, UNSW Sydney

Cet article est republié à partir de The Conversation sous licence Creative Commons. Lire l’article original.

Selon un certain nombre d’enquêtes, l’épidémie mondiale de Covid-19, associée à l’usage des réseaux sociaux, aurait joué un rôle clé dans la diffusion de la culture complotiste. Désormais, cette dernière n’est plus strictement minoritaire. En 2023, 51 % des électeurs de Marine Le Pen et 50 % de ceux de Jean-Luc Mélenchon déclaraient croire aux théories du complot. Aux États-Unis, 55 % des citoyens adhèrent à ces théories.

Le Covid-19 a donné lieu à une multiplication des thèses complotistes en France et partout dans le monde. On peut citer par exemple celle affirmant que le virus a été volontairement élaboré en laboratoire ou celle imputant le développement de la pandémie au déploiement de la 5G.

Les thèses complotistes (ou conspirationnistes) ne sont pas nouvelles et de nombreux chercheurs ont mis en lumière, en particulier depuis les années 2000, les modes de structuration, les mécanismes rhétoriques, les logiques d’adhésion ou les conditions du développement de la théorie du complot. La pandémie mondiale a néanmoins semblé marquer comme, avant elle, les attentats du 11 septembre 2001 une accélération de sa diffusion.

L’étude « YouGov Cambridge Globalism Project – Conspiracy Theories » montre ainsi qu’en 2021, 28 % des personnes en France pensaient qu’une minorité d’élite gouverne secrètement le monde, contre 21 % juste avant l’apparition du Covid. Deux ans plus tard, une enquête menée par l’IFOP et le site Amb-USA.fr montre que 29 % des Français croient toujours en l’efficacité du traitement anti-Covid à la chloroquine du professeur Raoult et que 35 % adhèrent désormais aux théories du complot (ces données atteignent respectivement 39 % et 55 % pour les citoyens des États-Unis).

Du lundi au vendredi + le dimanche, recevez gratuitement les analyses et décryptages de nos experts pour un autre regard sur l’actualité. Abonnez-vous dès aujourd’hui !

C’est la raison pour laquelle nous essayons de comprendre, dans cet article inspiré d’un projet de recherche pour le centre de recherche de l’Inseec Grande École et du groupe d’enseignement supérieur européen OMNES Education, les éléments qui peuvent expliquer une telle progression. Nous mettons notamment en lumière les caractéristiques qui renvoient aux racines historiques de ce phénomène et les attributs qui illustrent les spécificités de ses formes les plus récentes.

Des liens très forts avec les fondamentaux des thèses complotistes passées

Le complotisme politique peut se définir comme une théorie affirmant qu’il existe des minorités, aux activités souterraines et secrètes, qui parviennent à dissimuler la vérité et à déterminer le cours de l’histoire grâce aux complots qu’elles fomentent. Ces complots sont mis en place par une élite qui en tire ainsi profit au détriment des intérêts de la majorité.

La force du complotisme tient dans sa logique. L’absence d’éléments permettant de mettre au jour le complot démontre justement son existence. L’irruption de preuves démontrant son inexistence ne prouve rien, car ces dernières ne font que dissimuler un complot plus large.

Les « Protocoles des sages de Sion », exemple marquant de la théorie du complot, illustrent parfaitement cette logique. Ce soi-disant pacte secret scellé par les juifs pour arriver à dominer le monde est un faux inventé par la police russe au sortir de la Première Guerre mondiale. Pourtant, quand le Times révèle, le 18 août 1921, que ce document est un montage, Jacques Bainville, l’un des dirigeants de l’Action française, justifie malgré tout son existence et affirme :

« Il est possible que les Protocoles ne soient qu’un faux… Et alors… Qu’est-ce que cela prouve au sujet des bolchéviques et des juifs ? Absolument rien. »

La théorie du complot interroge ainsi les conceptions de l’histoire et de la vérité. Pour la chercheuse Valérie Igounet, le complotisme propose

« un récit “alternatif” qui prétend bouleverser de manière significative la connaissance que nous avons d’un événement et donc concurrencer la “version” qui en est communément acceptée, généralement stigmatisée comme “officielle” ».

Le complotisme apparu depuis le Covid ne diffère pas vraiment de ses versions passées et corrobore l’affirmation de Valérie Igounet selon laquelle les thèses se renouvellent « pour l’essentiel par l’actualisation de mythes complotistes préexistants ». Selon les réseaux complotistes, le refus des autorités médicales françaises d’utiliser le traitement à la chloroquine du professeur Raoult pour soigner le Covid n’était ainsi pas un hasard. Ce rejet d’un remède peu coûteux visait en réalité à laisser le champ libre à la commercialisation d’un nouveau vaccin synonyme d’énormes gains financiers pour une industrie pharmaceutique agissant au service de supposés intérêts financiers juifs. Et faisait ainsi écho au mythe antisémite associant les juifs à l’appât du gain.

Les théories du complot post-Covid ont aussi conservé la même logique. Tout élément posant question ou éveillant la surprise est élevé au rang de preuve irréfutable et est perçu comme forcément intentionnel. Loin de proposer une version alternative claire et cohérente au récit des médias traditionnels, le complotisme inspiré par le Covid se nourrit de « coïncidences prétendument troublantes » pour contredire et discréditer la vérité officielle, qu’il s’agisse de l’origine du virus, du port du masque ou des effets secondaires du vaccin.

À l’instar des thèses conspirationnistes portant par exemple sur les origines de la Révolution française, l’affaire Dreyfus ou la Seconde Guerre mondiale, le complotisme lié au Covid possède aussi une importante dimension politique. Les nouvelles théories du complot continuent ainsi d’exercer un pouvoir d’attraction plus fort que la moyenne sur les franges de droite et de gauche les plus extrêmes de l’échiquier politique. Selon l’enquête de 2023 de l’IFOP, 51 % des électeurs de Marine Le Pen à l’élection présidentielle de 2022 et 50 % de ceux de Jean-Luc Mélenchon déclarent ainsi croire aux théories du complot.

L’extrême droite reste un acteur clé du développement de la « complosphère ». À travers, par exemple, les théories complotistes véhiculées par Donald Trump remettant en cause les fondements de la démocratie étatunienne. Ou des plateformes conspirationnistes comme le site consacré aux écrits d’Alain Soral Égalité & Réconciliation (E&R) en France.

Ce que le Covid a révélé de nouveau et spécifique

Mais le complotisme a aussi évolué au moment du Covid avec un élargissement de son audience et une banalisation et une instrumentalisation politique toujours plus fortes.

Le complotisme se distingue des périodes antérieures en raison de ses liens avec Internet à une époque où les réseaux sociaux sont devenus une des principales sources d’information. Pour le chercheur Alessandro Leiduan, les réseaux sociaux ont réduit « le temps nécessaire à l’incubation sociale » des thèses complotistes et ont élargi « l’espace territorial soumis à leur influence ».

Des chercheurs états-uniens ont étudié l’impact des liens entre la pandémie et les réseaux sociaux sur les populations et ont conclu à une perturbation généralisée des structures cognitives et sociales. Face aux incertitudes, les individus se sont majoritairement tournés vers les réseaux sociaux pour s’informer et se rassurer. Ce moment les a rendus plus ouverts au rejet des récits officiels et de la parole des experts.

Pour le sociologue Laurent Cordonier, le succès du complotisme inspiré par le Covid est aussi lié à la peur que ce dernier a générée, à sa médiatisation et au fait qu’il ait affecté les individus dans leur vie quotidienne. Ceux-ci ont eu à la fois peur pour leur santé et pour leur emploi tout en ayant la sensation de ne rien pouvoir contrôler. La forte médiatisation de la crise a augmenté ce que Laurent Cordonier nomme « la surface de contact » entre la réalité vécue par les gens et les théories conspirationnistes.

Les questions et les incertitudes, légitimes, qui ont entouré le Covid ont aussi changé le rapport des citoyens à la parole scientifique et à la parole publique. Comme le montre Alessandro Leiduan, dans un entretien « La théorie du complot à l’heure de la pandémie de Covid », ces doutes ont été la source d’une méfiance généralisée à l’encontre des scientifiques et des autorités, qui perdure aujourd’hui. Ce faisant, la sensibilité aux thèses complotistes dépasse désormais les cercles des individus psychologiquement instables, ou en situation de vulnérabilité, et des groupuscules politiques et concerne une frange plus large de la population.

Au-delà de sa banalisation, le complotisme est aussi devenu « un nouvel outil de disqualification de la parole adverse », comme le souligne la chercheuse Camille Némeau. Depuis le Covid, l’accusation de complotisme est désormais reprise par l’ensemble des forces politiques de tous bords pour discréditer opposants et contradicteurs. Cette évolution témoigne de l’importance prise par ce phénomène. Mais aussi de son instrumentalisation politique croissante et des difficultés qu’il faudra surmonter pour le voir reculer.

Olivier Guyottot, Enseignant-chercheur en stratégie et en sciences politiques, INSEEC Grande École

Cet article est republié à partir de The Conversation sous licence Creative Commons. Lire l’article original.