Le rythme annualisé de 40 milliards de dollars d’OpenAI rehausse les enjeux des paris d’Amazon et AMD sur l’IA

OpenAI aurait porté ses revenus annualisés au-dessus de 40 milliards de dollars, faisant de l’histoire des infrastructures amazon amd un test de la vitesse à laquelle la demande en IA peut devenir une activité pérenne. Ce chiffre représenterait environ le double du rythme annualisé d’OpenAI à la fin de 2025. Il soulève aussi une question plus difficile : qui capte la valeur économique créée par cette croissance ?

OpenAI se trouve au centre de la poussée de demande, mais ne contrôle pas toutes les couches nécessaires pour servir ses clients. Les opérateurs de cloud fournissent la capacité, les fabricants de puces fournissent les accélérateurs, et les fournisseurs d’énergie soutiennent l’expansion des centres de données. Chaque participant supporte des coûts, des risques et un pouvoir de négociation différents.

Cette tension a structuré l’émission du 14 août de Bloomberg Technology. Le programme a associé la croissance d’OpenAI à deux histoires apparemment distinctes. New York City conteste le modèle de livraison sous-traitée d’Amazon, tandis que l’ancien responsable de Meta AI Yann LeCun s’engage davantage dans l’investissement dans les startups.

Ensemble, ces histoires décrivent un changement plus large. Les entreprises technologiques croissent rapidement, mais les gouvernements, les travailleurs, les investisseurs et les fournisseurs d’infrastructures veulent de plus en plus peser davantage sur la manière dont cette croissance s’organise.

Pour OpenAI, le défi immédiat consiste à transformer une adoption rapide en une plateforme économiquement durable. Pour Amazon et AMD, l’opportunité réside dans la fourniture de la capacité cloud et des systèmes informatiques qui soutiennent cette adoption. Le risque est d’investir avant la demande sans sécuriser suffisamment de valeur à long terme.

Le rythme annualisé des revenus d’OpenAI a changé d’échelle

Le rythme annualisé de 40 milliards de dollars rapporté est important, car OpenAI a doublé à partir d’une base déjà exceptionnellement élevée.

Les revenus annualisés constituent un instantané, et non une année de ventes achevée. Ils extrapolent les performances récentes sur douze mois. Cette mesure peut montrer une dynamique, mais elle ne révèle ni la rentabilité, ni la rétention, ni la demande future.

Cette distinction est essentielle ici. Le rythme actuel d’OpenAI indiquerait plus de 40 milliards de dollars de revenus annualisés. Cela ne signifie pas que l’entreprise a déjà encaissé ce montant durant 2026.

Pourtant, cette tendance est cohérente avec les précédentes informations communiquées par OpenAI. En janvier, la directrice financière Sarah Friar a écrit que les revenus récurrents annuels étaient passés de 2 milliards de dollars en 2023 à 6 milliards en 2024. Ils ont ensuite dépassé 20 milliards de dollars en 2025.

Friar a directement relié cette croissance à la capacité de calcul disponible. Les revenus et la capacité de calcul d’OpenAI ont tous deux fortement progressé entre 2023 et 2025. L’entreprise a présenté l’infrastructure supplémentaire comme une contrainte sur l’adoption, plutôt que comme un simple centre de coûts.

Cet argument modifie la manière dont les investisseurs devraient interpréter ce nouveau chiffre. Si OpenAI a atteint le rythme rapporté parce qu’une capacité accrue a débloqué davantage d’usage, alors l’infrastructure reste centrale pour poursuivre l’expansion. La demande seule ne peut générer des revenus lorsque l’entreprise ne dispose pas de suffisamment de systèmes pour la servir.

Le rythme annualisé suggère également que l’IA générative a dépassé le stade d’une seule application grand public. ChatGPT reste le produit le plus connu d’OpenAI, mais l’entreprise génère des revenus via les abonnements, les déploiements en entreprise, les API pour développeurs et les services de programmation.

Ces canaux ont des économies différentes. Les abonnements grand public procurent des paiements récurrents, tandis que les revenus des API dépendent de l’usage. Les accords avec les entreprises peuvent apporter davantage de stabilité, mais les grands clients attendent généralement de la sécurité, des outils d’administration et des conditions de service prévisibles.

Les produits de programmation peuvent générer une utilisation particulièrement fréquente, car ils s’intègrent au travail quotidien de développement. Toutefois, une activité plus intense exige également davantage d’inférence, le processus informatique qui génère des réponses à partir d’un modèle entraîné.

Davantage de revenus peut donc entraîner davantage de dépenses d’infrastructure. Le test central consiste à savoir si les revenus augmentent plus vite que le coût de traitement de chaque requête.

OpenAI n’a pas fourni suffisamment de détails financiers publics pour trancher cette question. Sa croissance rapportée démontre la demande des clients, mais les revenus annualisés seuls ne permettent pas de montrer la marge brute ou le flux de trésorerie disponible.

C’est pourquoi le chiffre de 40 milliards de dollars est plus qu’une étape célébrée. Il met OpenAI sous pression pour démontrer que l’adoption peut soutenir les engagements de calcul nécessaires à une expansion continue.

Il met également les fournisseurs sous pression. Les entreprises de cloud et de semi-conducteurs doivent décider quelle capacité construire avant que la demande future ne devienne certaine. Si elles attendent, elles peuvent perdre des clients. Si elles avancent trop tôt, des systèmes coûteux peuvent rester sous-utilisés.

Pourquoi les paris d’Amazon et AMD sur les infrastructures comptent désormais davantage

Le lien amazon amd est important, car la croissance d’OpenAI doit à terme passer par la capacité cloud, les accélérateurs, les réseaux et l’électricité.

Amazon participe via AWS, sa division cloud et un important fournisseur de services informatiques. AMD est en concurrence dans les processeurs et les accélérateurs d’IA, où la demande provient de plus en plus des grands centres de données et des développeurs de modèles.

Aucune de ces deux entreprises n’a besoin d’OpenAI à elle seule pour justifier sa stratégie. Elles servent toutes deux de larges bases de clients, notamment des entreprises, des startups, des gouvernements et des fournisseurs de modèles concurrents. Toutefois, l’expansion d’OpenAI fournit un indicateur inhabituellement visible de la consommation sous-jacente d’IA.

AWS a indiqué que son rythme annualisé de revenus liés à l’IA dépassait 15 milliards de dollars au cours du premier trimestre de 2026. Amazon a également déclaré qu’AWS avait atteint un rythme annualisé de revenus de 142 milliards de dollars au dernier trimestre de 2025.

Ces chiffres couvrent bien plus que l’IA générative. Ils incluent l’infrastructure et les services de l’ensemble du portefeuille cloud d’Amazon. Ils indiquent néanmoins que les charges de travail d’IA sont devenues significatives au sein d’une activité déjà exploitée à l’échelle mondiale.

La position d’Amazon diffère de celle d’OpenAI. OpenAI peut vendre directement aux utilisateurs un assistant finalisé ou un service de modèles. AWS vend l’environnement informatique dans lequel opèrent de nombreuses applications concurrentes.

Cette position crée de la diversification. Si une entreprise de modèles perd de son élan, un autre client peut utiliser la même infrastructure générale. Toutefois, les fournisseurs de cloud subissent également une pression constante pour réduire les coûts informatiques tout en finançant de nouveaux centres de données.

AMD aborde le marché depuis une autre couche. L’entreprise fournit des processeurs pour serveurs et des accélérateurs Instinct utilisés dans les systèmes d’IA. Son activité de centres de données est devenue une source centrale de croissance plutôt qu’une extension secondaire de l’informatique personnelle.

Dans sa mise à jour du premier trimestre, AMD a indiqué que les revenus des centres de données avaient atteint 5,8 milliards de dollars, en hausse de 57 % sur un an. L’entreprise a attribué cette croissance à la demande de processeurs EPYC et de GPU Instinct dans ses résultats financiers.

Ces chiffres expliquent pourquoi la trajectoire d’OpenAI peut influencer les attentes bien au-delà d’une seule entreprise privée. Une hausse durable de l’usage des modèles soutient davantage d’achats d’accélérateurs, des déploiements cloud plus importants et une demande accrue en matière de réseau.

Toutefois, cette relation n’est pas automatique. Des revenus applicatifs plus élevés ne garantissent pas des gains équivalents à chaque fournisseur d’infrastructure.

Les opérateurs de cloud peuvent concevoir des puces propriétaires, négocier des remises ou répartir les charges de travail entre fournisseurs. Les développeurs de modèles peuvent améliorer l’efficacité logicielle. Les clients peuvent aussi orienter les tâches plus simples vers des modèles plus petits nécessitant moins de calcul.

AMD doit donc rivaliser sur davantage que la simple disponibilité brute des processeurs. Les développeurs ont besoin de logiciels matures, de systèmes fiables et d’outils permettant de déplacer les charges de travail sans réécriture coûteuse.

Amazon fait face à un compromis similaire. AWS bénéficie d’une consommation accrue de calcul par les clients, mais ces derniers veulent des coûts plus faibles par tâche. Les améliorations qui réduisent le coût de l’inférence peuvent diminuer les revenus unitaires tout en encourageant une utilisation globale plus importante.

C’est le mécanisme central derrière l’opportunité amazon amd. La baisse des coûts unitaires peut élargir le marché, mais les fournisseurs doivent préserver leurs marges alors que les clients exigent de meilleures performances.

La croissance d’OpenAI renforce l’argument selon lequel l’usage peut croître assez rapidement pour soutenir ce cycle. Elle ne garantit pas que chaque couche captera le même rendement.

Les fournisseurs les plus solides seront probablement ceux qui réduisent le coût total d’exploitation des services d’IA. Cela inclut les performances matérielles, la compatibilité logicielle, l’efficacité énergétique, le réseau et la vitesse de déploiement.

Une croissance rapide ne répond pas à la question de la rentabilité

Les revenus rapportés d’OpenAI ont bondi, mais le coût de génération de ces revenus demeure l’incertitude décisive.

L’entraînement d’un modèle de pointe requiert de grands clusters d’accélérateurs, un traitement intensif des données et des équipes techniques spécialisées. Servir le modèle engendre une autre dépense continue, car chaque requête utilisateur consomme des ressources informatiques.

Ce schéma diffère de la distribution traditionnelle de logiciels. Une application conventionnelle peut souvent servir un utilisateur supplémentaire à un coût additionnel relativement faible. Les systèmes d’IA générative doivent effectuer un calcul substantiel à chaque réponse.

Les gains d’efficacité peuvent réduire cette charge. Des modèles plus petits peuvent gérer les requêtes courantes, tandis que des systèmes plus grands traitent les tâches difficiles. La mise en cache peut réutiliser des calculs antérieurs, et des puces spécialisées peuvent traiter les opérations fréquentes plus efficacement.

Cependant, de nouvelles capacités peuvent compenser ces économies. Des fenêtres de contexte plus longues, les charges de travail de raisonnement, la génération vidéo et les agents autonomes exigent souvent davantage de calcul par tâche.

Un agent d’IA est un logiciel capable de planifier et d’agir à travers différents outils avec une supervision limitée. Les agents peuvent créer davantage de valeur économique qu’une seule réponse de chatbot, mais ils peuvent aussi générer de nombreux appels au modèle.

Cela rend la composition des produits d’OpenAI importante. Les revenus issus d’un flux de travail d’entreprise à forte valeur peuvent soutenir des dépenses de calcul plus élevées. L’activité grand public à faible valeur laisse moins de place à une inférence coûteuse.

Le même problème s’applique aux assistants de programmation. Un développeur peut accepter un coût d’exploitation supérieur lorsqu’un système accomplit un travail significatif. Toutefois, des suggestions peu fiables peuvent créer des coûts de révision qui réduisent la valeur de l’outil.

Les entreprises qui évaluent ces services ont besoin de preuves allant au-delà de démonstrations impressionnantes. Elles ont besoin d’améliorations mesurables dans le travail accompli, la précision des réponses et le temps des employés.

C’est là qu’un rythme rapporté de 40 milliards de dollars devient à la fois encourageant et incomplet. Il indique que de nombreux clients perçoivent suffisamment de valeur pour payer. Il ne révèle pas avec quelle régularité ces clients renouvellent ou élargissent leurs contrats.

Il ne précise pas non plus comment les revenus sont répartis. Une activité portée par quelques grands accords comporte des risques différents de celle soutenue par un usage diversifié et récurrent.

Les engagements d’OpenAI en matière d’infrastructure ajoutent une autre incertitude. La capacité est souvent sécurisée par des accords qui s’étendent sur plusieurs années. Ces arrangements peuvent protéger l’approvisionnement, mais ils peuvent aussi créer des obligations qui survivent à la demande actuelle.

Amazon et AMD font face à leurs propres versions de ce risque de calendrier. Les centres de données nécessitent des années de planification et de construction. Les nouvelles plateformes de processeurs exigent de longs cycles de conception, de fabrication et de déploiement.

Les fournisseurs ne peuvent pas attendre que la demande devienne évidente avant d’investir. Les clients seraient alors confrontés à des pénuries, et les concurrents pourraient prendre leur place.

Il en résulte un marché fondé sur des prévisions qui se chevauchent. OpenAI prévoit l’usage. Amazon prévoit la consommation de cloud. AMD prévoit la demande de processeurs et d’accélérateurs.

Si ces trois prévisions s’avèrent exactes, le marché peut soutenir la poursuite des investissements. Si l’adoption par les entreprises ralentit, la couche infrastructure peut en ressentir les conséquences avant que l’enthousiasme des consommateurs ne change visiblement.

Les publications financières des sociétés cotées apporteront davantage de clarté pour Amazon et AMD que pour OpenAI. Les investisseurs peuvent examiner les revenus des centres de données, les dépenses d’investissement, les marges et les prévisions.

OpenAI reste une entreprise privée, de sorte que les observateurs extérieurs disposent de moins d’informations standardisées. Les revenus annualisés communiqués sont utiles, mais ils ne peuvent pas remplacer des états financiers audités couvrant les coûts et la génération de trésorerie.

Cet écart doit guider la manière dont les lecteurs interprètent le titre. Une croissance explosive est une affirmation sur le rythme. Une croissance durable exige des preuves sur les fondamentaux économiques.

Le bras de fer d’Amazon à New York montre que l’échelle engendre de nouvelles obligations

Le différend d’Amazon sur les livraisons montre que l’ampleur technologique devient tôt ou tard une question de travail et de gouvernance.

Le projet de Delivery Protection Act de New York City cible les installations du dernier kilomètre, les entrepôts qui coordonnent l’étape finale de livraison des colis. Le texte obligerait les opérateurs concernés à obtenir des licences et à employer directement les principaux travailleurs de la livraison et de l’entreposage.

La proposition se concentre sur des dispositifs de sous-traitance tels que le programme Delivery Service Partner d’Amazon. Dans ce système, des entreprises locales emploient des chauffeurs qui livrent des colis en utilisant des processus et des technologies étroitement associés à Amazon.

Ses soutiens affirment que les entreprises dominantes devraient assumer une responsabilité directe envers les travailleurs qui assurent une partie essentielle de leur service. Ils associent également l’emploi direct à la formation à la sécurité et à une responsabilité plus claire.

Le conseil municipal a débattu de ces questions lors d’une audience sur le projet de loi en avril. Le maire Zohran Mamdani a ensuite soutenu la proposition, la transformant en confrontation politique directe avec Amazon.

Amazon rejette le principe central du texte. L’entreprise affirme que ses partenaires de livraison sont des sociétés indépendantes qui recrutent des salariés, gèrent des équipes et servent leurs communautés.

Dans un témoignage écrit de l’entreprise, Amazon a déclaré travailler avec plus de 40 partenaires de livraison employant plus de 5 000 personnes à New York City. Elle a soutenu que la proposition pourrait menacer ces entreprises et ces emplois.

Ces positions révèlent un conflit bien connu. Les plateformes et les grandes entreprises technologiques présentent les réseaux de partenaires comme des formes flexibles d’entrepreneuriat. Les régulateurs et les défenseurs des travailleurs y voient souvent des mécanismes permettant aux entreprises de se distancier de leurs obligations d’employeur.

Le différend ne porte pas directement sur l’infrastructure d’IA. Il relève de la même analyse, car il montre ce qui se produit lorsqu’une entreprise centrée sur la technologie devient indispensable à la vie urbaine.

L’échelle attire plus que des clients. Elle suscite aussi des demandes de responsabilité de la part des gouvernements, des communautés et des travailleurs.

OpenAI s’approche d’un seuil comparable dans un autre domaine. Alors que ses produits influencent l’éducation, le développement logiciel, les soins de santé et le travail de bureau, les décideurs politiques examineront de près la responsabilité en cas d’erreurs, les questions de sécurité, l’utilisation des données et les déplacements d’emplois.

L’expérience d’Amazon offre un avertissement. Une entreprise ne peut pas supposer que les frontières organisationnelles détermineront toujours la responsabilité aux yeux du public.

Les régulateurs peuvent plutôt se concentrer sur le contrôle exercé dans la pratique. Ils peuvent se demander qui fixe les attentes de performance, fournit la technologie clé, contrôle les relations clients et bénéficie du service.

Les mêmes questions peuvent émerger tout au long de la chaîne d’approvisionnement de l’IA. Un fournisseur de modèles peut dépendre d’un opérateur cloud, d’évaluateurs externes, de sous-traitants ou de développeurs d’applications. Lorsqu’un préjudice survient, les contrats formels ne détermineront pas nécessairement qui le public tient pour responsable.

Pour Amazon, les enjeux immédiats concernent les opérations de livraison et la structure de l’emploi. Pour l’ensemble du secteur technologique, l’affaire teste la capacité de règles locales à contraindre les grandes plateformes à internaliser des coûts auparavant supportés par leurs partenaires.

Le projet de loi reste confronté à des incertitudes législatives, juridiques et opérationnelles. Ses exigences peuvent évoluer avant son adoption, et des litiges pourraient retarder sa mise en œuvre.

Les arguments d’Amazon concernant la perte de flexibilité méritent également d’être examinés plutôt qu’écartés. L’emploi direct pourrait améliorer la responsabilité tout en perturbant de petits opérateurs construits autour du modèle actuel.

La question centrale n’est pas de savoir si chaque sous-traitant est illégitime. Elle consiste à déterminer si une grande entreprise exerce un contrôle suffisant pour justifier des obligations directes.

Cet argument comptera à mesure que les entreprises d’IA construiront des réseaux tout aussi complexes de fournisseurs et d’intermédiaires. La croissance des revenus peut accélérer plus vite que les systèmes de gouvernance, mais l’écart reste rarement ouvert indéfiniment.

Les talents de l’IA passent des laboratoires d’entreprise au capital

Les initiatives de Yann LeCun après Meta montrent que la lutte pour l’influence dans l’IA s’étend désormais des laboratoires de recherche au financement des startups.

LeCun a passé plus de douze ans à diriger des recherches influentes sur l’IA chez Meta. Il est également devenu l’un des critiques les plus éminents du secteur envers une dépendance totale aux grands modèles de langage.

Les grands modèles de langage prédisent et génèrent des séquences de texte à partir de motifs appris sur de vastes volumes de données d’entraînement. LeCun affirme que parvenir à une intelligence machine plus capable exige des systèmes qui comprennent le monde physique, mémorisent, raisonnent et planifient.

Il a quitté Meta pour créer Advanced Machine Intelligence Labs autour de cette orientation. Son départ reflétait à la fois un désaccord scientifique et l’évolution de la structure interne de Meta.

Meta s’est engagé agressivement dans des efforts commerciaux de superintelligence tout en recrutant de nouveaux dirigeants et chercheurs. L’approche de LeCun met l’accent sur les modèles du monde, des systèmes conçus pour apprendre le comportement des environnements plutôt que de seulement prédire le langage.

Le départ de LeCun a également montré que les grandes entreprises technologiques ne concentrent plus toutes les trajectoires de recherche influentes en IA. Des scientifiques expérimentés peuvent réunir financement, talents et partenariats en dehors des laboratoires établis.

LeCun a ensuite rejoint le conseil consultatif de Hiro Capital, donnant à cette société de capital-risque accès à sa perspective technique. Il a également été associé à Extelligence Invest, une initiative d’investissement en phase d’amorçage qui aurait pris fin après une courte période.

Les détails comptent, car « rejoindre une société de capital-risque » peut décrire plusieurs degrés d’implication. Un rôle consultatif ne signifie pas nécessairement une responsabilité quotidienne dans le choix des investissements.

Il serait donc inexact de présenter LeCun comme ayant simplement abandonné la recherche pour le capital-risque. Son principal objectif opérationnel reste AMI Labs, tandis que ses relations consultatives étendent son influence aux entreprises plus jeunes.

La direction prise reste néanmoins significative. Les chercheurs en IA façonnent de plus en plus les marchés non seulement en publiant des travaux ou en développant des produits, mais aussi en décidant quelles approches techniques reçoivent des capitaux.

Cela peut élargir l’éventail des idées financées. Les investisseurs se regroupent souvent autour de l’architecture de modèle qui produit alors les résultats commerciaux les plus solides.

La croissance des revenus d’OpenAI pourrait intensifier cette concentration. Un rythme annualisé communiqué de 40 milliards de dollars fait apparaître les entreprises de modèles de langage comme validées à une échelle extraordinaire.

L’implication de LeCun auprès de startups offre un contrepoids. Il peut aider les investisseurs à évaluer des entreprises travaillant sur les modèles du monde, le raisonnement fondé sur l’énergie, la robotique et d’autres alternatives.

Cela ne prouve pas que sa voie privilégiée réussira. Les modèles du monde font toujours face à des défis difficiles de recherche et de commercialisation. Leur valeur doit être démontrée par des performances fiables dans des applications réelles.

Le contraste renforce néanmoins la tension centrale de l’article. OpenAI représente une monétisation rapide autour des systèmes de modèles actuels. LeCun représente la poursuite des investissements dans des approches conçues pour dépasser leurs limites.

Amazon et AMD se situent entre ces deux voies. Leur infrastructure peut prendre en charge les modèles de langage aujourd’hui et, potentiellement, des architectures différentes demain.

Cette position offre de l’optionalité, mais les changements d’architecture peuvent modifier les besoins matériels. Un système optimisé pour les charges de travail actuelles des transformeurs peut ne pas être idéal pour chaque approche future.

Les fournisseurs doivent donc suivre la recherche aussi attentivement que les revenus. L’application dominante d’aujourd’hui peut stimuler les investissements, tandis que l’architecture de demain modifie l’endroit où s’accumule la valeur informatique.

C’est pourquoi l’investissement en phase d’amorçage importe aux entreprises d’infrastructure établies. De petits laboratoires peuvent créer des charges de travail, des cadres logiciels ou des méthodes d’efficacité qui transforment la demande.

Pour les acheteurs en entreprise, le mouvement des talents complique aussi les décisions d’achat. Un produit populaire peut croître rapidement alors que son approche technique sous-jacente reste contestée.

Les entreprises devraient éviter de considérer une étape de revenus comme le verdict final sur l’architecture de l’IA. Elles ont besoin de systèmes qui préservent l’accès aux données, évaluent les résultats et permettent de changer de modèles.

Une base de connaissances IA consultable peut aider les équipes à conserver ce contexte opérationnel. Les fournisseurs de modèles changeront, mais les organisations doivent toujours garder le contrôle de leurs propres informations et décisions.

Ce qu’il faut surveiller après le titre des 40 milliards de dollars

Trois signaux montreront si la croissance d’OpenAI soutient la thèse plus large sur l’infrastructure ou révèle ses hypothèses les plus fragiles.

Le premier signal est la qualité des futures informations financières communiquées par OpenAI. Une nouvelle hausse des revenus annualisés confirmerait la dynamique, mais elle ne répondrait pas aux questions économiques centrales.

Surveillez les éléments concernant la fidélisation des clients payants, l’utilisation par les entreprises, les coûts d’inférence et les obligations d’infrastructure. Des informations plus claires sur ces indicateurs renforceraient l’idée que la croissance devient durable.

Le silence ne prouverait pas que l’entreprise est fragile. Cependant, s’appuyer principalement sur des titres relatifs au rythme des revenus empêcherait les observateurs extérieurs d’évaluer l’efficacité avec laquelle les revenus se transforment en trésorerie.

Le deuxième signal est la communication publique des fournisseurs d’infrastructure. La croissance du cloud d’Amazon, ses dépenses d’investissement et ses marges peuvent révéler si les charges de travail liées à l’IA génèrent des rendements attractifs.

Les revenus des centres de données d’AMD et ses prévisions peuvent indiquer si la demande s’élargit parmi les clients. Ses progrès logiciels compteront autant que les ventes de puces, car l’adoption dépend d’outils de déploiement fiables.

De solides résultats des fournisseurs soutiendraient la thèse Amazon-AMD selon laquelle l’adoption des modèles crée une demande durable dans toute la pile technologique. Une croissance plus lente ou des marges plus faibles suggéreraient que la concurrence absorbe une grande partie de la valeur.

Le troisième signal est l’action des pouvoirs publics autour des modèles opérationnels des entreprises technologiques. Le projet de loi new-yorkais sur les livraisons offre un exemple immédiat.

Si la mesure progresse, Amazon devra expliquer comment les exigences d’emploi direct affectent les partenaires, les coûts et le service. D’autres juridictions suivront le résultat.

Une loi adoptée avec succès pourrait encourager les gouvernements à examiner où les entreprises de plateforme placent la responsabilité. Cet examen pourrait s’étendre aux sous-traitants de l’IA, au travail sur les données, à la modération de contenu et aux décisions automatisées sur le lieu de travail.

Les lecteurs devraient également suivre si les entreprises soutenues par LeCun produisent des démonstrations techniques crédibles. Les alternatives de recherche deviennent stratégiquement importantes lorsqu’elles résolvent des tâches que les modèles de langage actuels gèrent mal.

Un modèle du monde qui comprend de manière fiable les environnements physiques aurait des effets sur la robotique et les systèmes autonomes. Il pourrait également déplacer la demande vers différentes combinaisons de processeurs, de mémoire et de données.

Aucun de ces signaux ne résoudra seul la question du marché. Ensemble, ils peuvent distinguer une vaste transition économique d’une période d’enthousiasme concentré.

Le rythme de revenus rapporté d’OpenAI montre clairement que les clients paient pour l’IA à grande échelle. Il ne prouve pas que chaque fournisseur, prestataire ou déploiement réussira.

La prochaine phase portera sur la distribution. OpenAI veut conserver la valeur de ses produits. Amazon veut que la demande de cloud justifie ses capacités. AMD veut que la demande en calcul se traduise par une adoption durable de sa plateforme.

Les travailleurs et les gouvernements veulent que les entreprises en croissance assument des responsabilités à la hauteur de leur contrôle. Les chercheurs et les investisseurs veulent pouvoir explorer des voies techniques en dehors du modèle dominant.

C’est pourquoi le chiffre de 40 milliards de dollars compte. Il fait entrer OpenAI dans une nouvelle catégorie commerciale tout en rendant plus difficiles à ignorer les coûts non résolus.

Pour les dirigeants d’entreprise et de technologie, la réponse pratique n’est pas de courir après le chiffre le plus élevé. Suivez si les systèmes d’IA accomplissent un travail utile, si les coûts diminuent avec l’échelle et si les fournisseurs préservent la concurrence. Observez ensuite comment la chaîne d’infrastructure amazon amd réagit lorsque la croissance d’OpenAI se heurte à des limites financières, techniques et politiques.