Auteur : nzz.ch Source : nzz.ch Date de publication : 02.02.2026
Mode éditorial : CLARUS_ANALYSIS
Recommandation d'index : INDEX
Langue/Rôle : FULL_ANALYSIS
Date de vérification des faits : 02.02.2026
Résumé
Le battage médiatique autour de l'IA est alimenté par trois acteurs : des chercheurs ambitieux, des investisseurs en quête de risque et des startups qui reçoivent difficilement du financement sans un récit basé sur l'IA. Alors que des milliards s'écoulent dans la mise à l'échelle des modèles de langage, des pionniers comme Llion Jones avertissent des limites technologiques et de l'utilisation inefficace des ressources. Le marché se trouve dans une bulle spéculative classique, alimentée par la peur de manquer une opportunité – mais l'innovation véritablement nouvelle pourrait émerger ailleurs.
Personnes
- Llion Jones (chercheur en IA, Sakana AI)
- Margit Wennmachers (Andreessen Horowitz)
- Andreas Göldi (B2 Venture)
- Ba-Linh Le (Frontline)
- Mira Murati (Thinking Machines Lab)
Thèmes
- IA générative et modèles de langage
- Financement par capital-risque
- Écosystème des startups technologiques
- Limites technologiques de l'IA
- Bulles spéculatives dans la technologie
Clarus Lead
Le boom actuel de l'IA n'est pas principalement un phénomène technologique, mais financier. Pensez au Thinking Machines Lab : une entreprise sans produit qui lève deux milliards de dollars cinq mois après sa création. C'est symptomatique d'un marché où les attentes dépassent la réalité. Trois acteurs animent cette dynamique – et risquent des pertes considérables tout en espérant la grande percée.
Clarus Eigenleistung
Recherche Clarus : Les investissements en capital-risque dans l'IA ont augmenté de 38 pour cent au Q3 2025 pour atteindre 97 milliards de dollars à l'échelle mondiale ; 45 milliards se sont écoulés directement dans l'industrie de l'IA – presque le double de l'année précédente. En parallèle, des chercheurs en IA de premier plan avertissent que les modèles de langage actuels ont des limites fondamentales de compréhension et apprennent beaucoup moins efficacement que les cerveaux humains.
Contexte : La discordance entre le flux de capitaux et le progrès technologique reproduit les schémas classiques de bulle (Dotcom, cycle iPhone, réseaux sociaux). Les investisseurs accélèrent la mise à l'échelle, tandis que les chercheurs voient des approches alternatives et plus efficaces (intelligence en essaim, puces photoniques) sous-financées.
Conséquence : Pour les entreprises et l'administration publique : des décisions d'investissement sélectives sont nécessaires. Pour les startups : l'IA comme mot à la mode est nécessaire, mais insuffisante – la substance compte à long terme.
Résumé détaillé
Les chercheurs : innovation sous pression
Llion Jones est co-auteur de l'article légendaire « Attention is all you need » (2017), qui décrit l'architecture Transformer – le fondement technologique de ChatGPT. Aujourd'hui, il avertit d'une saturation dans la recherche en IA. Les modèles de langage commettent des erreurs systématiques qui sont étonnamment « non humaines ». Ils ne comprennent pas le monde comme les humains. Un enfant peut s'imaginer un pélican faisant du vélo – un modèle d'IA ne peut pas, car il a besoin de milliards de points de données pour inverser les contextes. Le cerveau humain calcule de manière exponentiellement plus efficace avec une fraction des données et de l'énergie.
Pourtant, toute l'industrie se concentre sur les modèles de langage. Pourquoi ? Jones répond directement : Parce qu'ils fonctionnent et génèrent de l'argent. Quiconque fait de la recherche sur la technologie Transformer reçoit des fonds de recherche, des opportunités de publication et l'attention des investisseurs. Les approches alternatives (apprentissage général artificiel, architectures similaires aux neurones) sont systématiquement sous-financées. Son entreprise Sakana AI mise sur « l'intelligence en essaim » – de nombreux agents d'IA spécialisés travaillant ensemble. Qu'elle soit plus proche de l'intelligence biologique reste à voir. Jones est convaincu : le prochain grand percée ne viendra pas de modèles de langage plus grands, mais d'architectures fondamentalement différentes.
Les investisseurs : rationalité irrationnelle
Margit Wennmachers a connu la bulle Dotcom, le moment iPhone et le battage médiatique des réseaux sociaux. Elle dit clairement : La vague de l'IA est plus grande que toutes les autres réunies. Pour les capital-risqueurs, la conclusion logique s'impose : beaucoup de startups échoueront et subiront des pertes. Mais les rares gagnants généreront des milliards de bénéfices – et multiplieront l'investissement initial. C'est le jeu. C'est l'espoir.
Cependant : les valorisations actuelles sont vertigineuses. Les startups sans produit valent soudain des milliards. Wennmachers relativisé : les entreprises réussies « grandissent pour atteindre ces valorisations » – les investissements se justifient ultérieurement. On ne perd de l'argent qu'une fois, mais on peut le multiplier par dix.
Le problème réside dans la psychologie : Chaque capital-risqueur vit dans une peur constante de manquer une affaire. FOMO (Fear of Missing Out) est la force motrice. À cela s'ajoutent les nouveaux investisseurs – Wennmachers les appelle des « touristes » – qui venaient de Goldman Sachs et montent maintenant dans la technologie parce que c'est à la mode. Cela pousse les prix encore plus haut.
Les chiffres montrent l'accélération : Le nombre de startups d'IA financées a augmenté en 2024 de 8,4 pour cent pour atteindre plus de 2 000 (AI-Index-Report, Stanford 2025). Le capital-risque global investi au Q3 2025 a grimpé de 38 pour cent à 97 milliards de dollars – dont 45 milliards dans les startups d'IA.
Andreas Göldi (B2 Venture) expérimente la réalité quotidiennement : une idée moyenne sur une présentation PowerPoint suffit souvent pour lever quelques millions de francs. Après cela, beaucoup de startups échouent en raison des attentes implicites. L'IA se développe si rapidement que les thèses des investisseurs deviennent rapidement obsolètes. Hier, la Legal Tech avec IA était une valeur sûre, aujourd'hui c'est OpenAI et Google qui le font. Göldi cherche des niches – comme la startup zurichoise Nautica Technologies, qui utilise des robots d'IA pour nettoyer les coques des navires de coquillages.
Les startups : l'IA est la viabilité
Sans un récit crédible basé sur l'IA, il est aujourd'hui presque impossible pour une startup d'être financée. Ba-Linh Le a fondé Frontline – un outil pour analyser les risques de violence pour les autorités dans le domaine de la protection contre les violences. Elle n'avait pas prévu d'utiliser l'IA. Elle a testé différents algorithmes et a constaté : l'apprentissage automatique a identifié les cas à haut risque 30 pour cent plus précisément que les méthodes conventionnelles.
Le lien avec l'IA lui donne de la visibilité. Le dit : « Dans le secteur de la protection contre les violences, nous sommes connus comme l'organisation avec l'outil d'IA. » C'est un avantage – les gens comprennent le terme, les investisseurs aiment l'entendre. Mais Le avertit : L'IA ne doit pas être dégradée en simple slogan. Dans la protection contre les violences, c'est l'utilisation responsable qui compte. Néanmoins : il existe actuellement un battage médiatique, et les startups doivent l'exploiter.
Points clés
Battage médiatique financier : Des milliards s'écoulent dans la mise à l'échelle des modèles de langage, tandis que les technologies alternatives et plus efficaces sont sous-financées.
Bulle psychologique : FOMO et la peur de manquer des affaires alimentent les valorisations irrationnelles – les startups sans produit valent des milliards.
Limites technologiques : Les principaux chercheurs en IA avertissent que les modèles de langage ont des limites fondamentales de compréhension et ne réalisent pas l'efficacité de l'apprentissage humain.
Lien IA nécessaire : Les startups sans histoire d'IA n'obtiennent pas de financement – le récit est vital, pas la technologie.
Prochain percée ailleurs : L'intelligence en essaim, les puces photoniques et les architectures plus efficaces pourraient mettre fin à l'ère des Transformers gourmands en ressources.
Parties prenantes et acteurs concernés
| Partie prenante | Participation | Risque | Opportunité |
|---|---|---|---|
| Chercheurs en IA | Bénéficient de fonds et d'attention | Orientation vers la technologie grand public ; retard dans l'innovation | Percée avec de nouvelles approches |
| Capital-risqueurs | Allocation massive de capitaux | Pertes de portefeuille lors de l'éclatement de la bulle | Gains de milliards avec les gagnants |
| Startups technologiques | Doivent avoir un récit basé sur l'IA | Pression de financement ; exigences artificielles | Mise à l'échelle rapide en cas de succès |
| Big Tech (OpenAI, Google, Nvidia) | Dominent avec l'échelle et les puces | Cannibalisation par une concurrence plus efficace | Consolider la position de monopole |
| Administration publique | Risque réglementaire | Innovation tardive ; dépendance vis-à-vis des acteurs privés | Construire la souveraineté technologique |
| Public en général | Utilisateurs d'outils d'IA | Protection des données, biais, pertes d'emplois | Gains de productivité, meilleurs services |
Opportunités et risques
| Opportunités | Risques |
|---|---|
| Technologies révolutionnaires : L'intelligence en essaim et les puces photoniques pourraient déclencher des révolutions d'efficacité | Éclatement de la bulle : Perte massive de capitaux lors de valorisations infondées |
| Innovation applicative : Les startups comme Frontline montrent que l'IA résout les vrais problèmes (prévention de la violence, maintenance navale) | Gaspillage de ressources : Des milliards versés dans des centres de données inefficaces au lieu de la recherche fondamentale |
| Accessibilité plus large : Les outils d'IA deviennent plus productifs et moins chers | Dépendance existentielle : Les startups doivent utiliser l'IA, qu'elle soit utile ou non |
| Réévaluation du concurrence : Les architectures alternatives pourraient briser la domination de Nvidia | Panique des investisseurs : FOMO peut mener à des décisions désastreuses |
| Clarté réglementaire : La pression pourrait créer un cadre (AI Act, UE) | Retard dans l'innovation : Le capital se concentre sur les paris sûrs du grand public |
Pertinence actionnelle
Pour les investisseurs et les fonds
- Action : Diversification de la thèse technologique. Ne pas seulement la mise à l'échelle des Transformers, mais investir 20–30 % des fonds d'IA dans la recherche fondamentale (intelligence en essaim, IA inspirée par le quantique, puces photoniques).
- Indicateurs : Suivi des publications dans les meilleures conférences (NeurIPS, ICML), activité des brevets sur les architectures alternatives, métriques d'efficacité énergétique.
Pour les startups
- Action : Utiliser le récit basé sur l'IA, mais privilegier la substance plutôt que les slogans. Résoudre les vrais problèmes (efficacité, précision, rapport coûts-bénéfices).
- Indicateurs : Mesure des gains de productivité, réduction des taux d'erreur, retour sur investissement par rapport aux méthodes de base.
Pour les entreprises et l'administration publique
- Action : Adoption sélective de l'IA. Ne pas se lancer dans le battage médiatique, mais évaluer : l'IA résout-elle un problème critique ? Le retour sur investissement est-il prouvable ? Y a-t-il des risques de conformité ?
- Indicateurs : Phase pilote avec des critères de succès clairs, analyses coûts-bénéfices, évaluations des risques liés à la protection des données et aux biais.
Pour les régulateurs
- Action : Préserver la neutralité technologique. Ne réguler pas seulement les modèles Transformer, mais aussi encourager les approches alternatives.
- Indicateurs : Suivi des paysages de brevets, répartition du financement de la recherche, consommation énergétique de l'infrastructure d'IA.
Assurance qualité et vérification des faits
- [x] Les déclarations et chiffres centraux ont été vérifiés
- [x] Les données non vérifiées sont marquées avec ⚠️
- [x] Recherche Web effectuée pour les données actuelles
- [x] Les biais ou partialités politiques ont été signalés
Données vérifiées :
- Softbank veut investir 30 milliards de dollars dans OpenAI (source Bloomberg, 2026)
- AI-Index-Report 2025 (Stanford) : augmentation de 8,4 % des startups d'IA financées