Musk partage l'analyse de Will Depue : les capacités de l'IA ne ralentiront pas, et l'amélioration récursive automatique (RSI) surviendra dans moins de 24 mois.

Auteur de l'article, source : 0x9999in1, ME News



TL;DR

• Elon Musk partage l'analyse de Will Depue : les capacités de l'IA ne ralentiront pas, et l'amélioration récursive automatique (RSI) arrivera dans moins de 24 mois. Je suis d'accord avec la première partie, je réserve mon jugement sur la seconde.
• Mais il y a un malentendu dans ce dialogue : l'argument principal pour sous-estimer la valorisation des laboratoires de pointe n'est jamais « les modèles ne fonctionnent plus », mais « les modèles fonctionnent très bien, mais vous ne touchez pas d'argent ».
• La phrase de Musk « L'IA d'il y a deux ans est déjà vieille assez pour entrer au musée » est en réalité la meilleure réplique des vendeurs à découvert. Elle parle de la vitesse d'amortissement des actifs, pas de l'avantage concurrentiel.
• La courbe de capacité est soutenue par des données concrètes : la « durée des tâches » mesurée par METR double environ tous les sept mois, et même plus rapidement ces deux dernières années. C'est l'indicateur le plus pertinent à suivre actuellement.
• Le problème avec l'RSI ne réside pas dans sa possibilité, mais dans sa définition trop floue. Une auto-amélioration à domaine restreint a déjà eu lieu (AlphaEvolve en est la preuve), tandis que la boucle fermée à échelle globale est encore bloquée par les contraintes de puissance de calcul, d'énergie, de cycle d'expérimentation et d'évaluation.
• Le calendrier de Musk porte le poids de l'histoire. Le FSD a été annoncé pour « l'année prochaine » pendant dix ans, et l'AGI a été prévue pour 2025 et 2026. La direction est bonne, mais le rythme est souvent erroné.
• Ma conclusion : avoir la capacité d'acheter ne signifie pas acheter n'importe quel bilan spécifique. Ces deux choses doivent être mises en parie séparément.

Ils ne répondent pas à la même question.

Clarifions d'abord les choses.

La déclaration de Will Depue repose sur une phrase préalable : ce point de vue baissier « est tout à fait raisonnable, à condition d'ignorer l'AGI ».

Cette prémisse reconnaît en réalité déjà la moitié de la logique des vendeurs à découvert.

Parce que la majorité des personnes qui sous-estiment la valorisation de Frontier Labs ne pensent pas que le modèle s’arrêtera. Leurs arguments sont les suivants : l’économie unitaire n’est pas viable, les dépenses en capital sont trop élevées, la durée d’amortissement est sous-estimée, la concurrence érode le pouvoir de fixation des prix, et le taux de mise en œuvre côté entreprise est bien inférieur aux attentes.

Aucune de ces lignes ne dépend d'un ralentissement des capacités de l'IA.

Ainsi, la déclaration de Musk selon laquelle « l’IA dans deux ans étonnera jusqu’à exploser » est, en tant que jugement sur la tendance des capacités, probablement correcte. En tant que réfutation des arguments baissiers, elle ne touche pas vraiment le but.

C'était un beau crochet, mais il a frappé l'air à côté.

Disons-le plus simplement : la courbe technologique et la courbe de trésorerie ne sont pas la même chose. Historiquement, elles ont souvent évolué en sens inverse. Plus on pose rapidement de la fibre optique, plus la bande passante devient bon marché, et plus les entreprises qui posent la fibre ont du mal à survivre. À la fin des années 1990, la capacité de fibre optique aux États-Unis a explosé, entraînant un effondrement des prix : Global Crossing et WorldCom ont toutes deux fait faillite. Ceux qui ont réellement profité de cet avantage infrastructurel, ce sont les acteurs du streaming et du cloud, dix ans plus tard.

La technologie a gagné. Ceux qui ont investi dans la technologie n'ont pas gagné.

Ce n’est pas dénigrer l’IA. C’est un rappel : il manque de nombreuses étapes de raisonnement entre « l’IA deviendra extrêmement puissante » et « cette évaluation est juste aujourd’hui ».

Deuxièmement, cette métaphore de « entrer dans un musée » est en réalité une preuve de positions vendeuses.

Je reconnais l'observation de cette phrase de Musk.

Il y a deux ans, au milieu de l'année 2024, les leaders de la première catégorie étaient GPT-4o, Claude 3.5 Sonnet et Llama 3.1 405B. Ils ne disposaient pas d'un calcul d'inférence adéquat, ne pouvaient pas effectuer d'appels fiables à des outils en chaîne longue et n'étaient pas capables d'accomplir des tâches autonomes de plusieurs heures.

Aujourd'hui, cela ressemble vraiment à un spécimen.

Mais veuillez noter ce que cette phrase décrit réellement.

Il décrit le fait que les modèles d'IA, en tant qu'actifs, se déprécient très rapidement.

La durée de vie économique des modèles de pointe ne dépasse peut-être que 12 à 24 mois. Une fois le modèle suivant disponible, la valeur marginale des ressources investies dans l'entraînement, les données et le personnel pour le modèle précédent chute rapidement. Vous ne pouvez pas en tirer des revenus locatifs pendant dix ans.

Et qu'en est-il du matériel qui soutient tout cela ? Les grands fournisseurs déprécient généralement les GPU et les serveurs sur une période de cinq à six ans dans leurs rapports financiers. Cette hypothèse est-elle trop longue ? Elle a été remise en question publiquement en 2025, et Michael Burry l'a directement souligné en novembre de cette année-là : si la durée de vie réelle est plus courte, alors les bénéfices comptables sont exagérés.

Je ne veux pas défendre les vendeurs à découvert, mais la logique doit être cohérente : si un modèle doit déjà aller au musée après deux ans, pourquoi les composants en acier et en silicium qui le portent devraient-ils pouvoir se déprécier sur six ans ?

Plus cette phrase de Musk est juste, plus cette question devient aiguë.

Ce qui est plus problématique, c’est le prix. Selon le suivi d’Epoch AI, le prix de l’inférence pour atteindre un même niveau de performance peut diminuer d’un ordre de grandeur par an. C’est une excellente nouvelle pour les utilisateurs, mais une véritable lame de rasoir pour les entreprises qui comptent sur la facturation des modèles.

Votre produit s'améliore considérablement chaque année, tandis que votre prix est réduit drastiquement chaque année.

C'est la source du mécanisme « course aux compétences, lutte pour les profits ». Ce n'est pas une mauvaise exécution, c'est une structure.

Troisièmement, les capacités ne ralentiront pas : cette affirmation est soutenue par les données, qui sont du côté de Musk.

Maintenant, disons ce que je suis d'accord.

Si l'on ne discute que sur la base de « l'intuition », on ne pourra jamais résoudre le débat. Je préfère donc regarder une échelle concrète : pendant combien de temps le modèle peut-il accomplir une tâche de manière autonome.

L'étude publiée par METR en 2025 présente une tendance assez solide : la longueur des tâches que le modèle peut accomplir avec un taux de réussite de 50 %, mesurée par rapport au temps nécessaire à des experts humains pour accomplir des tâches similaires, double environ tous les sept mois. La pente est encore plus raide pour les échantillons postérieurs à 2024.

D'ici la seconde moitié de 2025, les modèles les plus puissants atteignent déjà la plage « horaire » pour ce indicateur.

Veuillez comprendre la signification de cette courbe. La croissance exponentielle semble modérée au début et soudaine à la fin. Il faut seulement deux à trois doubles pour passer de deux heures à une journée de travail.

D'autres points de référence sont apparus en même temps. OpenAI a lancé GDPval en septembre 2025, évaluant les modèles sur la base de livrables professionnels réels ; les modèles de pointe atteignent déjà un niveau proche de celui des experts du secteur sur certaines tâches professionnelles. En juillet 2025, plusieurs modèles expérimentaux de laboratoires différents ont obtenu des performances de niveau médaille d'or aux Olympiades internationales de mathématiques. Ce ne sont pas des slogans marketing, mais des événements publics vérifiables.

Ainsi, je considère que l'expression « le rythme des progrès de pointe ralentit » n'est pas valable du point de vue des capacités.

Ce qui ralentit vraiment, c'est un autre phénomène : le seuil de surprise des utilisateurs.

Nous sommes émerveillés tous les trois mois, et l'émerveillement devient quotidien. Cette麻木 subjective est facilement mal interprétée comme une stagnation objective.

À ce stade, Musk est lucide.

Quatrième : RSI inférieur à 24 mois : quelle moitié est vraie, quelle moitié est croyance

C'est la partie de la discussion avec laquelle je suis le moins d'accord.

Ce n'est pas parce qu'il est trop optimiste, mais parce qu'il est trop vague.

L'RSI existe en au moins trois versions complètement différentes.

Première version : L'IA améliore ses propres composants dans un domaine restreint.

Cela s'est déjà produit. AlphaEvolve, dévoilé par Google DeepMind en 2025, en est la preuve : il a automatiquement découvert un algorithme plus efficace, réduisant le nombre de multiplications nécessaires pour la multiplication de matrices complexes 4×4 de 49 à 48, brisant un record maintenu pendant plus de cinquante ans, et récupérant environ 0,7 % de la puissance de calcul globale dans la planification des centres de données de Google.

C'est un exemple réel, vérifiable, d'une IA qui améliore l'infrastructure de l'IA.

Deuxième version : L'IA assume largement son propre processus de développement.

Cela est en cours. Les agents de codage assument déjà une part significative de la mise en œuvre technique, y compris les revues de code, les scripts d'expérimentation et les pipelines de données, qui sont automatisés.

Troisième version : boucle d'accélération autonome indépendante des limites humaines.

Ce qu'on appelle couramment « explosion intelligente ».

Les deux premières versions ont été utilisées pour justifier la troisième, ce qui constitue la pente glissante la plus courante dans ce type de prévision.

Pourquoi c'est difficile ? Le goulot d'étranglement ne se trouve absolument pas dans l'inspiration algorithmique.

La vitesse de la recherche en IA est limitée par le temps physique des expériences. Une pré-formation à grande échelle prend plusieurs semaines, nécessite d'attendre du matériel, de concourir pour de l'électricité et de faire la queue. Même si vous multipliez la vitesse de réflexion des chercheurs par cent, la file d'attente des expériences ne s'accélérera pas de cent fois.

Au niveau inférieur, on trouve l'énergie et la chaîne d'approvisionnement. La capacité de conditionnement avancé, l'approvisionnement en HBM, les délais de livraison des transformateurs et l'attente pour l'accès au réseau électrique évoluent tous sur des échelles trimestrielles et annuelles. Autour de 2025, les délais d'attente pour l'accès au réseau dans plusieurs régions des États-Unis atteignent déjà plusieurs années.

Les wafers peuvent travailler en heures supplémentaires, les sous-stations non.

Une autre contrainte moins discutée : l'évaluation. Pour s'améliorer, l'IA doit d'abord savoir si elle s'est améliorée. Lorsque les tâches durent des dizaines d'heures et que les réponses n'ont plus de solution unique, la détermination de ce qui constitue « mieux » devient en soi un problème de recherche. Les signaux de récompense deviennent bruités, et le modèle optimise le scoreur au lieu de ses propres capacités.

Donc mon jugement est : dans les 24 prochains mois, il est très probable que la deuxième version soit considérablement avancée, avec une proportion croissante du processus de développement assumée par l'IA. Toutefois, la probabilité qu'une troisième version — une boucle récursive véritablement déconnectée du rythme humain — émerge dans les 24 prochains mois est, à mon avis, nettement inférieure à 50 %.

Ce n'est pas un pessimisme technologique, c'est une réalité ingénierie.

Cinq : Le calendrier de Musk nécessite un coefficient de réduction

Ce n'est pas une attaque contre une personne, c'est un calibrage.

Sa capacité à anticiper les tendances a un historique de précision remarquable : les véhicules électriques l'emporteront, les fusées réutilisables sont viables, l'Internet par satellites est réalisable, et les grands clusters GPU constituent une variable clé. Le déploiement de son cluster Colossus en moins de deux ans en 2024, avec une capacité de cent mille cartes, démontre lui-même qu'il comprend la nature de la course aux performances de calcul.

Mais son jugement sur le temps est à long terme trop optimiste.

Conduite entièrement autonome « réalisée l’année prochaine », dit-il depuis 2015 jusqu’à aujourd’hui. Il a prédit publiquement que l’IA dépasserait n’importe quel être humain vers 2025, et qu’une AGI apparaîtrait vers 2026. Aujourd’hui, c’est le 31 juillet 2026, et ces prédictions ne se sont manifestement pas réalisées.

La pratique recommandée consiste à multiplier son calendrier par deux ou trois.

Il y a une autre couche à clarifier : il n'est pas un observateur neutre.

xAI a fortement parié sur ce créneau, nécessitant un financement continu et massif, ainsi que la conviction du marché que la courbe continuera de s'accentuer. Il est tout à fait normal qu'une personne exprime une forte confiance dans la direction dans laquelle elle a parié, mais le destinataire doit prendre en compte cette relation d'intérêt dans son évaluation.

Cela n'affecte pas la possible exactitude de son jugement. Cela n'affecte que le niveau de confiance que vous devriez accorder.

Six : La mise en œuvre côté entreprise est véritablement la faille

En août 2025, une étude d'une équipe liée au MIT a suscité de nombreux débats : 95 % des projets pilotes d'IA générative dans les entreprises n'ont pas entraîné d'amélioration mesurable du résultat. La méthode de cette étude a ensuite été remise en question par de nombreux experts, les échantillons et les critères étant contestés ; je ne recommande pas de la considérer comme une preuve absolue.

Mais la douleur qu'il touche est réelle.

Entre les capacités du modèle et la valeur entreprise, il y a tout un ensemble de tâches désagréables que personne n’aime faire : gouvernance des données, système d’autorisations, restructuration des processus, traçabilité des audits, attribution des responsabilités, et garantie en cas d’échec.

Un modèle capable de décrocher une médaille d'or ne peut pas intégrer le processus central d'une banque ; le problème n'est jamais l'intelligence.

Cela explique également un phénomène apparemment contradictoire : l'usage explose, mais les rendements restent difficiles à quantifier. Le volume mensuel de traitement de jetons révélé par Google en 2025 est passé rapidement de plusieurs centaines de billions à des milliers de billions, et le nombre d'utilisateurs actifs hebdomadaires d'OpenAI a atteint environ 800 millions à l'automne 2025. L'usage est indéniablement en pleine croissance.

Pourtant, selon de nombreux médias, les principaux laboratoires resteront en perte nette importante entre 2025 et 2026, avec des prévisions de rentabilité généralement repoussées à environ 2029. Les dépenses en capital annuelles des fabricants de très grande échelle ont été révisées à la hausse au-delà du niveau de plusieurs centaines de milliards de dollars en 2025.

La croissance de l'utilisation résout le fait que « quelqu'un l'utilise ». Elle ne résout pas automatiquement « qui gagne de l'argent ».

Entre ces deux choses se tient le pouvoir de fixation des prix, qui est en train d'être affaibli par cinq ou six concurrents aux capacités similaires.

Sept : Ne écoutez pas les conclusions, observez les graduations

Débattre de savoir si l’IA ralentira a peu de sens, car les deux parties n’ont pas la même définition du terme « ralentir ».

Je vous recommande plutôt de suivre trois éléments vérifiables.

Premièrement, la durée de la tâche. Continuez à suivre la courbe de METR. Si la durée pour atteindre un taux de réussite de 50 % progresse au-delà de huit heures dans l'année à venir, alors le jugement de Depue obtient un fort soutien. Si elle oscille constamment dans la fourchette de deux à quatre heures pendant plus d'un an, cela indique que nous rencontrons un plafond structurel.

Deuxièmement, la fiabilité, et non la capacité maximale. Regardez la durée sur une base de réussite de 80 % ou 90 %. Les entreprises achètent de la stabilité, pas des performances géniales occasionnelles. La vitesse à laquelle cette métrique progresse détermine directement la pente de la mise en œuvre commerciale.

Troisièmement, l'économie par unité, et non le chiffre d'affaires total. Observez la marge brute, et vérifiez si la vitesse de réduction du coût d'inférence par unité peut surpasser la guerre des prix. Vérifiez si l'une d'entre elles génère réellement un flux de trésorerie opérationnel positif.

Trois échelles, aucune ne nécessite de croire aux prédictions de quiconque.

Huit. Conclusion

Ma position est simple.

Je pense que la déclaration de Musk sur les capacités est juste. Les modèles d'il y a deux ans sont déjà comme des spécimens ; deux ans plus tard, ils rendront probablement les modèles les plus puissants d'aujourd'hui semblant lents. Cette courbe n'a pas encore commencé à se courber.

Mais sa réponse à cette question sur l'évaluation est déplacée.

Ce que les vendeurs à découvert se demandent vraiment, c’est : quand le modèle perd 50 % de sa valeur tous les dix-huit mois, quand le prix d’une intelligence équivalente chute d’un ordre de grandeur chaque année, et quand quatre ou cinq entreprises possèdent simultanément des capacités quasi identiques, qui va financer ces milliers de milliards de dollars d’investissements en capital, et comment va-t-on fixer un prix pour les récupérer ?

Cette question, « L’IA deviendra plus puissante », ne peut pas y répondre.

Je garde mon avis sur la partie RSI. Ce n’est pas parce que c’est impossible, mais parce que cela exige que la puissance de calcul, l’électricité, le cycle d’expérimentation et le système d’évaluation fassent tous preuve de croissance exponentielle, ce qu’ils ne font pas.

Dernière remarque, peut-être pas très populaire.

La révolution technologique est réelle, et la bulle peut aussi être réelle ; ces deux choses peuvent parfaitement se produire en même temps, et c'est généralement ce qui s'est produit historiquement. Les chemins de fer étaient réels, mais les actions ferroviaires ont effondré. Internet était réel, mais le Nasdaq a chuté de 78 %.

Être techniquement optimiste ne signifie pas être optimiste sur chaque bilan.

Placez des mises séparées. Ce n'est pas être sur le pot de fleurs, c'est savoir compter.

Quant à savoir si l’IA dans deux ans sera « époustouflante », je tends à y croire.

Je ne fais pas ce pari sur qui sera encore à la table à ce moment-là.

Source de référence

1. METR, « Mesurer la capacité de l'IA à accomplir des tâches longues », METR Research, mars 2025.
2. Google DeepMind, « AlphaEvolve : Un agent de codage piloté par Gemini pour concevoir des algorithmes avancés », mai 2025.
3. OpenAI, « Présentation de GDPval », blog OpenAI, septembre 2025.
4. Epoch AI, « Tendances des prix de l'inférence LLM » et « Tendances de la puissance de calcul en apprentissage automatique », Insights données Epoch AI, 2024–2025.
5. MIT Media Lab / Projet NANDA, « The GenAI Divide : State of AI in Business 2025 », août 2025.
6. Recherche Goldman Sachs, « Gen AI : Trop de dépenses, trop peu de bénéfices ? », juin 2024.
7. Elon Musk et Will Depue, publications sur X concernant les évaluations de Frontier Lab et l'amélioration récursive de soi, juillet 2026.
8. Reuters et The Information, rapportant sur les revenus, les pertes et les délais de rentabilité d'OpenAI et d'Anthropic, 2025–2026.