Les laboratoires d’IA frontalière semblent actuellement surévalués. Le post d’Andrew Ho met exactement en lumière le problème fondamental : ces entreprises sont piégées dans un cercle vicieux exigeant. Elles doivent continuer à injecter des sommes de plus en plus importantes dans l’entraînement du prochain modèle juste pour rester en avance sur les concurrents open-source et de deuxième rang. Les revenus augmentent, mais les dépenses d’entraînement nécessaires augmentent plus vite. Les marges brutes élevées sur l’inférence seule ne vous sauvent pas lorsque la majeure partie du capital est encore destinée au prochain entraînement. Le marché anticipe une arrivée rapide et à court terme d’agents hautement autonomes capables de fonder et de gérer des entreprises de manière autonome. Ce scénario est possible à terme, mais les éléments disponibles jusqu’à présent suggèrent une progression plus lente et plus irrégulière, limitée par les données, la fiabilité et le problème difficile du calcul économique. La diffusion des capacités d’aujourd’hui même dans des processus réels prend des années, pas des mois. Geler la qualité des modèles à leur niveau actuel nécessiterait encore plus d’une décennie d’inventions produit et processus avant que la pleine valeur économique ne soit réalisée. Les valorisations sur les marchés privés à l’échelle de 100 à 1 000 milliards de dollars supposent le contraire : que les laboratoires peuvent rester non rentables pendant longtemps tandis que le monde se réorganise autour d’eux à grande vitesse. Les marchés publics ont historiquement été moins indulgents une fois les périodes de verrouillage expirées et que les chiffres de consommation de trésorerie deviennent des obligations de reporting continues. L’IA sera une industrie massive. Les laboratoires eux-mêmes, aux prix actuels, semblent intégrer le scénario le plus optimiste plutôt que le scénario médian.