Il s’agit d’un extrait modifié du livre Les Dominants – Le pouvoir des entreprises à l’ère de l’IA et du cloud, de Cecilia Rikap, qui paraîtra le 4 août 2026 chez Verso Books.
Au début de 2024, le projet à but non lucratif « AI Impacts » a publié les résultats de sa deuxième enquête, menée auprès de près de 3 000 chercheurs ayant publié dans des conférences d’IA de haut niveau. Parmi les questions posées figurait celle sur la valeur à long terme des progrès de l’IA et « entre 38 % et 51 % des répondants accordaient au moins 10 % de probabilité que l’IA avancée mène à des issues aussi graves que l’extinction humaine ». Ce souci, particulièrement focalisé sur l’IA générative, est devenu connu sous le nom de P(doom) — la probabilité que l’IA entraîne la chute de l’humanité. Le terme P(doom) a émergé lors d’échanges entre les scientifiques en chef de Google et des universitaires avec lesquels l’entreprise collabore fréquemment.
Je ne vais pas m’engager ici dans le débat sur le fait que les usages abusifs de l’IA aboutissent à des armes de destruction massive, tout simplement parce que l’IA est déjà utilisée comme arme par des entreprises et des États, et il est fort probable que l’effondrement écologique — que l’IA accélère — conduise de toute façon plus rapidement à notre perte. P(doom) est intéressant car il illustre comment les entreprises imputaient la responsabilité des effets d’une technologie sur la technologie elle-même.
En imputant la faute à la technologie, les discussions sur l’extinction humaine provoquée par l’IA détournent l’attention de l’examen des organisations qui décident de ce qui est développé, de la manière dont il est produit et dans quel but. Il en va de même pour les arguments soutenant que l’IA progresse trop vite pour être arrêtée. Certes, l’IA progresse rapidement, laissant de nombreuses personnes derrière, mais quelqu’un appuie sur l’accélérateur. Encadrer la technologie comme source du danger sert non seulement à tromper le public, mais aussi à servir un but interne.
Lorsque l’IA est présentée comme une force autonome et autodéterminée, elle permet aux scientifiques et ingénieurs des systèmes d’innovation des géants de la tech de se décharger d’une partie de leur responsabilité face à leurs propres choix. Si la technologie elle-même est considérée comme responsable, ces développeurs peuvent continuer à modéliser et coder sans tenir compte de leurs responsabilités éthiques, surtout lorsque l’IA est présentée comme la clé pour résoudre tous les problèmes du monde.
Mais l’IA n’est pas une entité indépendante. Comme toutes les technologies, l’IA est le produit du travail humain et de la prise de décision. Les technologies ne sont pas autonomes; dans le capitalisme, elles sont façonnées par le travail, les investissements, les alliances, les intérêts des entreprises et les ambitions personnelles des PDG, cadres supérieurs et chefs scientifiques, entre autres.
En dominant le champ de recherche sur l’IA, les grandes entreprises technologiques — notamment Google et Microsoft, compte tenu de leur centralité dans le réseau mondial de la connaissance — exercent une influence substantielle sur l’IA actuellement développée et, par conséquent, sur la manière dont les sociétés en sont affectées par elle. Bien que les LLM [modèles de langage de grande ampleur] possèdent une forme d’agence dans le sens où les développeurs ne peuvent pas prédire toutes les réponses que le modèle produira, de nombreuses décisions humaines sont prises tout au long du processus de création. Le processus de décision commence par le choix de développer des LLM et se poursuit par des décisions sur les données utilisées pour l’entraînement, les paramètres à appliquer, les objectifs du modèle, le type d’entraînement à mener et bien d’autres encore.
Le simple fait d’appeler ChatGPT et des modèles similaires « IA » est lui-même une narration façonnée. ChatGPT n’est pas intelligent; c’est un prédicteur de langage performant, à condition que l’information nécessaire à la prédiction soit présente dans sa mémoire. Les LLM — et les modèles d’IA plus largement — sont ce que la professeure de linguistique Emily Bender et ses collègues ont qualifié de « perroquets stochastiques ». Ce terme met en lumière la façon dont les LLM prédisent des réponses de manière stochastique à partir du traitement du texte, sans compréhension ni attribution de sens aux suites de mots qu’ils génèrent comme réponses les plus probables.
Considérez un footballeur robot ou un chirurgien robot. Formés sur l’ensemble des données passées pertinentes — toutes les actions de football existantes ou toutes les procédures chirurgicales — ils peuvent devenir extrêmement compétents, mais ils fonctionneront sur une base totalement différente de celle de la connaissance humaine. Parce que l’IA n’a pas d’expériences, elle manque d’imagination et de compréhension. Une expérience est une combinaison située de raisonnement logique, d’émotions et d’actions, un jeu créatif où le sujet et l’objet s’accordent mutuellement dans l’histoire. Une collecte de données extempore, par définition, est un ensemble figé de particules incapable de récupérer, même au travers de multiples combinaisons, les dialectiques de l’expérience historique.
Lorsque les grandes entreprises technologiques étiquettent leurs modèles de prédiction comme « IA » et prétendent poursuivre une intelligence générale artificielle capable de surpasser les capacités humaines dans tous les domaines, elles adhèrent implicitement à une définition étroite de l’intelligence centrée habituellement sur la résolution de problèmes complexes de codage et de mathématiques. Cette définition se fixe sur l’optimisation individuelle, sans laisser de place à l’intelligence collective ou à la possibilité de choisir des résultats individuels suboptimaux au nom d’un plus grand bien-être et bonheur pour autrui ou pour causer moins de tort à la planète.
Ce n’est pas moi, c’est toi
Les grandes entreprises technologiques ont aussi profondément façonné d’autres domaines de connaissance au-delà de ceux directement impliqués dans le développement des modèles d’IA. Cette influence se manifeste particulièrement dans l’éthique de l’IA, qui a été façonnée dès ses débuts grâce au financement des grandes tech par presque tous les chercheurs éminents travaillant sur l’éthique de l’IA dans les universités de premier plan. En conséquence, ce domaine — et, plus encore, le sous-domaine plus restreint de la « sécurité de l’IA » — est principalement préoccupé par des problématiques qui passent sous silence le pouvoir des entreprises et leur responsabilité.
Un exemple typique est l’étude des biais. Lorsqu’on constate que les modèles présentent des biais, on impute la faute à des ensembles de données biaisés. Comme ces jeux de données sont socialement construits, ils reflèteraient les biais sociétaux; par conséquent, si les sociétés discriminent, les modèles le feront inévitablement. Les grandes entreprises tech se présentent commodément comme les premiers répondants pour combattre ces biais, s’alignant ainsi comme des solveurs de problèmes plutôt que comme responsables du biais.
Un schéma similaire de captation se produit au sein des sciences sociales et des humanités dans leur ensemble, via des initiatives comme le Social Media Collective de Microsoft, où de nombreux chercheurs éminents en études médiatiques et en sciences sociales sont affiliés. Même l’auteur d’un article largement cité expliquant comment le terme « plateforme » est né du vocabulaire culturel de l’industrie pour véhiculer une illusion d’organisation horizontale et démocratique — tout en dissimulant leur pouvoir sous-jacent — a ensuite été chercheur principal chez Microsoft.
Un article économique co-rédigé par un autre chercheur de Microsoft et des universitaires est intitulé « Digital Addiction ». L’article soutient que les individus sont responsables de leur addiction aux smartphones et aux réseaux sociaux, comme s’il n’existait aucun mécanisme par les plateformes pour inciter, persuader et même façonner les comportements en ligne. Il a été publié dans l’American Economic Review, l’une des cinq meilleures revues d’économie, influençant ainsi clairement l’ensemble de la discipline tout en cachant que les géants du numérique conçoivent explicitement des algorithmes pour nous garder collés à l’écran.
La lanceuse d’alerte Frances Haugen a apporté des preuves que Meta était consciente des dommages causés par ses algorithmes addictifs, et il a ensuite été révélé que Google et Meta avaient conclu un accord pour renforcer l’attrait d’Instagram auprès des mineurs via une campagne YouTube, contournant les règles publicitaires de Google sur la publicité destinée aux mineurs.
Une autre publication scientifique, cette fois par Hal Varian, économiste en chef de Google, conclut que la tech est « une industrie dynamique et concurrentielle, avec des niveaux élevés d’investissement en R&D et en équipements, des salaires élevés pour les travailleurs et une croissance rapide ». L’article donne l’impression que c’est l’industrie la plus saine de toutes. Ce que Varian n’évoque pas, c’est qu’il considère l’industrie comme compétitive uniquement selon les prix et les consommateurs. Il néglige le déséquilibre de pouvoir entre les géants du numérique et la myriade de startups et d’autres organisations qui opèrent dans leurs sphères de contrôle.
Publié dans des revues scientifiques fiables, ces articles illustrent que l’objectif des GAFAM de dominer les discours va au-delà de l’informatique. Ils cherchent aussi à influencer les axes de recherche des domaines étudiant les effets sociaux, éthiques et économiques de leurs technologies contrôlées, en partie en déplaçant la discussion loin de la question de leur responsabilité face aux conséquences nocives.
La même stratégie est désormais employée pour détourner l’attention de la forte consommation de ressources par l’IA — notamment l’énergie et l’eau. Amazon, Microsoft et Google insistent sur le fait que leurs clouds publics sont plus efficaces que les solutions alternatives pour former et faire fonctionner des modèles d’IA, tels que les clouds privés ou les data centers sur site. Mais même lorsque l’équation globale pointe vers une solution plus efficace, leur pression conduit à une expansion de l’usage de leurs clouds, augmentant leurs profits et entraînant une augmentation de la consommation de ressources.
Le PDG de Microsoft, Satya Nadella, l’a lui-même affirmé sur son compte LinkedIn début 2025: « Le paradoxe de Jevons frappe encore! À mesure que l’IA gagne en efficacité et en accessibilité, son utilisation va exploser, la transformant en une marchandise dont nous ne pouvons nous passer. » Cette utilisation en hausse se traduit par une augmentation spectaculaire de la consommation d’énergie et d’eau. La manière dont Amazon, Microsoft et Google présentent leurs clouds comme les meilleurs du secteur illustre une pratique plus générale des monopoles intellectuels. Pour se présenter comme les entreprises les plus innovantes et à la pointe, elles conçoivent même des solutions technologiques de frontière sans avoir l’intention d’en tirer directement profit.
Innovation bidon
Les monopoles intellectuels exploitent leur marge financière exceptionnelle pour produire ce qui peut être décrit comme une « innovation bidon » : des produits dont le but ultime n’est ni d’être vendus ni largement adoptés par le public, ni de générer des revenus directs, mais plutôt de positionner l’entreprise comme un moteur du changement technologique de premier plan. (Pour ma définition de l’innovation bidon, je m’inspire de l’idée de David Graeber sur les « jobs bidons »). De tels produits renforcent leur identité d’entreprises innovantes, renforçant probablement la perception d’autres produits qui pourraient atteindre une adoption massive et, par conséquent, contribuer à l’accumulation du capital.
Elon Musk excelle dans la création d’innovation bidon ou, plus exactement, dans la promesse constante d’innovation bidon. Comme il est impossible de suivre les évolutions dans tous les coins du monde, certains pourraient croire qu’il existe des villes où les voitures autonomes de Tesla circulent aussi couramment que des vélos. Que ce soit vrai ou faux n’a pas d’importance ; cela établit efficacement une narration selon laquelle Tesla serait un innovateur de pointe.
Un scénario similaire se déploie avec les projets SpaceX visant à poser le pied sur la Lune, alors que Tesla et SpaceX sont deux sociétés distinctes. Musk les a fondées toutes les deux, alors si SpaceX peut atteindre la Lune, pourquoi ne pas accepter Tesla comme la meilleure option de mobilité sur Terre ? Bien que la personnalité théâtrale de Musk puisse suggérer que de telles promesses ne reposent que sur cet homme supposément unique, cette stratégie n’est pas propre à Musk et à ses entreprises. Les monopoles intellectuels associent fréquemment une innovation bidon qui coûte directement de l’argent à des innovations systématiques co-produites avec d’autres, ce qui permet aux monopoles intellectuels de capter des rentes intellectuelles.
L’IA de DeepMind pour prédire les structures des protéines, AlphaFold, peut être considérée comme une innovation bidon. C’est une réussite scientifique de frontière qui a même reçu un prix Nobel, mais elle n’est pas destinée à devenir la base d’un produit Google. AlphaFold est libre d’utilisation, et Google n’a pas l’intention de créer un écosystème autour afin d’en tirer profit, contrairement à Android. À la place, elle sert à positionner DeepMind, et par extension Google, comme un innovateur de frontière apportant une contribution substantielle à la recherche sur la santé.
Les technologies numériques, en partie parce que le grand public ignore souvent comment elles fonctionnent, constituent un allié parfait pour l’innovation bidon. Le laboratoire de SAP aux États-Unis, principal fournisseur de logiciels pour gérer des opérations telles que les finances, les ressources humaines et les chaînes d’approvisionnement, produit des démonstrations d’IA et de robotique et des prototypes uniques pour démontrer la puissance de la technologie qui soutient son nouveau logiciel de planification des ressources d’entreprise, SAP HANA (High-performance ANalytic Appliance). L’entreprise n’attend pas que les clients utilisent ces démos. Comme l’expliquait un ingénieur IA de SAP, le but était simplement de démontrer que SAP HANA était une frontière et un outil puissant.
Les technologies peuvent aussi commencer comme des innovations bidon et avoir le potentiel de devenir une activité future. L’IA générative pourrait être considérée comme une telle innovation qui pourrait se révéler utile à terme. Pour l’instant, tandis qu’OpenAI continue de perdre des millions chaque année, l’IA générative sert d’aimant pour attirer davantage de clients vers les clouds d’Amazon, de Microsoft et de Google. Cela concerne ceux qui développent des solutions au-dessus de modèles existants qui s’exécutent tous dans le cloud, ainsi que ceux qui migrent vers le cloud attirés par l’IA générative mais qui, en fin de compte, utilisent d’autres services informatiques, voire d’autres modèles d’IA.
En parlant de l’utilisation de l’IA comme innovation bidon, en 2020 L’Oréal a lancé Perso, une sorte de Thermo Mixer pour la beauté qui utilise l’IA pour livrer des formules personnalisées de soins de la peau et de cosmétiques sur place. On peut se demander combien de personnes envisageraient même d’acheter un tel appareil s’ils pouvaient se l’offrir, mais les ventes de Perso ne constituent pas la motivation principale de L’Oréal.
L’objectif est de présenter L’Oréal comme un innovateur en phase avec l’ère numérique, Perso servant de preuve.
De même, Amazon investit dans les robots domestiques, bien que, jusqu’à présent, leurs versions les plus avancées soient des produits de test. Le but est double, les deux motivations se complétant et renforçant le monopole intellectuel d’Amazon. D’une part, cela nourrit le récit selon lequel Amazon est un innovateur développant une technologie de pointe. D’autre part, l’attention d’Amazon sur les robots incite d’autres à explorer ce domaine davantage — que ce soit en créant des start-ups qui cherchent à être rachetées par Amazon ou à vendre des technologies à Amazon, ou en inspirant des chercheurs curieux désireux de développer des technologies pertinentes pour ceux qui se situent à l’avant-garde. En d’autres termes, Amazon motive d’autres à rechercher et développer des robots domestiques. Ces motivations pourraient être associées à d’autres à l’avenir, allant de la promotion féministe pour socialiser les tâches domestiques à l’intérêt militaire pour des robots destinés à être facilement adaptés à un usage domestique. Tous ces moteurs, conjugués aux avancées technologiques, pourraient éventuellement transformer les robots domestiques en un produit largement consommé. Amazon sera prête à capter cette demande. En attendant, ses robots domestiques restent une forme d’innovation bidon.
[…]
Comme il devient évident après la lecture des Les Dominants, nous vivons dans un monde où la production de connaissance — ressource fondamentale pour organiser la vie individuelle et collective — est largement contrôlée par Amazon, Microsoft et Google. Leur domination a atteint un tel niveau que même d’autres dirigeants puissants dépendent désormais de leurs technologies monopolistiques. Pour cela, les grandes entreprises technologiques transforment systématiquement les connaissances et les informations produites par chaque individu et chaque organisation en leurs actifs. Elles constituent, en somme, les plus grands prédateurs de connaissances au monde.
Cécilia Rikap est professeure associée en économie et responsable de la recherche à l’Institut pour l’Innovation et l’Objectif Public de University College London. Elle est également chercheuse associée au COSTECH lab, Université de Technologie de Compiègne, France. Elle est l’auteure de Théorie de la dépendance numérique et de Capitalism, Power and Innovation: Intellectual Monopoly Capitalism Uncovered, qui a remporté le Prix Joan Robinson du concours EAEPE en 2023.
