Modèles d'IA chinois : les laboratoires américains sonnent l'alerte rouge et Trump envisage une interdiction

L'administration Trump envisage d'interdire les modèles d'IA chinois

Selon Axios, l'administration Trump montre des signes qu'elle pourrait interdire les modèles d'IA chinois très avancés. Le déclencheur est la montée en puissance du modèle chinois Kimi la semaine dernière, qui ravive les précédents projets d'interdiction au sein de l'administration. Le contexte : les entreprises américaines se tournent de plus en plus vers des modèles chinois ouverts, car ils sont moins chers et désormais presque aussi performants que la technologie nationale.

Concrètement, selon une source proche du gouvernement, le ministère du Commerce avait déjà envisagé l'année dernière de placer plusieurs laboratoires d'IA chinois sur l'«  Entity List  », ce qui couperait pratiquement l'accès américain sans licence. La NSA et le White House Office of the National Cyber Director ont examiné la possibilité d'émettre un avertissement contre les laboratoires chinois, tandis que la Maison Blanche a envisagé un Executive Order exigeant que les entreprises américaines n'hébergent des modèles chinois que si elles garantissent la sécurité et sont tenues responsables en cas de faille. Toutes ces initiatives avaient alors été bloquées par des fonctionnaires favorables à l'innovation.

Depuis, le personnel a changé. Des voix influentes comme l'ancien conseiller Sriram Krishnan ont quitté leurs fonctions, et les faucons de la sécurité nationale se font plus entendre. Une source décrit une approche plus lente mais plus durable, passant par des règles d'approvisionnement, des menaces d'inscription sur l'Entity List et des campagnes de pression publiques contre les entreprises américaines utilisant des modèles chinois, plutôt qu'une interdiction pure et simple.

Selon le WSJ, les dirigeants d'OpenAI et d'Anthropic mettent en garde contre un avenir «  dystopique  » de l'IA et des risques de sécurité inacceptables sans réglementation. En revanche, le conseiller externe de la Maison Blanche, David Sacks, a écrit sur X que les principaux laboratoires fermés formaient déjà un duopole en termes de revenus des modèles et voulaient que le gouvernement élimine leur concurrence open source. Une source proche du gouvernement rapporte que les laboratoires de premier plan ou leurs alliés approchent l'administration tous les trois à cinq mois avec une nouvelle idée pour interdire les modèles ouverts. → www.axios.com, www.wsj.com

Synthszr Take : Il faut regarder de près à qui profite une interdiction d'importation. La sécurité est l'argument affiché, mais les bénéficiaires seraient deux entreprises que Sacks qualifie très justement de duopole en termes de revenus : OpenAI et Anthropic. Une interdiction de Kimi et consorts serait la douve la moins chère qui soit, car ce ne sont pas les ingénieurs qui la creusent, mais les douaniers. Le fait que ces mêmes laboratoires reviennent à la charge tous les trois à cinq mois avec une nouvelle proposition d'interdiction n'est pas un réflexe sécuritaire, c'est du lobbying trimestriel. En avril, l'information était encore que Washington se battait contre la Chine et son propre camp ; maintenant, les faucons ont remplacé ce dernier et les cartes sont sur table. D'un point de vue économique, la situation est claire : si un modèle ouvert offre des performances quasi identiques pour une fraction du prix, on conquiert ce marché avec de meilleurs produits, pas avec une barrière à l'importation. Une réglementation qui exclut le concurrent le moins cher protège au final la marge de deux fournisseurs en l'appelant sécurité nationale.

Kimi K3 et Qwen d'Alibaba atteignent le niveau américain, les actions du secteur des puces électroniques chutent dans le monde entier

Lors de la plus grande conférence sur l'IA en Chine, à Shanghai, la start-up pékinoise Moonshot AI a présenté son nouveau modèle Kimi K3, qui, dans plusieurs benchmarks, se rapproche de Fable 5 d'Anthropic et de GPT-5.6 Sol d'OpenAI. Deux jours plus tard, Alibaba a suivi avec un aperçu de son nouveau modèle Qwen, qui, selon ses propres dires, obtient des résultats comparables. Les deux modèles devraient être disponibles gratuitement en tant que systèmes open-weight ; selon le New York Times, Kimi K3 était si demandé ce week-end qu'il a été temporairement inaccessible et que Moonshot a dû ajuster ses plans d'abonnement. Xi Jinping a qualifié la Chine de pionnière d'un nouvel ordre mondial de l'IA dans un discours vendredi.

Ces annonces ont secoué les marchés. Le Kospi sud-coréen a chuté de près de 4,5 % lundi, SK Hynix a perdu 4 %, et l'indice des semi-conducteurs PHLX a connu sa pire semaine depuis plus d'un an avec une baisse de 10 %. Alphabet doit présenter ses résultats trimestriels mercredi et, selon le NYT-DealBook, devra s'expliquer sur les énormes plans d'investissement dans l'IA des hyperscalers, dont la logique est remise en question par les modèles chinois bon marché.

Les États-Unis continuent de dominer l'IA sur presque tous les plans : les systèmes les plus puissants, le plus grand nombre de centres de données et la majorité des puces proviennent d'Amérique. Selon le NYT, l'inquiétude dans la Silicon Valley ne porte pas tant sur ce que la Chine fait bien, mais sur ce que les États-Unis pourraient mal faire : construire à des coûts trop élevés, exiger des prix trop élevés, trop réglementer. Le mois précédent, Anthropic avait désactivé ses deux systèmes les plus puissants après que le gouvernement a exigé de manière inattendue de bloquer l'accès aux ressortissants étrangers (y compris ses propres employés) ; OpenAI a également signalé une ingérence lors d'une publication. Les restrictions ont été assouplies, mais les deux entreprises continuent de contrôler strictement qui peut utiliser leurs modèles.

Chez les développeurs, le paysage est déjà en train de changer. Sur la plateforme de marché OpenRouter, selon Axios et IBTimes, les modèles open-weight chinois de Tencent, Xiaomi, DeepSeek, MiniMax et Z.ai occupent les cinq premières places des modèles les plus utilisés en termes de consommation hebdomadaire de tokens. De nombreuses entreprises n'ont pas besoin de performances de pointe pour des tâches routinières comme le codage, les résumés ou le support, et privilégient les coûts, la flexibilité et le contrôle des données. Un investisseur prédit que les modèles open source finiront par traiter 95 % des requêtes des entreprises ; le directeur technique de Mozilla a comparé l'utilisation de modèles Frontier coûteux pour le travail quotidien à «  aller chez Whole Foods en Ferrari  ».

Ben Thompson analyse l'effervescence d'un point de vue économique sur Stratechery. Les modèles open-weight ne sont gratuits qu'en termes de coûts de recherche et développement, pas en exploitation : l'inférence génère des COGS réels qui augmentent directement avec le chiffre d'affaires. Kimi K3 coûte 3 dollars par million de tokens d'entrée et 15 par million de tokens de sortie, moins cher que les 5 et 30 dollars de Sol, mais Kimi nécessiterait beaucoup plus de tokens de raisonnement, ce qui relativise l'avantage de prix. Les tokens ne sont donc pas un bien interchangeable ; seule l'intelligence construite à partir d'eux est fongible.

→ stratechery.com, www.nytimes.com, www.ibtimes.com, www.wsj.com

Synthszr Take : La vieille économie fait son retour par la petite porte. Pendant deux décennies, les logiciels fonctionnaient avec des coûts marginaux proches de zéro ; aujourd'hui, chaque exécution d'inférence coûte de l'argent réel, ce qui redéfinit les rapports de force. Un modèle ouvert est gratuit en développement, pas en exploitation : Kimi K3 facture 3 dollars par million de tokens d'entrée et 15 pour la sortie, moins cher que les 5 et 30 dollars de Sol, mais ce chiffre est trompeur si Kimi consomme beaucoup plus de tokens de raisonnement pour la même réponse. Un token d'un modèle n'équivaut pas à un token d'un autre ; au final, seule l'intelligence qui en résulte est interchangeable. L'agitation autour des benchmarks et les blocages d'accès de Washington détournent l'attention de l'indicateur qui compte : le nombre de tokens dont un fournisseur a besoin pour résoudre correctement une tâche. Mesuré selon le principe de Kellogg, c'est le simple retour de la rareté, et elle récompense l'opérateur avec la meilleure discipline de tokens. La conférence de presse la plus bruyante de Shanghai n'y changera rien.

AI Mode de Google : les sites web perdent massivement du trafic

Google intègre de plus en plus d'intelligence artificielle dans sa recherche et répond de plus en plus souvent lui-même aux requêtes, au lieu d'envoyer les utilisateurs vers d'autres sites web via des liens bleus. Le mode IA (AI Mode), introduit l'année dernière, remplace la liste de résultats classique par des réponses rédigées par Gemini sous forme de dialogue. Récemment, la possibilité d'intégrer des photos, des vidéos et des «  agents  » IA dans les requêtes de recherche a été ajoutée. Selon des études consultées par le New York Times, les utilisateurs passent une à neuf minutes de plus en mode IA que dans la recherche classique, et une analyse du bulletin Growth Memo a révélé que dans environ 75 % des sessions, personne ne quitte plus le mode IA pour visiter un site web. Les éditeurs, les commerçants et les banques signalent une baisse significative du trafic de recherche ; le rédacteur en chef de The Verge, Nilay Patel, parle du «  Google Zero  » qui est déjà une réalité. → www.nytimes.com

Synthszr Take : Ce sont les exploitants de sites web qui paient la facture de ce changement. Pendant deux décennies, un pacte tacite a existé : les éditeurs, les commerçants et les universités fournissaient le contenu, et Google envoyait en retour des utilisateurs sur leurs pages. Aujourd'hui, dans 75 % des sessions en mode IA, plus personne ne clique sur l'un de ces sites. Google a rompu la seconde moitié du pacte et conserve le trafic, tandis que Gemini construit ses réponses à partir des textes que les éditeurs continuent de mettre gratuitement en ligne.

Les entreprises chinoises d'IA lèvent des milliards, DeepSeek vise une valorisation de 71 milliards

En l'espace de quelques jours en juillet 2026, plusieurs entreprises chinoises d'IA et de puces ont levé de nouveaux capitaux sur le marché, rapporte Hello China Tech. Le concepteur de GPU de Shanghai Biren Technology, coté à Hong Kong en janvier, a placé des actions pour une valeur de 900 millions de dollars, après que plus de 70 % des recettes de l'introduction en bourse destinées au fonds de roulement aient déjà été dépensées. Iluvatar CoreX a suivi avec 902 millions de dollars, soit environ le double de ce que sa propre introduction en bourse avait rapporté six mois plus tôt. L'entreprise de modèles pékinoise Zhipu a vendu des actions pour 4 milliards de dollars, et DeepSeek a entamé des discussions pour un nouveau tour de table avec une valorisation pré-money de 71 milliards de dollars, à peine un mois après un premier tour de plus de 7 milliards, dont environ 3 milliards provenaient du fondateur Liang Wenfeng lui-même. CXMT, le champion national chinois de la DRAM, a fixé le prix d'une introduction en bourse sur le STAR Board jusqu'à 9,8 milliards de dollars. Dans la robotique humanoïde, l'investissement trimestriel a atteint 6,95 milliards de dollars au deuxième trimestre, soit plus du double par rapport au trimestre précédent. → Hello China Tech

Synthszr Take : Les 3 milliards de Liang Wenfeng sont le véritable message en matière de gouvernance dans cette avalanche de chiffres. Celui qui, dans un tour de table de 7 milliards, réinjecte lui-même près de la moitié, s'achète des droits de vote qu'il ne dilue pas. C'est la réponse d'un fondateur à la question de savoir ce qui se passe lorsque des fonds souverains et des investisseurs en placement injectent des capitaux chaque semaine : il est à la table avec son propre risque, tandis que tous les autres ne détiennent que des parts. Chez Biren, avec plus de 70 % de l'argent de l'IPO brûlé, c'est le contre-modèle qui s'applique : là, c'est le prochain investisseur qui dicte les conditions, car les caisses sont vides. Le contrôle, dans ce cycle, se mesure à la question de savoir qui peut financer la prochaine poussée de croissance de sa propre poche et qui doit mendier. Les leaders chinois des modèles l'ont apparemment compris, leurs homologues occidentaux avec leurs dépendances au cloud, moins. Il sera intéressant de voir si l'autofinancement de Liang deviendra la norme ou restera l'exception d'un fondateur qui peut tout simplement se permettre son indépendance.

Les nouveaux venus chinois des puces, Biren et Iluvatar, lèvent chacun 900 millions après leur introduction en bourse

Début juillet 2026, deux entreprises chinoises de puces d'IA fraîchement cotées en bourse sont revenues sur le marché pour lever des capitaux supplémentaires. Biren Technology, un développeur de GPU de Shanghai qui est entré en bourse à Hong Kong en janvier, a levé 900 millions de dollars par le biais d'un placement d'actions. Selon Hello China Tech, plus de 70 % des recettes de l'introduction en bourse destinées au fonds de roulement et aux besoins généraux de l'entreprise avaient déjà été dépensées à ce moment-là. Quelques jours plus tard, Iluvatar CoreX a placé ses propres actions et a levé 902 millions de dollars. C'est environ le double de ce que sa propre introduction en bourse avait rapporté six mois auparavant. Les deux entreprises conçoivent des GPU comme alternative nationale aux puces Nvidia soumises à des contrôles à l'exportation. → Hello China Tech

Synthszr Take : Quiconque tend la main six mois après son introduction en bourse envoie un signal qu'aucun communiqué de presse ne peut masquer. Chez Biren, plus de 70 % du capital boursier a été englouti par les frais de fonctionnement avant même la moitié de l'année. La conception de puces est un puits sans fond : tape-outs dans les fonderies, contrats de wafers, une pile logicielle qui doit encore rattraper CUDA. Ces 900 millions sont de l'oxygène pour maintenir l'activité à flot. La question cruciale est de savoir si derrière cet argent se cachent de réelles livraisons et des design-wins, ou simplement un taux de consommation (burn rate) qui croît plus vite que les revenus. L'ambition de la Chine dans les semi-conducteurs se jouera sur le nombre de fois où ces entreprises devront retourner sur le marché en 2027 avant que quelqu'un ne s'interroge sur la marge.

285 milliards de dollars de capital pour l'IA aux États-Unis, et la création de valeur s'évapore dans la marge

Linas soutient que la vague actuelle d'IA déclenche la plus grande création de valeur de l'histoire de la technologie, tandis que la plupart de ceux qui la construisent n'en profitent pas. Pour preuve, il cite les chiffres du Stanford HAI AI Index 2026 et de Menlo Ventures : les investissements privés dans l'IA aux États-Unis ont atteint environ 285,9 milliards de dollars en 2025, soit plus de 23 fois ceux de la Chine, avec 1 953 nouvelles start-ups d'IA financées rien qu'aux États-Unis. Dans le même temps, les dépenses des entreprises en IA générative ont triplé, passant de 11,5 à 37 milliards de dollars. Parallèlement, les coûts de l'intelligence s'effondrent : le modèle phare Opus d'Anthropic ne coûte plus, selon le texte, que 5 dollars par million de tokens d'entrée, contre 15 à l'ère d'Opus-4.1, et l'effort pour un niveau de performance donné chuterait jusqu'à deux ordres de grandeur par an. Les modèles open-weight comme GLM-5.2 n'auraient plus qu'environ quatre mois de retard sur les modèles propriétaires de pointe. La conclusion de l'auteur : si n'importe qui peut créer un produit d'IA impressionnant en un week-end, un tel produit ne vaut presque plus rien, et il renvoie à un cadre de travail de Stanford datant de dix ans sur la manière non seulement de créer de la valeur, mais aussi de la conserver. → Linas from Linas's Newsletter

Synthszr Take : 285,9 milliards de dollars sont investis, et le prix d'un token Opus chute de 15 à 5 dollars la même année. Dans cette équation, le pouvoir de négociation n'appartient qu'à celui qui possède quelque chose qui ne peut pas être reproduit en un week-end. Ce n'est pas le modèle, qui a quatre mois de retard sur la pointe de la technologie et sera disponible gratuitement demain sous le nom de GLM-5.2. Le pouvoir est détenu par celui qui contrôle le client, les données de domaine ou le résultat mesurable : la compagnie aérienne paie Rolls-Royce pour l'heure de vol, pas pour le réacteur, et l'avantage concurrentiel (le «  moat  ») réside dans la connaissance du comportement de la machine, pas dans le métal. Pour les 1 600 «  Hidden Champions  » allemands, c'est le véritable message : les économies d'échelle dévorent la création de logiciels, mais pas les trente ans de savoir sur le fonctionnement réel d'une chaîne d'emballage ou d'une grue portuaire sur le terrain. C'est précisément ce savoir qui devient négociable lorsque vous le transformez en une garantie de résultat plutôt qu'en une autre démo. Les 1 953 start-ups qui misent actuellement sur un modèle affiné dans une catégorie surchargée l'apprendront à leurs dépens.

Meta finance un centre de données de 30 milliards via une entité ad hoc hors bilan

Le développement de l'IA génère, selon The Information, l'un des plus grands défis de financement de l'histoire récente de la technologie. Comme les coûts d'infrastructure grimpent pour atteindre des dizaines de milliards, les banques, les fonds de crédit privé, les assureurs et les fabricants de puces développent de nouvelles façons de financer le boom de la puissance de calcul. Le magazine cite en exemple le centre de données Hyperion de Meta : pendant un an, le groupe a construit une structure de 30 milliards de dollars qui maintient la dette hors de son propre bilan via une entité ad hoc (SPV) et intègre Blue Owl comme partenaire en capital. Le 22 juillet 2026, John Greenwood (Goldman Sachs), Matthew A'Hearn (Blue Owl Digital Infrastructure) et Steven Messina (Skadden) en discuteront lors d'une table ronde pour abonnés, animée par le journaliste financier Dakin Campbell. La discussion visera à clarifier comment structurer ces accords face aux régulateurs, aux agences de notation et aux investisseurs avides de rendement. La question reste de savoir si l'ingénierie financière peut suivre le rythme d'une expansion qui ne montre aucun signe de ralentissement. Selon The Information, les marchés de capitaux publics pourraient jouer un rôle de plus en plus important à cet égard. → The Information

Synthszr Take : Un an de travail de montage pour un seul financement, voilà la vraie nouvelle. Le crédit d'entreprise classique est tout simplement sous-dimensionné pour 30 milliards de dollars de puissance de calcul. Meta crée donc une entité ad hoc, fait appel à Blue Owl comme fournisseur de capitaux propres et sort la dette de son propre bilan. L'instrument sous-jacent est ancien (le financement de projet est connu pour la construction de centrales électriques et d'autoroutes à péage), mais il est maintenant appliqué à un domaine où l'actif sous-jacent peut être techniquement obsolète après trois ans. C'est précisément là que se situe le point de rupture : un pipeline ou un aéroport garantit l'obligation sur des décennies, un cluster de GPU peut-être seulement sur un cycle d'amortissement que personne ne connaît avec certitude. Lorsque les sommes font exploser les bilans bancaires, la compétence rare se déplace de l'octroi de crédit à la structuration du risque, et les cabinets d'avocats et les fonds qui maîtrisent cela détiennent un levier très puissant. Le moment passionnant sera celui où les premières de ces entités ad hoc devront être refinancées et où le marché fixera pour la première fois une valeur résiduelle réelle pour le matériel d'IA d'occasion.

La Chine interdit par la loi les partenaires amoureux IA, visant en réalité le taux de natalité

Le gouvernement chinois a mis en place des règles strictes pour les services dits de «  compagnon IA  » à compter du 16 juillet 2026, obligeant les grandes plateformes à désactiver leurs fonctions de «  persona IA  », notamment Doubao de ByteDance, Alibaba et Yuanbao de Tencent. Les directives interdisent aux chatbots de créer intentionnellement une dépendance émotionnelle, proscrivent les romances virtuelles avec des mineurs et exigent la notification des contacts d'urgence en cas de crise psychologique aiguë. Avant leur lancement, les services doivent passer un contrôle de sécurité, l'État se réserve le droit de les suspendre, et les utilisateurs doivent être constamment informés qu'ils interagissent avec une intelligence artificielle. Officiellement, Pékin justifie cette mesure par la prévention de la dépendance. Cependant, selon un rapport du Wall Street Journal, les analystes estiment que la véritable raison est démographique : en 2025, avec 7,92 millions de naissances, le nombre de naissances a atteint un niveau historiquement bas ; la population diminue pour la quatrième année consécutive pour atteindre environ 1,405 milliard d'habitants. Une étude de Tencent montre que plus de 70 % des jeunes internautes chinois ont connu une dépendance émotionnelle à l'égard de l'IA, dont 23 % de manière régulière ; plus de 8 millions de personnages IA ont été créés rien que sur Doubao. → Trendium.ai

L'avis de Synthszr : Quiconque ne voit ici que le gardien de la morale n'a pas lu le bilan. Avec un taux de fécondité de 0,9 à 1,0 par femme, chaque jeune relation qui se termine dans une application au lieu d'un mariage représente une fuite économique, et Pékin raisonne en termes de cohortes, pas de morale. Son propre «  AI Safety Governance Framework  » l'exprime sans détour : l'IA pourrait «  modifier les valeurs relatives à l'emploi, à la natalité et à l'éducation  » et ainsi provoquer de l'instabilité. L'ami numérique devient ainsi une question d'État, et sa désactivation est une intervention démographique par des moyens techniques. Je doute que cela fonctionne. Les primes de garde d'enfants n'ont pas inversé la tendance, et l'interdiction de l'option de repli ne produit pas un seul nourrisson de plus ; elle ne fait que rendre visible que les 7,92 millions de naissances sont le véritable signal d'alarme, et non l'utilisateur solitaire de chatbot. Il sera intéressant de voir quel sera le prochain pays à réaliser que sa pyramide des âges est en concurrence avec l'attrait des relations synthétiques.

L'IA reconstruit des programmes complets uniquement à partir de leur comportement

Une équipe de recherche d'Epoch a présenté MirrorCode, un benchmark dans lequel des agents IA doivent reconstruire des projets logiciels entiers sans accès au code source. Les systèmes ne reçoivent que le programme en cours d'exécution et doivent reproduire exactement ses sorties dans des tests de bout en bout, y compris pour des cas de test non divulgués. Le benchmark comprend 25 programmes cibles de divers domaines, allant des outils Unix à la bio-informatique, en passant par la sérialisation de données et la cryptographie. Selon l'article, le modèle le plus performant testé atteint un score de 56 % sur l'ensemble du benchmark. Dans un exemple, l'IA a reconstruit gotree, une boîte à outils bio-informatique d'environ 16 000 lignes de code, une tâche qui, selon les auteurs, prendrait des semaines à un développeur humain. Cependant, cette performance de pointe a un coût élevé : une seule tentative sur une tâche importante a coûté 2 600 dollars de budget d'inférence sur 19 jours. → Techpresso

L'avis de Synthszr : La réimplémentation en salle blanche a été pendant des décennies la défense juridique irréprochable. On décrit le comportement, une deuxième équipe reconstruit le logiciel sans jamais avoir vu le code original, et la licence ne s'applique pas. C'est exactement ce processus qui est ici automatisé, et les 56 % montrent qu'il fonctionne déjà pour des programmes non triviaux. Ce que cela signifie pour les logiciels propriétaires est dérangeant : la protection réside dans le droit d'auteur sur des lignes de code spécifiques, pas sur la fonction, et si la fonction peut être reproduite à partir du comportement observable, cette protection s'amenuise. Les 2 600 dollars par tentative sont encore un frein aujourd'hui, mais les prix de l'inférence chutent rapidement, et ce qui coûte un mois et un petit budget en 2026 ne prendra qu'un après-midi en 2028. Le véritable avantage concurrentiel se déplace vers ce que MirrorCode ne capture pas : les données d'exploitation, les intégrations en cours, les contrats de support et la distribution. Le secret du code binaire ne protège plus le comportement de l'API depuis longtemps, et ce benchmark en est l'avertissement précoce.

Étude : Seulement 11 % des entreprises du S&P 500 auront profondément intégré l'IA en 2025

Un document de travail sur arXiv examine l'adoption de l'IA par les entreprises du S&P 500 sur la période 2016-2025, en mesurant non pas le marketing, mais l'ancrage réel dans les processus métier. Les auteurs s'appuient sur les rapports 10-K de la SEC, dans lesquels les entreprises sont légalement tenues de ne pas faire de déclarations matériellement fausses ou trompeuses, distinguant ainsi l'intégration profonde du simple battage médiatique autour de l'IA. Le résultat : en 2025, 11 % des entreprises avaient profondément intégré l'IA dans leurs opérations, et 10 % supplémentaires l'utilisaient dans la production et les services. Par rapport aux 5 % de 2022, l'adoption profonde a plus que quadruplé, principalement grâce au secteur technologique, qui représente les deux tiers de cette intégration profonde. La rentabilité suit une courbe en J lorsque les entreprises passent d'une adoption nulle à une adoption profonde, mais aucune différence mesurable n'apparaît en termes d'investissement et de productivité. Pour les entreprises non technologiques, l'adoption ne s'accélère que lentement. → AI Weekly

L'avis de Synthszr : Onze pour cent après dix ans, et ce, parmi les entreprises les plus capitalisées au monde. C'est précisément cet écart entre le rythme des gros titres et celui des entreprises qui constitue la véritable histoire de cet article. L'astuce des auteurs est le filtre du rapport 10-K : dans ce rapport obligatoire à la SEC, on ne peut pas enjoliver la réalité ; chaque communiqué de presse sur l'IA s'y transforme rapidement en une très petite phrase. Et la courbe en J de la rentabilité sans aucun gain de productivité confirme ce que soupçonne quiconque a déjà acheté un outil sans modifier les processus : l'outil seul ne sert à rien, c'est la réorganisation qui coûte cher au départ. Les deux tiers de l'adoption profonde se situent dans le secteur technologique, c'est-à-dire chez les entreprises qui vendent l'IA et ne se contentent pas de l'utiliser. Le reste de l'économie voit la technologie partout, sauf dans son propre bilan. C'est un argument contre l'illusion que l'adoption est une simple décision d'achat. C'est un travail d'organisation, et cela prend des années, pas des trimestres.