Sam Altman reconnaît avoir sous-estimé le calendrier de l’IA

Sam Altman semble revoir le calendrier de l’intelligence artificielle, pas son importance. Dans une interview publiée le 23 août 2026, le directeur général d’OpenAI aurait reconnu qu’après l’arrivée de GPT-4 en 2023, il s’attendait à voir les entreprises de logiciels et l’économie au sens large être bouleversées beaucoup plus rapidement. 36

La leçon qui se dessine est simple : un modèle performant n’est que le point de départ. Pour produire un changement à l’échelle de l’économie, il faut encore des applications fiables, une réorganisation du travail, des infrastructures, des règles adaptées et l’adhésion du public. Ces étapes s’avèrent plus lentes et plus controversées que ne le laissait penser l’euphorie post-GPT-4.

Une prévision revue à la baisse sur le court terme

Les propos rapportés d’Altman établissent une distinction entre progrès technique et adoption économique. Il pensait que les entreprises et le marché des logiciels changeraient rapidement dès lors que GPT-4 aurait démontré un nouveau niveau de capacités. Or le passage des performances d’un modèle à une véritable disruption généralisée prend plus de temps. 36

Cela ne signifie pas que l’IA est devenue négligeable sur le plan économique. Cela signifie plutôt que l’entraînement de modèles toujours plus performants ne transforme pas automatiquement, du jour au lendemain, la manière dont les entreprises travaillent. Il faut intégrer ces outils aux systèmes existants, concevoir de nouveaux processus, former les salariés, contrôler les résultats et justifier les coûts.

Dans cette perspective, le principal goulot d’étranglement à court terme concerne moins la capacité des modèles à progresser que celle des organisations à les déployer efficacement. Les observations plus récentes d’Altman continuent d’ailleurs de décrire des avancées rapides et une baisse des coûts d’utilisation de l’IA : un déploiement plus lent ne doit donc pas être confondu avec un recul de l’ambition. 40

Pourquoi l’adoption peut rester à la traîne

Entre une démonstration impressionnante et une utilisation quotidienne en entreprise, le chemin est long. Une société doit parfois revoir ses procédures, mettre en place une supervision, sécuriser ses données et déterminer qui est responsable lorsqu’un système d’IA commet une erreur.

Les infrastructures constituent une autre limite. Les modèles d’IA nécessitent d’importantes capacités de calcul, tandis que les centres de données suscitent des oppositions liées à l’électricité, à l’eau, au réseau, à l’occupation des sols et aux retombées locales. Selon un chiffre Gallup cité par The New York Times, 71 % des adultes américains se disaient opposés à la construction d’un centre de données d’IA dans leur secteur ; le même article indiquait que plus d’une douzaine de projets avaient été bloqués ou retardés par la contestation locale. 18

Altman a reconnu comprendre cette inquiétude et suggéré que certains centres de données pourraient être installés dans des zones désertiques éloignées. 23 Cette idée met en lumière les limites concrètes de l’expansion de l’IA : disposer de puces et d’électricité ne suffit pas. Il faut aussi obtenir des permis, construire des lignes de transmission, trouver du foncier et obtenir un minimum de soutien des populations concernées.

Faut-il ralentir le développement de l’IA ?

Altman a par ailleurs estimé que le développement de l’IA pourrait devoir être « cadencé », afin de laisser à la société le temps de « se renforcer » face à de nouveaux niveaux de capacités. Il a aussi souligné qu’une telle démarche devrait éviter à la fois la capture réglementaire et une entente entre les laboratoires de pointe. 37

Il ne s’agit pas nécessairement de réclamer un arrêt permanent de la recherche. L’enjeu est plutôt de mieux coordonner la vitesse de déploiement avec celle de l’adaptation sociale. Une technologie peut progresser très vite tandis que les institutions chargées de l’encadrer, les entreprises censées l’utiliser et le public appelé à l’accepter évoluent plus lentement.

Deux scénarios « très anti-humains »

La crainte évoquée dans ce débat prend deux formes opposées :

1. L’IA devient si puissante que les individus et les institutions ne peuvent plus réellement la contrôler.
2. Le contrôle de l’IA avancée se concentre entre les mains d’un nombre très limité d’entreprises ou de gouvernements.

Le second risque correspond à l’argument plus général d’Altman en faveur d’une démocratisation de l’IA : le pouvoir ne devrait pas être excessivement concentré. 44 Ces deux dangers poussent les politiques publiques dans des directions différentes. Des contrôles centralisés peuvent limiter certains usages abusifs, mais concentrer l’accès et la prise de décision chez quelques acteurs crée aussi un risque politique et économique.

Les éléments disponibles ne permettent toutefois pas d’affirmer qu’Altman visait directement Anthropic, ni qu’il considérait sa stratégie centrée sur la sécurité comme intrinsèquement « anti-humaine ». Présenter ses propos comme une attaque contre Anthropic relève donc de l’interprétation, et non d’un fait confirmé. Le constat défendable est plus limité : l’IA de pointe soulève un véritable arbitrage entre contrôle des risques et concentration du pouvoir.

Ce que révèle l’accord entre NVIDIA et Poolside

La transaction annoncée entre NVIDIA et Poolside montre également qu’un déploiement plus lent ne signifie pas un désintérêt des investisseurs. NVIDIA aurait accepté de payer 6 milliards de dollars pour obtenir une licence sur la technologie de la start-up et d’investir 1 milliard de dollars supplémentaire dans celle-ci. Plus de 100 employés de Poolside devraient travailler sur la famille de modèles Nemotron à poids ouverts de NVIDIA. 1

L’opération suggère que la compétition se joue désormais au-delà de l’entraînement des modèles les plus avancés. Les fabricants de puces et les développeurs de modèles investissent aussi dans les logiciels, les méthodes de développement et les modèles à poids ouverts, qui peuvent être davantage personnalisés et déployés dans des contextes variés. 5

Il est plus pertinent d’y voir une préparation à un cycle de déploiement plus long qu’un signe que NVIDIA anticipe un effondrement de la demande. Les entreprises semblent se préparer à une diffusion de l’IA dans une multitude d’applications et d’organisations, plutôt qu’à un scénario où une seule sortie de modèle transformerait instantanément toute l’économie.

Le vrai sujet : la diffusion, pas le retrait

Les propos d’Altman sur le calendrier, les résistances aux centres de données et l’investissement de NVIDIA dans Poolside dessinent ensemble une transition plus complexe que ne le promettait le récit initial de l’IA.

Le développement des modèles continue de s’accélérer, mais leur adoption reste freinée par :

• la difficulté de concevoir des applications fiables ;
• le travail organisationnel nécessaire pour modifier les processus ;
• les capacités disponibles en matière de calcul, d’électricité, d’eau et de transmission ;
• les autorisations administratives et l’opposition politique locale ;
• les questions de sécurité, de responsabilité et de concentration du pouvoir.

La conclusion la plus solide n’est pas que les grandes entreprises de l’IA auraient décidé de ralentir volontairement leurs recherches. Les éléments disponibles montrent plutôt une situation plus nuancée : elles continuent d’investir massivement tout en reconnaissant que la transformation économique passera par une diffusion plus lente, coûteuse et politiquement disputée.

GPT-4 a peut-être marqué un changement majeur de capacités. Mais disposer de cette capacité n’a jamais signifié que son adoption serait immédiate.