Une guerre secrète sur la répartition du pouvoir de l'IA

Auteur : Zhixiong Pan

Lorsque nous parlons d'IA, l'espace public peut facilement être détourné par des sujets tels que “la taille des paramètres”, “le classement des listes” ou “quel nouveau modèle a écrasé qui”. Nous ne pouvons pas dire que ces bruits sont complètement dépourvus de sens, mais ils ressemblent souvent à une couche de mousse, masquant les courants plus essentiels sous la surface de l'eau : dans le paysage technologique d'aujourd'hui, une guerre secrète pour le pouvoir de répartition de l'IA se déroule discrètement.

Si l'on élève le point de vue à l'échelle des infrastructures civilisationnelles, on constate que l'intelligence artificielle présente simultanément deux formes radicalement différentes, mais interconnectées.

Un “phare” comme une côte élevée, contrôlé par quelques géants, visant la plus grande portée d'éclairage, représentant la limite de la connaissance humaine atteignable à ce jour.

Une autre sorte de « torche » que l'on tient dans la main, elle vise à être portable, privée et reproductible, représentant la base intelligente à laquelle le public peut accéder.

Comprendre ces deux types de lumière nous permet de sortir des pièges du jargon marketing, de juger clairement où l'IA nous mènera, qui sera éclairé et qui sera laissé dans l'obscurité.

Phare : Hauteur cognitive définie par SOTA

Le terme « phare » fait référence à des modèles de niveau Frontier / SOTA (State of the Art). Dans des dimensions telles que le raisonnement complexe, la compréhension multimodale, la planification à long terme et l'exploration scientifique, ils représentent la catégorie de systèmes les plus puissants, les plus coûteux et les plus centralisés.

OpenAI, Google, Anthropic, xAI et d'autres institutions sont des exemples typiques de « bâtisseurs de tours ». Ce qu'ils construisent n'est pas seulement une série de noms de modèles, mais une manière de produire qui « échange une échelle extrême contre des percées des limites ».

Pourquoi le phare est-il destiné à être un jeu pour quelques privilégiés

L'entraînement et l'itération des modèles de pointe consistent essentiellement à forcer l'association de trois ressources extrêmement rares.

Tout d'abord, il y a la puissance de calcul, ce qui signifie non seulement des puces coûteuses, mais aussi des clusters de niveau million, des fenêtres d'entraînement à long terme et des coûts de réseau interconnecté très élevés ; ensuite, il y a les données et les retours, ce qui nécessite le nettoyage d'un volume immense de corpus, ainsi que des données de préférence en constante itération, un système d'évaluation complexe et un retour humain intensif ; enfin, il y a les systèmes d'ingénierie, qui englobent l'entraînement distribué, la planification tolérante aux pannes, l'accélération de l'inférence et l'ensemble du pipeline pour transformer les résultats de la recherche en produits utilisables.

Ces éléments constituent une barrière très élevée, qui ne peut pas être remplacée par quelques génies écrivant « un code plus intelligent ». Cela ressemble plutôt à un vaste système industriel, intensif en capital, avec des chaînes complexes, et les améliorations marginales deviennent de plus en plus coûteuses.

Ainsi, le phare présente naturellement des caractéristiques de centralisation : il est souvent contrôlé par un petit nombre d'institutions qui détiennent des capacités d'entraînement et des boucles de données, pour être finalement utilisé par la société sous forme d'API, d'abonnements ou de produits fermés.

La double signification du phare : percée et traction

La présence du phare n'est pas destinée à « permettre à tout le monde d'écrire des copies plus rapidement », sa valeur réside dans deux types d'actions plus fondamentales.

Tout d'abord, il s'agit d'explorer les limites de la cognition. Lorsque les tâches approchent des limites des capacités humaines, par exemple générer des hypothèses de recherche complexes, effectuer des raisonnements interdisciplinaires, percevoir et contrôler de manière multimodale, ou encore planifier à long terme, ce dont vous avez besoin, c'est du faisceau le plus puissant. Cela ne garantit pas une exactitude absolue, mais cela peut éclairer les « prochaines étapes possibles » plus loin.

Ensuite, il y a l'entraînement par la voie technique. Les systèmes de pointe sont souvent les premiers à faire fonctionner de nouveaux paradigmes : que ce soit de meilleures méthodes d'alignement, des appels d'outils plus flexibles, ou des cadres de raisonnement et des stratégies de sécurité plus robustes. Même s'ils sont ensuite simplifiés, distillés ou open source, le chemin initial est souvent tracé par des phares. En d'autres termes, un phare est un laboratoire à l'échelle sociale, qui nous permet de voir jusqu'où “l'intelligence peut aller” et pousse toute la chaîne industrielle à améliorer son efficacité.

L'ombre du phare : dépendance et risque unique

Mais le phare a aussi des ombres évidentes, ces risques ne sont souvent pas mentionnés lors des lancements de produits.

La manière la plus directe est que l'accessibilité est contrôlée. Le niveau d'utilisation et la capacité à se le permettre dépendent entièrement de la stratégie et de la tarification du fournisseur. Cela entraîne une forte dépendance à la plateforme : lorsque l'intelligence existe principalement sous forme de services cloud, les individus et les organisations externalisent en réalité des capacités clés à la plateforme.

Derrière la commodité se cache la fragilité : une coupure d'Internet, l'arrêt d'un service, un changement de politique, une augmentation des prix ou une modification d'interface peuvent instantanément rendre votre flux de travail obsolète.

Les dangers plus profonds résident dans la vie privée et la souveraineté des données. Même en cas de conformité et d'engagement, le flux de données constitue toujours un risque structurel. Cela est particulièrement vrai dans les secteurs de la santé, de la finance, de l'administration publique et dans les cas impliquant des connaissances clés d'entreprise, où “mettre des connaissances internes dans le cloud” n'est souvent pas simplement un problème technique, mais un problème de gouvernance sérieux.

De plus, lorsque de plus en plus d'industries confient les étapes clés de décision à un petit nombre de fournisseurs de modèles, les biais systématiques, les zones d'aveuglement des évaluations, les attaques adversariales et même les interruptions de la chaîne d'approvisionnement seront amplifiés en un risque social énorme. Le phare peut éclairer la mer, mais il appartient à une partie de la côte : il fournit une direction, mais définit également de manière invisible la voie navigable.

Torche : définition de la ligne de base intelligente en open source

Ramenez votre regard de loin, et vous verrez une autre source de lumière : un écosystème de modèles open source et déployables localement. DeepSeek, Qwen, Mistral, etc. ne sont que quelques-uns des représentants les plus remarquables, derrière lesquels se cache un tout nouveau paradigme, transformant des capacités intelligentes assez puissantes de « services rares dans le cloud » en « outils téléchargeables, déployables et modifiables ».

C'est ce qu'on appelle « torche ». Ce n'est pas la limite des capacités, mais la base. Cela ne signifie pas « faible capacité », mais représente une norme d'intelligence que le public peut obtenir sans condition.

La signification du flambeau : transformer l'intelligence en actif

La valeur fondamentale de la torche réside dans le fait qu'elle transforme l'intelligence d'un service de location en un actif propre, ce qui se manifeste dans trois dimensions : la possibilité de propriété, la transférabilité et la modularité.

Ce que l'on appelle privé signifie que les poids du modèle et la capacité d'inférence peuvent fonctionner localement, sur un réseau interne ou dans un cloud privé. “Je possède une intelligence qui fonctionne”, cela fait une différence essentielle avec “je loue l'intelligence d'une certaine entreprise”.

La notion de portabilité signifie que vous pouvez passer librement d'un matériel à un autre, d'un environnement à un autre et d'un fournisseur à un autre, sans avoir à lier des capacités clés à une API spécifique.

La combinabilité vous permet de combiner des modèles avec la recherche (RAG), le fine-tuning, les bases de connaissances, les moteurs de règles et les systèmes d'autorisation, formant ainsi un système conforme aux contraintes de votre entreprise, au lieu d'être limité par les frontières d'un produit générique.

Cela se traduit dans des scénarios très spécifiques dans la réalité. Les questions-réponses internes et l'automatisation des processus au sein des entreprises nécessitent souvent des autorisations, des audits et une isolation physique stricts ; les secteurs réglementés tels que la santé, l'administration publique et la finance ont des lignes rouges strictes concernant “les données ne sortent pas du domaine” ; et dans des environnements à réseau faible ou hors ligne comme la fabrication, l'énergie et l'exploitation sur site, l'inférence sur le terminal est une nécessité.

Pour un individu, les notes, les courriels et les informations privées accumulés au fil du temps nécessitent également un agent intelligent local pour les gérer, plutôt que de confier l'ensemble de ses données à un « service gratuit ».

La torche rend l'intelligence non plus simplement un droit d'accès, mais plutôt comme un moyen de production : vous pouvez construire des outils, des processus et des barrières autour d'elle.

Pourquoi la torche devient-elle de plus en plus brillante

L'amélioration des capacités des modèles open source n'est pas le fruit du hasard, mais résulte de la convergence de deux chemins. D'une part, la diffusion de la recherche, avec des articles de pointe, des techniques d'entraînement et des paradigmes d'inférence, qui sont rapidement absorbés et reproduits par la communauté ; d'autre part, l'optimisation extrême de l'efficacité technique, avec des techniques telles que la quantification (comme 8 bits/4 bits), la distillation, l'accélération d'inférence, le routage hiérarchique et MoE (experts mixtes), permettant à l'“intelligence utilisable” de descendre continuellement vers du matériel moins cher et des seuils de déploiement plus bas.

Il se dessine donc une tendance très réaliste : les modèles les plus puissants déterminent le plafond, mais les modèles « suffisamment puissants » déterminent la vitesse de diffusion. La plupart des tâches de la vie sociale n'ont pas besoin du « plus fort », mais de quelque chose de « fiable, contrôlable et à coût stable ». Le flambeau correspond parfaitement à ce type de besoin.

Le coût de la torche : la sécurité est externalisée à l'utilisateur

Bien sûr, la torche n'est pas non plus une justice naturelle, son coût est le transfert de responsabilité. De nombreux risques et charges de travail qui incombaient autrefois à la plateforme sont désormais transférés aux utilisateurs.

Plus un modèle est ouvert, plus il est facile d'être utilisé pour générer des scripts de fraude, des codes malveillants ou des faux profonds. Le code source ouvert n'est pas synonyme d'innocuité, il décentralise simplement le contrôle, tout en décentralisant également la responsabilité. De plus, le déploiement local signifie que vous devez résoudre vous-même une série de problèmes tels que l'évaluation, la surveillance, la protection contre l'injection de prompts, l'isolement des permissions, la désensibilisation des données, ainsi que les stratégies de mise à jour et de retour en arrière des modèles.

Même beaucoup de ce que l'on appelle « open source » est plus précisément « poids ouvert », avec des contraintes en matière d'utilisation commerciale et de redistribution. Ce n'est pas seulement une question d'éthique, mais aussi une question de conformité. La torche vous donne la liberté, mais la liberté n'est jamais « sans coût ». C'est plutôt un outil : elle peut construire, mais aussi blesser ; elle peut sauver, mais nécessite de l'entraînement.

La convergence de la lumière : coévolution de la limite supérieure et de la ligne de base

Si l'on considère seulement le phare et la torche comme une opposition « géant vs open source », on manquerait une structure plus réelle : ce sont deux segments d'un même fleuve technologique.

Le phare est responsable de repousser les frontières, en proposant de nouvelles méthodologies et paradigmes ; la torche est chargée de compresser, d'ingénierie et de décentraliser ces résultats, les transformant en productivité généralisable. Cette chaîne de diffusion est déjà très claire aujourd'hui : de l'article à la reproduction, de la distillation à la quantification, puis au déploiement local et à la personnalisation sectorielle, pour finalement réaliser une élévation globale de la ligne de base.

Et l'élévation de la base influencera à son tour le phare. Lorsque « une base suffisamment forte » est accessible à tous, il devient difficile pour les géants de maintenir un monopole à long terme uniquement grâce à leurs « capacités fondamentales », ils doivent continuer à investir des ressources pour rechercher des percées. Parallèlement, l'écosystème open source formera des évaluations, des antagonismes et des retours d'utilisation plus riches, ce qui poussera à son tour les systèmes de pointe à être plus stables et plus contrôlables. De nombreuses innovations appliquées se produisent dans l'écosystème de la torche, le phare fournit des capacités, la torche fournit le sol.

Ainsi, plutôt que de dire qu'il s'agit de deux camps, il serait plus juste de parler de deux arrangements institutionnels : un système qui concentre des coûts extrêmes en échange de percées de plafond ; un autre qui disperse les capacités en échange de généralisation, de résilience et de souveraineté. Les deux sont indispensables.

Sans phare, la technologie risque de tomber dans une stagnation où elle ne fait que des optimisations de rapport qualité-prix ; sans torche, la société risque de tomber dans une dépendance où les capacités sont monopolisées par quelques plateformes.

Partie plus difficile mais plus cruciale : Qu'est-ce que nous disputons réellement ?

La lutte entre le phare et le flambeau semble être une différence entre les capacités des modèles et les stratégies open source, mais en réalité, c'est une guerre secrète sur le droit de distribution de l'IA. Cette guerre ne se déroule pas sur un champ de bataille embrumé de fumée, mais dans trois dimensions apparemment tranquilles mais qui décident de l'avenir :

Premièrement, contester le droit de définir le “smart par défaut”. Lorsque l'intelligence devient une infrastructure, l'“option par défaut” signifie le pouvoir. Qui fournit le par défaut ? Quel valeur et quelles limites suit le par défaut ? Quelles sont les révisions, préférences et incitations commerciales du par défaut ? Ces questions ne disparaîtront pas automatiquement parce que la technologie est plus forte.

Deuxièmement, la manière de supporter les externalités. L'entraînement et le raisonnement consomment de l'énergie et de la puissance de calcul, la collecte de données implique des droits d'auteur, la vie privée et le travail, et les sorties de modèles influencent l'opinion publique, l'éducation et l'emploi. Les phares et les torches créent tous deux des externalités, mais la manière de les répartir diffère : les phares sont plus centralisés, réglementables mais ressemblent aussi à un point unique ; les torches sont plus dispersées, plus résilientes mais plus difficiles à gouverner.

Troisièmement, la lutte pour la position de l'individu dans le système. Si tous les outils importants doivent être « connectés, connectés, payés, et respecter les règles de la plateforme », la vie numérique de l'individu deviendra comme la location d'un logement : pratique, mais jamais vraiment à soi. Le projecteur offre une autre possibilité : permettre aux gens de posséder une partie de « la capacité hors ligne », laissant le contrôle de la vie privée, des connaissances et des flux de travail entre leurs mains.

La stratégie à double voie sera la norme

Dans un avenir prévisible, l'état le plus raisonnable n'est pas “entièrement fermé” ou “entièrement ouvert”, mais plutôt une combinaison ressemblant à un système électrique.

Nous avons besoin de phares pour des tâches extrêmes, afin de traiter des scénarios nécessitant les meilleures capacités de raisonnement, des multimodalités à la pointe, des explorations interdisciplinaires et une assistance à la recherche complexe ; nous avons également besoin de torches pour des actifs critiques, afin de construire des défenses dans des scénarios impliquant la confidentialité, la conformité, le savoir-faire essentiel, les coûts à long terme et la disponibilité hors ligne. Et entre les deux, une multitude de « couches intermédiaires » apparaîtra : des modèles propriétaires construits par les entreprises, des modèles sectoriels, des versions distillées et des stratégies de routage mixtes (les tâches simples passent par le local, les tâches complexes passent par le cloud).

Ce n'est pas un compromis, mais une réalité d'ingénierie : la recherche de l'excellence d'une part, et celle de la fiabilité de l'autre ; l'un vise l'extrême, l'autre vise la généralisation.

Conclusion : Le phare guide au loin, la torche garde sous nos pieds

Le phare détermine jusqu'où nous pouvons pousser l'intelligence, c'est l'attaque de la civilisation face à l'inconnu.

Les torches déterminent jusqu'où nous pouvons répartir intelligemment, c'est la maîtrise de la société face au pouvoir.

Il est raisonnable d'applaudir les percées SOTA, car elles élargissent les frontières des questions que l'humanité peut envisager ; il est également raisonnable d'applaudir l'itération open source et privatisable, car cela permet à l'intelligence de ne pas appartenir uniquement à quelques plateformes, mais de devenir un outil et un actif pour un plus grand nombre de personnes.

Le véritable tournant de l'ère de l'IA n'est peut-être pas « quel modèle est le plus puissant », mais plutôt si, lorsque la nuit tombe, vous avez entre vos mains une lumière que vous n'avez pas besoin d'emprunter à quiconque.