L'IA ralentit : 3 000 milliards de dollars de revenus nécessaires d'ici 2030 pour maintenir la bulle

Ed Zitron soutient que l'IA générative ralentit, ne s'accélère pas, et que l'économie ne tient tout simplement pas la route. L'article se concentre sur les besoins en capitaux colossaux : 3 000 milliards de dollars ou plus de revenus d'ici la fin 2030 pour soutenir l'existence de l'industrie de l'IA, basés sur les coûts de construction des centres de données et les engagements des hyperscalers.

Principales projections financières de la source

• Coûts des centres de données : Citant Sightline Climate et Jensen Huang, les 190 GW de centres de données prévus coûteront entre 9 500 et 15 000 milliards de dollars (à 80–100 milliards $ par GW). Bloomberg indique par erreur 3 000 milliards de dollars.
• Dépendance aux revenus de NVIDIA : 54 % des revenus de NVIDIA proviennent de trois clients (probablement Microsoft, Google, Meta). Huang prévoit 1 000 milliards de dollars de revenus d'ici fin 2027, mais les contreparties doivent emprunter en permanence.
• Mouvements des hyperscalers : La vente d'actions de Google à hauteur de 85 milliards $ et le projet de Meta de céder plusieurs milliards de dollars signalent que la dette devient plus difficile à obtenir, selon l'économiste Paul Kedrosky.
• Engagements d'Anthropic : 330 milliards $ d'engagements en calcul/puces (Google, Amazon, Microsoft) plus 30 milliards $ avec CoreWeave et 15 milliards $ avec SpaceX. Nécessite 174 milliards $ de revenus annuels d'ici 2029. A levé 95 milliards $ en 2025 seulement, mais aura besoin de 200 milliards $ supplémentaires l'année prochaine.
• Pertes d'OpenAI : Projette au moins 852 milliards $ de pertes d'ici fin 2030, avec plus de 770 milliards $ d'engagements en calcul. Son tour de financement de 122 milliards $ en mars est insuffisant.

Pourquoi cela importe pour les agents de codage IA

Si la bulle de l'IA se contracte, l'accès aux modèles de pointe (par exemple, GPT-5, Claude 4, Gemini Ultra) pourrait devenir plus cher ou restreint. Les coûts d'inférence pourraient augmenter si les constructions de centres de données stagnent. Pour les équipes qui comptent sur les agents IA, cela suggère de diversifier les fournisseurs de modèles et de se préparer à d'éventuelles hausses de prix ou à une disponibilité réduite des API.