Les grandes entreprises technologiques augmentent leurs dépenses en IA alors que les modèles de raisonnement prennent le dessus
- Des géants technologiques comme Microsoft, Amazon et Meta porteront leurs investissements en IA à plus de 500 milliards de dollars par an d'ici la prochaine décennie.
- L'investissement en IA s'oriente désormais de l'entraînement des modèles vers l'inférence, qui pourrait représenter près de 50 % des budgets IA d'ici 2032.
- Les modèles de raisonnement de DeepSeek et OpenAI transforment l'IA en améliorant l'efficacité et en réduisant la dépendance aux puces coûteuses.
Les plus grandes entreprises technologiques augmenteront leurs dépenses annuelles en intelligence artificielle à plus de 500 milliards de dollars au début de la prochaine décennie, alimentées en partie par la méthodologie IA plus récente de DeepSeek et d'OpenAI.
Microsoft Corp., Amazon.com Inc. et Meta Platforms Inc., collectivement connus sous le nom de hyperscalers, devraient dépenser 371 milliards de dollars pour les centres de données et les ressources informatiques liés à l'IA en 2025, soit une augmentation de 44 % par rapport à l'année précédente. D'ici 2032, ce chiffre devrait atteindre 525 milliards de dollars.
Historiquement, une grande partie des investissements en IA étaient consacrés aux centres de données et aux puces pour former ou créer des modèles d'IA significativement plus complexes. Maintenant, les entreprises veulent adopter une approche différente. Par conséquent, les entreprises technologiques devraient transférer une part plus importante de leurs dépenses vers l'inférence, c'est-à-dire le processus d'exécution de ces systèmes après leur entraînement.
Comment DeepSeek et OpenAI façonnent les tendances des dépenses en IA
La chinoise DeepSeek, OpenAI et plusieurs autres entreprises ont introduit de nouveaux modèles de raisonnement, intensifiant la concurrence parmi les entreprises qui n'ont pas encore adopté une approche similaire.
Ces systèmes imitent la résolution de problèmes humaine en prenant plus de temps pour traiter et calculer les réponses aux requêtes des utilisateurs.
L'essor de DeepSeek, qui a affirmé pouvoir créer un modèle concurrentiel à un coût inférieur à celui de certains de ses principaux concurrents américains, a suscité des inquiétudes quant aux lourds investissements dans le développement de l'IA dans le secteur technologique américain. Par conséquent, certaines grandes entreprises technologiques préfèrent des systèmes d'IA plus efficaces qui peuvent fonctionner sur moins de puces.
Cependant, les modèles de raisonnement présentent également de nouvelles opportunités de tirer profit des logiciels et de transférer une partie des coûts de développement après le déploiement du modèle. Cela encouragera probablement davantage d'investissements dans cette stratégie et augmentera les dépenses générales en IA.
Un analyste de Bloomberg Intelligence, Mandeep Singh, a écrit : « La croissance des dépenses en capital pour l'entraînement de l'IA pourrait être beaucoup plus lente que nos attentes précédentes. »
Cependant, il a noté que l'attention considérable portée à DeepSeek incitera probablement les entreprises technologiques à « augmenter les investissements » dans l'inférence, faisant de ce segment de marché le plus à forte croissance dans l'IA générative.
Selon les rapports, plus de 40 % des budgets IA des hyperscalers cette année devraient être consacrés à l'entraînement ; cependant, ce pourcentage chutera à seulement 14 % en 2032. En revanche, près de la moitié de toutes les dépenses annuelles en IA pourrait être allouée aux investissements axés sur l'inférence.
D'autre part, Singh a écrit que Google, la filiale d'Alphabet Inc., semble être le mieux placé pour opérer ce pivot rapidement, grâce à ses puces internes qui gèrent à la fois l'entraînement et l'inférence. D'autres entreprises technologiques, comme Microsoft et Meta, pourraient ne pas avoir autant de flexibilité car elles ont tellement dépendu des puces de Nvidia Corp.
Comment les modèles de raisonnement redéfinissent l'IA avec une pensée structurée et logique
Les modèles de raisonnement sont des modèles de langage spécialisés conçus pour résoudre des problèmes par un raisonnement logique explicite. Ils sont apparus comme un nouveau paradigme en IA, surclassant les LLM conventionnels dans des tâches complexes en décomposant les problèmes, en « réfléchissant » avant de répondre et en améliorant itérativement les solutions.
Historiquement, les LLM à usage général pouvaient générer des réponses simples. Avec l'introduction des modèles de raisonnement, les réponses suivent un processus de pensée plus structuré, et le processus menant à cette réponse est indiqué. Cependant, si certains modèles affichent clairement leur phase de raisonnement logique, d'autres ne le font pas.
La phase de raisonnement montre comment le modèle peut décomposer le problème énoncé en sous-problèmes (décomposition), essayer différentes approches (idéation), choisir les meilleures approches (validation), rejeter les approches invalides (éventuellement en revenant en arrière), et enfin choisir la meilleure réponse (exécution/résolution).
Ne vous contentez pas de lire les actualités crypto. Comprenez-les. Abonnez-vous à notre newsletter. C'est gratuit.
Avertissement. Les informations fournies ne constituent pas des conseils en matière d'investissement. Cryptopolitan.com ne saurait être tenue responsable des investissements réalisés sur la base des informations fournies sur cette page. Nous recommandons vivement de mener vos propres recherches et/ou de consulter un professionnel qualifié avant de prendre toute décision d'investissement.
Nellius Irene
Nellius est diplômée en gestion d'entreprise et en informatique, avec cinq ans d'expérience dans l'industrie des cryptomonnaies. Elle est également diplômée de Bitcoin Dada. Nellius a contribué à des publications médiatiques de premier plan, dont BanklessTimes, Cryptobasic et Riseup Media.
