Qui paie la facture de l'IA ? Territoires, abonnements et cimetière des projets

💡 En résumé

La même journée a livré deux images contradictoires de l’IA. D’un côté, Google annonce que ses technologies couvrent plus de 300 langues parlées par plus de 7 milliards de personnes, et publie une étude montrant que les scientifiques déclarent économiser près de 7 heures par semaine grâce à l’IA. De l’autre, à Philadelphie, plus de cent personnes manifestaient devant l’hôtel de ville pour dire non à de futurs data centers, dans un quartier qui a vécu vingt ans à côté de la plus grande raffinerie de la côte Est.

Entre les deux, une série de chiffres qui déplacent la question du débat sur les capacités vers celui du coût. Un rapport de BloombergNEF projette que les data centers américains consommeront plus de gaz naturel que l’Allemagne et le Japon réunis d’ici 2035 — près du double de sa propre prévision de neuf mois plus tôt. Meta lance une gamme d’abonnements IA à sept niveaux. Et TechCrunch publie un cimetière : la liste des projets et startups IA qui n’ont pas survécu, avec un chiffre à retenir — environ 42 % des initiatives IA finissent abandonnées par leur entreprise mère.

L’IA n’est donc plus une question de capacité, mais de répartition. Qui encaisse les bénéfices, qui absorbe les nuisances, et qui paie l’abonnement ?

🔥 Tendances : la facture arrive sur la table

Le gaz naturel : un basculement énergétique sous-estimé

Le chiffre mérite d’être posé tel quel. D’ici 2035, les data centers américains devraient consommer plus de gaz naturel que l’Allemagne et le Japon combinés. Sur la prochaine décennie, ils devraient être le deuxième moteur de croissance de la demande de gaz après les exportations de GNL. Les installations pourraient consommer environ 18 milliards de pieds cubes par jour, selon BloombergNEF — près du double de ce que l’organisation prévoyait il y a neuf mois. La nouvelle projection intègre le fait que tous les projets annoncés ne seront pas achevés.

Un détail plus révélateur que le total : les data centers produisant leur électricité sur site, qui ont beaucoup fait parler d’eux ces derniers mois — Meta, Microsoft, Google et Amazon ont tous annoncé des centrales au gaz contournant le réseau — ne représenteront qu’une fraction de la croissance totale. Ils consommeront 2,9 à 3,4 milliards de pieds cubes par jour en 2035, soit environ ce que consomment tous les data centers d’aujourd’hui. Le gros du choc vient de la production électrique raccordée au réseau : 15 milliards de pieds cubes par jour supplémentaires. En contexte, c’est cinq fois plus de croissance de la demande d’ici 2035 que celle de tous les autres secteurs raccordés au réseau combinés.

Les implications sont doubles. Financière : le modèle économique du déploiement actuel repose sur la stabilité des prix du gaz constatée ces dernières années. Les analystes de Noreva estiment qu’il s’agit peut-être d’un faux espoir, la conjonction de la ruée vers les data centers et de la hausse des exportations de GNL pouvant faire grimper les prix. Même si les bilans des entreprises technologiques peuvent le supporter, ce ne sera pas nécessairement le cas des abonnés des services publics. Climatique : brûler un pied cube de gaz naturel libère l’équivalent de 60 grammes de dioxyde de carbone, extraction, traitement et distribution inclus, selon l’AIE. La demande supplémentaire des data centers générera 1 million de tonnes métriques de pollution supplémentaire par jour, soit environ 12 % des émissions totales de gaz à effet de serre des États-Unis aujourd’hui.

Philadelphie : quand le quartier a déjà payé une fois

Le second récit est plus incarné. Shawmar Pitts, résident de longue date du quartier de Grays Ferry, dans le sud-ouest de Philadelphie, a grandi à côté de ce qui était alors la plus grande raffinerie de la côte Est, fermée après une explosion en 2019. Beaucoup de ses amis et de sa famille souffraient de maladies chroniques sans qu’il en comprenne l’origine — jusqu’à sa rencontre en 2018 avec le groupe de justice environnementale Philly Thrive, qui tenait un stand dans son quartier à propos d’une extension de la raffinerie.

« J’ai lu les informations qu’ils avaient sur la table, comment vivre près de la raffinerie vous affecte. Je regarde toutes les maladies sur cette feuille, et je me dis : ma mère a ça, ma sœur a ça, mon voisin d’à côté souffre de ça — dans chaque maison, quelqu’un a quelque chose de cette liste. À partir de ce moment, je me suis engagé à fond. »

Pitts est aujourd’hui codirecteur général de cette même organisation, et l’un des leaders de la campagne pour un moratoire sur les data centers à Philadelphie. Aucune proposition formelle de construction n’existe encore, mais les responsables municipaux ont identifié deux sites potentiels, dont un dans son quartier.

Ce qui rend ce cas emblématique n’est pas l’hostilité de principe : c’est l’antériorité de l’expérience. Sonya Sanders, présidente du conseil d’administration de Philly Thrive, a perdu son mari d’un cancer des os rare en 2020. Il ne fumait pas, ne buvait pas. « À mes yeux, ils l’ont tué. La pollution l’a tué. Je crois qu’il serait vivant aujourd’hui s’il n’avait pas été silencieusement assassiné, parce que c’est la recherche du profit qui l’a tué. » Lors du rassemblement de lundi, elle a résumé la position du quartier : « Nous ne voulons pas de data centers. Nous ne voulons pas de la pollution, nous ne voulons pas du bruit, et nous savons qu’ils ne nous apporteront pas plus d’emplois. »

L’argument n’est pas que l’impact environnemental serait équivalent. Un data center de Philadelphie n’aura probablement pas l’impact de l’usine qui traitait jusqu’à 335 000 barils de pétrole brut par jour. L’argument est que le quartier a déjà appris comment se terminent ces négociations : la promesse des emplois, la réalité de la pollution, et la maladie qui n’est jamais attribuée à sa cause. Comme le formule Annie Fox, avocate du Clean Air Council : « Un data center typique prévu en Pennsylvanie a des centaines de moteurs diesel qui crachent de la pollution atmosphérique, et même s’ils sont censés être réservés aux urgences, le gouvernement a déjà dit que le data center devrait les utiliser plutôt que de tirer sur un réseau électrique surchargé pendant certaines canicules. »

Les responsables politiques commencent à bouger. La gouverneure de New York Kathy Hochul a signé un décret empêchant temporairement l’État d’approuver de nouveaux permis pour de grands projets : « Le progrès ne devrait pas arriver avec une facture d’électricité plus élevée, une réserve d’eau supprimée ou de la pollution sonore. Ces data centers ne peuvent être construits, ne devraient être construits, que dans les endroits qui les veulent. » Des moratoires ont été approuvés dans plusieurs villes américaines — Denver, Indianapolis, Asheville, Charlotte, Reno — pour permettre aux responsables de recueillir des informations sur les impacts potentiels.

Le point à ne pas manquer : ces oppositions ne sont pas le fait de militants anti-technologie. Donna Greenberg, résidente de Philadelphie, énumère des inquiétudes très concrètes : la pollution, la surveillance et l’accès à « des informations qu’ils n’ont aucune raison de connaître », et l’usage d’eau et d’électricité « qui prive les gens et les quartiers qui en ont besoin ». C’est une contestation d’allocation de ressources rares, pas de principe.

Meta One : sept niveaux d’abonnement et une question de valeur

Meta a introduit mardi Meta One, un service d’abonnement offrant un usage IA élargi et des fonctions premium sur Facebook, Instagram et WhatsApp. Les plans donnent accès à des outils de création et d’édition d’images, de génération de vidéos, ainsi qu’à des outils intégrés comme Restyle sur Instagram.

L’objectif est explicitement de monétiser les modèles Muse AI, après l’investissement de 14,3 milliards de dollars dans Scale AI en 2025 qui a amené son PDG, Alexandr Wang, à la tête des efforts IA de Meta. La structure tarifaire mérite d’être posée en entier, parce qu’elle en dit long sur le modèle d’affaires :

Grand public : Core à 7,99 $/mois et Premium à 19,99 $/mois, incluant les fonctions des offres déjà existantes — Instagram Plus (3,99 $/mois), Facebook Plus (3,99 $), WhatsApp Plus (2,99 $).
Entreprises et créateurs : Essential à partir de 14,99 $/mois, Advanced à partir de 49,99 $/mois, Expert à partir de 149 $/mois, Max à partir de 499 $/mois.

Les bénéfices des plans supérieurs incluent l’accès élargi au Meta Business Agent, un badge vérifié, la détection d’usurpation d’identité, la programmation de stories jusqu’à 30 jours à l’avance, des analyses exportables, l’accès d’équipe, et davantage de crédits de diffusion. Meta précise que les avantages, les prix et la disponibilité peuvent varier selon la région, l’application et le compte, et refuse de communiquer les limites d’usage exactes des plans Core et Premium, celles-ci pouvant varier selon « le pays, la surface et les conditions du système ».

Les premiers résultats sont là. Selon Appfigures, le revenu quotidien mondial d’Instagram atteint en moyenne 1,2 million de dollars pour la semaine du 9 septembre, et celui de Facebook 528 000 dollars — des hausses respectives de 475 % et 143 % par rapport à la semaine précédente. Les utilisateurs américains représentaient 32 % du revenu d’Instagram et 39 % de celui de Facebook, soit environ 10 % au-dessus de la base historique. BNP Paribas prévoit 13,5 milliards de dollars de revenus supplémentaires d’ici 2028 ; Truist estime 20 milliards d’ici 2030.

Le point d’attention n’est pas le montant mais la structure : sept niveaux tarifaires, des limites d’usage non publiées, et une valeur qui repose sur « plus d’usage de l’IA ». Quand l’unité vendue est un volume d’usage dont le coût marginal est variable, la marge dépend du coût des tokens — ce qui ramène directement au problème énergétique et à la course à l’efficacité de l’inférence.

Le cimetière des projets IA

Relay, outil d’automatisation de flux de travail propulsé par l’IA et concurrent affiché de Zapier, a fermé ses portes lundi. Le produit permettait d’automatiser des flux d’e-mails et de tâches avec des agents IA, mais à mesure qu’OpenAI, Google et d’autres plateformes plus grandes ont intégré des automatisations similaires directement dans leurs outils, l’entreprise de cinq ans a eu du mal à conserver une raison d’exister en tant que produit autonome.

Ce cas n’est qu’une version de l’histoire. Selon S&P Global Market Intelligence, environ 42 % des initiatives IA finissent abandonnées par leur entreprise mère — financement insuffisant, défis techniques, concurrence, difficulté à passer à l’échelle, ou simple faiblesse de la demande.

La liste des cas documentés par TechCrunch est éclairante sur la nature des échecs :

OpenAI a enchaîné les faux pas. La refonte du 9 juillet, qui combinait des modes « Chat », « Codex » et « Work » et renommait la version familière « ChatGPT Classic », a été déployée puis retirée face aux critiques. ChatGPT Atlas, navigateur autonome lancé moins d’un an plus tôt, a été arrêté le 9 août. Operator a subi le même sort. Sora, plateforme de partage de vidéos, a fermé en mars 2026 après des coûts d’exploitation élevés et des difficultés de rétention.
Apple a repoussé à plusieurs reprises la nouvelle Siri, invoquant des problèmes d’ingénierie et des bugs. Ce retard a contribué à un règlement de 250 millions de dollars sur la manière dont Apple avait commercialisé les capacités IA de l’iPhone 16.
Microsoft a annoncé Recall en 2024 comme une « mémoire photographique », déclenchant un tollé immédiat sur la vie privée. Le géant a retardé la fonction près d’un an, et la controverse persiste : un chercheur en cybersécurité a construit un outil capable d’extraire les données capturées par Recall.
Notion Mail, lancé en avril 2025, doit fermer le 22 septembre — les utilisateurs préféraient des agents IA séparés pour gérer leur boîte de réception.
Humane AI Pin a levé 230 millions, puis fermé son activité en février 2025, la plupart des actifs rachetés par HP pour 116 millions.
Rabbit R1 a vendu 100 000 unités mais a été jugé inachevé. L’entreprise persiste, repositionnant l’appareil comme contrôleur informatique et annonçant « Project Cyberdeck » pour le vibe-coding portable.
Huxe, application audio IA construite par d’anciens développeurs de NotebookLM, a fermé en mai 2026 face aux plateformes proposant des expériences similaires à de larges audiences existantes.

Le schéma dominant n’est pas l’échec technique. C’est la plateformisation : un produit autonome deviennent une fonctionnalité intégrée chez un acteur qui contrôle la distribution. Relay face à Zapier intégré dans les assistants ; Huxe face à Spotify ; Notion Mail face aux agents de messagerie tiers ; Operator et Atlas absorbés dans ChatGPT. À quoi s’ajoutent les échecs de jugement sur l’acceptabilité sociale : Recall et le tollé sur la vie privée, Humane et la maturité produit.

Le marché de l’optimisation pour les moteurs de réponse

Symétriquement, un marché nouveau se structure sur la couche supérieure : la visibilité dans les réponses générées. Profound, qui construit des logiciels marketing pour aider les marques à apparaître dans les résultats de recherche IA, a levé mardi 180 millions de dollars en série D à une valorisation de 1,8 milliard — moins de sept mois après une série C de 96 millions. Sequoia et Kleiner Perkins ont mené le tour, avec la participation de Lightspeed, Khosla Ventures et South Park Commons.

Lancée il y a deux ans comme plateforme d’analyse, l’entreprise aide désormais les marques à comprendre comment l’IA influence la découverte de leur marque. Elle s’inscrit dans la vague des acteurs du GEO/AEO — generative engine optimization et answer engine optimization — où les entreprises cherchent à faire remonter leurs produits dans les systèmes d’IA que leurs clients utilisent de plus en plus pour la recherche. Profound revendique un revenu multiplié par trois en six mois et plus de 1 000 clients entreprises, dont Comcast, Estée Lauder et Walmart.

Le signal est intéressant à double titre. D’abord, il valide l’idée que la couche de découverte s’est déplacée du moteur de recherche classique vers le modèle de langage, et qu’un budget marketing suit ce déplacement. Ensuite, il pose une question de gouvernance : si la visibilité dans une réponse générée devient un actif commercialisable, la frontière entre optimisation légitime et manipulation d’un système opaque devient floue. Le parallèle historique avec le référencement classique tient — mais avec une différence de taille : dans le cas du GEO, l’entité à optimiser est un modèle dont personne, y compris son éditeur, ne peut expliquer précisément le classement des sources.

🤖 Nouveaux outils : les contre-exemples utiles

Il serait malhonnête de ne retenir que la facture. La journée a aussi livré des résultats qui documentent la valeur produite.

Google et les 300 langues. L’entreprise indique que ses technologies permettent des interactions quotidiennes dans plus de 300 langues, parlées par plus de 7 milliards de personnes, soit 86 % de la population mondiale. L’approche revendiquée dépasse la traduction de texte : il s’agit de modèles qui comprennent l’émotion, le ton et l’argot réellement employés. Sur le plan technique, l’entreprise décrit un passage de la transcription au traitement audio natif — des modèles comme Gemini traitant directement l’audio plutôt que de passer par un pipeline transcription-traitement-synthèse qui efface le ton, le rythme, l’émotion et le contexte. Les utilisateurs ne parlent pas en phrases propres et grammaticales : ils rient, se coupent la parole, hésitent, et mélangent les langues. Gemini 3.5 Live Translate alimente une traduction parlée en temps réel sur 70 langues et plus de 2 000 paires de langues, en capturant naturellement l’alternance codique et les indices émotionnels.

L’audit des étiquettes proxies. Un travail présenté le 16 septembre sur l’évaluation des classificateurs de texte montre un résultat de méthode important : le choix du document utilisé comme entrée fait partie de l’évaluation. Sur des événements de réparation de GE Aerospace, des rapports de sécurité NASA ASRS et des rappels de véhicules NHTSA, les auteurs comparent des enregistrements appariés des mêmes cas, à étiquettes et découpages fixés. Sur les trois champs de GE, le macro-F1 hors échantillon varie de 0,33 à 0,91, et un écart de 0,46 sépare le rapport client, écrit avant l’intervention, du rapport du technicien, écrit après le diagnostic mais avant la transaction qui génère l’étiquette. Cet écart est substantiellement plus grand que les différences de représentation et d’architecture testées sur les mêmes événements. Conclusion directement transposable : une évaluation doit être menée sur l’information disponible au point de décision visé, et doit documenter comment le document et l’étiquette ont été produits.

Le protocole d’audit de dérive de supervision. Autre contribution du même jour, un protocole d’audit à cinq couches pour les modèles de risque de crédit entraînés sur des étiquettes proxies et déployés en environnement changeant — performance de transfert, sonde d’écart à l’oracle, diagnostic de calibration, stabilité de la relation caractéristique-étiquette, contrôle positif synthétique. Les seuils et les règles de décision ont été verrouillés avant l’interprétation. Le résultat honnête : sur un jeu LendingClub, le classement est stable et les écarts à l’oracle faibles, le signal temporel le plus clair étant un décalage de prévalence et d’échelle de probabilité qu’une recalibration par simple intercept réduit largement, sans que sa cause soit identifiable. Les auteurs précisent que la cartographie des schémas vers des actions de gouvernance reste une orientation conceptuelle non validée. Les benchmarks de capacité ne suffisent pas à documenter l’impact réel d’un système sur les personnes que ses décisions concernent.

📊 Analyse : trois asymétries et une omission

Première asymétrie : géographique. Le bénéfice de l’IA est concentré — capital, talents, modèles, sièges sociaux. La nuisance est locale et beaucoup plus dispersée : un quartier, une nappe phréatique, un réseau électrique surchargé en période de canicule. Philadelphie n’a aucun modèle de fondation, mais pourrait héberger deux sites de data centers. Le moratoire n’est donc pas un refus de la technologie : c’est un refus d’être le point de décharge d’une chaîne de valeur dont le quartier ne capte presque rien.

Deuxième asymétrie : temporelle. Huang peut affirmer que le marché sanctionnera les mauvais produits. Mais les nuisances d’une raffinerie se sont matérialisées sur des décennies, et leur attribution causale n’a jamais été assez ferme pour produire une réparation. Le parallèle avec les data centers est presque trop net : la pollution est diffuse, l’attribution individuelle impossible, et le dommage mesurable seulement en épidémiologie. Une régulation qui attend la preuve épidémiologique arrive systématiquement après.

Troisième asymétrie : de l’information. Les abonnements Meta One vendent « plus d’usage de l’IA » sans publier les limites, invoquant la variabilité par pays, surface et conditions système. Les modèles sont vendus comme des capacités mais les unités facturées sont des tokens. Les utilisateurs n’ont aucun moyen de savoir combien de « générations d’images » représentent 7,99 $ de valeur, ni quelle part du coût va à l’inférence. Cette opacité tarifaire n’est pas illégale, mais elle empêche toute comparaison rationnelle, ce qui est précisément le mécanisme sur lequel repose l’argument du marché.

L’omission : le transfert de valeur vers les intermédiaires de visibilité. Tandis que le débat public porte sur les data centers et les abonnements, un marché moins visible se construit : Profound à 1,8 milliard pour optimiser la présence des marques dans les réponses générées. C’est la reconstitution, en quelques mois, de l’économie du référencement — mais appliquée à des systèmes dont la logique de classement est opaque même pour leurs concepteurs. Un tiers du budget marketing des entreprises pourrait bientôt être dépensé pour influencer un système dont personne ne peut expliquer les préférences. Cette couche d’intermédiation est le point aveugle du débat actuel sur la régulation : elle ne consomme presque pas d’énergie, ne se voit pas dans les statistiques d’emploi, et déplace pourtant une part significative de la valeur.

Le contrepoint à ne pas écarter. Il faut résister à la tentation du récit uniformément sombre. Les 7 heures hebdomadaires économisées par les scientifiques, les 300 langues couvertes, la libération de temps pour de la recherche réelle : ce sont des gains vérifiables documentés par les utilisateurs eux-mêmes. Mais le résultat le plus instructif de l’étude Google/DeepMind/MIT FutureTech est l’effet de second ordre : le goulot se déplace vers la validation et crée un arriéré d’hypothèses. C’est le pattern général de la journée. Accélérer une étape d’une chaîne ne produit pas un gain proportionnel : cela déplace la contrainte vers le maillon suivant, souvent plus difficile à industrialiser — la validation scientifique, la conversion en revenus chez l’éditeur, l’acceptation sociale d’une infrastructure, la confiance dans un agent.

🎯 À retenir

Le choc énergétique est plus structurel qu’annoncé : 18 milliards de pieds cubes de gaz par jour en 2035 pour les data centers américains, le double de la projection d’il y a neuf mois. Le gros de la hausse vient du réseau électrique, pas des centrales sur site — et la facture risque d’atterrir sur les abonnés des services publics.
Les moratoires locaux s’installent : New York (décret de la gouverneure Hochul), Denver, Indianapolis, Asheville, Charlotte, Reno. L’opposition n’est pas idéologique mais fondée sur l’expérience préalable de la pollution industrielle.
La plateformisation tue plus de startups IA que l’échec technique : Relay face à Zapier, Huxe face à Spotify, Notion Mail face aux agents tiers, Operator et Atlas absorbés dans ChatGPT. Environ 42 % des initiatives IA sont abandonnées.
Les échecs de jugement sur l’acceptabilité sociale sont documentés : Recall et la vie privée, Humane et la maturité produit, la refonte ChatGPT retirée, le règlement Apple de 250 millions sur le marketing de l’iPhone 16.
Un marché de la visibilité IA émerge à grande vitesse : Profound à 1,8 milliard, 3x de revenus en six mois, 1 000 clients entreprises. La couche d’intermédiation entre marques et modèles reproduit l’économie du référencement, sur des systèmes opaques.
Les gains sont réels mais déplacent la contrainte : 7 heures par semaine gagnées par les scientifiques, 300 langues couvertes — mais un arriéré d’hypothèses se forme. Accélérer une étape ne supprime pas le goulot, il le déplace.
La mesure doit suivre l’objet : les travaux du jour sur l’évaluation montrent qu’un écart de 0,46 de macro-F1 peut séparer deux documents du même événement. Évaluer sur l’information disponible au point de décision, pas sur celle qui donne le meilleur score.