Comment la puissance de calcul limite-t-elle ce que les modèles d’IA peuvent faire?

Le « calcul » (compute) désigne la capacité de traitement dont une entreprise dispose : les puces, plus l’électricité et les centres de données qui les font fonctionner. Contrairement à un site Web, un modèle d’IA coûte de l’argent réel chaque fois qu’on l’utilise. Dans une entrevue à Scientific American, le chercheur en politiques de l’IA Lennart Heim l’explique simplement : utiliser l’IA 10 fois plus coûte au fournisseur environ 10 fois plus.

La raison générale pour laquelle le calcul décide de qui mène se trouve dans notre survol des puces et de l’électricité. Cet article examine le mécanisme : où la limite se fait réellement sentir.

Une seule réserve, trois tâches

Imaginez les puces d’un laboratoire comme un budget fixe d’heures-machine, réparti entre trois tâches.

Lennart Heim propose de penser en termes de calcul de R-D contre calcul de service, plutôt qu’avec l’opposition habituelle entre entraînement et inférence. Les chiffres montrent pourquoi.

Exemple chiffré : où est allé le calcul d’OpenAI

Epoch AI, un groupe de recherche qui suit les ressources de l’IA, a estimé les dépenses d’infonuagique d’OpenAI en 2024 à partir de reportages et de ses propres modèles de coûts. Ce sont des estimations avec de grandes marges d’erreur, et non des divulgations de l’entreprise.

(Les parts sont notre arrondi et leur somme n’est pas exacte.) Epoch en conclut que la majeure partie du calcul de R-D est allée à des expériences, et non aux entraînements qui ont produit les modèles publiés. Le fameux « coût d’entraînement d’un modèle » n’est donc qu’une petite tranche de ce qu’il a fallu pour y arriver.

L’article de DeepSeek sur V3 fait la même distinction de l’autre côté. Il rapporte 2 048 GPU H800 et un entraînement officiel de 5,576 millions $ US, en précisant que ce chiffre exclut la recherche et les expériences antérieures. Un laboratoire qui a moins de puces peut quand même réussir un bon entraînement final. Ce qu’il sacrifie, c’est le nombre d’essais.

La répartition bouge aussi. Selon Epoch, le calcul d’OpenAI en 2025 s’est réparti à peu près également entre la R-D et l’inférence, alors que la R-D avait eu une plus grande part l’année précédente. À mesure que les utilisateurs arrivent, le service prend une plus grande part de la réserve.

La vitesse de croissance de la réserve

Le calcul croît vite, et la demande encore plus vite.

Un équivalent H100 exprime un parc de puces variées en nombre de GPU H100 de Nvidia qui l’égaleraient. Epoch note qu’OpenAI et Anthropic possèdent très peu de ce matériel et le louent surtout à des fournisseurs de nuage.

Où l’on voit les limites

Les limites apparaissent rarement sous forme d’annonce. Elles se manifestent dans des décisions de produits :

• Les plafonds d’utilisation. Scientific American rapporte qu’à la fin de mars 2026, de grands utilisateurs de Claude ont atteint des limites de cinq heures en 20 minutes, et qu’Anthropic a dit à ses abonnés que les sessions s’épuisaient plus vite aux heures de pointe. L’entreprise a aussi empêché certains outils tiers de puiser dans les forfaits à prix fixe. Anthropic n’a rien d’exceptionnel ici, mais c’est un exemple clair de ce à quoi ressemble la rareté pour un client qui paie.
• Les produits abandonnés. Le même article indique qu’OpenAI a commencé à fermer Sora, son outil vidéo, alors que l’usage de son assistant de programmation Codex explosait.
• Les lancements limités. Certains modèles de pointe n’atteignent d’abord que quelques clients, une tendance traitée dans pourquoi les meilleurs modèles sont lancés au compte-gouttes.
• Les choix de conception. Les laboratoires choisissent des architectures qui font moins de calcul par jeton, comme le mélange d’experts, et de « petits » modèles moins coûteux s’occupent des requêtes courantes.

Lennart Heim explique ces manques de capacité ainsi : surbâtir coûte très cher et la demande est difficile à prévoir, si bien que les entreprises essaient de bâtir seulement ce qu’il leur faut et peuvent en manquer. Selon lui, elles préfèrent actuellement rationner plutôt qu’augmenter les prix, pour que chacun garde un certain accès. Plus loin dans la chaîne, les limites sont physiques : les usines de puces, la mémoire et l’électricité. TSMC a dit en octobre 2026 que l’écart entre la demande et l’offre restait grand.

Une réserve sur tout cela : plus de calcul ne donne pas automatiquement un meilleur modèle. Il y a débat sur la question de savoir si les progrès continueront de suivre le calcul, et une méthode astucieuse peut faire plus avec moins. Ce qui précède montre que le calcul limite le nombre d’essais et le nombre d’utilisateurs qu’un laboratoire peut gérer. Il ne montre pas que le calcul décide seul du gagnant.

Que pouvez-vous faire quand les limites de calcul vous touchent?

Traitez votre utilisation comme un budget, parce que c’en est un. Les longues conversations, les gros fichiers téléversés et les modes de réflexion poussés utilisent tous plus de calcul par réponse. Ouvrir une nouvelle conversation pour une nouvelle tâche, envoyer seulement la partie utile d’un document et prendre un plus petit modèle pour le travail courant vous permettront généralement d’aller plus loin avec votre forfait.

Si votre travail dépend de l’IA, évitez de compter sur un seul fournisseur à une seule heure de la journée. Gardez un deuxième outil prêt et déplacez les tâches non urgentes hors des heures de pointe. Les développeurs peuvent utiliser les modes par lots lorsqu’ils existent, mettre en cache le contexte répété et traiter les erreurs de limite de débit avec de nouvelles tentatives.

Si le travail est sensible ou régulier, faire tourner un petit modèle ouvert sur votre propre matériel élimine complètement la file d’attente partagée, mais ajoute ses propres coûts et limites. Peu importe la voie choisie, tenez pour acquis que les limites et les prix peuvent changer, et vérifiez les conditions actuelles de votre fournisseur avant de bâtir un processus autour d’elles.