Le paysage de l’intelligence artificielle traverse une phase inédite.
Jamais autant de laboratoires développant leurs propres modèles fondamentaux n’ont vu le jour en si peu de temps. Anciens cadres de la tech, chercheurs de renom et figures historiques de l’IA lancent aujourd’hui leurs propres structures, parfois avec des moyens colossaux… mais des intentions commerciales floues. Résultat : il devient difficile de savoir quels acteurs cherchent réellement à construire des entreprises rentables, et lesquels privilégient avant tout la recherche.
Alors que des géants comme OpenAI, Anthropic ou Google Gemini génèrent déjà des revenus massifs, une nouvelle génération de laboratoires brouille les repères traditionnels entre ambition scientifique et logique business.
Lire aussi :
- Pourquoi Demis Hassabis de Google DeepMind s’oppose-t-il à l’introduction des publicités dans ChatGPT ?
- Pourquoi la révision de la Constitution de Claude par Anthropic soulève-t-elle la question de la conscience de l’IA ?
Une échelle pour mesurer l’ambition plutôt que les revenus
Pour clarifier cette situation, certains observateurs proposent une grille de lecture simple : une échelle à cinq niveaux mesurant non pas le chiffre d’affaires, mais la volonté réelle de monétisation. À une extrémité, les acteurs déjà ultra-rentables. À l’autre, des projets purement scientifiques, presque détachés de toute pression commerciale.
Ce flou est d’autant plus problématique que l’industrie actuelle finance largement l’IA sans exiger de plan économique précis. Les investisseurs, conscients du potentiel immense du secteur, acceptent souvent de soutenir des projets dont la trajectoire commerciale reste abstraite. Cette liberté permet à certains laboratoires d’évoluer longtemps sans trancher entre recherche fondamentale et produits concrets — un luxe rare dans d’autres secteurs technologiques.
Des laboratoires prometteurs… mais aux intentions parfois ambiguës
Parmi les nouveaux venus, Humans& intrigue par son discours ambitieux sur la coordination et la communication entre intelligences artificielles. Bien que l’équipe évoque des outils collaboratifs susceptibles de remplacer Slack ou Google Docs, les contours exacts de ces produits restent flous, plaçant le laboratoire dans une zone intermédiaire entre vision et exécution.
Le cas de Thinking Machines Lab est encore plus incertain. Fondé par d’anciens responsables de ChatGPT, le projet semblait viser très haut. Mais des départs récents au sein de la direction ont semé le doute sur la solidité de sa feuille de route, laissant planer l’idée d’un décalage entre ambition affichée et réalité interne.
Entre science pure et potentiel commercial explosif
À l’inverse, World Labs, fondé par Fei-Fei Li, a surpris en transformant rapidement une expertise académique en produits concrets, notamment dans la modélisation de mondes virtuels. Cette accélération laisse entrevoir une transition possible vers un modèle fortement commercial.
Enfin, Safe Superintelligence, dirigé par Ilya Sutskever, incarne pour l’instant une vision quasi philosophique de l’IA, volontairement éloignée de toute pression marchande. Mais même ce type de projet pourrait évoluer rapidement si les avancées techniques ou le contexte économique l’exigent.
En définitive, cette nouvelle vague de laboratoires d’IA révèle une tension fondamentale : entre construire des machines capables de transformer le monde… et décider si, oui ou non, cette transformation doit aussi générer des milliards.
