La pause de l’IA de pointe peut se graver dans le silicium

D’autres sont allés plus loin en plaidant pour une pause dans l’entraînement de nouveaux modèles d’IA de pointe. L’argument opposé est que la réglementation, y compris l’autorégulation, a peu de chances d’être efficace. Quand bien même une pause serait possible en principe, il y a peu d’espoir qu’elle puisse être maintenue dans la pratique, étant donné que les États-Unis et la Chine redoutent par-dessus tout de se laisser distancer l’un par l’autre. Un nouveau rapport d’un groupe interdisciplinaire de chercheurs, dont nous faisons partie, conclut pourtant qu’une pause mondiale de l’entraînement de l’IA de pointe est à la fois possible et durable. Si elle est mise en œuvre de manière adéquate, une telle pause pourrait se prolonger pendant une décennie ou davantage, selon des facteurs tels que le rythme des gains d’efficacité dans l’entraînement de l’IA. Les modèles de pointe nécessitent des puces d’IA dont la chaîne d’approvisionnement est extrêmement concentrée. Une « pause gravée dans le silicium » exploiterait ce goulot d’étranglement en interrompant la production de puces d’IA capables d’entraînement. Elle permettrait de produire des puces capables d’exécuter rapidement l’inférence d’IA sur des modèles approuvés mais qui, du fait de leur conception, ne pourraient pas, en pratique, servir à entraîner de nouveaux modèles de pointe. Une fois la production de puces dédiées à l’inférence montée en puissance, les puces capables d’entraînement, produites avant la pause, seraient progressivement retirées, afin qu’elles ne puissent pas alimenter une reprise de la course à l’IA. Cette pause gravée dans le silicium permettrait aux États de récolter les bénéfices économiques de l’inférence d’IA sans poursuivre un entraînement susceptible de provoquer des bouleversements majeurs pour la société et la sécurité nationale. La chaîne d’approvisionnement des puces d’IA est extrêmement contrainte. Les machines de lithographie avancée (ultraviolet extrême) ne sont disponibles qu’auprès d’un seul fournisseur, l’entreprise néerlandaise ASML, et sont expédiées dans des conteneurs répartis sur vingt camions et trois avions-cargos. ASML dépend de miroirs fournis par une seule entreprise allemande d’optique de haute précision, Zeiss. Les terres rares raffinées ne proviennent que d’un petit nombre de pays. D’autres matériaux, comme le quartz de très haute pureté, ne viennent que de quelques sites. Quant à l’utilisation de ces puces, un acteur qui chercherait à contourner les règles en se servant d’un seul ordinateur pour entraîner un petit modèle d’IA pourrait être impossible à détecter. Il faudrait en revanche mobiliser des centaines de milliers de puces pendant des mois, voire des années, pour entraîner des modèles d’IA à une échelle nettement supérieure à celle des modèles de pointe actuels, comme Astra d’OpenAI. Après avoir réquisitionné un parc matériel d’une telle ampleur, un contrevenant devrait tromper le monde pendant longtemps en faisant croire que ce parc sert, par exemple, à une inférence lucrative et très gourmande en calcul. Cela suggère qu’un nombre limité d’interventions – notamment des contrôles sur la production et la vente de puces capables d’entraînement, de machines de lithographie avancée et de terres rares – contribuerait largement à soutenir une pause dans l’entraînement des modèles de pointe. Cela permettrait néanmoins de produire des puces réservées à l’inférence, comme certains circuits intégrés spécifiques à un modèle, qui gravent dans la puce l’architecture et les poids d’un modèle approuvé. Les puces spécifiques à un modèle existent déjà, mais leur attrait économique est limité par le renouvellement rapide des modèles de pointe. Leur production deviendrait plus intéressante si l’entraînement de nouveaux modèles de pointe était mis en pause. Certains objecteront qu’interrompre la production de puces capables d’entraînement ralentira les progrès de l’IA. C’est précisément le but. Cela dit, avec une coopération suffisante, on pourrait créer des sanctuaires scientifiques, gouvernés au niveau international, où des puces capables d’entraînement seraient utilisées pour des travaux de recherche déclarés et transparents. Une coopération autour d’une pause, entre les États-Unis et la Chine et plus largement, pourrait-elle toutefois tenir dans la durée ? Les États pourraient être tentés de faire défection à un tel accord, malgré les risques, si les gains potentiels des avancées de l’IA sont considérables ; et dissimuler une défection pourrait devenir moins difficile à mesure que les algorithmes d’entraînement gagnent en efficacité. Les décideurs devraient cependant comprendre qu’ils participent à un jeu répété, qu’une surveillance sera exercée, et que des gains immédiats peuvent être largement effacés par des pertes futures si l’accord s’effondre. Des mécanismes de contrôle adéquats peuvent limiter le risque de défection. L’histoire de la maîtrise des armes nucléaires suggère qu’un accord international vaut la peine d’être tenté. Il y a, bien sûr, des réserves. Les responsables politiques aux États-Unis et en Chine peuvent manquer de la patience nécessaire pour maintenir une coopération dans le temps. Étant donné les stocks existants de puces d’IA capables d’entraînement, les pays pourraient ne pas respecter une pause à moins qu’un recensement suffisamment complet ne soit réalisé. La fabrication des puces devrait être strictement surveillée, et les développeurs de modèles de pointe pourraient devenir des monopoles privilégiés, à moins qu’une réglementation ne les empêche d’abuser de leur pouvoir de marché. La question de savoir s’il faut mettre en pause le développement de l’IA de pointe relève des décideurs publics. Ils devraient toutefois reconnaître qu’une pause est possible et que, si elle est correctement mise en œuvre, elle a de fortes chances d’être tenable. 1- Professeur d’économie et de sciences politiques à l’université de Californie à Berkeley, est l’auteur, parmi ses ouvrages les plus récents, de Money Beyond Borders: Global Currencies From Croesus to Crypto (Princeton UniversityPress, 2026). 2- Maître de conférences en statistiques à l’université de Californie à Berkeley. 3- Professeur de philosophie et directeur du groupe de recherche en logique et méthodologie des sciences à l’université de Californie à Berkeley.