112 milliards de dollars de trou – la faillite cachée des Big Tech

Le projet Stargate – des centaines de milliards de dollars pour la construction de centres de données géants. Ce n'est pas une erreur : il s'agit de sommes comparables au PIB de petits pays. Microsoft, Google et Meta dépensent chaque année des dizaines de milliards en infrastructure GPU : Microsoft seulement a investi plus de 50 milliards de dollars en dépenses d'investissement en 2025, dont la majeure partie pour l'IA.

Le problème est caché dans la comptabilité. Les GPU de la génération H100 deviennent obsolètes en 2 ans avec la sortie des H200, B100, B200 – chaque génération suivante est 50 à 100% plus rapide que la précédente. Mais les entreprises enregistrent l'amortissement sur une période de 5 à 6 ans, créant une illusion comptable. Exemple : une entreprise a acheté des GPU pour 20 milliards de dollars. Dans les livres comptables, après 2 ans, ils « valent » toujours 13 milliards de dollars (avec une amortissement linéaire sur 6 ans). En réalité, ils valent environ 5 milliards de dollars, car la nouvelle génération fait le même travail deux fois plus vite et moins cher.

Cela crée un déficit caché : la différence entre la valeur comptable des actifs et leur valeur marchande réelle – des trillions de dollars dans l'ensemble de l'industrie. Quand (pas « si », mais « quand ») les auditeurs exigeront une réévaluation – cela pourrait provoquer des amortissements massifs, faire chuter les actions des entreprises d'IA et provoquer une crise de confiance pour l'ensemble du secteur.

Selon les prévisions des analystes, OpenAI accumulera environ 112 milliards de dollars de pertes d'ici 2030. Ce chiffre ne sort pas de nulle part : il reflète un problème fondamental du modèle économique de l'IA centralisée.

D'un côté, les revenus augmentent de manière impressionnante : des milliards de dollars chaque année grâce aux abonnements à ChatGPT et à l'API. D'un autre côté, les dépenses augmentent encore plus rapidement. Chaque nouvelle génération de modèle nécessite beaucoup plus de ressources :

• GPT-3 → GPT-4 : le coût de l'entraînement a été multiplié par environ 10.
• GPT-4 → GPT-5 : encore une croissance multiple – une courbe exponentielle.
• Inférence : des millions d'utilisateurs = des milliards de jetons par jour = des milliards de dollars par an en puissance GPU.

Ce modèle ne fonctionne qu'avec un afflux infini de capital-risque. OpenAI a levé des dizaines de milliards d'investissements, y compris des tours de Microsoft et SoftBank. Mais les investisseurs ne sont pas des philanthropes. Tôt ou tard, ils exigeront des bénéfices. La question n'est pas « si », mais « quand » – et que se passera-t-il à ce moment-là pour les millions d'entreprises construites sur l'API d'OpenAI ?

À titre de comparaison : Gonka a levé 80 millions de dollars et traite déjà de réelles requêtes d'IA via un réseau d'environ 4 648 GPU. Le coût de l'inférence est 0,0009 $ par million de jetons. C'est possible parce que dans le modèle décentralisé, il n'est pas nécessaire d'amortir des investissements de plusieurs milliards dans des centres de données.

Gonka ne construit pas de centres de données – elle réunit des GPU déjà existants partout dans le monde. Ce n'est pas simplement un modèle économique alternatif – c'est une architecture économique fondamentalement différente qui élimine la cause profonde de la bulle.

Pas de dépenses en capital : le réseau Gonka n'attire pas des centaines de milliards pour la construction. Le protocole, la blockchain, le logiciel – c'est tout ce que l'équipe crée. Les GPU sont fournis par des hôtes indépendants partout dans le monde – chacun à ses propres frais.

Pas d'amortissement étalé sur 6 ans : quand un H100 devient obsolète – l'hôte le remplace simplement par un H200 ou la génération suivante. La décision est prise par le propriétaire de l'équipement sur la base des conditions du marché, et non par le DAF d'une entreprise essayant de dissimuler des radiations.

Pas d'artifices comptables : toutes les transactions dans la blockchain Gonka sont transparentes. Les récompenses sont distribuées selon le protocole, audité par CertiK. Pas de dépenses « cachées » qui seront découvertes après 5 ans lors d'une réévaluation des actifs.

Risque distribué : chaque hôte supporte son propre risque. Si un hôte a fait faillite suite à un mauvais investissement en GPU – c'est son problème, non pas celui du réseau entier. Dans un modèle centralisé, une seule erreur de 10 milliards de dollars peut faire s'effondrer toute l'entreprise. Dans Gonka, une telle erreur est impossible par définition – car il n'y a aucun participant capable de prendre une décision de 10 milliards de dollars.

Résultat : le coût de l'inférence via Gonka est de 0,0009 $ par million de jetons. C'est environ 2 800 fois moins cher qu'OpenAI. Et ce prix est stable – car il n'y a pas derrière une infrastructure de plusieurs trillions à amortir.

Comparons deux modèles d'infrastructure d'IA :

Chez Gonka, environ 4 648 GPU sont opérationnels chez environ 113 participants (environ 582 nœuds ML). Le projet a levé 80 millions de dollars — c'est des milliers de fois moins que ce que dépense un seul Stargate. Mais le réseau fait la même chose : il traite les requêtes d'IA via le réseau neuronal Qwen3-235B, accessible via une API compatible OpenAI.

Analogie : imaginez qu'en 2000, quelqu'un ait proposé : « Au lieu de construire des serveurs géants pour Internet, mettons un mini-serveur chez chaque foyer et récompensons-les pour leur participation. » Cela semble utopique — mais c'est exactement ainsi que fonctionne Airbnb pour le logement, Uber pour le transport, et c'est exactement ainsi que fonctionne Gonka pour les calculs d'IA. La décentralisation n'est pas une utopie — c'est la prochaine étape de l'évolution de l'infrastructure.