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

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

• GPT-3 → GPT-4 : le coût d'entraînement a été multiplié par environ 10
• GPT-4 → GPT-5 : encore une multiplication — une courbe exponentielle
• Inference : 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 apport infini de capital-risque. OpenAI a levé des dizaines de milliards d'investissements, notamment auprès de Microsoft et SoftBank. Mais les investisseurs ne sont pas des philanthropes. Tôt ou tard, ils exigeront des profits. 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 ?

Pour comparer : Gonka a levé $80M et traite déjà des requêtes IA réelles via un réseau de 584 GPU. Le coût de l'inference est de $0.0069/1M de jetons. Cela est possible car dans un modèle décentralisé, il n'est pas nécessaire de rentabiliser des investissements de plusieurs billions dans des centres de données.

Gonka ne construit pas de centres de données — il agrège les GPU existants à travers le monde. Ce n'est pas simplement un modèle commercial alternatif — c'est une architecture économique fondamentalement différente qui élimine la cause profonde de la bulle.

Aucune dépense en capital (CAPEX) : 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 à travers le monde — chacun à ses propres frais.

Aucune dépréciation étalée sur 6 ans : lorsqu'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 en fonction des conditions du marché, et non par le directeur financier d'une entreprise essayant de masquer des dépréciations.

Aucune astuce comptable : toutes les transactions sur la blockchain Gonka sont transparentes. Les récompenses sont distribuées selon le protocole, audité par CertiK. Il n'y a pas de coûts « cachés » qui apparaîtraient dans 5 ans lors d'une réévaluation des actifs.

Risque distribué : chaque hôte assume son propre risque. Si un hôte fait faillite à cause d'un mauvais investissement dans des GPU, c'est son problème, pas celui de tout le réseau. Dans un modèle centralisé, une erreur de 10 milliards de dollars peut faire s'écrouler toute l'entreprise. Dans Gonka, une telle erreur est impossible par définition — car il n'y a pas un seul acteur capable de prendre une décision de 10 milliards de dollars.

Résultat : le coût de l'inférence via Gonka est de $0.0069 par million de tokens. C'est ~720 fois moins cher qu'OpenAI GPT-5.5. Et ce prix est stable — car il n'y a pas derrière une infrastructure d'un billion de dollars à amortir.

Comparons deux modèles d'infrastructure IA :

Gonka fait fonctionner 584 GPU (participants dans l'époque : 22, ML-nodes : 121). Le projet a levé $80M — c'est des milliers de fois moins que ce qu'un seul Stargate dépense. Mais le réseau fait la même chose : traite des requêtes IA via des modèles ouverts MiniMax M2.7, DeepSeek V4 Flash et GLM-5.3 Flash, disponibles via une API compatible OpenAI.

Analogie : imaginez que dans les années 2000, quelqu'un ait suggéré : « Au lieu de construire des serveurs géants pour Internet, demandons à chaque propriétaire de mettre en place un mini-serveur et d'être rémunéré pour sa participation ». Cela semble utopique — mais c'est exactement ainsi que fonctionnent Airbnb pour le logement, Uber pour le transport, et c'est exactement ainsi que fonctionne Gonka pour les calculs IA. La décentralisation n'est pas une utopie — c'est la prochaine étape de l'évolution de l'infrastructure.