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 cumulera environ 112 milliards de dollars de pertes d'ici 2030. Ce chiffre n'est pas sorti 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 grâce aux abonnements ChatGPT et aux API. De l'autre, les dépenses augmentent encore plus vite. Chaque nouvelle génération de modèles nécessite beaucoup plus de ressources :

• GPT-3 → GPT-4 : le coût d'entraînement a été multiplié par environ 10
• GPT-4 → GPT-5 : une nouvelle 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 afflux infini de capital-risque. OpenAI a levé des dizaines de milliards d'investissements, y compris des tours de table auprès de Microsoft et SoftBank. Mais les investisseurs ne sont pas des mécènes. 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 OpenAI ?

À titre de comparaison : Gonka a levé 80 millions de dollars et traite déjà des requêtes IA réelles via un réseau de ~4 648 GPU. Le coût d'inference est de 0,003 $/1M de jetons. Cela est possible car dans le modèle décentralisé, il n'est pas nécessaire de rentabiliser des investissements de mille milliards de dollars dans les centres de données.

Gonka ne construit pas de centres de données — elle connecte des GPU déjà existants à travers le monde. Ce n'est pas seulement 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 ne lève pas des centaines de milliards pour la construction. Le protocole, la blockchain, le logiciel — c'est tout ce que crée l'équipe. Les GPU sont fournis par des hôtes indépendants à travers le monde — chacun à ses propres frais.

Pas d'amortissement étalé sur 6 ans : lorsque le H100 devient obsolète, l'hôte le remplace simplement par un H200 ou la génération suivante. La décision est prise par le propriétaire du matériel en fonction des conditions du marché, et non par le directeur financier d'une entreprise essayant de masquer des dépréciations.

Pas d'astuces comptables : 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 dépenses « cachées » qui seraient découvertes dans 5 ans lors d'une réévaluation des actifs.

Risque distribué : chaque hôte supporte son propre risque. Si un hôte subit des pertes à cause d'un mauvais investissement dans un GPU, c'est son problème, pas celui de tout le réseau. Dans le 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 aucun participant ne peut prendre une décision impliquant 10 milliards de dollars.

Résultat : le coût d'inference via Gonka est de 0,003 $ par million de jetons. C'est environ 830 fois moins cher qu'OpenAI. Et ce prix est stable — car il n'est pas adossé à une infrastructure à mille milliards de dollars qu'il faudrait rentabiliser.

Comparons deux modèles d'infrastructure IA :

Gonka fait fonctionner environ 4 648 GPU chez ~113 participants (~582 ML-nœuds). 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 des requêtes d'IA via le réseau neuronal Kimi K2.6, accessible via une API compatible OpenAI.

Analogie : imaginez que dans les années 2000, quelqu'un propose : « Au lieu de construire des serveurs géants pour Internet, demandons à chaque propriétaire de maison d'installer un mini-serveur et de recevoir une récompense 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.