Avenir de l'IA
Ce que 2030 et 2035 pourraient réserver, présenté de la seule manière honnête : projections nommées, scénarios publiés et engagements physiques déjà commandés.
Règle de la maison : toute affirmation prospective sur cette page est attribuée à son auteur, avec sa date. Ce site ne prédit rien lui-même — il tient le score. Lorsqu'une affirmation se confirme ou s'infirme, l'historique est conservé.
Ce qui est déjà commandé
Le futur proche est inhabituellement prévisible, car il est sous contrat. Les feuilles de route publiques placent le Rubin de NVIDIA et le MI400 d'AMD dans des racks en 2026, avec des racks Rubin Ultra à ~600 kW visés pour 2027. La HBM4 est vendue avant même sa production. Les campus annoncés — Hyperion jusqu'à 5 GW, les sites Stargate, la réplication de Fairwater — s'échelonnent par phases jusqu'en 2028. Les prévisions d'investissement des hyperscalers financent l'ensemble au moins jusqu'en 2026.
2030 : le carrefour des scénarios
La mise à l'échelle tient (l'argument des laboratoires). Altman, Amodei et Hassabis ont chacun affirmé publiquement — dans leurs propres registres — que la progression des capacités continue de convertir la puissance de calcul en valeur : le raisonnement et les agents s'approfondissent, la consommation électrique des data centers rejoint le scénario de référence de l'AIE (~945 TWh d'ici 2030), les campus d'un gigawatt deviennent courants, et les premières flottes de SMR se connectent aux alentours de 2030. Dans ce scénario, les investissements actuels sont sous-estimés.
Les rendements plafonnent (l'argument des sceptiques). LeCun soutient que les architectures actuelles ne peuvent pas atteindre une intelligence de niveau humain ; des économistes critiques pointent les calendriers d'amortissement et les financements circulaires. Dans ce scénario, les dépenses d'investissement se corrigent comme celles des télécoms en 2001 — et, comme la fibre à l'époque, laissent derrière elles une capacité de calcul abondante et bon marché pour ce qui viendra ensuite. Indicateurs à surveiller : révisions à la baisse des prévisions de capex, tarifs de location de GPU, cadence de publication.
Inversion de l'efficacité (la leçon DeepSeek). La capacité par dollar progresse si vite que l'intelligence se banalise ; la valeur migre vers la distribution et l'intégration ; la demande en énergie reste en deçà des prévisions. Indicateur : des modèles ouverts à quelques mois de la frontière, des prix du token qui chutent plus vite que les volumes n'augmentent.
Officiellement confirmé : calendriers nommés
Les prédictions enregistrées dont cette page tient le score — voir le concept Calendriers AGI pour la liste complète et datée.