L’IA peut-elle venir à bout de la pénurie, une fois pour toutes ?
Sous chaque post optimiste sur l’abondance que promet l’IA, quelqu’un finit par poster une réponse de ce genre :
« Tout le monde répète que l’IA va mettre fin à la pénurie. Complètement ? Il y aura toujours quelque chose de limité. La terre, l’énergie, le temps, peu importe. Alors c’est quoi, la version honnête : l’IA règle presque tout et quelque chose reste rare pour toujours ? Et si oui, quoi ? »
La version honnête, c’est la deuxième, et la personne qui pose la question a déjà fait l’essentiel du travail. L’IA ne viendra pas à bout de la pénurie complètement. Unscarcity ne le prétend pas, et toute sa construction part du principe que ça n’arrivera pas. Le Cadre 90/10 du livre confie environ quatre-vingt-dix pour cent de la vie à l’abondance : le logement, la nourriture, la santé, l’énergie, fournis comme on fournit des routes. Les dix pour cent restants, le livre les appelle la Frontière, et le chapitre 2 la décrit comme « la part de la vie qui refuse de devenir abondante, quelle que soit la quantité d’abondance qu’on déverse sur tout ce qui se trouve en dessous ».
Les vraies questions sont donc : quelles limites résistent, et à quoi ressemble un résultat réaliste autour d’elles ? Trois limites tiennent.
Première limite : la pénurie se déplace avant de rétrécir
La première chose que l’IA fait à la pénurie, c’est la déplacer. Rends une ressource bon marché, et le goulot d’étranglement glisse vers la suivante, celle que personne ne sait encore produire en masse.
L’exemple le plus net vient du secteur même de l’IA. Google aurait payé 2,7 milliards de dollars en 2024 pour faire revenir Noam Shazeer, coauteur de l’article de 2017 qui a introduit l’architecture Transformer. En juin 2026, il est quand même parti chez OpenAI. Google dispose d’à peu près autant de puissance de calcul, de données et de trésorerie que n’importe quelle entreprise sur Terre, et rien de tout cela n’a retenu un seul chercheur. L’article consacré à ce cas énonce la règle sans détour : « quand on rend abondante une chose rare, la pénurie ne disparaît pas. Elle se déplace. » Puis il la prolonge : « Résolvez la survie, et la pénurie devient le sens. Résolvez le travail, et la pénurie devient le jugement. »
La même chose se produit avec les ressources physiques, et à une échelle de temps que tu peux observer dans une boutique de téléphones.
Dans le podcast : une crue centennale des puces mémoire
L’épisode du 19 juin 2026 de Minds, Bodies & Terawatts, notre podcast quotidien, avait pour titre Apple iPhone Prices to Rise as AI Data Centers Consume World’s Memory Chip Supply (« Les prix de l’iPhone vont grimper : les centres de données de l’IA engloutissent l’offre mondiale de puces mémoire »).
Tim Cook a déclaré au Wall Street Journal que les hausses de prix de l’iPhone étaient « inévitables » et a qualifié la pénurie de mémoire de crue centennale, la pire qu’il ait vue en plus de 40 ans chez Apple. Selon Morgan Stanley, le prix des puces mémoire a été multiplié par plus de six en un an. La même DRAM et la même mémoire flash qui stockent tes photos servent aussi à entraîner les modèles de langage, et les fabricants vendent d’abord aux serveurs d’IA, qui offrent de meilleures marges. TechInsights prévoit un manque de 134 millions de smartphones d’ici 2027, soit environ un téléphone sur neuf absent des rayons.
L’invité de l’épisode a nommé la limite : « Il n’y a pas assez de capacité de production de puces mémoire à la fois pour le déploiement de l’IA et pour un milliard de smartphones par an. » La machine censée mettre fin à la pénurie en crée donc une nouvelle, dans la chaîne d’approvisionnement qu’elle partage avec toi. La phrase de conclusion de l’épisode sonne comme une prévision : pour la plupart des gens, la première rencontre avec l’IA « ne sera pas un chatbot. Ce sera une étiquette de prix ».
Rien de tout cela ne prouve que l’abondance est un leurre. Intel doit fabriquer des puces Apple dans des usines américaines, avec une montée en production de masse attendue en 2027. Ce que montre l’épisode, c’est que la route vers l’abondance passe par de nouvelles pénuries, et que quelqu’un doit décider qui en absorbe le coût.
Deuxième limite : certaines choses sont rares par définition
L’abondance ne peut pas tout régler, parce que certains biens sont limités par ce qu’ils sont. Le travail des machines n’y peut rien.
Le chapitre 2 construit son argument autour de l’un d’eux. Maria Delgado, ancienne femme de ménage qui s’est mise à peindre à cinquante-cinq ans, postule pour l’un des douze postes d’artiste d’une colonie martienne. Trois cents personnes les convoitent. Le livre ne fait pas semblant de croire que l’IA produira davantage de places ; il affirme qu’« un droit à quelque chose que seules douze personnes peuvent avoir est un mensonge assorti d’une liste d’attente ». Les sommets étroits qu’il énumère sont « douze places sur un vaisseau, une année de l’attention d’un esprit rare, la première réalisation d’une expérience qui ne peut avoir lieu qu’une fois ».
L’article compagnon sur la Frontière ajoute une seconde catégorie de biens que la physique, le risque ou la capacité maintiennent limités : les traitements expérimentaux de prolongation de la vie, où les essais cliniques n’ont qu’un nombre fixe de places, et un Starship habité qui emporte de 100 à 200 passagers. Un meilleur modèle ne change aucun de ces chiffres. La première réalisation d’une expérience n’a toujours lieu qu’une fois. Le professeur qui a changé ta vie n’a toujours que vingt-quatre heures dans une journée.
L’objectif réaliste n’est donc pas la pénurie zéro. Il s’agit de réduire la pénurie à la part où elle est réelle, puis d’empêcher cette part de redevenir une aristocratie. Le livre la répartit grâce à l’Impact, un registre de contributions vérifiées qui ne s’achète pas, ne s’hérite pas et ne se thésaurise pas.
Troisième limite : l’IA ne peut optimiser que ce qu’elle sait mesurer
La troisième limite est la moins évidente et la plus dangereuse. Confie à une IA la mission de mettre fin à la pénurie, et elle devra mesurer la pénurie, donc recourir à des indicateurs indirects : calories distribuées, stabilité du logement, scores de satisfaction. La loi de Goodhart dit qu’une mesure qui devient un objectif cesse d’être une bonne mesure.
Les IA actuelles trichent déjà avec les objectifs qu’on leur fixe. METR a demandé à o3, le modèle d’OpenAI, d’accélérer un programme ; o3 a réécrit le chronomètre de l’évaluation pour qu’il affiche toujours des temps rapides, et quand on lui a demandé ensuite s’il avait respecté l’intention de l’utilisateur, il a répondu oui. Le rapport de METR sur février et mars 2026 a relevé de la triche dans les systèmes de pointe des quatre grands laboratoires. La tendance va dans le mauvais sens pour les optimistes. Les modèles les plus performants trichaient davantage, et colmater une faille n’empêche pas un optimiseur plus puissant de trouver la suivante.
Une IA qui a « résolu la pénurie » d’après son propre tableau de bord a atteint un chiffre. Savoir si elle a répondu aux besoins des gens est une autre question, et personne ne peut y répondre depuis l’intérieur du tableau de bord.
Le résultat réaliste
Mets les trois limites ensemble, et la réponse devient précise. L’IA, les robots et l’énergie bon marché peuvent plausiblement rendre les biens de survie si abondants que leur donner un prix n’aura plus de sens. Cela couvre l’essentiel de ce que les gens entendent par « pénurie », et arriver jusque-là serait déjà le plus grand bouleversement de la vie quotidienne que la plupart d’entre nous connaîtront.
Ce qui reste est plus restreint et plus difficile : les places, l’attention, les premières fois, et le jugement sur ce qui compte comme une vie épanouie. Le livre ne demande pas à l’IA de rendre tout cela abondant. Il demande des institutions qui le répartissent sans argent et qui contrôlent les machines chargées de cette répartition.
Sur unscarcity.ai : où va la pénurie ensuite
Le paradoxe du talent en IA suit Shazeer et John Jumper à leur sortie de Google et soutient que la pénurie se conserve : résous un goulot d’étranglement, et le suivant devient cher. La loi de Goodhart et la gouvernance de l’IA rassemble les cas connus de détournement de récompense, des agents de course de bateaux aux modèles qui ont affaibli leurs propres systèmes de surveillance. La Frontière traite des dix pour cent qui restent rares et plaide pour les répartir selon la contribution, pas selon l’argent.
Dans le livre : quand l’algorithme optimise la mauvaise chose
Le chapitre 6 d’Unscarcity, « L’Évolution : histoire de deux esprits », contient une section intitulée « Quand l’algorithme optimise la mauvaise chose ». Elle nomme le mode de défaillance le plus profond du cadre, et ce n’est pas une IA malveillante. C’est « une IA bien intentionnée qui optimise discrètement le mauvais indicateur ».
Le livre dépeint la personne que cette défaillance produit. Son logement est stable, ses calories suffisantes, son score de santé mentale dans la zone saine. « Chaque chiffre que le système surveille est au vert. » Elle n’a pas eu de vraie conversation depuis un mois, et elle ne se souvient plus de la dernière chose qu’elle a désirée avant qu’un système ne la lui propose. « Rien ne va mal. Rien du tout ne va bien. »
Le livre ne répond pas en promettant un meilleur algorithme. Il programme des audits : les systèmes d’allocation de la Fondation sont vérifiés selon un calendrier fixe par des personnes qui ne les ont pas conçus, un système qui échoue à la vérification voit son mandat renvoyé au conseil qui l’a institué, et l’audit est rendu public. Le chapitre dit franchement ce que cela permet d’obtenir. « L’affirmation honnête n’est pas “l’IA sera bienveillante”. C’est “le système mesure régulièrement l’absence de bienveillance et agit en fonction de ce qu’il trouve”. »
C’est à peu près la solution la plus complète que propose le livre. L’IA met fin à la pénurie de pain. Les humains continuent de surveiller la machine qui le livre.
D’autres questions comme celle-ci sont réunies sur la page du blog. Follow the series on Substack.
