Note : Ceci est une note de recherche complétant le livre L’ère de la post-pénurie, désormais disponible à l’achat. Ces notes approfondissent les concepts du texte principal. Commencez ici ou procurez-vous le livre.

Effets de Réseau : Pourquoi les Riches Deviennent Réseautés et les Réseautés Deviennent Riches

En 1876, Alexander Graham Bell tenait un appareil qui pouvait parler à exactement un autre appareil. Utile ? À peine. Vous pouviez appeler votre voisin—s’il en possédait un aussi. Ce qui n’était pas le cas.

Avancez rapide jusqu’à aujourd’hui : 8 milliards de personnes portent des téléphones qui peuvent joindre n’importe qui, n’importe où, instantanément. Chaque nouveau téléphone n’a pas seulement ajouté de la valeur pour son propriétaire—il a rendu tous les autres téléphones plus précieux. Ce n’est pas de l’économie normale. Ce sont les effets de réseau, et ils sont silencieusement devenus la force la plus puissante façonnant la civilisation moderne.

Voici ce qu’on ne vous a pas dit en Économie 101 à propos des effets de réseau : ils ne sont pas juste une astuce de croissance pour les entreprises tech. Ils sont un puits gravitationnel. Une fois qu’une plateforme atteint une masse critique, s’échapper devient presque impossible—pour les utilisateurs, pour les concurrents, et de plus en plus, pour des économies entières. Facebook n’a pas battu MySpace parce qu’il était meilleur. Il a battu MySpace parce que tout le monde était déjà sur Facebook.

Et maintenant, alors que l’IA et la robotique remodèlent l’économie, les effets de réseau ne font pas que rendre certaines entreprises grandes. Ils créent des dynamiques qui pourraient verrouiller les structures de pouvoir pour des générations.

Cela importe pour quiconque pense à l’économie d’abondance, parce que la transition de la rareté à l’abondance ne se produit pas dans le vide. Elle se produit sur des plateformes. Et les plateformes avec de forts effets de réseau tendent vers le monopole, pas la démocratisation.

Décortiquons pourquoi.

Que Sont les Effets de Réseau, Réellement ?

Les effets de réseau se produisent quand un produit devient plus précieux à mesure que plus de gens l’utilisent. Cela semble évident jusqu’à ce que vous réalisiez que la plupart des produits ne fonctionnent pas ainsi.

Un sandwich n’a pas meilleur goût parce que plus de gens mangent des sandwiches. Votre voiture ne roule pas mieux parce que votre voisin en a acheté une aussi. Mais un téléphone ? Chaque nouveau propriétaire de téléphone rend votre téléphone plus précieux, parce que maintenant il y a une personne de plus que vous pouvez appeler.

La définition formelle : « Les effets de réseau sont un phénomène où la valeur d’un produit ou service augmente à mesure que plus de gens l’utilisent. »

Mais il existe différentes saveurs de ce phénomène, et comprendre les différences est crucial.

Effets de Réseau Directs : Plus d’Utilisateurs = Plus de Valeur (Évident)

Les effets de réseau directs sont le type intuitif. Chaque nouvel utilisateur augmente directement la valeur pour les utilisateurs existants.

Exemples :

Téléphones : Un téléphone = presse-papier. Deux téléphones = conversation coûteuse. Un milliard de téléphones = l’effondrement de la distance comme barrière significative à la communication humaine.
Réseaux sociaux : Facebook avec 10 utilisateurs est une liste email glorifiée. Facebook avec 3 milliards d’utilisateurs est là où votre grand-mère partage des théories du complot sur les tours 5G.
Applications de messagerie : WhatsApp est inutile si vos amis sont sur Telegram. WhatsApp est essentiel si tous ceux que vous connaissez l’utilisent.

Les mathématiques sont élégantes. Robert Metcalfe (inventeur d’Ethernet) a remarqué que la valeur d’un réseau croît proportionnellement au carré de sa taille. La Loi de Metcalfe dit que si vous avez 10 nœuds, vous avez 45 connexions possibles (10 fois 9 divisé par 2). Doublez les nœuds à 20, et vous obtenez 190 connexions—plus de quatre fois autant.

Cela crée des courbes de croissance explosives qui ressemblent à de la magie jusqu’à ce que vous compreniez les mathématiques. Ce n’est pas de la magie. C’est juste la multiplication faisant ce que la multiplication fait.

Effets de Réseau Indirects : Le Sandwich de Plateforme

Les effets de réseau indirects sont plus subtils et sans doute plus puissants. Ils se produisent dans les marchés bilatéraux (ou multilatéraux) où différents groupes d’utilisateurs bénéficient de la participation de l’autre.

Exemples :

Uber : Plus de chauffeurs signifient des temps d’attente plus courts pour les passagers. Plus de passagers signifient plus d’affaires pour les chauffeurs. Aucun groupe ne se soucie directement de la taille de son propre groupe—ils se soucient de l’autre groupe.
App stores : Plus d’utilisateurs iPhone attirent plus de développeurs d’applications. Plus d’applications attirent plus d’utilisateurs iPhone. Apple siège au milieu, collectant 30 % de chaque transaction.
Consoles de jeux vidéo : Personne n’achète une PlayStation pour le matériel. Ils l’achètent pour les jeux. Mais les développeurs ne font des jeux que pour les plateformes avec des joueurs. Poule, rencontre œuf.

Le génie des entreprises de plateforme est qu’elles peuvent créer de la valeur juste en connectant des groupes qui ont besoin l’un de l’autre. Airbnb ne possède aucune propriété. Uber n’emploie aucun chauffeur. Ils sont juste l’entremetteur, et l’entremettage à grande échelle vaut des centaines de milliards de dollars.

Effets de Réseau de Données : Le Volant d’Inertie IA

Et maintenant nous arrivons à la variante qui compte le plus pour notre futur d’abondance IA : les effets de réseau de données.

Les effets de réseau de données se produisent quand un produit, généralement alimenté par l’apprentissage automatique, devient plus intelligent à mesure qu’il obtient plus de données des utilisateurs. Plus d’utilisateurs génèrent plus de données. Plus de données améliorent l’algorithme. Un meilleur algorithme attire plus d’utilisateurs. Rincez, répétez, jusqu’à ce que vous ayez construit un fossé compétitif indestructible.

C’est souvent appelé le volant d’inertie de données, et c’est pourquoi les entreprises IA sont obsédées par l’engagement des utilisateurs :

« Le volant d’inertie de données est l’idée que plus d’utilisateurs vous donnent plus de données qui vous permettent de construire de meilleurs algorithmes et ultimement un meilleur produit pour obtenir plus d’utilisateurs. »
— jxnl.co sur le Volant d’Inertie de Données

L’enfant vedette des effets de réseau de données est le programme Full Self-Driving de Tesla. Alors que les concurrents testent des véhicules autonomes avec des flottes de centaines de voitures spécialement instrumentées, Tesla a plus de 5 millions de véhicules collectant des données de conduite—environ 50 milliards de miles par an, ou 100 000 miles par minute.

Au T1 2025, la flotte FSD de Tesla avait accumulé près de 7 milliards de miles cumulatifs, incluant 2,5 milliards de miles dans les rues urbaines. Chaque mile enseigne quelque chose à l’IA. Chaque cas limite améliore le modèle. Chaque client est un collecteur de données non payé, et ils ont payé Tesla 12 000 $ pour le privilège.

Cela crée un « cycle vertueux » presque impossible à briser pour les concurrents : plus de données mènent à une meilleure IA, une meilleure IA mène à plus de clients, plus de clients mènent à plus de données. RBC projette que Tesla générera 53 milliards de dollars annuellement du FSD et des licences d’ici 2035. Pas mal pour un constructeur automobile qui a trébuché en devenant une entreprise IA.

Le Problème du Gagnant-Rafle-Tout

Voici où les effets de réseau deviennent troublants pour quiconque aime la compétition, la démocratie ou le pouvoir distribué.

Les effets de réseau ne créent pas juste des avantages—ils créent des avantages composés. Chaque nouvel utilisateur n’ajoute pas de valeur linéairement ; ils multiplient la valeur existante. Cela signifie que l’écart entre leader et challenger s’élargit avec le temps, ne se rétrécit pas.

Imaginez deux réseaux sociaux lançant le même jour. Le Réseau A obtient 1 000 utilisateurs. Le Réseau B obtient 1 001 utilisateurs. Avec l’économie linéaire, ils sont essentiellement identiques. Avec les effets de réseau, cet utilisateur supplémentaire pourrait cascader vers la dominance—les utilisateurs invitent des amis, les amis invitent des amis, et avant que vous ne le sachiez, le Réseau B a 100 millions d’utilisateurs pendant que le Réseau A peine à atteindre 50 000.

C’est pourquoi les marchés de plateformes tendent vers le monopole. Selon la recherche de NFX sur les effets de réseau, les effets de réseau sont responsables d’environ 70 % de la valeur créée par les entreprises tech depuis 1994. L’économie d’internet n’est pas juste légèrement concentrée—elle est presque féodale.

Le Jeu de Pouvoir de Plateforme IA

Ce qui nous amène à 2025 et la question que personne dans la tech ne veut répondre honnêtement : L’IA va-t-elle démocratiser le pouvoir ou le concentrer ?

La vue optimiste dit que l’IA est fondamentalement différente. Les modèles convergent en capacité. Des alternatives open-source existent. Pas moins de 14 entreprises différentes ont produit des modèles surpassant le GPT-4 original. La compétition est féroce.

La vue pessimiste dit que c’est temporaire. Les modèles fondamentaux exhibent des économies d’échelle massives—entraîner un modèle de frontière coûte maintenant des centaines de millions de dollars, avec des étiquettes de prix d’un milliard de dollars projetées dans quelques années. Les exigences en capital seules créent un « triopole » où seule une poignée d’organisations peut jouer.

Et il y a une nouvelle forme de verrouillage émergeant qui est encore plus effrayante que les effets de réseau traditionnels : les réseaux de mémoire.

Réseaux de Mémoire : Quand l’IA Se Souvient de Tout

Les effets de réseau traditionnels favorisent les plateformes dominantes, mais les réseaux de mémoire rendent cette dynamique bien plus extrême. Pourquoi ? Parce que les réseaux traditionnels accumulent des connexions, alors que les réseaux de mémoire accumulent l’intelligence sur vous.

Pensez à votre relation avec ChatGPT, Claude, ou Gemini sur des mois d’utilisation. L’IA apprend votre style d’écriture, vos préférences, vos projets, vos patterns de pensée. Il devient meilleur pour anticiper ce dont vous avez besoin. Robert Siegel de Stanford argumente que cela crée de la « viscosité »—plus vous l’utilisez, moins vous êtes susceptible de changer.

« Si vous continuez à poser des questions à ChatGPT, qui apprend mieux vos comportements, et que vous l’aimez, il n’y a aucune raison de partir tant qu’il est compétitif. »

Ce ne sont pas juste des coûts de changement basés sur l’inconvénient (comme déplacer vos contacts vers un nouveau téléphone). Ce sont des coûts de changement basés sur l’intelligence. La nouvelle plateforme ne vous connaît pas. Cela prend des mois ou des années pour reconstruire cette relation. Votre contexte accumulé—votre soi numérique—devient otage de la plateforme.

OpenAI construit explicitement autour de cela. La mémoire et la personnalisation créent du verrouillage fournisseur. Une fois que vous commencez à déposer votre histoire cognitive dans une plateforme, déplacer ces données devient pratiquement impossible. Ce n’est pas un fichier que vous pouvez exporter. C’est une relation que vous devriez reconstruire de zéro.

Le jeu final ? Un monde où changer de plateforme IA ressemble à changer d’identité—si douloureux que même un concurrent supérieur ne peut arracher les utilisateurs.

Effets de Réseau en Robotique : Le Volant d’Inertie Physique

Si les effets de réseau de données sont effrayants dans le logiciel, ils sont terrifiants dans le matériel.

Le marché mondial de la robotique a atteint près de 50 milliards de dollars en 2025, croissant à 14 % annuellement vers un projeté 111 milliards de dollars d’ici 2030. Et les entreprises de robotique courent pour construire les mêmes types de volants d’inertie de données qui ont rendu Tesla et OpenAI dominants.

Le Projet GR00T de NVIDIA vise à créer des modèles fondamentaux à usage général pour robots humanoïdes—essentiellement un système d’exploitation qui apprend de chaque robot qui le fait tourner. Plus de robots déployés, plus le modèle est intelligent. Plus le modèle est intelligent, plus les nouveaux robots deviennent précieux.

L’investissement suit la logique : Apptronik a levé 350 millions de dollars en financement de Série A. Figure AI cherche une valorisation de 39,5 milliards de dollars—15 fois son tour précédent. Les startups chinoises Robot Era et EngineAI ont sécurisé des millions.

La vision est explicite : « Les collaborations transparentes entre écosystèmes de robotique concernent plus que la compatibilité technique ; elles peuvent aussi remodeler comment les industries exploitent l’innovation mondiale. » Ces systèmes interconnectés pourraient jeter les bases d’une nouvelle ère dans laquelle la robotique pilotée par IA devient un multiplicateur de productivité universel.

Mais « multiplicateur de productivité universel » coupe dans les deux sens. Si les robots d’une entreprise dominent, leur volant d’inertie de données devient inarrêtable. Chaque tâche effectuée, chaque objet manipulé, chaque mouvement raffiné devient donnée d’entraînement pour la génération suivante. Les entrants tardifs font face à un concurrent qui a accumulé des milliards d’heures d’expérience du monde réel.

Des clusters régionaux se forment déjà. La Chine compte 54 % des installations mondiales de robots—environ 295 000 robots en 2024 seul. L’écosystème robotique de Pittsburgh inclut 250+ entreprises et 7 300+ emplois à travers 18 verticales industrielles. L’infrastructure se verrouille.

Effets de Réseau vs. Économie d’Abondance : La Tension Centrale

Voici la vérité inconfortable au cœur du cadre de la post-pénurie : les effets de réseau et l’économie d’abondance pointent dans des directions opposées.

L’économie d’abondance dit qu’à mesure que la technologie rend les biens moins chers à produire, ils devraient devenir accessibles à tous. L’énergie solaire, la main-d’œuvre robotique et la cognition IA courent toutes vers un coût marginal proche de zéro. En théorie, cela signifie accès universel.

Les effets de réseau disent qu’à mesure que les plateformes deviennent plus précieuses, elles consolident le pouvoir. Le gagnant prend non seulement des parts de marché mais les données, les utilisateurs et l’infrastructure dont les futurs concurrents auraient besoin. En pratique, cela signifie des gardiens.

Ces forces entrent directement en collision dans la transition IA.

Considérez le logement (un essentiel de La Fondation en termes de post-pénurie). Les coûts de construction s’effondrent à mesure que la construction modulaire et la robotique avancent. Mais l’accès au logement est médié par des plateformes—bases de données immobilières, algorithmes hypothécaires, systèmes de zonage—qui exhibent tous des effets de réseau. Zillow et Redfin n’ont pas juste digitalisé les annonces ; ils ont accumulé des données sur les prix, préférences et marchés que les nouveaux concurrents ne peuvent répliquer.

Ou considérez la santé. Les diagnostics IA deviennent incroyablement capables. Mais les entreprises entraînant ces systèmes ont besoin de données patients—beaucoup. Celui qui obtient les données en premier construit le volant d’inertie en premier. Mass General Brigham et Mayo Clinic courent pour s’associer avec des entreprises IA précisément parce qu’ils comprennent que leurs données sont un avantage diminuant—utilisez-les ou perdez-les.

Le modèle est cohérent : abondance dans la production entre en collision avec concentration dans la distribution. La technologie rend les choses bon marché. Les plateformes rendent l’accès cher.

La Thèse de Réorganisation de la Rareté

Un travail académique récent suggère que l’IA n’élimine pas la rareté—elle la réorganise. Même quand l’IA livre l’abondance technologique, la rareté se déplace vers où « les contraintes se lient et les rentes sont générées ».

Le cadre identifie cinq couches où la rareté et la formation de rente surviennent :

Ressources physiques et espace (terre, minéraux, eau)
Infrastructure (énergie, calcul, centres de données, usines)
Capacités (savoir-faire organisationnel de haute confiance)
Institutions (gouvernance de l’accès)
Juridictions (capacité d’application et sécurité)

Notez ce qui n’est pas sur cette liste : production de biens. L’IA peut rendre la production de choses essentiellement gratuite. Mais contrôler les plateformes, l’infrastructure et les institutions qui distribuent ces choses ? C’est là qu’émergent de nouvelles raretés—et de nouveaux monopoles.

C’est pourquoi le cadre de la post-pénurie met l’accent sur l’infrastructure plutôt que le revenu. Le revenu de base universel donne aux gens de l’argent à dépenser dans des marchés dominés par des monopoles à effets de réseau. Ces monopoles capturent l’argent. La provision directe d’infrastructure—logement, nourriture, énergie—contourne entièrement les gardiens.

Briser les Effets de Réseau : Est-ce Possible ?

Les effets de réseau ne sont pas littéralement incassables. L’histoire offre des exemples de réseaux dominants déplacés.

MySpace avait des effets de réseau. Facebook a gagné quand même—en partie grâce à un meilleur produit, en partie grâce à des mécaniques virales, en partie grâce au timing (mobile). BlackBerry avait le verrouillage entreprise. iPhone et Android ont gagné quand même—en redéfinissant entièrement la catégorie de produit.

La recherche suggère plusieurs facteurs peuvent affaiblir les effets de réseau :

Multi-hébergement. Si les utilisateurs peuvent facilement utiliser plusieurs plateformes simultanément, aucune plateforme ne capture toute la valeur. Les gens ont des comptes sur LinkedIn, Instagram, Twitter, TikTok et threads—chacun sert des objectifs différents.

Apprentissage localisé. Le volant d’inertie de données de Tesla l’aide dans les géographies où les Teslas sont communes. Mais les conditions de conduite à Mumbai diffèrent de Miami. Les concurrents locaux pourraient construire de meilleurs modèles locaux.

Rendements décroissants aux données. Après un certain point, plus de données n’améliorent pas proportionnellement les algorithmes. La millionième heure de conduite compte moins que les mille premières.

Alternatives open-source. Llama, Mistral et d’autres modèles ouverts fournissent un plancher en dessous duquel les modèles fermés ne peuvent tomber. Vous pouvez toujours basculer vers quelque chose qui est 80 % aussi bon gratuitement.

Réglementation. Le Digital Markets Act de l’UE cible explicitement les monopoles à effets de réseau. Les exigences d’interopérabilité, la portabilité des données et les règles anti-préférence peuvent réduire les coûts de changement.

Mais notez ce que toutes ces mitigations ont en commun : elles nécessitent une conception intentionnelle. Les marchés laissés à eux-mêmes ne résistent pas naturellement à la concentration par effets de réseau. Vous avez besoin soit de conditions de marché chanceuses (opportunités de multi-hébergement, différenciation locale) soit d’intervention délibérée (mouvements open-source, action réglementaire).

L’Approche de La Fondation : Infrastructure Abondante, Pas de Gardiens

le cadre de la post-pénurie s’attaque aux effets de réseau en retirant les services essentiels des dynamiques d’effets de réseau entièrement.

La Fondation (90 % des ressources) fournit logement, nourriture, énergie, santé et coordination comme infrastructure—pas comme produits médiés par des plateformes. Vous ne cherchez pas de logement sur Zillow ; vous obtenez un logement. Vous ne comparez pas des plans santé sur un marché ; vous obtenez des soins de santé.

Cela importe parce que les effets de réseau nécessitent des marchés. Ils sont une propriété de la compétition—de plateformes se battant pour des utilisateurs, d’utilisateurs choisissant entre options. S’il n’y a pas de compétition parce que tout le monde obtient l’accès automatiquement, les effets de réseau n’ont rien sur quoi s’accrocher.

Considérez l’analogie avec les routes. Conduire exhibe des effets de réseau—plus de conducteurs justifient plus d’infrastructure, plus d’infrastructure attire plus de conducteurs. Mais nous ne laissons généralement pas une entreprise posséder toutes les routes et facturer des péages monopolistiques. Nous traitons les routes comme infrastructure publique, accessible à tous, financée collectivement.

La Fondation applique cette logique aux besoins de survie. L’abondance rend ces biens bon marché à produire. La provision directe assure qu’ils sont bon marché à accéder. Aucune plateforme ne siège au milieu extrayant de la valeur.

L’Ascension (10 % des ressources)—la couche de véritable rareté comme la recherche de frontière, l’exploration spatiale et l’expansion de conscience—opère via des mécanismes compétitifs. Mais même ici, le système Impact intègre la dégradation (les accomplissements s’estompent avec le temps) et les exigences de diversité (la Garde de Diversité empêche toute faction de capturer le contrôle). Les effets de réseau sont canalisés plutôt qu’éliminés.

Ce Que Cela Signifie pour la Transition

Si vous lisez ceci en 2025, les batailles d’effets de réseau sont déjà en cours. OpenAI, Anthropic, Google, Meta et quelques autres courent pour établir des plateformes IA qui pourraient définir l’infrastructure cognitive du XXIe siècle.

Les enjeux sont à l’échelle de la civilisation :

Scénario A (Star Wars) : Une ou quelques plateformes IA atteignent des effets de réseau inattaquables. Elles contrôlent non seulement le logiciel mais les données, les modèles et éventuellement les robots et systèmes énergétiques. L’abondance existe, mais l’accès est contrôlé. Une aristocratie technologique émerge, et les masses sont économiquement inutiles mais biologiquement vivantes—maintenues dociles avec des bénéfices de niveau subsistance.

Scénario B (Star Trek) : Les technologies d’abondance sont délibérément structurées pour prévenir les monopoles à effets de réseau. IA open-source, plateformes interopérables, infrastructure publique pour les essentiels. Les effets de réseau existent toujours dans le luxe et les domaines de frontière, mais La Fondation est protégée.

Nous sommes actuellement sur une trajectoire vers le Scénario A. Le capital, le talent et la capture réglementaire favorisent tous la concentration. OpenAI a attiré 78 % des visiteurs uniques quotidiens vers les sites web de modèles IA de base dans des enquêtes récentes. ChatGPT a 700 millions d’utilisateurs actifs hebdomadaires.

Mais les trajectoires peuvent changer. Les modèles open-source comblent l’écart. Des cadres réglementaires émergent. Et plus de gens commencent à comprendre que la structure des plateformes IA déterminera si la technologie d’abondance libère l’humanité ou crée le système de pouvoir concentré le plus sophistiqué de l’histoire.

Les effets de réseau sont de la physique. Comment nous y répondons est de la politique.

Lien avec la vision de la post-pénurie : Les effets de réseau expliquent pourquoi simplement rendre les choses abondantes ne suffit pas—les canaux de distribution peuvent devenir des canaux d’extraction. La Fondation contourne les dynamiques d’effets de réseau pour les essentiels en fournissant l’infrastructure directement plutôt que par les marchés. L’Ascension préserve la compétition pour le sens et l’accomplissement de frontière mais utilise la dégradation d’Impact et la Garde de Diversité pour empêcher toute faction de capturer le contrôle de manière permanente. C’est ainsi que vous obtenez l’abondance sans féodalisme : en reconnaissant que les effets de réseau sont réels, puissants et dangereux—puis en architecturant autour d’eux délibérément.

Effets de Réseau : Pourquoi Facebook a Gagné et Pourquoi les Monopoles IA se Profilent