Le 12 juillet 2026, George Hotz a publié sur son blog personnel un court billet de moins de 800 mots en anglais, intitulé I love LLMs, I hate hype (J’aime les LLM, je déteste le tapage). En moins de 24 heures, l’article a recueilli plus de 280 upvotes et 160 commentaires sur Hacker News.
Qui est George Hotz ? Pour faire court, c’est l’un de ces gens que la Silicon Valley admire et déteste à la fois. À 17 ans, il est devenu le premier à déverrouiller l’iPhone ; plus tard, il a craqué la PS3, puis fondé la société de conduite autonome comma.ai. Dans le cercle tech, son pseudonyme « Geohot » est un symbole — celui d’un talent rebelle et d’une méfiance naturelle envers l’autorité.
Mais cette fois, il ne craque aucun appareil. Il démonte un système de valorisation.
Un paradoxe de valorisation d’une grande simplicité
Hotz a écrit dans son article une phrase que les utilisateurs de HN ont qualifiée de « résumé extraordinairement précis de toute l’explication » :
Ma principale réserve sur la valorisation des laboratoires de pointe est la suivante : ils ne peuvent pas capturer cette valeur. Le fait que l’IA crée une énorme valeur est une chose ; le fait que l’entreprise qui la crée gagne de l’argent en est une autre.
Décortiquée, cette phrase pose deux questions. Premièrement : l’IA créera-t-elle une énorme valeur ? La réponse de Hotz est claire : oui. Dès l’ouverture de l’article, il dit avoir consacré toute sa carrière à l’IA et « j’aime ce progrès ». Deuxièmement : les entreprises d’IA de pointe qui ont créé de la valeur peuvent-elles la transformer en revenus et en profits ? C’est là son véritable doute.
L’auteur veut expliquer cette distinction par une analogie peu technique. L’invention de l’électricité a créé une valeur inestimable — sans électricité, la civilisation moderne n’existerait pas. Mais les centrales électriques ne sont pas, en soi, les entreprises les plus rentables du monde. L’industrie aéronautique contribue chaque année de plusieurs billions de dollars à l’économie mondiale, mais les actions des compagnies aériennes ne sont pas, sur le long terme, de bons investissements — un utilisateur de HN l’a écrit dans la discussion : « Delta Air Lines is jokingly called a bank that also runs an airline, because a large portion of their revenue comes from credit card fees. »
Créer de la valeur et capturer de la valeur sont deux choses totalement différentes.
Les LLM deviennent « l’eau du robinet »
Pourquoi les laboratoires d’IA de pointe pourraient-ils ne pas capturer la valeur ? Trois raisons centrales.
Première raison : l’écart de performance entre modèles se resserre. La même semaine où Hotz a publié, il a fait tourner sur sa machine Linux un modèle local appelé GLM-5.2, pour installer et configurer tmux. Son verdict : « magique, ça marche du tonnerre ». Or GLM-5.2 est un modèle open source — pas un produit payant d’OpenAI ou d’Anthropic. Un utilisateur de HN a écrit : « On ne peut ignorer la force du ‘assez bien suffit’. GLM-5.2 est peut-être moins performant que le meilleur modèle fermé, mais pour la plupart des gens et la plupart des besoins, il suffit amplement. »
Ce n’est pas un cas isolé. Les modèles open source Qwen d’Alibaba ont dépassé le milliard de téléchargements en janvier 2026. Les modèles à poids ouverts rivalisent déjà avec les modèles de pointe fermés sur les tâches de programmation — pour une fraction de leur coût.
Deuxième raison : le coût de changement tend vers zéro. Dans le logiciel, changer de fournisseur signifie généralement migration de données, reconversion, interruption d’activité. Mais changer de LLM ? Il suffit de modifier une adresse API, ou d’ouvrir une autre page web. Un utilisateur de HN décrit la réalité du marché actuel : « Anthropic pousse particulièrement les utilisateurs vers la facturation à l’usage de Fable. Mais OpenAI a lancé 5.6 Sol, suffisamment proche de Fable en performance, et — attention — inclus dans le forfait d’abonnement à 20 dollars par mois. Si Anthropic retire réellement l’accès à Fable sous quelques jours, je prédis un retour massif des utilisateurs vers OpenAI. » Comme l’a écrit Hotz dans un billet antérieur, AI has no moat (l’IA n’a pas de douve) : l’IA n’a pas de fossé défensif.
Troisième raison : la guerre des prix a déjà commencé. C’est un fait en cours. Début 2026, Anthropic a réduit le prix de Claude de 67 %. Un modèle facturé 60 dollars par million de tokens coûte désormais 1 à 2 dollars. L’arrivée de DeepSeek a poussé cette tendance à l’extrême. Le Wall Street Journal a rapporté en juin que OpenAI, proche de l’introduction en Bourse, envisage de réduire fortement le prix des tokens pour défendre son marché entreprise — et Anthropic, elle aussi proche de l’IPO, se prépare à faire de même.
L’équipe de recherche d’Epoch AI a suivi la baisse du prix d’inférence des LLM sur trois ans. Sa conclusion : sur des tâches comme le Q/R scientifique de niveau doctorat (GPQA Diamond), le coût d’obtenir des performances équivalentes à GPT-4 baisse d’environ 40 fois par an. La vitesse de baisse varie de 9 à 900 fois selon les tâches. Cette tendance est portée par l’efficacité matérielle, la miniaturisation des modèles et l’optimisation — mais quelle qu’en soit la cause, le résultat est le même : la sortie des LLM devient de plus en plus bon marché, bon marché comme l’eau du robinet.
Anthropic et OpenAI : deux chemins divergents
Face à la vague de commoditisation, les deux laboratoires de pointe prennent des directions différentes. Et ce désaccord reflète précisément la tension centrale du point de vue de Hotz.
Anthropic a choisi la facturation à l’usage. Sa logique : le modèle le plus puissant (comme Fable) coûte cher et ne peut être couvert par un forfait fixe — l’utilisateur doit donc payer pour les tokens qu’il consomme réellement. Cela semble raisonnable, mais le problème est le suivant : en abonnement, on utilise le meilleur modèle pour 20 à 200 dollars par mois ; en facturation à l’usage, le même usage peut passer à 1 000 ou 10 000 dollars.
Un utilisateur de HN se disant responsable du budget IA en entreprise a fait le calcul : « Je ne paierai certainement pas 1 000 dollars par mois pour le meilleur modèle, encore moins 10 000. Mon entreprise accepterait peut-être 1 000 dollars par mois, mais certainement pas 10 000. » Il poursuit : « Les laboratoires de pointe ont besoin que chacun réponde ‘je paierais volontiers 100 fois le prix actuel’ — et c’est impossible, car tout le monde sait maintenant comment construire ces modèles. »
Le choix d’OpenAI est différent. Ils ont placé GPT-5.6 Sol — un modèle d’une performance suffisamment proche de Fable — dans le forfait à 20 dollars par mois. C’est une stratégie diamétralement opposée : ne pas viser un revenu élevé par utilisateur, mais la taille de la base d’utilisateurs et les effets d’échelle de la part de marché.
Il est trop tôt pour dire qui a raison. Mais le jugement de Hotz est clair : pousser la facturation à l’usage est pour Anthropic « creuser sa propre tombe » — car en abonnement, la valeur des modèles de pointe a déjà été ancrée à un prix relativement bas. Une fois qu’on a pris l’habitude du « meilleur IA » à 20 dollars par mois, revenir à une facture explosant à l’usage est psychologiquement et économiquement irréaliste.
Le récit de l’apocalypse et l’histoire de la valorisation
L’article de Hotz est en fait la suite d’un autre billet publié deux semaines plus tôt. Son titre était plus tranchant : The doom justifies the valuation (l’apocalypse justifie la valorisation).
Il y écrivait être resté deux semaines à Berkeley et avoir trouvé l’IA baignée dans une étrange ambiance : un virus intellectuel, pas une technologie. Il cite un autre auteur, « schizoposting » : « La seule conclusion possible est que ce récit est conçu pour créer la panique. En fait, il est optimisé pour créer la panique : aucune description d’un produit réel ne provoque dans les médias et le public plus de tourbillons psychologiques que le ‘scénario de fin du monde de l’IA’. Il offre un cycle d’actualité de plusieurs années et un sujet de controverse à régénération infinie — et tout cela sert principalement à déplacer le cadre de référence de la valorisation de l’IA de la réalité vers une valeur future hypothétique. »
En d’autres termes, si vous écrivez simplement un blog technique honnête — « hé, notre modèle a progressé de 3 points sur un benchmark » — personne ne vous valorisera à des centaines de milliards. Mais si vous dites « cette technologie pourrait changer le cours de la civilisation humaine, nous devons la maîtriser avant qu’elle ne ‘échappe à tout contrôle’ » — alors le prix élevé a une histoire.
C’est l’envers du « paradoxe de valorisation » de Hotz : non seulement les laboratoires de pointe ne capturent peut-être pas la valeur créée par l’IA, mais leur valorisation elle-même repose sur un récit plus grand que la technique. Et quand un récit doit sans cesse s’intensifier pour soutenir la valorisation, la durabilité du récit lui-même devient un problème.
Que va-t-il se passer ?
L’auteur ne veut pas donner de « réponse » — cela dépasse non seulement son jugement, mais contredit la vocation de cet article, un commentaire exploratoire. Mais on peut démêler plusieurs forces à l’œuvre simultanément.
La force ascendante : l’IA crée bien une valeur réelle. GitHub Copilot a relevé la productivité des programmeurs d’un cran perceptible ; le remplacement par l’IA du service client en entreprise économise de vrais coûts ; dans la recherche — de la prédiction de structure des protéines aux preuves mathématiques — la contribution de l’IA est incontournable. Rien de tout cela n’est une bulle.
La force descendante : la vitesse de commoditisation dépasse celle de l’évolution du modèle économique. L’écart de capacité entre modèles se resserre, le coût de changement est quasi nul, la guerre des prix fait saigner chaque camp. Le commentaire d’un utilisateur de HN est vivant : « C’est comme Nvidia ou Intel prétendant avoir la meilleure performance de jeu, mais pour y parvenir, ils consomment plus d’électricité par image que n’importe quel concurrent — personne n’en a besoin. »
La force latérale : le flux de valeur se déplace. Comme l’ont fait remarquer des analystes, « les poches de profit migrent des fournisseurs de modèles de pointe vers l’aval — puissance de calcul, cloud, couche d’orchestration des applications ». En d’autres termes, l’entreprise qui fabrique le modèle n’est pas forcément la plus rentable. La plus rentable est sans doute celle qui vend la « pelle » (Nvidia), ou celle qui intègre le modèle dans des flux de travail existants, rendant l’outil indispensable.
L’attitude de Hotz envers l’IA est en fait bien plus optimiste que ne le laisse voir sa posture de critique. À la fin de l’article, il écrit : « L’IA est la suite de la révolution informatique. J’adore trop les ordinateurs. » Il ne déclare pas l’IA mort-née, il questionne une logique de valorisation précise : quand une technologie devient aussi banale et bon marché que l’eau et l’électricité, l’entreprise qui la fournit — aussi de pointe soit-elle — peut-elle générer des profits à la hauteur de sa valorisation ?
La réponse à cette question ne concerne peut-être pas seulement le cours de quelques actions. Elle concerne la façon dont nous comprenons la « valeur » — est-ce celui qui la crée qui l’obtient, ou celui qui l’utilise ?
Liens de référence :
- Geohot : I love LLMs, I hate hype
- Discussion HN (item?id=48883343)
- Epoch AI : LLM Inference Price Trends