La dispute a commencé sur un podcast et s’est envenimée en règlement de comptes public sur X. Un investisseur, un ancien conseiller IA de la Maison-Blanche et l’ancien directeur scientifique de l’IA de Meta y accusent le patron d’Anthropic de vendre la peur pour obtenir des règles taillées à sa mesure. Dario Amodei répond en déplaçant le terrain de jeu : les modèles ouverts ne cassent pas la concentration du pouvoir, ils la transfèrent à ceux qui possèdent les puces.
Le goulot d’étranglement change d’étage
Dans son quatrième message de l’année sur X, Amodei qualifie l’alternative de faux choix. Dans une partie de la Silicon Valley, écrit-il, on part du principe que toute régulation équivaut à une capture réglementaire, c’est-à-dire à une industrie qui écrit ses règles à son propre bénéfice. Trop simple, selon lui : une régulation peut aussi brider le pouvoir des entreprises et servir les citoyens, à condition que des institutions solides ancrent ce pouvoir dans des idées plutôt que dans des personnes.
L’argument central tient en une inversion. Les modèles à poids ouverts (les paramètres numériques du modèle, librement téléchargeables) ne règlent le problème qu’à moitié : ils déplacent la concentration vers ceux qui disposent du plus de puissance de calcul et du plus grand nombre de puces IA, donc vers les mêmes grands laboratoires. Si l’IA se centralise, c’est par sa structure même, à cause des scaling laws : ces courbes lient la performance d’un modèle à la quantité de calcul et de données injectées. Les lois n’y sont pour rien.
La mécanique de la réponse compte davantage que son contenu. Le camp de l’ouverture parle de diffusion : qui peut télécharger, modifier, héberger. Amodei répond sur la production : qui peut entraîner. Les deux propositions tiennent en même temps, et c’est précisément ce qui rend la sienne si confortable : elle requalifie en décoration tout contre-pouvoir situé ailleurs que dans les data centers.
Les poids ouverts servent moins à entraîner qu’à durer
Yann LeCun défend l’ouverture au nom de l’accès au savoir, en comparant l’IA à l’imprimerie et à internet. Il y ajoute le besoin d’une diversité de systèmes porteurs de valeurs différentes, comme une société a besoin d’une presse plurielle. L’argument est politique. Il en existe un plus prosaïque, que ce fil n’explore jamais et qui concerne directement quiconque met des modèles en production.
Des poids ouverts ne vous donnent pas la capacité d’entraîner un modèle de pointe : Amodei a raison sur ce point, et personne de sérieux ne prétend le contraire. Ils vous donnent autre chose. La reproductibilité d’une évaluation, l’exécution sur une infrastructure que vous contrôlez, la spécialisation par fine-tuning (le réentraînement d’un modèle généraliste sur vos propres données), et la garantie qu’une version ne disparaîtra pas du jour au lendemain parce qu’un fournisseur a décidé de l’abandonner. OpenAI et Google tiennent d’ailleurs les deux bouts : gpt-oss sous licence Apache 2.0, les Gemma sous une licence maison qui autorise l’usage commercial, quand leurs modèles de pointe restent propriétaires. Amodei mesure le pouvoir comme la capacité de construire. Un praticien le mesure comme la capacité de continuer.
Un seuil d’exemption a une date de péremption
Anthropic conçoit ses propositions pour ralentir les laboratoires de tête et favoriser les petits, affirme son patron, preuve à l’appui : la loi californienne SB 53 exonère totalement les entreprises situées sous un seuil de chiffre d’affaires ou de coût d’entraînement. L’exemption est réelle. Sa portée l’est moins qu’il n’y paraît.
Un seuil de ce type photographie un instant. Le coût d’entraînement nécessaire pour atteindre un niveau de capacité donné baisse avec le temps : un plafond exprimé en dollars laisse donc filer, année après année, des modèles de plus en plus capables, tout en soumettant à la règle les start-up dès qu’elles grandissent. L’exonération ressemble à une remise à l’entrée plus qu’à une asymétrie durable en faveur des petits. Et le paramètre qui décide de tout, la hauteur du seuil, se négocie avec ceux qui savent exactement où il passe.
Stigler renvoyé à l’expéditeur
David Sacks a répliqué en neuf points. Sa remarque la plus gênante porte sur un silence : Amodei ne conteste pas les propos rapportés par Gavin Baker, selon lesquels il aurait déclaré en interne qu’Anthropic pourrait devenir un jour la seule entreprise privée au monde, face aux seuls États, alors qu’il pourrait facilement le démentir. Sur le fond, Sacks juge qu’Amodei combat un adversaire imaginaire, puisque presque personne ne soutient que toute régulation est une capture. Il rappelle la définition qu’en donnait l’économiste George Stigler, prix Nobel : une industrie acquiert les règles et les fait tourner à son bénéfice, tandis que le gain du public reste diffus et désorganisé. Il ajoute qu’Anthropic a recruté plusieurs anciens responsables de l’IA de l’administration Biden.
En face, le chercheur d’Anthropic Sholto Douglas juge cette lecture totalement fausse. La concentration économique du pouvoir serait justement ce que l’entreprise craint le plus, dans un marché qu’il décrit comme le plus concurrentiel du monde, où chaque géant court après des modèles plus intelligents et moins chers. Les deux camps ne parlent pas du même pouvoir. L’un compte les parts de marché, l’autre compte les portes d’entrée chez le régulateur. On peut être minoritaire sur le premier tableau et très bien placé sur le second.
Votre autonomie se chiffre en heures de calcul
Si le goulot d’étranglement est le calcul, la licence du modèle éclaire moins votre situation que votre accès à l’inférence. Trois vérifications concrètes, valables pour des modèles ouverts comme fermés :
- Le modèle que vous servez tourne-t-il sur du matériel que vous pouvez louer ailleurs demain, et à quel prix par million de tokens (l’unité de texte facturée par les fournisseurs) ?
- Que devient votre jeu d’évaluations si la version derrière l’API change sans préavis ?
- Disposez-vous d’une porte de sortie déjà testée, ou seulement d’un modèle de secours jamais mis en charge ?
Ces trois réponses décrivent votre dépendance réelle bien mieux que le duel ouvert contre fermé. Elles expliquent aussi pourquoi la disponibilité des poids garde de la valeur même quand elle ne change rien à la course aux modèles de pointe : elle vous laisse l’option de partir.
Amodei décrit une mécanique solide et en tire une conclusion qui l’arrange : puisque les scaling laws centralisent, mieux vaut encadrer les puissants que diffuser les modèles, et autant rédiger l’encadrement soi-même. Chacune des deux moitiés se défend. Le point aveugle de toute la dispute est ailleurs : si la centralisation vient du calcul, une politique publique capable de la déplacer porterait sur l’accès aux puces et à la capacité de calcul, pas sur les licences de poids. Personne, dans ce fil, ne l’a mise sur la table.
