Robert O’Callahan ne concevait pas de modèles. Chez Google DeepMind, en Nouvelle-Zélande, cet expert technique travaillait sur des outils de conception de puces, ceux qui ont aidé à rendre l’IA plus rapide et moins chère. Il vient de démissionner, en expliquant qu’il ne peut plus justifier cette contribution.
Il l’écrit sans détour : viser la superintelligence artificielle (ASI, une IA qui surpasserait l’humain dans presque tous les domaines) « dans un avenir proche est intrinsèquement irresponsable ». Le « rythme de changement actuel est bien trop élevé », estime-t-il. Reste à comprendre comment un ingénieur qui améliore des puces pèse sur la course à l’IA.
Un outil de conception de puces, à quoi ça sert ?
Une puce moderne compte des milliards de transistors. Personne ne les place à la main : des logiciels spécialisés décident de l’agencement des circuits, vérifient qu’ils fonctionnent, estiment leur consommation et leur échauffement. Plus ces outils progressent, plus un nouveau processeur sort vite, et plus il abat de calcul pour chaque watt consommé.
L’IA elle-même s’est invitée dans ces logiciels. Chez Google, AlphaChip, un système de DeepMind, agence une partie des circuits des dernières générations de TPU, les puces maison du groupe. NVIDIA a présenté dès 2023 ChipNeMo, un modèle de langage entraîné pour assister ses propres concepteurs.
Pour l’IA, le gain est direct. Entraîner un grand modèle puis le servir à des millions d’utilisateurs revient à acheter du calcul en quantité industrielle. Quand la puce devient plus efficace, le coût d’une réponse baisse, et le même budget permet d’entraîner plus gros ou plus longtemps.
Dans une ruée vers l’or, celui qui affûte les pioches ne creuse aucun filon. Il fait pourtant avancer tous les chercheurs d’or à la fois. O’Callahan occupait cette place-là.
L’accélération passe aussi par la salle des machines
Le débat public sur la vitesse de l’IA se concentre sur les modèles : leur taille, leurs capacités, leur calendrier de sortie. Ce calendrier s’est resserré, les grands laboratoires sortant désormais un modèle notable à quelques semaines, parfois quelques jours, d’intervalle.
Chaque modèle repose pourtant sur une pile d’outillage que le grand public ne voit jamais : compilateurs, bibliothèques de calcul, logiciels de conception de puces, infrastructure des centres de données. Chaque étage retire un peu de friction. Additionnées, ces optimisations abaissent le coût du calcul, et ce coût fixe le rythme auquel un laboratoire peut itérer.
Le départ d’O’Callahan rend ce mécanisme visible. Un ingénieur éloigné des modèles juge que son travail sur le matériel nourrit l’accélération même qu’il estime dangereuse.
Les plans de ralentissement ignorent le prix du calcul
Les plans en discussion visent les modèles de pointe. Dans son essai « We Must Pace the Frontier », publié le 12 septembre, Dario Amodei, PDG d’Anthropic, plaide pour des évaluateurs externes installés dans les laboratoires, puis pour une coordination entre entreprises et entre pays. La déclaration Pacing the Frontier, lancée par des salariés d’OpenAI, d’Anthropic, de Google DeepMind et de Meta, rassemble 1 386 signataires. Amodei précise lui-même que ce ralentissement ne suppose ni l’arrêt de l’entraînement ni celui du progrès technique.
Ces dispositifs examinent ce qui sort du laboratoire : un modèle, ses capacités, ses risques. Le coût du calcul leur échappe. Une puce plus efficace ne passe devant aucun évaluateur, un logiciel de placement de circuits non plus. Leurs gains se retrouvent pourtant dans chaque modèle suivant, qui coûte moins cher à entraîner que le précédent.
On peut ainsi freiner la mise sur le marché des modèles tout en laissant le coût de fabrication de l’intelligence continuer de baisser. Quand le frein se desserre, le calcul bon marché attend déjà.
Une liste de risques plus large que la superintelligence
O’Callahan ne se range pas pour autant parmi les catastrophistes. Il qualifie le risque posé par une superintelligence de « réel mais incertain ». Il renvoie au livre « If Anyone Builds It, Everyone Dies » d’Eliezer Yudkowsky et Nate Soares, sans reprendre leur thèse selon laquelle une IA superintelligente mènerait inévitablement au désastre.
Ses inquiétudes sont plus terre à terre : la « capitulation cognitive » (déléguer son jugement à la machine), des psychoses et une solitude induites par l’IA, la concentration du pouvoir, les bouleversements économiques, les risques de cybersécurité et l’absence de responsabilité. S’il fallait trancher, il miserait sur des dommages supérieurs aux bénéfices.
Selon lui, presque tous ses collègues de DeepMind nourrissent des inquiétudes sincères et sérieuses sur ces risques, même s’ils ne les expriment pas publiquement. Les personnes les mieux placées pour mesurer la vitesse du système sont aussi celles qui en parlent le moins.
Vos factures d’API baissent aussi grâce au matériel
Si vous intégrez des modèles dans vos produits, l’affaire a une traduction concrète. Vos factures d’API (les interfaces de programmation qui donnent accès aux modèles) affichent un prix par token (l’unité de texte sur laquelle les modèles sont facturés) en baisse. Cette baisse ne vient pas seulement de modèles mieux conçus : elle doit aussi au matériel et à l’outillage qui les font tourner, une couche que les propositions de ralentissement actuelles laissent de côté.
Deux conséquences en découlent. Vos hypothèses de coût ont de bonnes chances de rester favorables même si les sorties de modèles s’espacent : des usages encore trop chers aujourd’hui, comme les agents qui enchaînent des centaines d’appels, peuvent devenir rentables par ce seul effet. Et tout débat sérieux sur le rythme de l’IA devra intégrer cet étage, faute de quoi il ne réglera que la vitrine.
O’Callahan veut désormais se consacrer à un travail « sans ambiguïté favorable à l’humain ». Sa démission ne ralentira pas la production de puces. Elle laisse aux laboratoires un angle mort à combler : un frein appliqué aux seuls modèles laisse tourner à plein régime les ateliers qui rendent leur calcul moins cher.
Sources
Ils m’ont fait confiance
« Il ne se contente pas de corriger les symptômes, il cherche à comprendre l'origine des problèmes et à sécuriser les modifications effectuées. J'ai réellement le sentiment d'avoir trouvé un développeur qui comprend à la fois la technique et les enjeux globaux du projet. »
Évaluation client · projet WordPress · septembre 2026
5,0/5 sur 17 évaluations
Faire appel à mes services →
