IA
et contenus

Qualité de l'information

L'intérêt de l'IA (en résumé des LLM) pour le gros du public tient beaucoup aux caractéristiques des documents analysés par le logiciel durant la phase préalable à son utilisation dite d'apprentissage.

Ces documents dits corpus ou dataset valent par leur originalité, exhaustivité, précision, univocité, fraîcheur, objectivité, concision, bonne structuration...

Pour un professionnel bénéficiant de l'IA la valeur de tout contenu de bonne facture selon ces critères augmente, et il voudra de plus en plus en disposer exclusivement.

À ce titre l'IA ne menace pas l'auteur souhaitant être rémunéré mais seulement sa volonté de publier largement ses oeuvres, par exemple sur un site web accessible à tous, plutôt que de les réserver à ses clients.

Cela dynamise le marché des experts et outils capables d'évaluer des corpus, de les cataloguer, d'en réserver l'accès à qui paie pour cela...

Ce marché de l'AI-ready data, en particulier de la donnée de haute qualité, connait une croissance soutenue. Des groupes de presse et assimilés signent des contracts de concession exclusive ou prioritaire: Reddit, Le Monde...

Ceci vaut pour de nombreuses formes de création de l'esprit, métadonnées (description, popularité...), oeuvres artistiques et création «à la manière de» comprises: Shutterstock, Getty Images... 

La valeur d'une offre jugée adéquate tient à sa rareté , à une exclusivité. Celle des soubassements techniques (LLM, circuits électroniques, réseaux...) diminue car ils deviennent autant de commodités. Celle des informations de qualité perdurera.

En 2026 la volonté de se ménager accès exclusif à du savoir laisse supputer que des institutions achètent, numérisent et détruisent secrètement des livres.

La compétitivité tiendra à ce qui est su mais ne l'est pas d'un concurrent, donc au secret.

Recette

Pour le patron-type l'information de qualité doit être non seulement parfaitement utilisée par ses salariés afin d'améliorer l'efficacité de l'entreprise, mais aussi maintenue confidentielle afin qu'aucun concurrent ne l'obtienne.

Ces objectifs antagonistes étaient jusqu'à présent poursuivis en acceptant de préserver certaines informations sous forme orale plutôt que consignées par écrit. Il n'existait pas d'ensemble de documents formant une recette décrivant complètement comment reproduire les actions de l'entreprise, facilement exploitable par un concurrent.

Avant l'avènement de l'informatique la recette était surtout orale, incomplète, diffuse, obsolète, mal structurée...

Cela rassurait le patron ainsi que les salariés dont la valeur reposait pour partie sur ces informations, chacun d'eux s'en réservant ainsi un pan, plus ou moins partagé afin de réduire le facteur d'autobus qui reflète bien certains aspects de la qualité d'une organisation: s'il est trop élevé la valeur du savoir-faire local est douteuse, s'il est trop faible l'entreprise est fragile.

L'IA ébranle cela car, pour en bénéficier au mieux, on la laisse reposer sur un apprentissage dont le corpus est non seulement générique afin de permettre la conversation avec l'humain, mais aussi constitué de données abritées dans le système d'information de l'entreprise, chacune étant une parcelle de la recette.

Pour en préserver la confidentialité le logiciel animant le LLM est isolé de sorte que seuls les habilités à y accéder le pourront. Ils seront réputés sûrs, le LLM apprendra en continu grâce à eux, mieux encore que grâce aux astuces du moment, et sa capacité à produire une bonne recette et à l'expliquer augmentera au gré d'interactions.

Aujourd'hui un humain comprenant le besoin du moment tel qu'un problème à résoudre ou une potentielle amélioration de l'existant, et capable de vite bien décrire les moyens et résultats correspondants peut efficacement utiliser un LLM, et si ce dernier apprend ainsi à mesure il devient de plus en plus apte à le remplacer.

Plus généralement la proportion des interactions entre salariés, partenaires, fournisseurs... analysée par le LLM augmentera vite, surtout s'il écoute des conversations. La surveillance ainsi rendue possible aura des effets intéressants.

Plus il sera utile, plus il sera utilisé, meilleure sera la recette qu'il pourra livrer, donc plus il sera utile.

Le système d'information d'aujourd'hui abrite le gros des données et quelques éclairages sous forme de procédures et de documentations techniques, et est déjà considéré déterminant pour la bonne marche et la compétitivité de l'entreprise.

Celui de demain reposera sur un LLM qui disposera à mesure du gros des informations échangées donc pourra à tout moment livrer au moins une bonne part de la recette, et l'expliquer clairement à quasi n'importe qui. Y compris au prestataire remplaçant un salarié remercié pour rétention d'information ou tentative d’intoxication du LLM.

L'impact sur la capacité à concurrencer ou fusionner des entreprises sera majeur.

Ce que l'on fait savoir au LLM l'alimente en savoir-faire, il devient ainsi un enseignant capable de l'expliquer, de le transmettre... y compris à un autre LLM disposant d'autres connaissances. Des effets d'interconnexions de LLMs surprendront.

Il deviendra de plus en plus vital de déterminer, y compris à la volée, qui peut ou non prendre connaissance ou modifier quoi.

Ici encore la compétitivité tiendra à ce qui est su mais ne l'est pas d'un concurrent, donc au secret.

Concurrence

L'appropriabilité varie selon le domaine

Un défi majeur et négligé est la proportion des fruits d'une innovation qu'une nation ou entreprise peut se réserver, très faible en recherche fondamentale, à peine meilleure dans le monde du logiciel, et fort bonne dans le cas de l'électronique.

La valeur professionnelle d'un chercheur en science fondamentale est sa réputation, faite de l'intérêt porté à ses publications. Il veut et doit publier. Cela diffuse vite les avancées.

Le monde du logiciel est similaire car de plus en plus teinté d'opensource de par la volonté des auteurs de publier leurs oeuvres afin de gagner en réputation, et pour de nombreuses autres raisons dont la facilité d'intégration et la volonté de pouvoir auditer.

De plus la spécialisation y est moindre qu'en sciences, le full-stack developer est de moins en moins rare et sans équivalent chez les scientifiques.

Bénéficier d'une avancée en intégrant un nouveau logiciel à un système existant est d'ordinaire plus facile qu'appliquer une découverte scientifique parce que quasiment tous les logiciels fonctionnent sur des ordinateurs de grande diffusion et sont bâtis sur des composants interopérables, des «briques» interchangeables, facilitant leur mise en oeuvre.

En matière d'IA, par exemple, publier une part non négligeable des moyens (modèles "open weight") facilite l'adoption du logiciel et renforce la réputation de son auteur. La diffusion de savoir-faire périphérique (relatif à la mise en oeuvre, à l'optimisation...) qui en résulte accentue ce phénomène de banalisation. 

Des entreprises chinoises contrent ainsi leurs concurrentes américaines (OpenAI, Anthropic, SpaceXAI...) qui louent accès à leurs LLMs plus avancés et non publiés. La culture locale favorise cela car, en Chine, techniciens et ingénieurs partagent depuis longtemps de l'information sans guère de considération pour la propriété intellectuelle, effective ou potentielle, y compris détenue par leur entreprise.

La distillation de connaissances est un autre facteur réduisant l'avantage de l'auteur d'un LLM.

Les performances d'un matériel sont mesurables, celles d'un LLM ne le sont pas de façon consensuelle car dépendent étroitement du contexte et du mode d'utilisation. La réputation d'un LLM se construit de façon informelle, en particulier via des plateformes neutres, Hugging Face en tête, qui réduisent beaucoup l'importance des investissements visant à promouvoir: un LLM performant gagne vite du terrain même s'il est publié anonymement.

Les données collectées par Hugging Face reflètent l'évolution de l'utilisation des LLMs, l'histoire de l'intérêt porté à chacun d'eux par une forte proportion des usagers qui sont des prescripteurs, ainsi que les types de besoins (applications, modes d'utilisation...). Ces informations facilitent l'optimisation des circuits électroniques animant les LLM, c'est pourquoi l'achat de Hugging Face par Nvidia dont c'est le coeur de métier n'est pas étonnant. Cette dynamique augmente les montants des investissements nécessaires aux entreprises concevant et fabriquant ces circuits.

Dans le cas des circuits électroniques la propagation d'avancées est moins rapide. Le logiciel gravé dans la puce, en particulier, est aussi dissimulé que possible. L'outillage ("tooling") logiciel renseigne sur le genre d'approche adopté (jeu d'instructions, architecture...), est lui aussi de plus en plus opensource (des LLMs avec Nemotron à Mesa-NVK, en passant par LLVM-MLIR, Dynamo-Triton... rendant gratuit ce qui complète ses produits, en une manoeuvre de banalisation), et la rétro-ingénierie, aux outils et résultats eux-mêmes de plus en plus largement publiés, progresse. Pour autant construire, paramétrer et maintenir les machines et environnements nécessaires à un fabricant de circuits raisonnablement à la pointe est considérablement plus difficile que ne pas perdre pied en matière de logiciel (la dépendance des fondeurs à ASML est connue).

Pour les mêmes raisons investir afin de créer du logiciel offre une meilleure capacité aux développeurs de s'en éloigner avec leur création, en somme à capter une part des investissements à leur profit. Les progrès fulgurants en 2026 des capacités de LLMs en matière de rétro-ingénierie (certains sont à présent capables d'analyser un exécutable binaire afin de produire un code source fonctionnellement équivalent) confèrent cette capacité à des tiers.

En outre l'importance relative du matériel dans les systèmes augmente car depuis des décennies des circuits électroniques assurent des fonctions de plus en plus évoluées, «le logiciel descend dans le matériel».

Sur ce plan la révolution en cours, induite par les LLMs, repose sur des assemblages de fondamentaux théoriques anciens (réseaux de neurones, statistique, traitement de signal, optimisation...). Elle ne doit rien à une découverte d'ordre théorique majeure, et quasi tout, hors avancées dans le domaine du génie logiciel tels que transformeur et autre apprentissage par renforcement ainsi que d'optimisation d'algorithme (toutes innovations à mesure publiées), à l'amélioration des performances du matériel: GPU, CPU, mémoire vive, bus, réseaux...

Les restrictions américaines à l'exportation de puces vers la Chine limitent ses performances de ses logiciels et la contraignent à payer une coûteuse R&D de mise au point de matériel.

Cette amélioration du matériel est plus facile à prévoir car plus régulière que celle des connaissances fondamentales disruptives.

En matière de sciences ou de logiciel les efforts de recherche et de développement d'une entreprise ou d'une nation bénéficient bien davantage aux concurrentes que sur le plan du matériel.

Stratégie d'investissement

La stratégie d'investissement de certaines nations et entreprises consiste peut-être à reconnaître le caractère inéluctable de la progression plus rapide de concurrents mieux dotés (moyens d'investir, compétences...) et à la transmuter en avantage en la laissant payer la R&D, surtout fondamentale ou bénéficiant au logiciel, vite largement diffusée (souvent ouvertement publiée) et bénéficiant rapidement à tous.

L'avenir pourrait être fait d'oscillations entre, d'une part, le groupe des acteurs les plus avancés tentant de dissimuler, ce qui lui coûte en R&D car attire moins les chercheurs et réduit l'attractivité de ses produits, et, d'autre part, celui des «suiveurs» plus «ouverts» et tentant de les rattraper au plus vite.

À tout moment une avance sur le matériel sera la plus solide.

Cette configuration de l'offre est des plus classiques, l'évolution marquante est que certains types d'avantages concurrentiels sont de plus en plus volatils puisque l'imitation est plus facile que dans d'autres domaines d'activité. Cela réduit l'efficacité des moyens connus d'obtenir un avantage tels que se réserver les fruits de la R&D, interdire à un concurrent d'imiter son produit ou de construire sur lui, être le premier entrant et dominer suffisamment longtemps pour devenir le «gagnant qui rafle tout» (winner-take-all)...

Préserver du savoir-faire exclusif, grâce à du secret, reste déterminant mais devient plus difficile sur le plan de  la capacité dynamique. L'électronique offre sur ce plan les meilleures barrières à l'entrée.

Ces considérations se replient sur elles-mêmes puisque l'IA saura peut-être bientôt résoudre les problèmes fondamentaux sous-jacents à une potentielle application donnée, et pourrait alors complètement remplacer les chercheurs. À terme le savoir-faire secret ou rendu tel parce qu'il est difficile à formaliser, par exemple relatif à de la mise en oeuvre, pourrait être le seul viable.

Plus on traite vite l'information, plus l'information de valeur est secrète.

Secret, confiance, gigantisme

Pour résister à la concurrence il faudra préserver du secret.

Cela ralentira globalement l'acquisition de connaissances puisqu'elle repose sur une intense coopération donc communication.

Compenser pour partie implique de cultiver de la confiance de gré à gré, condition de partage d'un secret. Cela rend le gigantisme sans cesse moins pertinent, d'autant que l'exclusive ainsi protégée est d'ordre qualitatif plutôt que quantitatif donc ne repose pas sur les économies d'échelle.

Auteur