L'intérêt des sociétés de capital-risque pour les cryptomonnaies a considérablement diminué depuis le cycle haussier de 2021. Avec une capitalisation boursière de 2 300 milliards de dollars, tous les investisseurs en capital-risque voulaient une part du secteur.

La situation est aujourd'hui très différente. Une autre force dominante sur le marché a attiré la grande majorité des fonds de capital-risque au cours de l'année écoulée : les grands modèles de langage de l'intelligence artificielle (LLM).

Cependant, l'IA a déjà commencé à montrer des signes de faiblesse qui indiquent qu'il s'agit d'une bulle géante prête à éclater. Lorsque la plupart des gens s'en rendront compte, il sera trop tard.

Le début de la domination de l'IA

La domination de l'IA sur le marché du capital-risque a commencé le 30 novembre 2022, avec le lancement du ChatGPT d'OpenAI. Du point de vue d'OpenAI, le moment n'aurait pas pu être mieux choisi.

Avec les échecs collectifs de Celsius, Voyager, Three Arrows Capital, Terra et FTX, 2022 a été un cauchemar pour le secteur de la crypto. Les sociétés de capital-risque cherchaient désespérément un moyen de sortir de ce secteur apparemment toxique pour placer leurs liquidités ailleurs.

Précisément 19 jours après l'effondrement de FTX, les LLM ont ouvert un espace entièrement nouveau dans lequel les sociétés de capital-risque peuvent s'aventurer. ChatGPT a accueilli un million d'utilisateurs en cinq jours seulement, ce qui a révélé une demande sans précédent sur le marché.

C'était l'ouverture dont des entreprises comme Google, Microsoft, Facebook et d'autres géants de la technologie avaient besoin pour se lancer tête baissée dans le chaos à la recherche d'opportunités.

Microsoft a acquis une part importante d'OpenAI et a lancé le chatbot Bing AI. Google a lancé Bard, en s'appuyant sur Google AI et DeepMind, sa propre version de GPT. Facebook a accéléré le développement de Llama.

Alors que ces grandes entreprises rivalisent sur leurs produits de base, des milliers de petites entreprises ont été lancées pour obtenir une part du gâteau. Comme je l'ai mentionné plus haut, les sociétés de capital-risque se sont lancées à fond dans les startups spécialisées dans l'IA.

Jasper AI, une plateforme de rédaction basée sur les GPT, a levé 125 millions de dollars pour une valorisation de 1,5 milliard de dollars. Anthropic a levé 450 millions de dollars, avec le soutien de Google. Inflection AI, qui construit le Chatbot Pi, a levé 1,3 milliard de dollars pour une valorisation de 4 milliards de dollars. Mistral AI a levé 113 millions de dollars en fonds d'amorçage, sans produit ni preuve de concept. Sur l'ensemble du premier semestre 2023, les startups de l'IA ont levé plus de 25 milliards de dollars.

Une enquête menée par PitchBook a révélé que 74 % des investisseurs interrogés avaient investi dans au moins une startup d'intelligence artificielle ou d'apprentissage automatique. Et 14 % d'entre eux ont affirmé avoir investi dans plus de six startups de ce type.

Cette enquête et d'autres montrent que l'IA est passée en quelques mois du statut de domaine de recherche dormant à celui de marché lucratif.

Pénurie de GPU

La question qu'il convient de se poser est la suivante : où vont exactement ces millions de dollars ? Où vont exactement ces millions de dollars ? Dans n'importe quel autre secteur, une part importante des fonds levés est consacrée à la recherche et au développement, ainsi qu'à l'acquisition de clients. Toutefois, dans le domaine de l'IA, l'accent est mis sur un autre domaine : les cartes graphiques (GPU).

Ces startups de l'IA dépensent la grande majorité des fonds levés pour acquérir des GPU très performants auprès d'entreprises comme Nvidia et AMD. Compte tenu de l'ampleur de la demande et de la défaillance de la chaîne d'approvisionnement, nous sommes actuellement confrontés à une grave pénurie de GPU.

Un connaisseur du secteur a analysé la demande actuelle de GPU et, dans l'ensemble, le marché a besoin d'environ 432 000 GPU H100. « À environ 35 000 dollars l'unité, cela représente environ 15 milliards de dollars de GPU [sans compter les entreprises chinoises comme ByteDance, Baidu et Tencent]. »

Pour mettre les chiffres en perspective, GPT-4 a nécessité environ 10 000 à 25 000 A100. Meta, Tesla et Stability AI combinés utilisent environ 34 000 A100.

Qui obtient combien de H100 et quand, c'est ce qui se dit le plus dans la vallée en ce moment https://t.co/AxarseOmg9 - Andrej Karpathy (@karpathy) 2 août 2023

Les startups spécialisées dans l'IA essaient de payer plus cher que leurs concurrents pour acquérir ces GPU. À long terme, l'offre et la demande de GPU reviendront au même niveau, probablement d'ici la fin 2024, comme le prédisent certains experts.

La question est donc de savoir s'il vaut la peine d'investir dans des entreprises qui ne sont pas en train de construire un fossé pour leurs produits, mais qui se battent pour acquérir des outils.

Absence de propriété intellectuelle

Si certaines startups construisent un produit de base, la grande majorité des plateformes d'IA se cachent à la périphérie, utilisant des API pour siphonner les services de l'OpenAI.

Les startups d'IA comme Jasper AI utilisent l'API OpenAI pour fournir des services. À l'instar du récent fiasco de l'API Reddit, les produits qui s'appuient excessivement sur les API n'ont aucun contrôle ou propriété de la propriété intellectuelle.

Et cela devient de plus en plus clair chaque jour.

Jasper a récemment licencié une grande partie de ses effectifs, alors que la demande de plateformes d'IA diminue. Une autre startup spécialisée dans l'IA, Mutiny, a licencié environ 30 % de ses employés.

Des données récentes montrent un déclin de l'intérêt pour ChatGPT pour la première fois depuis son arrivée sur le marché. D'autres chatbots d'IA comme Bard ou Bing ne se portent pas bien non plus, ce qui indique clairement une saturation du marché à mesure que l'effet de nouveauté s'estompe.

ChatGPT et d'autres grandes plateformes connaissent une baisse d'intérêt. Crédit : Chandler Nguyen

Des rapports font également état d'une augmentation des inexactitudes sur GPT-4. Une étude de Stanford a révélé que les performances de GPT-3.5 et GPT-4 sur de nombreuses tâches se sont « considérablement dégradées au fil du temps ».

Bien que les produits de base comme GPT et DeepMind soient importants pour mener la course à l'IA, il est clair que le marché a pris un poids malsain, ce qui a entraîné la formation d'une bulle. Il suffit d'un léger pincement sous la forme de quelques rapports industriels ou de quelques faillites pour que la bulle éclate.

Chris Coll-Beswick est le fondateur et le directeur adjoint de Transcend Labs, une plateforme d'incubation Web3. Il est également mentor et jury pour l'AI & Web3 Research Lab Association de Stanford. Avant Transcend Labs, il a fondé Calibre Capital et cofondé Yeswetrust. Il est titulaire d'un diplôme de premier cycle de l'université de Sheffield.

Cet article a été rédigé à des fins d'information générale et n'est pas destiné à être et ne doit pas être considéré comme un conseil juridique ou d'investissement. Les points de vue, pensées et opinions exprimés ici n'engagent que l'auteur et ne reflètent ni ne représentent nécessairement ceux de Cointelegraph.