Contexte politique
En avril 2024, un groupe informel composé de dirigeants d’OpenAI, d’Anthropic, de DeepMind et de Microsoft a publié une lettre ouverte appelant à un moratoire de six mois sur les modèles de plus de 100 milliards de paramètres. La demande intervient alors que le gouvernement de Donald Trump, qui a repris la présidence, prépare un cadre législatif visant à encadrer les IA génératives. Le texte de la lettre cite explicitement les risques de génération de désinformation à grande échelle et de déploiement de capacités hors‑contrôle.
Arguments techniques des leaders
Les signataires s’appuient sur des métriques mesurables : le modèle GPT‑4 a nécessité environ 1,2 × 10²³ opérations de flot (FLOP) pour son entraînement, ce qui représente un coût énergétique estimé à plus de 150 MWh et une empreinte carbone de ≈ 30 t CO₂. Anthropic rapporte que son Claude 2, avec 52 milliards de paramètres, a consommé ≈ 70 MWh en phase de pré‑entraînement. Ces chiffres illustrent une courbe exponentielle du besoin en calcul, où chaque doublement de paramètres augmente le coût d’entraînement d’environ 1,7 ×. Les leaders soulignent que les gains de performance, mesurés en scores benchmark (e.g., MMLU, HumanEval), plafonnent au‑delà de 100 milliards de paramètres, rendant la poursuite du scaling peu justifiable du point de vue du rapport coût‑bénéfice.
Réponse de l’équipe Trump
Le bureau du conseiller à la technologie a publié un communiqué indiquant que la responsabilité de « freiner » le développement incombe aux acteurs privés, non à l’État. Le texte cite le « American Innovation Act », qui prévoit des incitations fiscales pour les entreprises respectant un budget d’entraînement annuel < 100 MWh. L’équipe a également évoqué la création d’un « AI Safety Board » composé de scientifiques indépendants, chargé de valider les protocoles de test avant tout déploiement public. Aucun mandat légal n’est encore proposé, ce qui laisse la mise en œuvre dépendante des décisions internes des firmes.
Enjeux et limites
La proposition de moratoire repose sur l’hypothèse que les acteurs majeurs respecteront volontairement les seuils de calcul. Or, la concurrence internationale, notamment la Chine, continue d’investir massivement dans des modèles > 200 milliards de paramètres, ce qui crée un déséquilibre géopolitique. De plus, la mesure du « taille du modèle » ne capture pas les optimisations logicielles (e.g., sparsity, quantisation) qui permettent de réduire les FLOP tout en conservant les performances. Enfin, le cadre fiscal proposé ne précise pas comment les coûts indirects – tels que la consommation de serveurs en phase de fine‑tuning ou les dépenses liées à la collecte de données – seront comptabilisés, ce qui risque de limiter l’efficacité du contrôle.
