Tech • IA • Crypto
Le génie qui a transformé la Silicon Valley pour toujours
7/10INTRO
Un ancien chercheur d’OpenAI de 24 ans a transformé une thèse controversée sur l’IA en une stratégie d’investissement de plusieurs milliards de dollars en misant sur l’infrastructure plutôt que sur les géants technologiques.
POINTS CLÉS
Ascension et parcours atypiques
Leopold Aschenbrenner, prodige allemand entré à l’université Columbia à 15 ans et diplômé à 19 ans, a bâti une carrière atypique via FTX Future Fund puis OpenAI. Sans expérience classique en finance, il a été tôt exposé aux recherches sur les risques existentiels de l’IA et aux cercles techniques d’élite. Son parcours inclut un rôle bref mais central dans l’équipe Superalignment d’OpenAI, dédiée au contrôle des systèmes d’IA avancés.
Départ d’OpenAI et controverse
Aschenbrenner a quitté OpenAI en 2024 après avoir alerté sur les risques de sécurité de l’IA et géopolitiques, notamment liés à la Chine. Son départ a coïncidé avec la dissolution de l’équipe Superalignment, révélant des tensions internes sur les priorités de sécurité. Cet épisode a renforcé sa conviction que le développement de l’IA dépend davantage des rapports de pouvoir que du débat académique.
Une thèse prédisant une accélération rapide de l’IA
Dans un essai de 165 pages, il affirme que le progrès de l’IA suit une croissance exponentielle en « ordres de grandeur », combinant puissance de calcul, efficacité algorithmique et déploiement. Il estime environ cinq ordres de grandeur d’amélioration entre les premiers modèles et GPT-4, et projette un saut similaire d’ici 2027, pouvant aboutir à des systèmes capables de recherche scientifique autonome.
Trois moteurs de croissance exponentielle
Son cadre identifie trois forces cumulatives: l’augmentation de la capacité de calcul, l’amélioration de l’efficacité algorithmique, et le « débridage » des systèmes via de meilleurs usages comme les agents IA et le raisonnement étendu. Ensemble, ces tendances pourraient multiplier les capacités effectives jusqu’à 100 000 fois en quelques années, comprimant fortement les cycles d’innovation.
Parier sur l’infrastructure, pas sur les géants de l’IA
Plutôt que d’investir dans des entreprises comme Nvidia, Microsoft ou Google, Aschenbrenner cible les goulets d’étranglement de la chaîne d’approvisionnement de l’IA. Ses principales positions incluent Bloom Energy (énergie), CoreWeave (cloud GPU), ainsi que des sociétés liées à la fibre optique, la mémoire et les semi-conducteurs. Sa stratégie s’apparente à une approche « pioches et pelles ».
Performance explosive du fonds
Lancé en 2024 avec 225 millions de dollars, son fonds a atteint 5,5 milliards de dollars d’exposition en 15 mois grâce à de solides rendements et de nouveaux capitaux. Un investissement phare serait passé de 20 à 300 dollars par action, dépassant 150 % de gains en un an. Ces résultats le rapprochent d’investisseurs de premier plan malgré son jeune âge.
L’IA comme moteur d’inégalités
Son modèle suggère qu’une IA au niveau des chercheurs peut être répliquée à grande échelle, créant potentiellement des millions de « chercheurs » IA. Cela concentrerait le pouvoir chez les acteurs disposant de centres de données et d’énergie, accentuant les inégalités économiques. Le contrôle du calcul devient équivalent au contrôle de la production de connaissances.
Quatre risques majeurs identifiés
La thèse met en avant: l’échec d’alignement (divergence avec les objectifs humains), la prolifération (menaces cyber ou biologiques), le vol intellectuel (notamment entre puissances), et la concentration du pouvoir (domination économique et militaire par un seul acteur).
Vision politique: un « Projet Manhattan » pour l’IA
Aschenbrenner estime que l’IA avancée ne peut être laissée aux entreprises privées et pourrait nécessiter une coordination ou un contrôle du gouvernement américain, à l’image de grands programmes historiques. À ce jour, aucune consolidation fédérale n’a émergé, et des acteurs comme OpenAI, Google DeepMind et Anthropic restent indépendants.
Parier sur une économie post-AGI
Sa stratégie suppose que si l’intelligence devient bon marché et omniprésente, la valeur se déplacera vers des actifs physiques non réplicables comme l’énergie et les infrastructures. Cela aligne ses investissements sur un futur où le logiciel est banalisé mais les contraintes matérielles restent déterminantes.
CONCLUSION
La thèse d’Aschenbrenner s’est jusqu’ici révélée globalement pertinente dans les marchés et les tendances technologiques, mais ses prédictions politiques et temporelles demeurent incertaines à mesure que la course vers l’IA avancée s’accélère.