La couche que personne ne contrôle encore est celle dont tout le monde aura besoin
Il existe un schéma qui se répète avec suffisamment de constance pour être pris au sérieux : les technologies ne se concentrent pas là où elles se voient, mais là où elles s'appuient. Les réseaux sociaux se sont concentrés dans la distribution, pas dans le contenu. Le cloud s'est concentré dans l'infrastructure, pas dans les applications. L'intelligence artificielle suit la même géométrie, mais le point de contrôle se situe un niveau plus bas que dans tout cycle précédent.
En mai 2026, David et Daniil Liberman, entrepreneurs ayant une expérience préalable chez Snap, ont publié dans Fortune un argument qui mérite attention pour ce qu'il décrit structurellement, indépendamment de leur identité. Leur thèse est précise : en intelligence artificielle, celui qui contrôle le calcul contrôle l'accès, et celui qui contrôle l'accès contrôle qui peut seulement exister dans cette économie. Ce n'est pas une métaphore. C'est une description opérationnelle du fonctionnement actuel du marché.
Les chiffres qu'ils citent sont ceux qui donnent du poids à l'argument. NVIDIA concentre 85 % du marché des GPU pour les centres de données. Amazon, Microsoft et Google contrôlent 63 % de la capacité mondiale de cloud. Les États-Unis gèrent environ 75 % de la capacité mondiale de calcul haute performance pour l'intelligence artificielle. La Chine en détient près de 15 %. Le reste du monde se partage les 10 % restants.
Cela ne décrit pas un marché compétitif. Cela décrit une infrastructure géopolitique avec une façade de marché.
Le moment où Snap a perdu sans perdre le produit
La référence à l'épisode de Snap en 2018 n'est pas de la nostalgie. C'est l'ancre analytique de l'article. Les auteurs se trouvaient à Santa Monica en train d'examiner les métriques d'utilisateurs actifs quotidiens lorsqu'il devint évident que le produit, malgré ses meilleures performances techniques sur certaines dimensions, ne pouvait pas soutenir la croissance face à Instagram. Meta n'a pas gagné parce qu'elle avait un meilleur design. Elle a gagné parce qu'elle contrôlait la couche en dessous du design : le graphe social, la distribution, l'audience déjà constituée. Snap a construit sur du sable que Meta avait déjà cimenté.
Cet épisode importe comme diagnostic organisationnel parce qu'il illustre le moment où les métriques cessent de mesurer ce que l'on croit qu'elles mesurent. La rétention des utilisateurs n'était pas le problème de Snap. L'accès à la distribution était le problème. Mais si le tableau de bord ne mesure que la rétention, l'équipe dirigeante peut arriver trop tard à la bonne lecture.
En intelligence artificielle, l'équivalent est encore plus sévère. Une équipe qui construit un modèle de langage peut disposer d'une meilleure architecture, de meilleures données, de meilleurs ingénieurs. Mais si elle n'a pas accès à des GPU haute performance à un prix accessible, si elle dépend de contrats avec des hyperscalers qui peuvent modifier leurs tarifs ou leurs politiques d'accès sans préavis, alors son avantage technique ne se traduit pas en avantage compétitif. La couche qu'elle ne contrôle pas la neutralise avant même qu'elle puisse se démontrer.
C'est précisément ce que les Liberman décrivent en signalant que les fournisseurs d'intelligence artificielle ont retiré des modèles populaires malgré la résistance des utilisateurs, restreint l'accès aux APIs sans avertissement, et ajusté les capacités des développeurs selon des politiques qu'aucun organisme indépendant ne peut auditer. Ce n'est pas une critique morale. C'est une description du fonctionnement de la dépendance structurelle lorsque celui qui concentre l'infrastructure décide de modifier les conditions.
Pourquoi cette concentration est qualitativement différente
Lorsque Meta a racheté Instagram en 2012 pour un milliard de dollars, le marché a compris que la couche de distribution sociale se consolidait. Lorsqu'Amazon Web Services a progressé jusqu'à devenir la principale source de bénéfices d'Amazon, le marché a compris que le cloud allait se concentrer entre quelques mains. Dans les deux cas, la concentration était visible depuis la couche applicative. Les utilisateurs, les développeurs et les régulateurs pouvaient la voir parce qu'ils la ressentaient directement.
Ce que décrit l'article sur l'intelligence artificielle est différent en un sens précis : la concentration se produit dans une couche que la majorité des acteurs du marché ne surveille pas rigoureusement. Les modèles sont visibles. Les chatbots sont visibles. Les produits d'IA que consomment les utilisateurs sont visibles. Mais les GPU, les centres de données, les contrats d'approvisionnement en puces haute performance et les accords d'accès préférentiel au calcul constituent l'infrastructure derrière ce qui est visible, et c'est là que se forme la concentration réelle.
L'analogie que les auteurs utilisent avec Bitcoin et Ethereum est intéressante sous un angle différent de celui qu'ils soulignent. Ce n'est pas seulement que les protocoles décentralisés ont construit une nouvelle couche en dessous de la banque. C'est qu'ils l'ont fait parce que l'architecture financière existante comportait des frictions et des points de contrôle qu'il était impossible de supprimer de l'intérieur. La question pertinente pour l'infrastructure d'intelligence artificielle n'est pas de savoir si Gonka ou tout autre projet décentralisé peut déplacer AWS ou Azure. La question est de savoir si la structure d'incitations du marché est suffisante pour produire des alternatives viables avant que la concentration ne devienne irréversible.
Les preuves historiques dans les marchés d'infrastructure suggèrent que cette fenêtre est étroite. Une fois que les hyperscalers atteignent certains seuils de capacité installée, les économies d'échelle et les coûts de changement font que la structure se perpétue d'elle-même. Non pas parce qu'il est illégal de changer, mais parce que le coût opérationnel de le faire dépasse le bénéfice pour la majorité des acteurs.
Ce que cela révèle sur la façon dont les paris à long terme sont — ou ne sont pas — conçus
Il existe une dimension de l'argument que l'article ne développe pas entièrement mais qui s'avère analytiquement fertile : le problème de la concentration dans le calcul n'est pas uniquement une question de politique publique ou de pouvoir de marché. C'est aussi un problème lié à la façon dont les organisations répartissent leur attention entre ce qui leur fonctionne aujourd'hui et ce qui pourrait les menacer demain.
Les entreprises qui ont construit des dépendances profondes vis-à-vis des hyperscalers au cours des cinq dernières années l'ont fait selon une logique raisonnable : le coût marginal de la mise à l'échelle dans le cloud était inférieur au coût de construction d'une infrastructure propre, et la vitesse d'accès au marché justifiait cette dépendance. Telle est la logique d'exploiter ce qui fonctionne. Le problème est que cette même logique, appliquée sans contrepoids, produit des organisations qui atteignent le point de blocage sans l'avoir anticipé.
Le schéma que les Liberman identifient dans le marché du calcul est exactement le même que celui qui apparaît dans les organisations ayant sur-exploité leur modèle central et ayant découvert trop tard que le terrain s'était déplacé sous leurs pieds. Snap, dans leur récit, n'a pas perdu parce qu'elle a cessé d'innover sur le produit. Elle a perdu parce qu'elle n'avait pas de réponse structurelle à la dépendance dans la couche de distribution. L'apprentissage organisationnel pertinent est que les dépendances qui ne sont pas gérées stratégiquement deviennent, avec le temps, des positions de vulnérabilité que l'on ne peut pas négocier lorsque le fournisseur décide de changer les termes.
Cela vaut pour les startups d'intelligence artificielle qui opèrent aujourd'hui sur des APIs de modèles tiers. Cela vaut pour les PME qui construisent leur couche de données sur l'infrastructure d'un seul fournisseur cloud. Cela vaut pour les pays qui n'ont pas de politique de calcul propre et qui supposent que la disponibilité de l'infrastructure américaine est une donnée permanente de leur environnement.
Les contrôles à l'exportation de puces avancées mentionnés dans l'article ne sont pas un exemple hypothétique de la façon dont le calcul peut être utilisé comme instrument géopolitique. Ils constituent la preuve qu'il l'est déjà. Lorsqu'une puissance peut décider quels pays accèdent à un certain niveau de capacité de calcul, et que cette décision affecte directement quelles applications d'intelligence artificielle peuvent être construites dans ces territoires, la conversation a cessé depuis longtemps d'être une affaire de concurrence de marché. Deux pays fixent les conditions d'accès pour 191. Tel est le design actuel du système.
L'asymétrie linguistique que signalent les auteurs ajoute une couche supplémentaire qui n'apparaît habituellement pas dans les analyses de concentration de marché. Les modèles de langage entraînés principalement en anglais ne favorisent pas seulement les utilisateurs anglophones en termes de qualité des résultats. Ils les rendent financièrement plus efficaces : les prompts dans d'autres langues consomment davantage de tokens pour produire le même output, ce qui se traduit par des coûts plus élevés et des limites de contexte plus restrictives pour les utilisateurs qui n'opèrent pas en anglais. Un tarif uniforme n'est pas un prix égal. C'est un tarif qui discrimine par la langue, en utilisant la structure technique comme mécanisme.
Le calcul comme prérequis, non comme avantage
Il existe une distinction que l'article établit avec précision et qui mérite d'être soulignée parce qu'elle change la nature de l'analyse stratégique. Dans les réseaux sociaux, il était possible de construire une plateforme alternative. TikTok l'a prouvé. Le capital social n'était pas physiquement concentré ; il était distribué dans les habitudes d'attention des utilisateurs, et ces habitudes pouvaient être redirigées.
En intelligence artificielle, le calcul n'est pas un avantage compétitif. C'est le plancher de participation. Sans accès à des GPU haute performance, il est impossible d'entraîner un modèle compétitif. Sans contrats cloud, il est impossible d'opérer l'inférence à l'échelle. Sans puces avancées, un pays entier est exclu de certaines capacités. La concentration dans cette couche ne génère pas de désavantage compétitif : elle génère une exclusion directe.
Cela rend les implications organisationnelles plus urgentes que dans les cycles précédents. Une entreprise qui dépendait de Facebook pour la distribution pouvait, avec des efforts et des ressources, tenter de construire une audience par d'autres voies. Une entreprise qui dépend d'une infrastructure de calcul concentrée entre trois acteurs ne dispose pas, aujourd'hui, d'une alternative structurellement équivalente à laquelle recourir si ces acteurs modifient leurs conditions.
La promesse de projets comme Gonka, le protocole décentralisé que les auteurs eux-mêmes sont en train de construire, est de créer cette alternative avant que la fenêtre ne se referme. Ils n'ont pas besoin d'être meilleurs qu'AWS dans les conditions d'AWS. Ils ont besoin d'être suffisamment fonctionnels pour que la dépendance cesse d'être totale. C'est un seuil plus modeste et plus réaliste que de gagner des parts de marché aux hyperscalers.
Ce que le marché n'a pas encore résolu est de savoir si ce seuil peut être atteint avec une vitesse suffisante pour avoir un effet avant que la concentration ne se consolide en un point à partir duquel elle ne génère plus de pression de changement. Les cycles précédents suggèrent que l'infrastructure qui arrive trop tard modifie rarement la structure du marché. Celle qui arrive avant le moment de fermeture peut fixer les règles du jeu suivant.
---
L'article des Liberman décrit avec précision une dynamique structurelle qui est déjà en cours. Mais le problème qu'ils signalent n'est pas uniquement une question de marché ni de régulation : c'est une question de design des dépendances que la majorité des organisations construisent aujourd'hui sans les gérer comme un risque stratégique. Lorsque le calcul devient le prérequis de l'existence et que ce prérequis se trouve entre les mains de trois acteurs pouvant modifier leurs termes unilatéralement, les entreprises qui n'ont pas de politique explicite face à cette dépendance ne délèguent pas une décision technique. Elles cèdent une position qui ne se récupère ensuite pas rapidement.
