Depuis trois ans, la conversation sur l'intelligence artificielle se joue à guichets fermés autour d'une seule question : qui aura les modèles les plus puissants ? Un texte publié dans The Conversation par l'économiste Bruno Deffains propose de changer d'étage. Selon lui, à mesure que la puissance devient abondante, la ressource vraiment rare glisse ailleurs : dans la capacité humaine à décider de ce que vaut ce que la machine produit. Et sur ce terrain — celui du discernement —, l'Europe disposerait d'atouts que la course aux puces lui refuse.

Trois thèses qui pointent le même endroit

Le débat public oppose d'ordinaire trois lectures de l'IA générative. La première parie sur l'abondance cognitive : une fois entraînés, les grands modèles produisent du texte, du code et de l'analyse en quantité quasi illimitée, à coût marginal presque nul. La deuxième insiste au contraire sur la rareté d'accès : les systèmes de pointe restent filtrés, disputés géopolitiquement, adossés à des infrastructures que peu d'acteurs maîtrisent. La troisième mise sur l'open source : les modèles ouverts rattrapent la frontière technologique avec environ un an de retard et tournent désormais sur du matériel courant.

Ces trois thèses semblent se contredire. Deffains soutient qu'elles décrivent en réalité les faces d'une même dynamique. Elles « désignent ensemble un même point d'aboutissement ». Si la génération devient abondante et si l'open source démocratise l'accès, alors la valeur ne peut plus se loger dans le fait de posséder le modèle. Elle se déplace vers l'aval : que sait-on faire de la réponse une fois qu'on l'a obtenue ? « La seule ressource encore rare devient le jugement. »

Autrement dit, la rente migre. Hier, elle récompensait l'accès à la technologie ; demain, elle récompensera le discernement, cette compétence humaine qui permet de trier, de valider, de refuser un résultat plausible mais faux.

L'abondance a un prix, la rareté se déplace

L'idée d'une abondance « à coût nul » mérite toutefois d'être nuancée, car elle masque une rareté physique bien réelle. La facture énergétique de l'IA générative explose : la consommation mondiale des centres de données a atteint près de 788 TWh en 2025, en hausse d'environ 20 % sur un an, et l'Agence internationale de l'énergie anticipe le franchissement des 1 000 TWh avant la fin de la décennie, sous l'effet direct de l'IA (Wild Code School). Là où un centre de données classique consomme 10 à 20 MW, certains campus hyperscale s'approchent du gigawatt. La disponibilité électrique est même en passe de devenir la première contrainte d'infrastructure, devant la pénurie de puces.

La rareté, donc, ne disparaît pas : elle se déplace du silicium vers le réseau électrique, puis, si l'on suit Deffains, du réseau électrique vers le cerveau humain. Chaque fois qu'un verrou saute, un autre apparaît plus haut dans la chaîne de valeur — et le dernier verrou, le moins reproductible, c'est le jugement.

Le danger d'une IA « trop serviable »

C'est ici que l'argument bascule du plan économique vers le plan cognitif. Deffains mobilise les sciences de l'apprentissage pour montrer que la commodité de l'IA peut se retourner contre celui qui l'utilise. Le psychologue Robert Bjork a forgé le concept de « difficulté désirable » : un apprentissage durable exige un effort, un frottement, une part de tâtonnement. Or l'IA générative élimine précisément ce frottement. « Le danger n'est pas que l'IA soit trop difficile, c'est qu'elle soit trop serviable », résume l'auteur.

Un chiffre illustre le paradoxe. Une vaste expérimentation contrôlée menée auprès de lycéens a mesuré des gains spectaculaires pendant les séances assistées par un modèle de type GPT-4 — jusqu'à des progressions massives quand l'outil guidait activement l'élève. Mais lors de l'examen final, passé sans IA, les élèves qui s'étaient entraînés avec un chatbot standard obtenaient des scores inférieurs de 17 % à ceux du groupe qui ne l'avait jamais utilisé (synthèse citée par CogX). L'outil avait produit une « illusion de compétence » : de bons résultats immédiats masquant un savoir qui ne s'était pas installé.

Le problème est structurel. L'IA convertit l'incertain en verdict d'allure autorisée : elle transforme une question ouverte en réponse assurée, court-circuitant l'effort qui, précisément, forge l'expertise. Si le jugement expert est holiste — s'il se construit en pratiquant aussi les tâches routinières qu'on est tenté de déléguer —, alors automatiser ces tâches risque de priver la génération suivante de la formation tacite dont dépend son propre discernement. Deffains y voit un risque de « désaccoutumance culturelle », réversible mais rapide : l'évolution culturelle se transmet en deux ou trois décennies, bien plus vite que l'évolution biologique.

Quand la géopolitique rappelle la fragilité de l'accès

L'actualité récente donne raison à ceux qui rappellent que l'accès reste, lui aussi, une variable politique. Le 12 juin 2026, le département américain du Commerce a ordonné à Anthropic de suspendre l'accès à certains de ses modèles pour les utilisateurs non américains, provoquant la protestation de la Commission européenne — un épisode que ZapNews a documenté dans « Anthropic, la coupure et l'IA souveraine ». L'événement montre qu'un modèle propriétaire hébergé à l'étranger peut être coupé du jour au lendemain. Pour un continent qui dépend d'infrastructures américaines, la dépendance n'est pas qu'économique : elle est une vulnérabilité stratégique.

C'est l'un des ressorts qui expliquent la poussée européenne en faveur des modèles ouverts, thème que nous avons exploré avec l'IA comme bien commun et avec le pari souverainiste d'OVHcloud.

L'open source, atout européen — mais pas remède miracle

Le 13 novembre 2025, une quarantaine d'organisations — parmi lesquelles Mistral AI, Hugging Face, Red Hat, la Mozilla Foundation ou Creative Commons — ont adressé une lettre ouverte aux dirigeants européens pour faire de l'IA open source un pilier de la souveraineté numérique (LeMagIT). Leur mot d'ordre : « L'Europe ne peut pas acheter sa souveraineté sur étagère, elle doit la construire. » Les signataires réclament cinq leviers concrets : simplifier la commande publique pour les fournisseurs ouverts, créer des fonds dédiés à la souveraineté technologique, élargir l'accès aux infrastructures de calcul, faciliter le partage de données publiques pour l'entraînement, et renforcer l'adoption de l'open source dans tous les secteurs.

L'argument de fond est que l'Europe accueille davantage de contributeurs open source que les États-Unis, mais manque de l'infrastructure de marché pour monétiser cette avance. Reste une objection sérieuse, soulevée par les critiques : plusieurs signataires (Red Hat, Hugging Face, EleutherAI) sont des entités américaines, ce qui interroge le degré de contrôle réellement européen. L'ouverture du code ne garantit pas, à elle seule, l'indépendance.

Le sommet de la pyramide est pédagogique

C'est précisément là que la thèse de Deffains prend son relief. Si l'on admet que la ressource rare devient le jugement, alors la bataille décisive ne se gagne ni dans les fonderies de puces ni même dans les serveurs open source, mais dans les écoles, les universités et les organisations qui forment les esprits à travailler avec l'IA sans se laisser déposséder de leur discernement. « Le sommet de la pyramide n'est pas géopolitique, il est pédagogique. Et c'est, justement, ce qui le rend gouvernable. »

Le renversement est stratégiquement notable. Dans la course à la puissance de calcul, l'Europe part avec un handicap difficile à combler, comme le rappelle notre dossier sur la souveraineté de l'IA devenue enjeu de la présidentielle 2027. Mais sur le terrain de la formation, de la culture de l'esprit critique et de la régulation — l'AI Act de 2024 en est l'expression —, elle possède une profondeur historique et institutionnelle réelle. Cultiver le discernement ne réclame ni gigawatts ni milliards de dollars de GPU : cela relève de choix éducatifs.

Faut-il pour autant conclure que le débat sur la puissance était un faux débat ? Non : l'énergie, les puces et l'accès restent des contraintes tangibles, et l'autonomie technologique demeure un objectif légitime. L'apport de Deffains est de rappeler qu'au-dessus de cet étage il en existe un autre, plus discret et plus décisif. La vraie question n'est peut-être pas « qui aura la meilleure IA ? », mais « qui saura encore juger ce qu'elle produit ? ». Une question à laquelle aucun modèle, si puissant soit-il, ne répondra à notre place.