Le Paradoxe de Jevons structurel dans l’IA : quand une intelligence artificielle moins chère fait exploser les coûts et pousse vers le monopole

Un article économique récent, intitulé « The Economics of Digital Intelligence Capital » (arXiv 2601.12339), modélise avec une clarté mathématique un phénomène déjà observable dans l’industrie de l’IA : le Paradoxe de Jevons structurel.

Le principe est simple et contre-intuitif : plus l’IA devient bon marché à l’usage, plus la consommation totale de calcul et d’énergie explose. Ce n’est pas un bug, c’est une dynamique économique inexorable qui redéfinit tout le secteur.

1. Le Paradoxe de Jevons revisité pour l’ère de l’IA

Au XIXe siècle, l’économiste William Stanley Jevons observait que l’amélioration de l’efficacité des machines à vapeur (moins de charbon par unité d’énergie) n’avait pas réduit la consommation totale de charbon : au contraire, elle l’avait fait exploser, car de nouvelles applications devenaient rentables.

Dans l’IA, le même mécanisme joue à une échelle inédite.

Le coût par token ou par inférence d’un modèle de langage (LLM) chute rapidement. Pourtant, la demande globale en puissance de calcul et en énergie ne cesse d’augmenter de manière exponentielle.

Pourquoi ?

Parce que l’intelligence numérique bon marché incite les développeurs à construire des agents et des systèmes beaucoup plus complexes, qui consomment finalement bien plus de ressources qu’avant.

L’étude le démontre mathématiquement : la baisse du coût unitaire de l’« intelligence digitale » déclenche une hausse non linéaire de la demande agrégée.

Résultat : les datacenters tournent à plein régime, Nvidia annonce des revenus records, et la consommation énergétique du secteur dépasse celle de nombreux pays.

2. La « Wrapper Trap » : le piège fatal pour les petites applications

Un deuxième mécanisme, baptisé Wrapper Trap (piège de l’enveloppe), est particulièrement brutal pour les startups :

• Une petite entreprise crée une application simple qui repose sur un grand modèle (ChatGPT, Claude, Grok, etc.).
• Elle ajoute une couche d’interface, quelques prompts et une logique métier.
• Dès que le modèle de base s’améliore (ce qui arrive tous les quelques mois), il intègre nativement les fonctionnalités que l’application vendait.
• L’application perd soudain toute valeur économique.

Le papier montre que cette érosion n’est pas progressive : elle est discontinue. À chaque nouvelle version de modèle, des pans entiers d’applications « wrapper » deviennent obsolètes du jour au lendemain.

Les petites sociétés se retrouvent donc dans une course perdue d’avance : elles financent involontairement l’amélioration des modèles fondamentaux sans jamais pouvoir capter la valeur à long terme.

3. L’obsolescence instantanée :

Un LLM parfait devient inutile en un jour Autre découverte frappante : un modèle parfaitement fonctionnel perd toute valeur économique dès qu’un concurrent sort une version plus intelligente. Peu importe que votre LLM résolve 99 % des cas d’usage. Si un rival atteint 99,9 %, les clients migrent massivement.

Cette dynamique crée une pression permanente d’innovation et de surinvestissement en calcul : il faut toujours être en avance, même si le modèle actuel est déjà « bon ».

4. Vers un monopole inévitable ?

Le papier conclut que ces trois forces – Paradoxe de Jevons, Wrapper Trap et obsolescence rapide – convergent vers une structure de marché très concentrée :

• Seules les entreprises qui contrôlent les modèles de base (les « foundation models ») peuvent capturer durablement la valeur.
• Les coûts massifs de calcul et le besoin constant de données utilisateurs créent des barrières à l’entrée gigantesques.
• L’écosystème en aval (applications, agents, outils) devient un simple complément des géants, sans pouvoir exister de manière indépendante.

Ce n’est pas une prédiction idéologique, mais un résultat mathématique issu de la modélisation des incitations économiques.

Ce que cela signifie concrètement. Pour les développeurs et entrepreneurs :

• Les applications « simples sur API » sont des projets à très court terme.
• La valeur durable se trouve soit dans les modèles fondamentaux, soit dans les couches d’orchestration, de gouvernance, de confiance et d’intégration verticale très profondes que les grands modèles ne peuvent pas (ou ne veulent pas) internaliser eux-mêmes.

Pour l’industrie dans son ensemble :
L’IA ne va pas « démocratiser » l’intelligence en la rendant gratuite et abondante. Au contraire, elle renforce la concentration du pouvoir économique et technologique entre quelques acteurs capables de financer l’infrastructure colossale nécessaire.

Le Paradoxe de Jevons structurel n’est pas une hypothèse : c’est la réalité que nous observons déjà, jour après jour, dans les rapports de résultats de Nvidia, OpenAI, Google et Meta.

Le papier ne fait que lui donner une formalisation rigoureuse.

L’intelligence artificielle ne devient pas moins chère pour l’humanité. Elle devient plus puissante… et plus concentrée.