Renting Intelligence: Vendor Concentration Risk and the Pricing of AI Dependency
Cet article conclut que les marchés d'actions ne valorisent pas actuellement le risque de concentration des fournisseurs d'IA car les règles de divulgation obligatoire sont absentes, ce qui entraîne des informations incohérentes et souvent manquantes dans les documents publics, empêchant ainsi les investisseurs de distinguer les entreprises qui louent leurs modèles d'IA de celles qui les possèdent.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Dans l'économie moderne, les entreprises construisent de plus en plus leurs produits sur la base de l'intelligence artificielle. Pour ce faire, une entreprise est confrontée à un choix fondamental. Elle peut soit louer l'intelligence d'un grand fournisseur technologique, en payant des frais chaque fois que le système est utilisé, soit construire et exploiter ses propres systèmes à partir de zéro, en investissant massivement dans le matériel et les données d'entraînement au préalable. Cette décision n'est pas seulement technique ; c'est un pari financier. Lorsqu'une entreprise loue l'intelligence, elle dépend d'un prix fixé par un tiers, un prix qui peut changer à tout moment. Lorsqu'une entreprise construit la sienne, elle a déjà payé le coût et possède la capacité. La théorie financière suggère que le fait de compter sur un fournisseur extérieur pour un intrant critique devrait rendre une entreprise plus risquée, tout comme une entreprise qui dépend d'un seul client géant est considérée comme plus fragile qu'une entreprise ayant de nombreux petits clients. Les investisseurs, qui évaluent constamment le risque par rapport à la récompense, devraient théoriquement prêter plus cher à ces entreprises qui « louent », ou exiger des rendements plus élevés sur leurs actions, car leurs coûts futurs sont moins certains.
Un chercheur du Centre académique de Peres s'est donné pour mission de tester si le marché boursier perçoit réellement cette différence. L'étude a examiné des milliers de rapports annuels déposés par des entreprises américaines entre 2023 et 2026. L'objectif était de classer ces entreprises en deux groupes : celles qui admettaient louer leurs modèles d'intelligence artificielle à des tiers, et celles qui affirmaient les construire et les héberger elles-mêmes. Le chercheur a ensuite comparé le comportement boursier de ces deux groupes par rapport aux entreprises qui n'utilisaient pas la technologie du tout. L'attente était que les entreprises qui louent présentent des signes de risque plus élevé, tels que des prix d'actions plus volatils ou des coûts d'emprunt plus élevés, par rapport aux constructeurs.
Les résultats n'ont toutefois pas été ceux prédits par la théorie. L'étude a révélé que le marché boursier ne pouvait pas faire la différence entre les entreprises qui louaient et celles qui construisaient. Les deux groupes présentaient des niveaux de risque similaires, et aucun des deux groupes n'était évalué différemment de l'autre. La seule distinction claire que le marché a faite est entre les entreprises qui utilisaient la technologie et celles qui ne l'utilisaient pas. Les entreprises utilisant l'intelligence artificielle, quel que soit le mode d'obtention, semblaient plus risquées que celles qui ne l'utilisaient pas. Mais le choix spécifique entre la location et la construction n'a pas fait bouger l'aiguille.
La raison de ce silence dans les données n'est pas que le risque n'existe pas, mais que les entreprises n'en disent pas assez. Le chercheur a découvert que la plupart des entreprises qui écrivent sur l'intelligence artificielle dans leurs rapports annuels s'arrêtent juste avant la vérité. Elles peuvent revendiquer une « plateforme propriétaire » ou une « technologie interne », mais elles précisent rarement si les modèles qui tournent en dessous sont réellement les leurs ou s'ils sont loués à un tiers. Comme les entreprises ne précisent pas explicitement la provenance de leurs modèles, le chercheur a dû deviner en se basant sur un langage vague. Lorsque deux lecteurs indépendants ont tenté de classer les mêmes rapports sur la base de ces descriptions vagues, ils ne sont tombés d'accord sur la réponse qu'environ la moitié du temps.
Ce manque de clarté a créé un angle mort majeur. L'étude a montré que le groupe des « locataires » et le groupe des « constructeurs » étaient si mal définis dans les rapports que le marché ne pouvait pas les distinguer. C'est comme essayer de mesurer la différence entre deux types de carburant lorsque les étiquettes sur les réservoirs sont tachées et illisibles. Les données étaient simplement trop bruitées pour révéler le risque. Le chercheur a calculé que même si une différence réelle existait, la conception de l'étude n'était pas assez sensible pour la trouver, à moins que cette différence ne soit énorme — soit environ un quart de la variation totale du risque observée sur le marché.
La conclusion la plus révélatrice est venue de l'observation des entreprises qui mentionnaient l'intelligence artificielle mais refusaient de dire d'où provenaient leurs modèles. Ces entreprises, qui parlaient de la technologie sans en révéler la source, présentaient en réalité un risque plus élevé que les entreprises qui ne mentionnaient jamais la technologie. Leurs actions étaient plus volatiles et les investisseurs exigeaient un rendement plus élevé pour les détenir. Cela suggère que le silence lui-même est un signal de risque. Lorsqu'une entreprise utilise une technologie puissante mais cache ses origines, le marché perçoit une incertitude, même s'il ne peut en préciser l'origine exacte.
L'étude conclut que la manière actuelle dont les entreprises rapportent leur utilisation de l'intelligence artificielle est insuffisante pour permettre aux investisseurs de prendre des décisions éclairées. Le marché n'ignore pas le risque de la location ; il est simplement incapable de le voir. Les rapports sont trop vagues et le langage est trop incohérent pour permettre une mesure claire. Le chercheur suggère qu'un simple changement dans les règles de reporting pourrait régler le problème. Si les régulateurs exigeaient que les entreprises déclarent clairement si leurs modèles sont loués ou construits, et nomment le fournisseur si la dépendance est significative, les données deviendraient claires. Tant que cela n'arrivera pas, le risque spécifique de la location d'intelligence reste invisible, caché derrière une phrase que la plupart des entreprises choisissent de ne pas écrire. Le marché sait que la technologie est risquée, mais il ne sait pas encore quelles entreprises sont en train de ramasser l'addition.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.