Mustafa Suleyman, PDG de Microsoft AI qui a co-fondé DeepMind, le laboratoire londonien ensuite racheté par Google, avant de rejoindre Microsoft en 2024, s'attend à ce que le coût de construction de l'IA de pointe grimpe fortement, affirmant qu'un seul entraînement de modèle de pointe — le processus intensif en calcul de production d'un modèle — pourrait bientôt coûter « beaucoup, beaucoup de dizaines de milliards de dollars, voire cent milliards de dollars ».

S'exprimant le 28 septembre 2026, Suleyman a donné un calendrier court pour ce jalon : les deux prochaines années. Sa liste de ceux qui peuvent se le permettre est encore plus courte. Seuls cinq ou six laboratoires dans le monde, a-t-il soutenu, pourront payer le prix d'entrée.

Le prix d'entrée ne cesse de grimper

Suleyman a relié la hausse des coûts à la vitesse de développement. Selon lui, davantage de puissance de calcul concentrée dans moins de laboratoires devrait se traduire par des progrès plus rapides en IA.

Il a étayé ce point de vue avec deux chiffres frappants. La puissance de calcul d'entraînement des modèles de pointe a été multipliée par un billion (mille milliards de milliards) au cours des 15 dernières années, a-t-il déclaré. Sur les deux dernières années seulement, les coûts d'inférence — le prix d'exécution d'un modèle entraîné à chaque utilisation — ont chuté de 300 fois. Ces deux tendances, a-t-il suggéré, vont dans le même sens : les ressources nécessaires pour entraîner les modèles de premier plan augmentent même si le coût de leur exécution diminue.

« Beaucoup, beaucoup de dizaines de milliards de dollars, voire cent milliards de dollars », a déclaré Suleyman au sujet du coût potentiel des entraînements de modèles de pointe.

Une prévision qu'il construit depuis longtemps

Ces propos sont moins une nouvelle position qu'une escalade d'une position existante. En décembre 2025, Suleyman avait prédit que rester compétitif en IA sur cinq à dix ans exigerait « des centaines de milliards de dollars » d'investissements, un chiffre qu attribuait à des besoins de calcul croissants pour l'entraînement avancé.

Les propos de septembre affinent cette prévision en attribuant un prix potentiel à des entraînements individuels plutôt qu'à une décennie de dépenses.

Suleyman a également décrit les opérations d'IA de Microsoft en des termes étonnamment physiques, comparant l'entreprise à une « entreprise de construction moderne » qui bâtit une infrastructure de calcul considérable. Le contexte est l'évolution de la relation de Microsoft avec OpenAI : suite à une restructuration de ce partenariat, Microsoft AI se concentre sur l'autonomie pour les modèles de pointe.

Le discours sur la sécurité accompagne celui sur les dépenses

Suleyman n'a pas présenté ces dépenses comme une simple course aux armements. Alors que les capacités de l'IA progressent rapidement, il a également appelé à une supervision et une évaluation renforcées, citant des développements tels que les pirates autonomes et des agents d'IA plus sophistiqués.

Il a qualifié les comportements récents de l'IA de « moment charnière » exigeant un examen plus approfondi de ce que ces systèmes peuvent faire.

Ce que cela signifie pour l'industrie de l'IA

L'implication la plus claire est la consolidation. Si les entraînements de modèles de pointe se dirigent vers les dizaines de milliards de dollars, le nombre d'organisations capables de rivaliser crédiblement au sommet se réduira à une poignée — cinq ou six, selon le décompte de Suleyman.

La baisse du coût d'inférence joue dans l'autre sens. Une chute de 300 fois en deux ans signifie que l'utilisation de l'IA devient rapidement moins chère, même si la construction de modèles de pointe se concentre en moins de mains.