« La seule chance de rénovation est d’ouvrir les yeux et de voir le gâchis. Ce n’est pas un gâchis qu’on puisse comprendre. J’ai proposé qu’on le laisse entrer parce que c’est la vérité. »

Samuel Beckett

Pendant le mouvement, le démantèlement de l’Université se poursuit

Le 15 octobre 2026, le Conseil constitutionnel a rendu sa décision n° 2026-341 L. Loin d’un contrôle de constitutionnalité classique, il s’agit d’une procédure de déclassement au titre de l’article 37 alinéa 2 de la Constitution : le Premier ministre demandait à sortir de la loi une vingtaine de dispositions du livre VII du code de l’éducation pour pouvoir ensuite les repenser arbitrairement par simple décret. Si le Conseil a refusé de toucher aux garanties d’impartialité des sections disciplinaires (art. L. 712-6-2), il a livré tout le reste à la mainmise de l’exécutif. Désormais, le gouvernement s’affranchit du Parlement pour redessiner la gouvernance, les conseils, les mandats et les modes de scrutin des établissements universitaires.

Concrètement, ce basculement dépouille la loi de ce qui structurait encore vaguement la démocratie universitaire, au profit du pouvoir réglementaire ou de la fragmentation des statuts locaux. Sont désormais modifiables par simple décret la durée et le renouvellement des mandats des présidents (L. 712-2), ainsi que la composition précise des conseils d’administration (L. 712-3) et la répartition des sièges au conseil académique (L. 712-5). L’exécutif peut imposer sans débat le mode de scrutin, l’organisation des élections (L. 719-1, L. 719-2) et faire sauter le contingentement des personnalités extérieures, notamment issues des syndicats ou du secondaire (L. 719-3). Les composantes, UFR, écoles et instituts voient également l’encadrement de leurs conseils, la désignation de leurs directeurs et la gestion de leurs budgets isolés (L. 713-3, L. 713-9, L. 715-2, L. 719-5) livrés aux arbitrages préfectoraux, rectoraux et administratifs.

Alors que le mouvement étudiant n’a encore rien obtenu, la mise en laisse courte de l’Université s’accélère. Il s’agit d’instaurer par décret une différenciation accrue des établissements, pensée pour accompagner le déploiement des Contrats d’objectifs, de moyens et de performance (COMP). Si cette démolition méthodique s’inscrit dans le fil du rapport Aghion-Cohen de 2004, elle prend aujourd’hui une tournure particulièrement inquiétante : elle prépare le terrain à l’arrivée au pouvoir de l’union des droites et des droites extrêmes. L’exécutif disposerait de nouveaux leviers réglementaires pour lancer dès les « cent jours » une phase d’attaque éclair : achever la « simplification » et l’« acte II de l’autonomie », c’est-à-dire la privatisation, la dépossession, la bureaucratisation et le verrouillage autoritaire de l’Université.

« Most businesses never need to deal with venture capital, but everyone needs to know exactly one thing that even venture capitalists struggle to understand: we don’t live in a normal world; we live under a power law. »

Peter Thiel

« Vous avez cru que tout pouvait se mettre en chiffres et en formules. Mais dans votre belle nomenclature, vous avez oublié la rose sauvage, les signes du ciel, les visages d’été, la grande voix de la mer, les instants du déchirement et la colère des hommes. »

Albert Camus

La bulle spéculative de IÅ

Dans le troisième volet de ce billet, nous avons montré que le récit produit par la Silicon Valley sur l’« intelligence artificielle » n’a que peu à voir avec une méthode algorithmique spécifique, et moins encore avec cette technologie immatérielle, autonome et omnisciente promue par le marketing des Big Tech. Nous avons retenu la graphie IÅ pour désigner ce Janus qui conjugue des démonstrateurs d’hégémonie (ChatGPT, Claude, Gemini) conçus pour rassurer les investisseurs et un projet de domination économique, politique et sociale fondé sur l’articulation entre données et pouvoir. Il s’agit dans ce quatrième volet d’en disséquer l’architecture matérielle et financière.

Les démonstrateurs d’hégémonie de l’IÅ articulent des modèles statistiques et inductifs, une infrastructure matérielle colossale (serveurs, data centers, réseaux), une main-d’œuvre pléthorique et précaire, souvent chargée de préparer, d’annoter et de contrôler les données sur lesquelles les machines sont entraînées, ainsi que deux flux massifs de données. D’un côté, les données d’entraînement, issues de l’appropriation à grande échelle du savoir humain ; de l’autre, les données captées en continu, qui permettent de profiler les individus et les collectifs humains et d’en construire des jumeaux numériques. Cette extraction est au cœur du dispositif : les données ne servent pas seulement à alimenter les modèles, elles constituent une ressource stratégique dont l’accumulation permet d’affiner les prédictions, d’anticiper les comportements et d’étendre les capacités de contrôle et de valorisation économique.

À l’opposé de l’illusion entretenue d’une technique dématérialisée, l’IÅ repose sur une empreinte physique démesurée, qui aggrave les menaces pesant sur l’habitabilité de la planète. Son déploiement exige l’extraction massive de métaux (lithium, cobalt, terres rares), une consommation énergétique gigantesque (de l’ordre de 100 GW d’ici trois ans, soit l’équivalent de la pointe de la consommation électrique française) et l’utilisation de millions de litres d’eau par jour pour refroidir les serveurs de chaque data center. C’est précisément contre l’implantation de ces infrastructures que se déploie une résistance transpartisane inédite. Aux États-Unis, le rejet populaire de ces projets a pesé lourdement sur les élections de mi-mandat, se traduisant par une vague de moratoires locaux et par des revers électoraux d’ampleur pour les candidats pro-tech. Un mouvement similaire gagne désormais l’Europe où, sous l’impulsion de collectifs citoyens et de coalitions telles que Stop Dirty Data Centres, la contestation s’organise pour exiger un moratoire immédiat face à l’accaparement de l’eau et de l’électricité. Cette fronde généralisée et les goulets d’étranglement opérationnels qu’elle provoque ont fini par creusé une béance spectaculaire entre le capital immobilisé et la capacité réelle de déploiement : le stockage de puces acquises mais non utilisées (dark GPUs) représente ainsi à lui seul plus de 234 milliards de dollars, soit la moitié de la valeur des puces vendues depuis 2023.

 

« This is why a Republic of high status males is best for decision making. Democratic, but a democracy only for those who are free to think. »

Elon Musk

« C’est le parfait objectif du pouvoir, arriver au plus haut degré d’incompétence et décider de tout. »

Erri de Luca, Impossible

Le triptyque de l’IÅ : pouvoir, infrastructures et données

Les démonstrateurs d’hégémonie de l’IÅ ne sont pas de simples outils, au sens où une calculatrice, un correcteur orthographique, un logiciel de traduction ou un système de calcul formel sont des outils : des dispositifs conçus pour accomplir une tâche déterminée, à partir d’une fonction circonscrite, sans avoir besoin de capter en permanence les activités de leurs utilisateurs. L’IÅ repose au contraire sur une extraction continue de données, qui constitue à la fois sa matière première, son carburant économique et l’un des principaux ressorts de son pouvoir.

Cette logique s’inscrit dans l’histoire des plateformes numériques et de leur modèle économique. L’IÅ est en effet l’aboutissement de la concentration du pouvoir économique et technique opérée par Meta et les hégémons du cloud (Google, Amazon, Microsoft). Ces entreprises ont bâti des infrastructures de calcul colossales et accumulé des volumes faramineux de données pour alimenter un modèle fondé sur la publicité ciblée et la surveillance. La captation des traces numériques leur a permis de transformer les activités ordinaires des individus (leurs recherches, leurs interactions, leurs déplacements, leurs préférences) en ressources exploitables pour prédire et orienter leurs comportements. Le deep learning s’est d’abord imposé dans cet écosystème comme une technique d’optimisation de l’engagement et de l’addiction des utilisateurs. Autrement dit, l’IÅ est née, non comme rupture algorithmique, mais comme une technologie de contrôle attentionnel et comportemental : le nudge poussé à sa dimension industrielle.

L’IÅ rompt avec la logique économique du numérique classique. Le modèle de rentabilité du logiciel traditionnel (applications, plateformes SaaS) repose sur un coût marginal, quasi nul : si les coûts fixes de recherche et développement sont élevés, servir de nouveaux utilisateurs ne coûte presque rien, ce qui permet de dégager des marges brutes spectaculaires. Cette structure de coûts a favorisé la constitution des monopoles du Web 2.0. L’économie de l’IÅ obéit à une tout autre logique : aux coûts initiaux colossaux (entraînement des modèles, GPU, énergie, salaires, infrastructures et dépenses de communication) s’ajoutent des coûts d’exploitation élevés, ainsi que le renouvellement régulier des data centers et des puces, dont la durée de vie économique ne dépasse pas trois à cinq ans. Cette intensité capitalistique exerce une forte pression à la concentration : seules des positions monopolistiques ou oligopolistiques permettraient aux entreprises du secteur d’amortir leurs investissements, en imposant des prix et en captant des revenus récurrents. La rente monopolistique apparaît ainsi comme une condition économique du modèle : elle doit garantir les débouchés et les marges nécessaires à la rentabilisation d’infrastructures dont le coût et le renouvellement rendent particulièrement incertaine la rentabilité en situation de concurrence.

Ce modèle de captation est le produit direct de l’économie du capital-risque, dont la mécanique financière repose sur la croyance d’une distribution en loi de puissance (Power Law) : un très petit nombre d’investissements génère la quasi-totalité des profits, tandis que la grande majorité des startups échoue ou rembourse à peine le capital initial. Les fonds de capital-risque découpent le financement en « tours de table » (funding rounds). À chaque étape (prototype, preuve de concept, franchissement d’échelle, conquête d’une position dominante), la valorisation de l’entreprise et le prix des actions peuvent être multipliés par un facteur de trois à cinq. L’objectif des investisseurs n’est donc pas nécessairement de financer des entreprises immédiatement profitables. Il s’agit au contraire de subventionner à perte des acteurs susceptibles de devenir hégémoniques, afin de pratiquer le blitzscaling et de capturer un marché entier dans une dynamique où le vainqueur emporte tout (winner-take-all).

Portée par les figures de proue du capital-risque de la Silicon Valley, qui conjuguent libertarianisme autoritaire et accélérationnisme, cette doctrine a fait de la hype une arme politique et financière. En injectant des dizaines de milliards dans les plateformes numériques, puis dans les démonstrateurs d’hégémonie de l’IÅ, les entrepreneurs du capital-risque, de Marc Andreessen à David Sacks et Balaji Srinivasan, misent sur la constitution de monopoles incontournables et l’instauration de rentes d’infrastructure, seules à même de garantir la captation durable de la valeur et de dégager les profits futurs qui justifieraient les investissements consentis. Or ces profits restent largement fictifs. Faute de pouvoir transformer à court terme ces positions dominantes en rentes effectives, la dynamique spéculative s’apparente à la martingale d’une pyramide de Ponzi : les rendements virtuels et les survalorisations des premiers investisseurs ne sont pas adossés à des bénéfices opérationnels réels, mais alimentés par l’afflux continu de capitaux apportés par les nouveaux entrants. La promesse sans cesse réitérée de profits colossaux à venir sert ainsi d’appât pour lever des fonds toujours plus massifs, entretenant une fuite en avant où chaque tour de table doit surévaluer le précédent pour conjurer l’effondrement de l’ensemble.

« We are the apex predator. »

Marc Andreessen

« Le fascisme est l’archaïsme techniquement équipé. »

Guy Debord

Coincer la bulle

Pour soutenir leur course à l’hégémonie, les cinq hyperscalers étatsuniens (Alphabet, Amazon, Meta, Microsoft et Oracle) se sont engagés dans une expansion massive de leurs infrastructures. En 2026, près de 1 000 milliards de dollars devraient être investis dans l’intelligence artificielle, dont les deux tiers par ces entreprises. Leurs rentes numériques ne suffisant plus à financer cette expansion, elles recourent de plus en plus à l’endettement et aux marchés obligataires, entrant ainsi en concurrence avec les États, qui avaient déjà émis plus de 500 milliards de dollars de dette à la mi-2026. Dans un contexte de retrait des banques centrales, cette demande accrue de capitaux contribue à renchérir le coût du financement et rend le secteur particulièrement vulnérable aux retournements de confiance.

Un premier craquement survient à la fin de mars 2026 : les tensions géopolitiques et la remontée de l’inflation contribuent à assécher le marché du crédit privé et provoquent un retrait des prêteurs. En quelques jours, le Nasdaq 100 perd plus de 20 %. Cette première alerte révèle la dépendance de l’expansion de l’IÅ à l’abondance des capitaux et à la disponibilité du crédit.

Un deuxième craquement intervient à la fin de juillet, lorsque sont mises en lumière les interdépendances financières de l’écosystème de l’IA. Participations croisées, crédits, garanties et engagements réciproques entretiennent un circuit fermé dans lequel les acteurs financent, directement ou indirectement, la demande dont dépend leur propre croissance. À ces mécanismes s’ajoutent quelque 1 650 milliards de dollars d’engagements hors bilan (coentreprises, Special-Purpose Vehicles (SPV), achats anticipés) qui constituent une forme de dette de l’ombre. Ainsi, les vendeurs de puces (Google, Broadcom, Nvidia) fabriquent eux-mêmes, via des véhicules ad-hoc portés par des banques d’affaires comme Morgan Stanley, le financement de leurs propres clients. Cette économie circulaire, qui rappelle les heures sombres de la chute d’Enron en 2001, lie étroitement les entreprises de la Tech, les banques et les fonds de dette privée en empaquetant cette dette spéculative dans des produits structurés opaques (Collateralized Loan Obligations (CLO)), faisant apparaître des risques systémiques et ravivant les comparaisons avec les mécanismes de titrisation de la crise des subprimes. Des résultats trimestriels décevants provoquent alors une nouvelle correction : le Nasdaq 100 perd près de 10 % en quelques jours.

Le troisième craquement, à la fin d’octobre, marque un changement d’échelle : la défiance gagne les géants eux-mêmes. En deux séances, plus de 1 500 milliards de dollars de capitalisation boursière liée à l’IÅ disparaissent. Le Nasdaq 100 recule de plus de 6 %, tandis qu’Alphabet perd près de 500 milliards de dollars de capitalisation en une seule séance. Amazon, Microsoft et Nvidia sont également lourdement sanctionnés. Les investisseurs ne mettent plus seulement en doute le financement des jeunes entreprises du secteur, mais aussi la capacité des groupes dominants à tenir leurs promesses de croissance et à rentabiliser leurs investissements. Les signes de désengagement se multiplient : à la mi-octobre, le fonds de pension californien CalPERS annonce son retrait des valeurs cotées de l’IA ; SoftBank peine à réunir de nouveaux financements ; OpenAI ne parvient à lever qu’environ la moitié des 30 milliards de dollars recherchés et reporte son introduction en Bourse. Oracle, lourdement endetté, est désormais classé parmi les émetteurs d’obligations spéculatives, tandis que CoreWeave a perdu plus de la moitié de sa valeur boursière depuis son entrée en Bourse.

Le quatrième craquement est survenu au lendemain de la victoire démocrate aux élections de mi-mandat. Le jeudi 5 novembre, le Nasdaq 100 a chuté de 5,5 %, effaçant 2 500 milliards de dollars de capitalisation en une seule journée et ramenant l’indice en territoire de correction. L’onde de choc s’est propagée à l’ensemble de la chaîne de valeur, des fabricants de semi-conducteurs, dont Qualcomm et Nvidia, jusqu’aux pionniers du cloud, brisant le mythe d’une immunité des géants technologiques.

L’ampleur de la fuite en avant financière apparaît dans les projections macroéconomiques de l’économiste Stijn Van Nieuwerburgh. Selon son estimation révisée, la construction de l’infrastructure américaine de l’IÅ nécessiterait près de 9 000 milliards de dollars d’investissements cumulés entre 2025 et 2032, soit un effort annuel moyen équivalent à 3,2 % du PIB américain. Une telle intensité capitalistique dépasserait celle des grandes vagues d’équipement de l’histoire économique moderne : construction des canaux, déploiement du réseau ferroviaire, électrification du territoire, développement des autoroutes et révolution des télécommunications. Par ailleurs, pour atteindre un rendement annuel de 10 %, le secteur devrait générer à maturité quelque 3 550 milliards de dollars de chiffre d’affaires par an, soit l’équivalent de 8,8 % du PIB américain projeté en 2032. Un tel niveau de revenus paraît difficilement conciliable avec l’absence, à ce jour, de gains de productivité macroéconomiques mesurables (paradoxe de Solow). Il révèle surtout la fragilité d’un modèle dont la rentabilité reste suspendue à des anticipations de croissance irréalistes et dont la poursuite dépend, dans l’intervalle, du maintien de l’afflux de capitaux et de l’accumulation de dette.

Conclusions tactiques

Le fantasme d’une expansion illimitée porté par le capital-risque repose sur une illusion fondamentale : si les distributions en loi de puissance (power law) sont des objets mathématiques parfaitement estimables, elles ne sauraient abolir les limites matérielles et sociales sur lesquelles bute toute expansion dans le monde réel. Parce qu’elle ne reconnaît aucune source transcendante ou extérieure (Dieu, la Nature ou les lois immuables de l’Histoire), la démocratie est le régime de l’auto-limitation : elle ne connaît d’autres lois et d’autres limites que celles que la société se donne consciemment. Le récit produit par les géants de la Tech vise précisément à soustraire leur projet de prédation à cette délibération collective, et donc à récuser le principe même de l’autonomie démocratique.

L’éclatement de la bulle de l’IÅ aura des répercussions sur l’ensemble des citoyens de la planète, à commencer par celles et ceux vivants aux États-Unis. En effet, les introductions en Bourse (Initial Public Offering, ou IPO) ne servent pas seulement à concentrer les richesses entre les mains d’une poignée de milliardaires : elles constituent des instruments de socialisation du risque spéculatif en injectant ces actifs volatils au cœur des fonds de pension et de l’épargne publique. Dès lors, la contre-offensive démocratique doit passer par une taxation substantielle des patrimoines de la Tech et par le blocage ou la régulation stricte des introductions en Bourse des entreprises de l’IÅ.

L’éclatement de la bulle de l’IÅ ne signera pas la disparition miraculeuse des modèles d’intelligence artificielle. En revanche, elle constitue l’opportunité d’imposer la fin de la prédation des Big Tech et une régulation démocratique. Le modèle économique de l’IÅ reposant, non sur les algorithmes, mais sur les données et les infrastructures, c’est sur la résistance à l’implantation de data centers et sur la régulation forte de la captation de données (à commencer par le RGPD et la propriété intellectuelle) que doit se baser la contre-offensive. C’est sur cette base commune qu’un front démocratique peut s’ouvrir, qui réunisse celles et ceux qui refusent tout usage de l’IÅ, et celles et ceux qui sont ouverts à des outils qui remplissent des fonctions précises et ne passent pas par la captation, la transmission et le traitement de données. Ce pas de côté permet d’examiner des projets comme celui d’un calculateur scientifique européen, public, à l’aune de critères simples, à commencer par le contrôle démocratique, par une empreinte écologique soutenable, et par l’absence de flux de données vers des acteurs privés. Soulignons au passage que la rhétorique du souverainisme est un leurre, la nationalité des prédateurs n’étant pas la question.

Au-delà de ces enjeux d’infrastructures et de données, les débats qui traversent aujourd’hui la communauté scientifique continuent d’être rabattus sur la seule question des usages de l’IÅ. Nous y consacrerons le cinquième et dernier volet de ce billet, en analysant la manière dont l’introduction irréfléchie de ces pratiques révèle des dysfonctionnements chroniques au sein de l’enseignement supérieur et de la recherche.