Sora quitte le marché après

Il y a quelques jours, OpenAI a annoncé, sans préavis, qu’elle allait fermer son modèle de génération vidéo basé sur l’IA, Sora.

De l’espoir placé dessus il y a deux ans, lorsqu’il a fait irruption et qu’il était censé « changer l’industrie du cinéma », à son retrait désormais tout aussi silencieux, la durée de vie de Sora, si brève, et le revirement, si brutal, suscitent une profonde amertume.

En Californie, la fermeture de projets emblématiques a souvent une portée de signal d’orientation — comme lorsque Apple, après une décennie de course, a renoncé de façon décisive au projet de fabrication de voitures, ou encore comme quand Meta a drastiquement réduit ses effectifs dans son laboratoire de métavers, autrefois considéré comme vital. La disparition de ces projets s’accompagne souvent d’un changement de cap de la stratégie de l’entreprise, voire de l’industrie.

À travers les choix et la stratégie d’OpenAI, on peut entrevoir les transformations en cours dans l’industrie américaine de l’IA.

T’an Zhu a interrogé plusieurs acteurs du secteur de l’IA, y compris des chercheurs qui évoluent depuis longtemps dans les milieux de l’IA entre la Chine et les États-Unis, ainsi que des professionnels de première ligne. Parmi les détails qu’ils ont partagés, on peut déceler quelques indices.

« Ressources » est un mot que les professionnels du secteur mentionnent sans cesse, et qui constitue aussi le point de départ pour comprendre tous ces changements.

Des professionnels qui ont travaillé avec des ingénieurs et développeurs d’entreprises américaines de premier plan en IA, comme OpenAI et Meta, ont dit à T’an Zhu que, dans le secteur, il existe actuellement un consensus largement admis : la concurrence en IA se résume, au final, à une concurrence de ressources. Si les talents, le capital et la puissance de calcul sont suffisants, les entreprises d’IA parient généralement en même temps sur plusieurs axes technologiques.

Et la fermeture de Sora par OpenAI est le résultat de la raréfaction des ressources.

Regardons d’abord le problème le plus fondamental : la puissance de calcul.

Depuis deux ans, les États-Unis ne cessent de dire qu’ils veulent construire davantage de centres de données et continuer d’étendre la puissance de calcul, mais la réalité est que l’offre ne parvient pas à suivre la croissance de la demande. D’après des estimations de Goldman Sachs, le déficit entre l’offre et la demande en puissance de calcul des centres de données américains tend à se normaliser, et devrait aussi rester durablement autour de 10 gigawatts au cours des prochaines années.

Le plus déterminant est qu’une grande partie des nouveaux projets se heurte à l’étape de l’électricité et des infrastructures, et qu’au final, ils risquent bien de ne pas aboutir.

En ce qui concerne OpenAI, le problème est encore plus marqué.

OpenAI a une particularité : elle ne construit pas ses propres centres de données, et sa puissance de calcul essentielle dépend de la collaboration avec des fournisseurs comme Microsoft.

En 2025, le président d’OpenAI a indiqué que la répartition interne des GPU était devenue un processus « extrêmement douloureux », au point qu’il fallait même une petite équipe dédiée pour surveiller à quel moment chaque projet se termine, afin de réaffecter la puissance de calcul libérée à de nouveaux projets.

C’est précisément à ce moment que commence à se faire sentir une seconde pression : l’industrie de l’IA entre dans un nouveau cycle de capitaux.

Par rapport au passé, où l’on « investissait d’abord puis on vérifiait », les investisseurs exigent désormais avec force des retours commerciaux mesurables.

｜｜Selon une enquête menée par des cabinets de conseil américains, 53 % des investisseurs s’attendent à obtenir un retour dans un délai de six mois.

｜｜Plus de 70 % des directeurs des systèmes d’information (CIO) ont déclaré clairement que, si l’on ne prouve pas la valeur commerciale de l’IA avant la mi-2026, les budgets concernés seront réduits.

Lorsque les exigences en matière de capitaux augmentent et que la puissance de calcul devient coûteuse et rare, l’entreprise finit par devoir faire des choix en interne. Pour les entreprises d’IA américaines actuelles, ce changement est particulièrement brutal.

Selon des estimations, le coût de génération d’une vidéo de 10 secondes avec Sora est de 1,3 dollar. En supposant que les utilisateurs génèrent 11,3 millions de vidéos par jour, le coût de puissance de calcul par jour serait d’environ 15 millions de dollars, tandis que les revenus réels sont largement inférieurs.

Sora n’est qu’une illustration de la logique de « compromis » :

｜｜Au cours du mois écoulé, d’autres fonctionnalités ont aussi été ajustées, comme la fonction de paiement express native de ChatGPT.

｜｜En parallèle, OpenAI a annoncé un accord avec le ministère américain de la Défense, prévoyant le déploiement des modèles d’OpenAI dans un réseau confidentiel du ministère.

Ces projets supprimés partagent des caractéristiques communes : positionnement orienté « grand public », consommation de puissance de calcul extrêmement élevée, stagnation de la croissance des utilisateurs, et retours à court terme peu clairs.

Derrière cela, se déroule un ajustement structurel de l’industrie américaine de l’IA :

｜｜En mars 2026, Meta a annoncé qu’elle prévoyait de fermer, le 15 juin, le support de Horizon Worlds sur les casques VR. La majeure partie du budget est orientée vers des infrastructures d’IA, des appareils portables et le segment mobile, entre autres.

｜｜Amazon a annoncé la fermeture des projets pilotes des magasins physiques Amazon Fresh et Amazon Go, tout en arrêtant le système de paiement par empreinte Amazon One.

｜｜Dans le domaine du marquage/annotation de données d’IA, Scale AI, une entreprise de premier plan, a restructuré son équipe en juillet 2025, en augmentant les ressources pour les ventes aux entreprises et au gouvernement, et en faisant porter la priorité de son activité d’annotation de données sur les opportunités les plus rentables.

L’industrie américaine de l’IA est en train de former un consensus : privilégier les projets à forte marge brute et réduire les investissements continus dans l’innovation orientée grand public.

Alors, quels types de projets sont « à forte marge brute » ?

Il y a peu, OpenAI a conclu un accord avec le ministère américain de la Défense en vue de déployer des modèles avancés dans un réseau confidentiel.

Ce choix a une particularité : il franchit deux lignes rouges.

｜｜D’abord, la ligne rouge d’OpenAI elle-même. OpenAI avait répété à de nombreuses reprises qu’elle ne fournirait pas de soutien technique pour la surveillance intérieure à grande échelle ou pour des systèmes d’armes autonomes, mais elle change aujourd’hui de position.

｜｜Ensuite, la ligne rouge de l’industrie. Une autre entreprise américaine de premier plan, Anthropic, est précisément en train de subir les conséquences de son respect de cette ligne rouge : le Pentagone l’a classée comme « risque pour la chaîne d’approvisionnement », et OpenAI reprend le flambeau à ce même moment.

Cela révèle une évolution dangereuse de la prochaine étape du développement de l’IA aux États-Unis : des domaines autrefois jugés inabordables commencent à être abordés ; les lignes rouges autrefois défendues sont désormais sur le point d’être dépassées.

Chen Qi, qui a participé à 14 cycles de dialogues sur l’intelligence artificielle entre la Chine et les États-Unis, a déclaré à T’an Zhu que, dans les milieux stratégiques et au sein des entreprises, le discours dominant pousse fortement à lancer une « course aux armements » en IA, dans le but de rechercher une supériorité absolue par rapport aux autres pays.

Surtout au cours de l’année écoulée, le gouvernement américain actuel a complètement renversé l’idée du gouvernement précédent selon laquelle l’IA doit être « sûre, fiable et digne de confiance ». Il s’oriente désormais vers « gagner la course à l’IA », en plaçant le fait de battre les autres pays au cœur absolu.

Cela ouvre la voie à un arrimage profond entre capitaux et armée.

Sous la pression de « gagner la compétition », les limites autrefois posées sont en train d’être redessinées, et le ministère de la Défense devient un partenaire particulièrement attractif.

En regardant verticalement, sur les trois grands axes — face aux consommateurs (To C), face aux entreprises (To B) et face au secteur public (To G) — c’est le secteur public qui est en train de devenir le dernier « océan bleu » pour l’IA.

Sur le plan du déploiement, la fréquence d’utilisation de l’intelligence artificielle par les professionnels du secteur public américain est bien inférieure à celle de la plupart des Américains. Cela signifie qu’il existe un espace énorme encore inexploité.

Cela signifie aussi que le secteur public n’en est pas encore à l’étape d’« évaluation des retours ». Ici, les budgets proviennent de subventions plutôt que d’exigences de rentabilité ; les cycles sont plus longs, les fonds plus stables, et la tolérance au risque plus élevée.

En regardant horizontalement, l’intention de coopération la plus forte au sein du secteur public se trouve du côté du ministère de la Défense.

D’après des données issues d’un inventaire des contrats du gouvernement fédéral américain, le ministère de la Défense représente plus de 70 % des contrats fédéraux d’intelligence artificielle. Rien que de septembre 2022 à août 2023, le montant des contrats d’IA du ministère de la Défense a augmenté de 1500 %.

Liu Wei, qui a échangé avec des délégations issues de think tanks américains, de l’armée, etc., a déclaré à T’an Zhu que, selon son observation, le choix des entreprises de coopérer avec l’armée tient d’une part à la pression réelle sur la gestion, et d’autre part à l’envie de réaliser des percées technologiques via cette « zone d’essai » qu’est l’armée.

Cette coopération constitue une étape clé pour que les États-Unis construisent une hégémonie de l’IA : elle lie en profondeur le développement technologique aux capacités militaires, ouvre la voie aux capitaux grâce à l’argent public, puis utilise les avantages technologiques pour renforcer en retour l’hégémonie militaire.

Mais le coût commence à apparaître au grand jour.

À l’origine, le déploiement lent de l’IA par le gouvernement américain reposait sur une logique interne.

Contrairement au secteur privé, le secteur public n’est pas pareil : certains défauts actuels de l’IA — illusions de l’IA, insuffisance de précision, etc. — peuvent n’être qu’un problème d’expérience dans des scénarios privés, mais dans le secteur public, ils peuvent évoluer en problèmes de société :

｜｜Secteur des statistiques : l’assistance de l’IA pour le traitement des données peut fortement améliorer l’efficacité, mais si des hallucinations de l’IA entraînent une erreur dans les chiffres, cela peut avoir un impact direct sur l’économie et la vie quotidienne ;

｜｜Secteurs de l’agriculture, de l’énergie, etc. : l’IA peut aider à la recherche scientifique et à l’allocation des ressources, mais des hallucinations de l’IA peuvent conduire à des prédictions erronées de modèles ;

｜｜Domaine de la défense : auparavant, certains projets d’IA ont montré un problème où la précision des systèmes de reconnaissance d’objectifs n’était qu’environ à 30 % en conditions météorologiques dégradées ; pour des décisions impliquant des vies humaines, si l’erreur survient, les conséquences sont irréversibles.

Aujourd’hui, cette prudence est en train d’être abandonnée.

Le ministère de la Défense adopte même une approche radicale du type « au front, tout en corrigeant » — en injectant rapidement l’IA dans des scénarios d’entraînement et d’opération, puis en l’améliorant par itérations à partir de retours réels. Cette méthode, en soi, consiste à échanger le risque pour des vies humaines contre la vitesse d’itération technologique.

Liu Wei a dit à T’an Zhu que, en particulier parmi les officiers américains de rang intermédiaire et inférieur qu’il a rencontrés, ce sont eux qui se battent réellement sur le front. Ils sont extrêmement favorables à l’application militarisée de l’intelligence artificielle, et estiment généralement qu’elle aide à améliorer les capacités opérationnelles et le niveau de planification stratégique.

À ce stade, on peut voir les choix d’OpenAI, qui reflètent un dangereux mouvement pour construire l’hégémonie de l’IA aux États-Unis :

La recherche de retours par le capital, la quête d’avantage militaire par le gouvernement américain ; les deux parties font des compromis et se donnent mutuellement des appuis dans le domaine de l’IA, et franchissent ensemble les lignes rouges en matière d’éthique et de sécurité.

Les États-Unis ont déjà choisi d’allouer en priorité l’IA au domaine militaire. Et la prochaine fois, jusqu’où la frontière sera-t-elle repoussée ?