Le PDG de NVIDIA, Huang Renxun, s’est récemment rendu à l’All-In Summit, où il a échangé pendant près de 50 minutes avec quatre animateurs du All-In Podcast : Jason Calacanis, Chamath Palihapitiya, David Sacks et David Friedberg.
Cette interview aborde, de la sécurité de l’IA aux thèses de « ralentir l’IA de pointe » de Dario Amodei, en passant par les modèles open source, la course à l’IA entre les États-Unis et la Chine, les centres de données, la stratégie d’investissement de NVIDIA, les voitures autonomes et la semi-conducteurs chinois. À mi-parcours, le président américain Trump téléphone soudainement en pleine conversation : via le téléphone de Huang Renxun, il s’adresse directement à des milliers de spectateurs présents sur place, pour un discours d’environ 5 minutes.
Huang Renxun critique les prophéties de fin de l’IA : beaucoup de prédictions se sont finalement révélées fausses
Dès le début de l’entretien, l’animateur a orienté la discussion vers l’article le plus récent du PDG d’Anthropic, Dario Amodei, ainsi que vers les débats récents dans les laboratoires d’IA à la pointe du sujet sur la sécurité et le fait de « ralentir la course ».
Huang Renxun a indiqué que les passages de l’article concernant le contrôle interne, les lanceurs d’alerte et la gouvernance de la sécurité méritent d’être pris au sérieux. En revanche, il n’est pas du tout d’accord avec l’idée selon laquelle l’IA décrite sous forme de « prédictions scientifiques » pourrait mener à la destruction de la civilisation. Il a déclaré que ce type d’affirmation « ne repose pas sur la science », mais parce qu’il émane de chercheurs, il est très facile pour le grand public de la considérer comme des prédictions appuyées par des preuves.
Huang Renxun a ensuite énuméré plusieurs prédictions d’IA des dernières années : notamment que les radiologues disparaîtront dans cinq ans, que 90 % du code sera généré par l’IA dans les six mois à un an, ou encore que 50 % des postes de débutant vont être supprimés. Selon lui, ces prédictions ne se sont pas réalisées jusqu’ici comme elles avaient été décrites à l’origine.
Il a pris l’imagerie médicale comme exemple pour souligner que l’IA a bien déjà largement aidé à interpréter les images, mais que le monde n’en a pas moins besoin de radiologues ; au contraire, il en faut davantage. Autrement dit : l’IA prend en charge une partie des flux de travail, et non pas l’ensemble d’un métier pour l’éliminer directement.
Huang Renxun pense que l’industrie de l’IA doit assumer la responsabilité des erreurs et des prédictions excessivement gonflées du passé. Elle ne peut pas, d’un côté, multiplier encore et encore des prédictions extrêmes, et de l’autre, demander à la société de « croire les experts ».
Que faire si l’IA pose problème ? Huang Renxun : d’abord, traiter la cause racine sur le plan de l’ingénierie
Sur la manière dont le gouvernement doit réellement encadrer l’IA, la position de Huang Renxun penche elle aussi vers une gouvernance d’ingénierie. Il estime que « la régulation doit résoudre des problèmes réels et existants ». Les seuls capables de s’attaquer aujourd’hui aux risques à la pointe, ce sont surtout les frontier labs qui disposent d’une énorme puissance de calcul, car des lycéens, des startups ordinaires, voire la plupart des entreprises n’ont pas assez de compute pour mener des expériences à une échelle comparable.
Ainsi, dès qu’un accident survient, la première chose à faire ne devrait pas être de passer directement à une interdiction totale ou à un arrêt du développement. Il faut, comme pour un accident d’ingénierie, remonter au « cause racine » : qu’est-ce qui s’est produit ? Pourquoi est-ce arrivé ? Quelles techniques, procédures, mesures de contrôle ou sandboxes peuvent empêcher que l’incident se reproduise ?
Huang Renxun a déclaré qu’il croit que les entreprises d’IA à la pointe peuvent, grâce à de meilleurs runtimes, sandboxes, monitoring, continuous monitoring et mécanismes d’évaluation, progressivement remettre sous contrôle les problèmes qui ont déjà eu lieu dans le passé. Ce n’est que lorsque les entreprises elles-mêmes reconnaissent : « Nous ne savons pas ce qui se passe, et nous ne savons pas non plus comment le contrôler » que des équipes d’ingénierie externes devraient intervenir pour aider.
Il a ajouté qu’un évaluateur ou auditeur tiers est une approche raisonnable, comme les audits financiers d’une entreprise cotée. Il n’est pas nécessaire qu’il comprenne la technique mieux que l’entreprise elle-même, mais il faut qu’il pose les bonnes questions. Et idéalement, il doit exister plusieurs organismes tiers différents, plutôt qu’un seul évaluateur qui monopolise les standards.
Le recursive self-improvement (amélioration récursive de soi) fera-t-il perdre le contrôle à l’IA ?
En parlant de l’investissement de Zhipu AI (Zhipu) en recherche sur le recursive self-improvement (RSI), Huang Renxun estime que l’idée elle-même n’est pas aussi mystérieuse que ce que d’autres décrivent de l’extérieur.
Il explique que, dans sa nature, le RSI combine plusieurs technologies d’IA existantes : l’apprentissage in-context, les compétences (skills), la réflexion (reflection), l’apprentissage par renforcement (reinforcement learning), les données synthétiques, ainsi que des méthodes comme LoRA. Cela permet à l’IA d’améliorer en continu sa performance pendant l’exécution de tâches et la production de données.
Huang Renxun estime qu’utiliser l’IA pour améliorer l’efficacité même de « construire de l’IA » est tout à fait raisonnable, et que, dans une certaine mesure, chaque laboratoire le fait déjà. Le vrai problème, c’est que le terme RSI commence à être utilisé pour donner l’impression que « l’IA va s’auto-renforcer indéfiniment et devenir incontrôlable ».
Même si une entreprise fait en interne améliorer le modèle par auto-amélioration répétée, avant sa mise sur le marché, il faut encore faire de l’évaluation, des tests, des tests de régression et une validation ; ainsi, le processus d’ingénierie lui-même constitue un point de contrôle.
Huang Renxun : le monde a besoin à la fois de modèles fermés et de modèles ouverts
En parlant de l’open source dans l’IA, Huang Renxun a déclaré que le monde n’est pas obligé de choisir entre « modèle fermé ou modèle ouvert » : les deux sont nécessaires. Il a comparé les modèles fermés à de l’eau en bouteille : l’eau est très répandue, mais les gens choisissent quand même de l’eau en bouteille dans certains contextes. De même, pour l’IA : certains travaux sont plus faciles à faire directement avec les tout premiers modèles fermés, mais les entreprises peuvent aussi avoir besoin de modèles ouverts qu’elles peuvent déployer et modifier elles-mêmes, en raison de questions de souveraineté, de confidentialité ou d’exigences liées à des technologies propriétaires.
Sur scène, Huang Renxun a donné un chiffre très surprenant : il a dit que, au cours des six derniers mois, environ 400 milliards de dollars d’argent de capital-risque ont afflué vers des entreprises natives de l’IA, dont environ 80 % utilisent des modèles open source. Selon lui, si les États-Unis veulent gagner la compétition en IA, l’objectif ne devrait pas être seulement de faire gagner quelques géants technologiques, mais de permettre à chaque entreprise, chaque industrie, chaque chercheur, chaque enseignant, chaque étudiant et chaque startup de pouvoir utiliser l’IA.
La Chine maîtrise de nombreuses contributions open source : Huang Renxun — la vraie compétition, c’est « qui sait le mieux utiliser l’IA »
L’animateur a ensuite demandé : si un grand nombre de modèles open source venait de Chine, cela créerait-il un risque stratégique pour les États-Unis ?
La réponse de Huang Renxun est très pragmatique. Il a indiqué que, de nos jours, une grande partie des contributions open-source dans le monde proviennent déjà de Chine, en raison notamment de la masse de talents en ingénierie et du nombre d’étudiants diplômés en filières ingénierie et sciences. Même si Linux, Kubernetes ou d’autres logiciels open source ont déjà été modifiés par des ingénieurs chinois, tant que le code est téléchargé dans son propre environnement, les utilisateurs peuvent le fork, l’améliorer et en faire leur propre version.
Ainsi, selon lui, la vraie compétition en IA n’est pas « qui invente toutes les technologies », mais « qui sait le mieux exploiter cette technologie ». Huang Renxun s’est appuyé sur des précédents de la révolution industrielle : Maxwell, Volta et Ampère n’étaient pas américains ; beaucoup de technologies importantes sont nées en Europe, mais à la fin, les États-Unis ont été les plus capables de transformer ces technologies en productivité industrielle et sociale. Il espère que le scénario se répétera aussi à l’ère de l’IA.
Il estime aussi que, pour l’instant, le récit de la Chine sur l’IA est plus « pragmatique » que celui des États-Unis : la Chine considère l’IA comme une technologie capable de favoriser le développement économique et social, alors qu’aux États-Unis, les discours sur la destruction de la civilisation et l’« AI doom » continuent au contraire d’apparaître sans cesse.
L’IA va-t-elle rendre les ingénieurs sans emploi ? Huang Renxun : à l’époque, même les ingénieurs n’avaient pas besoin de taper tous les jours
À propos de savoir si l’IA va éliminer les postes d’ingénierie logicielle, Huang Renxun a aussi donné un autre angle. Il a rappelé qu’au moment où lui-même venait juste de devenir ingénieur après ses études, le logiciel n’était pas encore aussi omniprésent qu’aujourd’hui ; le travail d’ingénierie n’était pas forcément de s’asseoir devant un ordinateur et de taper tous les jours. Aujourd’hui, en revanche, les ingénieurs utilisent le clavier pour écrire du code dès le début de leur journée de travail.
Ainsi, selon Huang Renxun, l’« ingénierie » en tant que telle ne revient pas à « coder ». Il a même plaisanté en disant qu’il ne cesse de dire aux ingénieurs logiciels de NVIDIA : « Vous ne faites que taper. » Et sa touche de clavier préférée, c’est Backspace, parce que le meilleur logiciel est souvent le plus petit et le plus minimal. L’avenir de l’IA pourrait faire que d’importants volumes de code ne soient plus saisis directement par les humains, mais cela ne signifie pas que le monde n’aura plus besoin d’ingénieurs.
Trump : Les centres de données, c’est le pétrole des 20, 25 prochaines années ; et l’IA sera plus grande que le réseau
Au moment où l’animateur s’apprêtait à faire passer la discussion sur le modèle économique de NVIDIA, le téléphone de Huang Renxun a soudain sonné. Il a regardé et s’est exclamé, surpris : « Oh, it’s Trump. »
Après avoir décroché, il a dit à Trump qu’il se trouvait sur la scène du All-In Summit, avec des animateurs comme Jason, Chamath, David, et des milliers de spectateurs sur place, et que « nous sommes justement en train d’en parler ».
Sur place, un petit chaos s’est installé : tout le monde essayait de passer le téléphone en mode haut-parleur et de l’approcher du micro. Dès que Trump s’est connecté, il a commencé par une blague à propos de Huang Renxun : « Le meilleur endroit pour se raconter des histoires drôles dans une vie, c’est que Jensen peut développer les puces les plus complexes du monde, celles que personne n’a pu reproduire depuis dix ans, mais qu’il ne sait pas comment me mettre en haut-parleur. »
Dans un appel téléphonique, Trump a déclaré que présenter les centres de données et l’IA comme une menace relevait d’une « farce » (« hoax »), car les centres de données apportent de très lourds investissements et de la richesse aux territoires. Il a même affirmé : « Les centres de données, c’est le pétrole des 20, 25 prochaines années. » Trump a dit que l’échelle de l’IA sera plus grande que celle d’Internet : « whoever wins AI wins », donc les États-Unis ne peuvent pas s’arrêter dans le développement des centres de données par peur de ces discours.
Il a aussi insisté sur le fait que les robots et l’IA ne prendront pas le contrôle du monde comme le décrivent certains récits. Les États-Unis peuvent développer l’IA avec prudence, mais ne peuvent pas pour autant arrêter toute l’industrie. Trump a ensuite ajouté que les États-Unis doivent s’assurer que chaque industrie, chaque entreprise, chaque État et chaque peuple puissent bénéficier de la compétition liée à l’IA. Il a également affirmé que, à l’heure actuelle, 20 000 milliards de dollars d’investissements sont déjà en train de se diriger vers les États-Unis, bien plus que pendant la période de l’administration Biden. Quand Huang Renxun lui a dit que des milliers de personnes applaudissaient dans la salle, Trump n’a pas manqué de plaisanter : « Ils viennent de devoir écouter Jensen parler. » Puis il a finalement raccroché.
Huang Renxun : Ce qui compte le plus pour Trump, c’est la réindustrialisation des États-Unis et la création d’emplois
Après l’appel, Huang Renxun a ajouté que, lors de sa première rencontre avec Trump, l’une des choses qui préoccupait le plus Trump, c’était comment ramener des opportunités d’emploi aux États-Unis. De son point de vue, l’IA tire en même temps la demande dans le logiciel, les centres de données, l’énergie et le secteur manufacturier. Les centaines de milliards de dollars de capital-risque injectés dans des startups IA créent déjà énormément d’emplois logiciels. Et quand la demande en puissance de calcul augmente, cela crée encore plus de besoins en centres de données, en électricité, en bâtiments et en infrastructures.
Il a aussi mentionné qu’il avait discuté avec le gouverneur du Texas, Greg Abbott, dans l’espoir que lorsque l’industrie technologique construire des centres de données dans tout le pays, elle fasse preuve de davantage d’empathie envers les petites communautés et soit disposée à écouter les besoins locaux.
Pourquoi NVIDIA investit partout ? Huang Renxun : là où se trouve un goulot d’étranglement, nous allons le résoudre
Ensuite, l’animateur a comparé NVIDIA à « une banque d’IA », parce que ces dernières années, l’entreprise ne se contente pas de vendre des GPU : elle s’est aussi mise à intervenir sur des terrains, de l’électricité, l’enveloppe des centres de données, le financement et toutes sortes d’infrastructures d’IA.
Huang Renxun explique que c’est parce que l’IA est, fondamentalement, une nouvelle révolution industrielle, et que la « intelligence » elle-même est devenue maintenant un produit qui doit être produit. Autrefois, Internet permettait aux humains de « trouver n’importe quoi » ; avec l’IA, les humains peuvent « poser une question et connaître n’importe quoi ». Mais ces intelligences doivent être produites grâce à une énorme infrastructure de calcul. C’est pourquoi les centres de données, l’électricité, les terrains, les bâtiments, la fibre optique, la mémoire et la fabrication de puces feront tous partie de la chaîne d’approvisionnement de l’IA.
Si un fournisseur a besoin d’augmenter sa capacité en avance, NVIDIA interviendra ; si land, power ou shell deviennent le prochain goulot d’étranglement, la société aidera alors en aval à établir des capacités. Huang Renxun a indiqué que NVIDIA devait, très tôt, planifier avec des partenaires comme TSMC, les fabricants de mémoire, Corning, etc., afin de préparer l’approvisionnement. Aujourd’hui, il s’agit simplement d’étendre la même logique de chaîne d’approvisionnement jusqu’aux infrastructures de base de l’IA.
NVIDIA va-t-elle toute sa trajectoire vers la couche applicative ? Huang Renxun : si on peut rester au niveau de base, autant y rester.
Face à la question : « NVIDIA va-t-elle attaquer la couche applicative à plus forte marge ? » Huang Renxun a répondu que la stratégie de l’entreprise n’est pas de tout faire elle-même. Son principe est : « Go up as far as we need to, and as low as possible. » Autrement dit : NVIDIA ne construira progressivement au-dessus que lorsque l’absence de technologies au sommet empêche le développement de l’écosystème ; une fois la plateforme mature, elle redescendra autant que possible vers le niveau de base, pour laisser les autres entreprises se concurrencer.
Il a pris des exemples comme cuDNN et Megatron Core pour montrer que si ces technologies de base n’avaient pas été développées en amont par NVIDIA, beaucoup de frameworks d’IA ou d’entraînements de grands modèles n’auraient peut-être même pas pu exister. Mais l’objectif final de NVIDIA reste pourtant : « faire fleurir mille fleurs », et non pas de tout encaisser sous forme de revenus applicatifs.
Huang Renxun soutient NeoCloud : il ne faut pas seulement cinq hyperscalers
Il a aussi parlé de NeoCloud du type CoreWeave. Huang Renxun a dit que les grands hyperscalers planifient généralement une fois par an leurs infrastructures, mais que le marché de l’IA change trop vite : les besoins diffèrent presque nécessairement de ce qui était prévu au début de l’année. Par conséquent, les fournisseurs de services cloud régionaux peuvent obtenir plus rapidement le land, le power et le shell locaux, et former ainsi un réseau mondial d’infrastructures d’IA décentralisées.
Il l’a dit franchement : pour l’avenir, l’industrie n’aura pas besoin de seulement quelques hyperscalers de grande taille, mais peut-être de 50, 100, voire 1 000 fournisseurs de ce type.
Pourquoi NVIDIA fait même ses propres modèles pour la conduite autonome ?
Huang Renxun a ensuite parlé de plusieurs modèles frontier que NVIDIA construit actuellement. Parmi eux, il y a le modèle pour la conduite autonome Alpamayo. Il le décrit comme le premier « véhicule autonome qui sait réfléchir » au monde : grâce à ses capacités de raisonnement, il n’a plus besoin de dépendre uniquement de dizaines de milliards d’heures de données routières ; il peut décomposer de nouveaux contextes en problèmes semblables à ceux rencontrés dans le passé.
Aux yeux de Huang Renxun, à l’avenir, chaque voiture, camion, camionnette, voire chaque machine agricole, deviendra autonome. Mais comme beaucoup de constructeurs n’ont pas la capacité de construire entièrement, de zéro, une pile IA complète, NVIDIA peut d’abord établir une plateforme commune, puis laisser chaque constructeur procéder à des adaptations « last-mile ».
Huang Renxun a souligné que si NVIDIA investit dans ces modèles “frontier”, ce n’est pas parce que l’entreprise veut « bouleverser toutes les industries », mais parce que les clients en ont besoin. Or, pour l’instant, personne sur le marché ne sait construire correctement les outils de base.
Quand la Chine rattrapera-t-elle ? Huang Renxun : en 2030
Dans la seconde moitié de l’entretien, l’animateur a demandé directement à Huang Renxun combien de temps il faudrait à la Chine pour développer son propre système d’advanced lithography. Huang Renxun a donné une réponse très claire : « 2030. »
Quand l’animateur a déclaré que 2030 était en réalité déjà très proche, Huang Renxun a répondu que pour la Chine, la capacité de produire en très grands volumes est de toute façon un point fort : ce n’est donc qu’une question de temps. Il a souligné qu’en dirigeant NVIDIA, il faut penser à l’échelle de dix ans, voire du prochain cycle de dix ans ; ainsi, deux ou trois ans « ce n’est qu’un clic ». À l’aune de cette échelle de temps, il estime que la Chine est en fait déjà très proche d’une percée.
Cette façon de voir implique aussi que, si la stratégie américaine de restriction des équipements avancés de semi-conducteurs envers la Chine repose sur l’hypothèse que « la Chine ne pourra jamais fabriquer cela », Huang Renxun n’est évidemment pas d’accord.
Huang Renxun : L’AGI est déjà là, et dans certains domaines, c’est même déjà de la Superintelligence.
Finalement, l’animateur a demandé à Huang Renxun si l’humanité se trouvait déjà à l’instant AGI. Huang Renxun a répondu directement : « Je pense que nous y sommes déjà. » Même pour la superintelligence, il estime que, dans un domaine étroit, elle existe déjà depuis longtemps.
Par exemple, pour les voitures autonomes, il suffit de bien conduire : il n’est pas nécessaire de savoir faire des œufs brouillés. Si son taux d’accidents n’est qu’un dixième de celui des humains, alors, pour cette capacité spécifique qu’est la « conduite », elle a déjà dépassé l’humain. Il en va de même dans des domaines comme la synthèse des protéines ou le virtual screening.
À la fin de l’entretien, Huang Renxun a ramené toute la discussion à son point de vue le plus central : l’avenir de l’IA n’est pas une chose à craindre, mais quelque chose vers laquelle il faut aller.
Il a déclaré que beaucoup de gens, même s’ils n’ont plus besoin de travailler, choisissent quand même de se tenir à l’avant-garde technologique, parce que cette époque « est trop fascinante pour ne pas y participer ». Il espère que tout le peuple américain, voire toute l’humanité, pourra avancer ensemble vers ce futur.
Il a aussi lancé à nouveau un appel : que l’industrie de l’IA « baisse un peu le drama », et qu’elle n’utilise plus des récits extrêmes pour exclure la société de cette révolution technologique. La véritable manière de faire gagner aux États-Unis la compétition en IA n’est pas que quelques laboratoires de pointe arrivent en premier au bout, mais que l’ensemble du pays avance en même temps.
Cet article a été reproduit avec l’autorisation de : (Lianxin)
Titre original : (Texte intégral de l’All-In Summit de Huang Renxun : la théorie de l’IA “fin du monde” n’est pas scientifique, ne pas exclure la société de la révolution technologique avec un récit extrême)
Auteur original : Neo
« Texte intégral de l’All-In Summit de Huang Renxun : la théorie de l’IA “fin du monde” n’est pas scientifique, ne pas exclure la société de la révolution technologique » — cet article a été publié pour la première fois sur « Crypto City ».