Le PDG de Kepler Computing affirme que l’IA à bas prix ne dépend pas des tarifs d’abonnement, mais de la suppression du goulot d’étranglement économique lié aux puces.
La thèse centrale : lorsque le silicium et l’électricité sont limités, les fournisseurs rationnent naturellement l’accès par les prix (200 $ par mois, ce n’est pas de la cupidité, c’est la loi de l’offre et de la demande). Une véritable démocratisation exige :
1. Davantage de puces par dollar investi dans la fabrication (économies d’échelle)
2. Une meilleure efficacité en tokens par watt (optimisation de la densité énergétique)
La stratégie technique de Kepler consiste à adapter les procédés de fabrication existants plutôt qu’à miser sur de nouvelles architectures exotiques. L’objectif est d’obtenir des gains progressifs dans le calcul conventionnel, qui se cumulent à grande échelle : améliorer l’efficacité énergétique tout en maintenant les coûts de production suffisamment bas pour inonder le marché de capacités d’inférence.
En bref : impossible de réduire les prix pour rendre l’IA omniprésente si l’on continue à épuiser les rares GPU et les budgets énergétiques des centres de données. Il faut d’abord améliorer l’économie du matériel ; ensuite, les coûts d’accès s’effondreront naturellement.
La thèse centrale : lorsque le silicium et l’électricité sont limités, les fournisseurs rationnent naturellement l’accès par les prix (200 $ par mois, ce n’est pas de la cupidité, c’est la loi de l’offre et de la demande). Une véritable démocratisation exige :
1. Davantage de puces par dollar investi dans la fabrication (économies d’échelle)
2. Une meilleure efficacité en tokens par watt (optimisation de la densité énergétique)
La stratégie technique de Kepler consiste à adapter les procédés de fabrication existants plutôt qu’à miser sur de nouvelles architectures exotiques. L’objectif est d’obtenir des gains progressifs dans le calcul conventionnel, qui se cumulent à grande échelle : améliorer l’efficacité énergétique tout en maintenant les coûts de production suffisamment bas pour inonder le marché de capacités d’inférence.
En bref : impossible de réduire les prix pour rendre l’IA omniprésente si l’on continue à épuiser les rares GPU et les budgets énergétiques des centres de données. Il faut d’abord améliorer l’économie du matériel ; ensuite, les coûts d’accès s’effondreront naturellement.