OpenAI, l’empire de l’IA au cœur de notre podcast d’enquête

En quelques années, OpenAI est devenue bien davantage qu’un laboratoire connu des seuls spécialistes. Avec ChatGPT, son assistant conversationnel adopté par le grand public comme par les entreprises, l’organisation a installé l’intelligence artificielle générative dans les études, les bureaux et les usages quotidiens. Cette influence nourrit une question simple, mais décisive : qui décide de la direction prise par une technologie appelée à transformer autant d’activités humaines ?

C’est le fil conducteur de notre podcast consacré à ce que la journaliste américaine Karen Hao appelle l’« empire » d’OpenAI. L’expression ne désigne pas seulement la taille ou la valorisation de l’organisation. Elle invite à examiner ses ressources financières, son infrastructure informatique, son pouvoir d’attraction sur les talents, l’influence de ses produits et les règles de gouvernance qui encadrent, ou devraient encadrer, cette expansion.

Pourquoi parler d’un « empire » à propos d’OpenAI ?

Le mot peut sembler excessif appliqué à une entreprise technologique. Il sert pourtant à décrire une concentration de capacités rarement observée dans le numérique : la possibilité d’entraîner de très grands modèles de langage, d’accéder à une puissance de calcul considérable, de diffuser des produits auprès de centaines de millions de personnes et de peser sur les débats politiques relatifs à l’IA.

Dans son livre Empire of AI: Dreams and Nightmares in Sam Altman’s OpenAI, Karen Hao revient sur cinq années de suivi de l’organisation. Son enquête ne se limite pas aux prouesses techniques. Elle interroge la façon dont un projet présenté à ses débuts comme tourné vers le bénéfice de l’humanité a évolué au contact de la compétition, des investissements et de la recherche d’une puissance de calcul toujours plus importante.

Employer le terme d’empire n’implique donc pas qu’OpenAI constitue un État ou qu’elle exerce un pouvoir politique direct. C’est une grille de lecture. Elle permet de poser des questions très concrètes : quels intérêts pèsent sur les choix de l’entreprise ? Qui peut évaluer ses modèles avant leur diffusion ? Quelles personnes réalisent le travail, souvent invisible, nécessaire à leur conception et à leur modération ? Et comment les citoyens, les entreprises et les pouvoirs publics peuvent-ils garder prise sur ces outils ?

D’un laboratoire à une entreprise au centre de la course à l’IA

OpenAI a été fondée en décembre 2015 sous la forme d’une organisation non lucrative. Sa mission affichée était de faire en sorte qu’une intelligence artificielle générale, si elle voyait le jour, bénéficie à l’ensemble de l’humanité. À l’époque, l’IA générative ne faisait pas encore partie du quotidien du public. Les grands modèles de langage étaient surtout un domaine de recherche et leurs usages restaient limités.

Le changement d’échelle a imposé un changement de structure. En 2019, OpenAI a créé une entité commerciale à profit plafonné, OpenAI LP, afin de lever les capitaux nécessaires à la recherche et aux infrastructures. Entraîner les modèles les plus avancés nécessite en effet de très grandes quantités de données, des puces spécialisées et des centres de données capables d’effectuer des calculs en continu. Le projet non lucratif initial n’a pas disparu, mais il s’est retrouvé associé à une activité commerciale de plus en plus structurante.

Le lancement de ChatGPT en novembre 2022 a marqué une rupture. Pour la première fois, une large part du public pouvait dialoguer directement avec un modèle de langage, lui demander de rédiger, de résumer, de traduire, de programmer ou d’expliquer un sujet. Le succès du service a accéléré l’adoption de l’IA générative et déclenché une concurrence intense entre les grands groupes technologiques et les jeunes pousses du secteur.

Le 31 mars 2025, OpenAI a annoncé une levée de fonds de 40 milliards de dollars, correspondant à une valorisation post-investissement de 300 milliards de dollars. Ce montant illustre l’intensité de la bataille qui se joue autour des modèles de pointe. Il ne s’agit pas seulement de proposer une application populaire : il faut financer des infrastructures coûteuses et attirer des chercheurs très recherchés.

La transparence, promesse fondatrice et point de friction

L’histoire d’OpenAI est indissociable d’une tension entre ouverture et prudence. À ses débuts, l’organisation s’est présentée comme un laboratoire de recherche capable de collaborer largement avec la communauté scientifique. Mais les modèles les plus puissants soulèvent aussi des risques d’usages détournés, de désinformation, d’atteinte à la vie privée ou de production de contenus dangereux. Ne pas publier certains éléments techniques peut être présenté comme une mesure de sécurité.

Cette explication ne règle pas tout. Pour les chercheurs indépendants, les régulateurs et la société civile, l’accès limité aux informations complique l’évaluation des outils. Un modèle qui peut rédiger un texte convaincant, produire du code ou analyser des documents peut aussi commettre des erreurs avec assurance, reproduire des biais ou être utilisé dans des contextes où l’enjeu est élevé.

La question de la transparence ne revient donc pas nécessairement à réclamer la publication de chaque ligne de code ou de chaque donnée d’entraînement. Elle consiste à savoir quelles informations doivent être accessibles pour évaluer un système : ses performances réelles, ses limites connues, ses mécanismes de sécurité, les conditions de son déploiement et les responsabilités en cas de dommage.

La crise de gouvernance de novembre 2023, qui a vu le conseil d’administration écarter puis réintégrer le dirigeant Sam Altman en quelques jours, a rendu cette tension visible. Elle a montré qu’OpenAI n’était pas une entreprise comme les autres : son conseil était censé veiller d’abord à la mission de l’organisation non lucrative, tandis que l’activité commerciale devait soutenir le développement des produits. L’épisode a aussi révélé combien les intérêts scientifiques, économiques et humains pouvaient devenir difficiles à arbitrer lorsque l’organisation acquiert une telle importance.

Les coûts humains et environnementaux de l’IA générative

L’image d’une IA qui répond instantanément masque une chaîne de travail très matérielle. Les modèles ont besoin d’ingénieurs, de chercheurs, d’équipes chargées de la sûreté et de personnes qui évaluent ou modèrent certains contenus. Ils reposent aussi sur des serveurs, des puces et des centres de données. Cette réalité concerne OpenAI, mais aussi ses concurrents.

Karen Hao place les travailleurs et les rapports de dépendance au cœur de son analyse. Derrière l’automatisation, l’IA peut déplacer des tâches, modifier l’organisation du travail et créer de nouvelles formes de sous-traitance. Ces transformations ne sont pas uniformes. Un assistant peut aider un salarié à rédiger plus vite, mais il peut également devenir un outil de mesure de la productivité ou remplacer une partie de tâches auparavant confiées à des humains.

L’environnement est l’autre face souvent oubliée de cette expansion. Entraîner puis faire fonctionner des modèles à très grande échelle demande de l’électricité, des équipements informatiques et, selon les installations, de l’eau pour le refroidissement. Les chiffres précis varient fortement selon les modèles, les centres de données et le mix énergétique local. Faute d’indicateurs standardisés permettant de comparer tous les acteurs, il est difficile pour le public de mesurer l’empreinte exacte de chaque service.

Le bon réflexe consiste à dépasser les slogans. Ni l’IA ne devient immatérielle parce qu’elle est accessible depuis une fenêtre de discussion, ni son coût écologique ne peut être résumé par une seule estimation. Demander des mesures comparables, des objectifs de sobriété et des informations sur l’infrastructure est une condition d’un débat utile.

Une concurrence qui redessine les choix technologiques

OpenAI ne construit pas cet avenir seule. Google, Anthropic, Microsoft, Mistral AI et d’autres acteurs développent leurs propres modèles et assistants. Meta, de son côté, mise notamment sur Meta AI et sur une stratégie de diffusion de modèles de la famille Llama. Cette concurrence peut stimuler l’innovation et offrir davantage de choix aux utilisateurs comme aux entreprises.

Elle porte aussi un risque d’accélération. Lorsqu’un acteur annonce un modèle plus performant, ses rivaux sont incités à répondre rapidement. Or les tests de sécurité, les évaluations indépendantes et la consultation des personnes concernées demandent du temps. La course ne doit pas devenir un prétexte pour traiter la sûreté, les droits d’auteur ou les effets sur l’emploi comme de simples problèmes à résoudre après coup.

Les pouvoirs publics sont ainsi placés devant une difficulté particulière. Ils doivent favoriser la recherche et l’activité économique sans abandonner l’exigence de responsabilité. En Europe, l’AI Act instaure progressivement un cadre fondé sur le niveau de risque des systèmes. Mais la régulation ne peut pas reposer uniquement sur les textes : elle dépend aussi de la capacité des autorités à obtenir des informations, à contrôler les pratiques et à sanctionner les manquements.

Ce que notre podcast permet de mettre en perspective

Le podcast consacré à l’empire d’OpenAI propose de relier ces éléments plutôt que de s’arrêter à la dernière démonstration spectaculaire d’un assistant. L’histoire d’une entreprise d’IA est aussi celle de ses financements, de ses alliances, de son organisation interne, de sa communication et des personnes qui utilisent ou subissent ses outils.

Pour un auditeur non spécialiste, le point de départ peut être simple : distinguer ce qu’un produit fait réellement de ce qu’il promet. Un chatbot peut aider à mettre en forme une idée ou à explorer un sujet. Il ne garantit ni la véracité de chaque réponse ni l’absence de biais. Une entreprise peut revendiquer une mission bénéfique tout en étant confrontée aux contraintes de la rentabilité et de la compétition. Ces deux réalités peuvent coexister, et c’est précisément ce qui rend l’analyse nécessaire.

Les éléments disponibles sur cet épisode ne précisent ni le nom des animateurs ni un rythme de publication. Ils permettent en revanche d’identifier son ambition : rendre accessible un débat souvent réservé aux initiés, sans séparer les avancées techniques des conséquences sociales et politiques qui les accompagnent.

Ce qu’il faut surveiller

À la date du 29 mai 2025, l’un des dossiers les plus importants est l’évolution annoncée de la structure d’OpenAI. L’organisation a indiqué que son entité commerciale devait devenir une public benefit corporation, une forme de société qui doit prendre en compte un intérêt public inscrit dans son objet. Elle a également affirmé que l’organisation non lucrative conserverait le contrôle. La manière dont cette promesse sera traduite dans les règles de gouvernance mérite une attention particulière.

Il faudra aussi suivre les informations fournies sur la sécurité des modèles, leurs limites, leur consommation de ressources et leurs conditions de déploiement. Ces sujets ne sont pas secondaires : ils déterminent la confiance que les écoles, les entreprises, les administrations et les particuliers peuvent accorder aux outils.

Enfin, l’issue de la compétition entre OpenAI et ses rivaux dépendra autant de la qualité des modèles que de la diversité des alternatives. Des standards d’évaluation solides, une recherche indépendante et des règles compréhensibles seront essentiels pour éviter que l’IA ne soit définie seulement par les acteurs capables de financer les plus grands centres de données. L’histoire d’OpenAI rappelle qu’avec l’IA, le progrès technique est toujours aussi une question de choix collectifs.