Mary Meeker : ce que ses analyses disent vraiment de la révolution de l’IA

L’intelligence artificielle ne se résume plus à une technologie expérimentale réservée aux géants du numérique. En mai 2025, elle s’invite dans les outils des développeurs, les studios de création, les plateformes de divertissement et les salles de marché. C’est cette diffusion rapide que met en perspective Mary Meeker, analyste technologique et fondatrice de Bond Capital : l’IA devient une infrastructure de production, de décision et de relation avec les utilisateurs.

Son analyse mérite d’être lue avec une nuance essentielle. L’IA ne progresse pas partout au même rythme, ni avec les mêmes effets. Dans certains métiers, elle automatise des tâches répétitives. Dans d’autres, elle sert surtout d’assistant. Et dans tous les cas, ses résultats reposent sur des données, des modèles statistiques et des choix humains qui doivent pouvoir être interrogés.

Pourquoi les analyses de Mary Meeker comptent dans la tech

Mary Meeker est une figure suivie de près dans l’industrie technologique pour ses présentations consacrées aux grands cycles du numérique. Son regard ne consiste pas à annoncer une date précise à laquelle une technologie bouleversera le monde. Il aide plutôt à identifier les endroits où les usages, les investissements et les modèles économiques commencent à se déplacer.

Appliquée à l’intelligence artificielle, cette grille de lecture conduit à regarder au-delà du seul chatbot. Un modèle d’IA générative peut produire du texte, du code ou des images à partir d’une demande formulée en langage courant. Mais, dans une entreprise, sa valeur dépend rarement de cette démonstration isolée. Elle dépend de sa capacité à être intégrée à un processus concret : répondre à un client, synthétiser un document, assister une équipe technique, détecter une anomalie ou personnaliser un service.

La transformation évoquée par Mary Meeker concerne donc plusieurs niveaux à la fois :

• les outils de travail, qui peuvent accélérer certaines tâches intellectuelles ;
• les produits numériques, enrichis de fonctions de recommandation, de génération ou d’assistance ;
• les modèles d’affaires, qui doivent intégrer le coût de calcul, l’accès aux données et la concurrence de nouveaux acteurs ;
• les règles collectives, car la confidentialité, les droits sur les contenus et la responsabilité des décisions ne disparaissent pas avec l’automatisation.

Le logiciel, premier terrain d’adoption de l’IA générative

Le développement informatique occupe une place centrale dans cette accélération. Il est logique que les entreprises du numérique utilisent l’IA pour produire le matériau même de leurs produits : du code. Des outils tels que Codex d’OpenAI illustrent cette évolution. Leur principe est de transformer une consigne en langage naturel en propositions de code, en explications ou en étapes de résolution d’un problème.

Pour un développeur, le gain ne vient pas nécessairement d’une automatisation totale du métier. L’outil peut rédiger l’ébauche d’une fonction, proposer une requête, expliquer un message d’erreur, produire une documentation ou suggérer des tests. Autant de tâches utiles, mais qui ne remplacent pas la compréhension d’un système, des besoins des utilisateurs et des risques de sécurité.

Cette distinction est fondamentale. Un programme qui semble fonctionner sur un exemple simple peut contenir une faille, mal gérer des cas particuliers ou ne pas respecter les contraintes d’une organisation. L’IA générative produit des réponses plausibles à partir de régularités observées dans ses données d’entraînement. Elle ne garantit pas, par elle-même, la conformité, la qualité ou la sûreté d’un logiciel.

Pour les entreprises, la question n’est donc pas simplement : « Peut-on écrire du code avec l’IA ? » Elle est aussi : quelles tâches peuvent être assistées, quelles données peuvent être transmises à un service externe, et comment préserver les contrôles de qualité ? Les équipes qui obtiennent des gains durables sont celles qui adaptent leurs méthodes de travail, plutôt que celles qui supposent qu’un outil suffit à supprimer la complexité.

Création culturelle : une opportunité qui inquiète aussi les artistes

Le secteur culturel concentre une part importante des interrogations liées à l’IA. Les systèmes génératifs changent la manière dont une image, un texte, une musique ou une vidéo peuvent être produits et distribués. Ils peuvent aider à préparer une maquette, traduire un contenu, classer des archives ou proposer des pistes créatives. Ils permettent également aux plateformes de recommander plus finement des œuvres à leurs publics.

Mais cette promesse s’accompagne d’une inquiétude compréhensible : celle d’une dilution de la créativité humaine et d’un possible remplacement de certains professionnels par des systèmes automatisés. Le débat ne porte pas seulement sur la capacité d’une machine à imiter une forme artistique. Il concerne aussi la provenance des données utilisées pour entraîner les modèles, la place du consentement des créateurs et le partage de la valeur générée.

L’enjeu économique est direct. Si l’IA réduit le coût ou le temps nécessaire pour produire certains contenus, elle peut abaisser les barrières à l’entrée. Davantage de personnes peuvent créer et publier. Mais l’abondance peut aussi rendre plus difficile la visibilité des œuvres, renforcer le poids des plateformes de distribution et pousser à privilégier les formats les plus faciles à mesurer.

L’IA n’efface pas pour autant ce qui fait la valeur d’une création : une intention, un regard, une relation avec un public et un contexte. Les outils peuvent transformer les méthodes, mais ils ne règlent pas la question de savoir qui décide, qui signe et qui est rémunéré.

Pourquoi l’affaire Grok illustre les limites des réponses automatiques

L’essor des assistants conversationnels s’accompagne d’un risque souvent sous-estimé : la tentation de prendre une réponse fluide pour une réponse vraie. L’épisode ayant concerné Grok, le bot d’intelligence artificielle associé à Elon Musk, a donné une illustration concrète de ce problème. Son scepticisme affiché au sujet de l’Holocauste a été attribué à une erreur de programmation.

Quelle que soit l’origine technique précise d’un dysfonctionnement, l’incident rappelle une réalité : un système d’IA n’est pas une source indépendante au sens journalistique ou scientifique du terme. Il peut reproduire des erreurs, être mal paramétré, mal interpréter une demande ou produire une affirmation sans fondement avec un ton très assuré.

Le sujet est particulièrement sensible lorsque l’outil traite d’histoire, de santé, de politique, de droit ou de finance. Dans ces domaines, une erreur ne relève pas seulement d’une mauvaise expérience utilisateur. Elle peut tromper, blesser ou conduire à une décision préjudiciable.

Une utilisation responsable suppose au minimum trois réflexes :

• vérifier les affirmations importantes auprès de sources fiables et identifiables ;
• ne pas confier à un chatbot la décision finale dans un sujet à fort enjeu ;
• demander des mécanismes de signalement et de correction lorsque le système produit un contenu manifestement faux ou problématique.

Finance et Bitcoin : ce que l’IA peut analyser, et ce qu’elle ne peut pas prédire

Mary Meeker souligne également les changements économiques induits par l’IA. Les marchés financiers sont un terrain naturel pour ces technologies : ils produisent une grande quantité de données, de cours, de documents, d’actualités et de signaux dont l’analyse manuelle est coûteuse et lente.

Les algorithmes peuvent aider des investisseurs ou des traders à organiser ces informations, à détecter des tendances ou à tester différents scénarios. Cette capacité explique l’intérêt croissant pour l’IA dans les activités de prévision, y compris lorsqu’il s’agit de suivre les mouvements du Bitcoin et d’autres actifs volatils.

Il faut toutefois séparer deux notions : l’analyse et la prédiction. Un modèle peut repérer qu’un événement passé a souvent coïncidé avec une variation de prix. Cela ne signifie pas qu’il connaît le mouvement à venir. Les marchés dépendent d’événements imprévus, de décisions humaines, de règles publiques, de comportements collectifs et de phénomènes de panique ou d’euphorie qui ne se laissent pas réduire à une simple formule.

L’IA peut donc améliorer la vitesse de traitement de l’information, mais elle ne supprime ni l’incertitude ni le risque financier. Une recommandation générée automatiquement ne doit pas être assimilée à un conseil d’investissement personnalisé.

Jeux vidéo : la personnalisation comme laboratoire d’usage

Le jeu vidéo montre une autre facette de cette révolution. Des jeux populaires tels que Candy Crush utilisent l’intelligence artificielle pour personnaliser l’expérience et renforcer la fidélisation des joueurs. Dans ce contexte, l’IA peut notamment aider à ajuster des recommandations, à analyser les parcours de jeu ou à mieux comprendre les moments où les utilisateurs abandonnent une partie.

Cette personnalisation peut rendre un jeu plus accessible. Un joueur débutant n’a pas les mêmes attentes qu’un habitué, et un système peut adapter des suggestions ou des contenus à des usages observés. Pour les éditeurs, elle devient aussi un levier économique : mieux retenir l’attention signifie potentiellement accroître la durée d’utilisation d’un service.

C’est précisément pourquoi la question mérite d’être posée sans naïveté. Jusqu’où une plateforme doit-elle optimiser l’engagement ? Quelles informations sur le comportement des joueurs sont collectées ? Les utilisateurs comprennent-ils comment leurs données influencent leur expérience ? Dans le jeu comme ailleurs, l’innovation ne se juge pas seulement à sa sophistication technique, mais à la manière dont elle respecte les personnes auxquelles elle s’adresse.

Ce qu’il faut surveiller à mesure que l’IA se généralise

La lecture de Mary Meeker dessine moins un futur figé qu’une série de choix concrets. L’IA devrait continuer à modifier les processus de travail, la création de produits et la compétition entre entreprises. Les organisations qui en tireront le plus de valeur ne seront pas nécessairement celles qui annonceront les outils les plus impressionnants, mais celles qui sauront les employer avec des objectifs précis et des garde-fous adaptés.

Plusieurs indicateurs seront particulièrement importants dans les prochains mois :

• la capacité des outils d’IA à s’intégrer réellement aux métiers, au-delà des démonstrations ;
• le partage de la valeur entre plateformes, entreprises utilisatrices et créateurs ;
• la fiabilité des réponses fournies dans les situations sensibles ;
• les règles de confidentialité et de gouvernance appliquées aux données ;
• l’évolution du coût nécessaire pour développer et utiliser ces systèmes.

L’intelligence artificielle ouvre des possibilités considérables, du logiciel à la culture, des jeux à l’analyse économique. Mais son adoption ne peut pas être pensée comme une simple course à la vitesse. La qualité des données, la vérification humaine, les droits des personnes et la clarté des responsabilités détermineront si cette accélération technologique produit des outils véritablement utiles et dignes de confiance.