Privatisation d’abord. C’est Yann Le Cun qui, en 2013, a enclenché le mouvement. Il a quitté l’université où il enseignait pour rejoindre Mark Zuckerberg chez Facebook/Meta. Sa motivation : des moyens techniques plus importants que ceux que lui offrait l’université et, soyons clairs, la rémunération.

Or, ce qui ne concernait que des cas isolés est devenu la règle générale : s’agissant de l’IA, on assiste à une véritable fuite des cerveaux des universités vers les grands opérateurs privés de la tech, parce que ces derniers disposent de moyens financiers sans commune mesure pour la recherche et pour les rémunérations. Pourquoi faire un post-doc à l’université Paris-Saclay quand on peut être embauché à prix d’or par un grand de la tech, qui plus est aux États-Unis ? Voir ce papier récent qui documente la chose.

Les moyens immenses des grands de la tech et la très vive concurrence peuvent certes aider la recherche, mais l’avantage a une face plus obscure. L’université est traditionnellement le lieu par excellence d’une recherche efficace, surtout en recherche fondamentale. La raison est simple : les idées circulent ! La compétition y est aussi rude que dans le privé, sinon davantage, mais elle prend la forme de l’accès à des revues plus prestigieuses, à la réception de prix, etc. Quand les chercheurs passent dans le privé, on observe qu’ils interrompent largement la publication de papiers, leur entreprise se montrant méfiante, et qu’ils sont davantage occupés à verrouiller telle avancée par un brevet qu’à poursuivre leur recherche.

De plus, les objectifs de la recherche sont différents et sans doute biaisés. Par exemple, il y a une ruée sur l’IA agentique, car c’est le domaine qui semble le plus rentable, du fait des économies de main-d’œuvre que vont faire les clients entreprises qui l’utiliseront. Mais est-ce socialement la priorité par rapport à d’autres cibles comme, précisément, l’aide à la recherche, à la santé, à l’enseignement ou à la sécurité des usages ?

Enfin, les chercheurs sont aussi, du moins dans un cadre universitaire, des enseignants qui mettent le pied à l’étrier à la prochaine génération de chercheurs. Le cas français est un peu différent car les salariés du CNRS ont le loisir de ne pas se mêler de la tâche ingrate et pourtant fondamentale qu’est l’éducation des jeunes. Autre débat, mais qu’on a tort en France de ne pas mener.

Il serait de loin préférable que les profits de monopole des tech oligarchs soient prélevés pour aller financer l’université. Sous la présidence de Trump, c’est le mouvement inverse qu’on observe.

La privatisation de la recherche est donc à la fois nocive à l’enseignement, à la recherche fondamentale et même à la recherche incrémentale, celle où l’on progresse en copiant l’autre, par discussion ouverte. On devrait se rappeler le sort de l’invention de la machine à vapeur par Watts. Son idée a été géniale, mais une fois sur pied, Watts a passé son temps, pendant les 14 ans que duraient les brevets à l’époque au Royaume-Uni, à chicaner en justice pour protéger son invention plutôt qu’à l’améliorer. Quand le brevet a sauté, les concurrents se sont emparés de la chose de façon ouverte, par ce qui était alors les revues d’ingénieurs circulant librement, avec une profusion d’avancées sur l’invention initiale qui ont au passage coulé l’entreprise de Watts.

Cela n’empêche pas que les chercheurs aillent dans le privé, ni même qu’ils fondent leur propre entreprise, mais ceci après de bonnes années d’étude et de recherche dans le milieu relativement ouvert qu’est l’université.

Un danger controversé : la fin de l’open source

Open source ensuite. Il s’agit d’un arrangement contractuel par lequel une invention, disons un logiciel comme l’est un LLM en IA, circule de façon ouverte, à charge à l’utilisateur qui voudrait le commercialiser de rendre publiques, sous le même protocole, les améliorations qu’il y a apportées.

L’open source donne une impulsion considérable aux avancées incrémentales. Linux, Firefox et beaucoup d’autres logiciels ne seraient pas ce qu’ils sont sans ce mécanisme. C’est ainsi que procèdent aujourd’hui, s’agissant de l’IA, des entreprises comme Meta pour Llama, Mistral ou DeepSeek.

Mais, à la suite de l’affaire advenue entre Anthropic (Claude 4.6) et le département de la Défense états-unien, le regard sur l’open source concernant l’IA a changé. Si les LLM sont capables de trouver de nouvelles molécules, ils peuvent aussi aider à percer la formule de nouvelles armes bactériennes, trouver les failles du logiciel de gestion du réseau électrique, etc. Entre les mains de malandrins ou d’États voyous, de beaux LLM en accès libre, car le protocole open source n’est une contrainte que si l’on cherche à diffuser le logiciel, non à en faire un usage privé, présentent un risque cataclysmique majeur.

Oui, mais abandonner l’open source signifie un frein aux améliorations. L’open source ne resterait utilisé que par les challengers (Mistral, DeepSeek ou AMI, Advanced Machine Intelligence, la startup que vient de lancer le même Yann LeCun après son départ de Meta), challengers qui ne sont pas à la frontière technologique et qui abandonneraient ce principe dès qu’ils l’atteindraient. Meta, par exemple, vient de mettre fin au principe d’open source pour son IA.

En abandonnant l’open source, il n’est pas sûr que le monopole privé suive, en toute circonstance, un usage raisonnable de l’outil qu’il possède. C’était le cœur de la controverse entre l’État fédéral états-unien et Anthropic : au nom de quoi un acteur privé dirait-il mieux que ne le fait un État démocratique ce que doit être la loi ? Ou est-ce un doute qui saisit un individu, le patron d’Anthropic, sur le devenir démocratique de son pays ?

Le dilemme est loin d’être facile à résoudre. Mais on peut voir là un second frein aux développements de cette technologie.