Le département de la Justice américain et la Commission fédérale du commerce (FTC) ont convenu d'enquêter séparément sur Microsoft, OpenAI et Nvidia pour d'éventuelles pratiques anticoncurrentielles.
Parallèlement, avec l'adoption de la loi sur l'intelligence artificielle de l'UE, la Commission européenne s'intéresse de plus en plus aux enquêtes sur l'IA. En mars et mai 2024, la Commission européenne a envoyé des demandes d'informations formelles à Google, Facebook et TikTok, ainsi qu'à Microsoft, concernant les risques liés à l'IA générative et les mesures d'atténuation. Le 16 juillet 2024, ### l'Autorité de la concurrence et des marchés (CMA) du Royaume-Uni a annoncé le lancement d'une enquête sur "l'embauche par Microsoft de l'équipe principale d'Inflection AI" pour déterminer si ce recrutement équivaut à une "fusion".
Cette vérification de la concurrence est si urgente, d'une part, parce que ### les autorités de régulation de la concurrence ne veulent pas être à nouveau prises au dépourvu par les grandes entreprises technologiques ; d'autre part, les conditions intrinsèques du développement des grands modèles d'IA semblent avoir des attributs de ### "concentration" et de "restriction". Par conséquent, tant l'UE que les États-Unis semblent plus enclins à procéder à une "intervention préalable" avant que les entreprises technologiques ne réussissent à occuper une position dominante sur le marché de l'IA.
### Attributs intrinsèques "anticoncurrentiels" du développement de l'IA ?
### 1. Barrières de l'infrastructure cloud et de la puissance de calcul
Certains experts estiment que ### le marché oligopolistique de l'IA est presque inévitable.
Pour les startups d'IA, la formation des modèles est un coût fixe coûteux et le principal obstacle à leur entrée sur le marché de l'IA. Il est difficile de supporter ces coûts de manière durable en comptant uniquement sur le financement des investisseurs.
Seules les plus grandes entreprises technologiques (principalement Google, Amazon, Microsoft et Meta ainsi qu'Apple et Nvidia, collectivement appelées GAMMAN) disposent de l'infrastructure cloud et de la puissance de calcul nécessaires pour répondre aux besoins de formation des plus grands modèles d'IA. Le contrôle des actifs clés par GAMMAN limite les startups plus petites à des rôles subordonnés.
Cela explique pourquoi les startups d'IA sont souvent disposées à conclure des accords de coopération avec les grandes entreprises technologiques. Par exemple, le plus typique est la coopération entre OpenAI et Microsoft, échangeant l'accès à l'infrastructure de calcul contre l'accès de GAMMAN à leurs derniers modèles. Ou bien, les startups d'IA peuvent également s'éloigner de la ligne de front technologique et se concentrer sur de petits modèles d'IA performants pour des tâches spécifiques, "posant les bases" pour les grands modèles, afin de créer des applications avec des données propriétaires.
### 2. Barrières d'accès aux données protégées par le droit d'auteur
De nombreux ensembles de données de formation d'IA de haute qualité pour le texte, l'audio et les images sont protégés par le droit d'auteur. En principe, les auteurs peuvent facturer des frais de licence pour l'utilisation de leurs œuvres. Cela entraînera une réduction de l'offre de données de formation due aux coûts supplémentaires. Cela augmentera également le coût de la formation des modèles et réduira la concurrence entre les développeurs de modèles.
La loi sur l'IA de l'UE exige que les développeurs de modèles se conforment au droit d'auteur de l'UE tel que stipulé dans la directive sur le droit d'auteur, en particulier l'article 4, qui accorde une exception de droit d'auteur pour la recherche commerciale, mais permet aux titulaires de droits d'auteur de se retirer de cette exception. Aux États-Unis, il existe une certaine incertitude juridique, avec plusieurs affaires en suspens. Si les tribunaux décident que l'exception d'utilisation équitable ne s'applique pas, les investisseurs en IA seront exposés au risque de dommages-intérêts légaux punitifs. Pour éviter cela, les plus grandes entreprises d'IA ont déjà conclu des accords de licence de données avec de grandes entreprises médiatiques. Par exemple, OpenAI a conclu des accords avec le New York Times, le groupe média Bertelsmann et la plateforme d'actualités Reddit.
Si les pays appliquent strictement les lois sur le droit d'auteur, il devient plus difficile pour les modèles d'IA d'obtenir des données de formation, et les développeurs d'IA plus petits et les startups pourraient ne pas avoir les moyens de payer les licences de droit d'auteur, au point d'être complètement exclus du marché.
### 3. Facilité d'accès aux utilisateurs
Les développeurs de modèles d'IA ont besoin de canaux commerciaux pour générer des revenus afin de payer les coûts de formation et d'exécution des modèles.
Certaines startups ont construit leurs propres modèles commerciaux à partir de zéro et ont connu un certain succès. Par exemple, OpenAI a créé une boutique d'applications GPT payante et facture des frais d'abonnement aux utilisateurs de la version professionnelle de ChatGPT. ChatGPT a touché plus de 100 millions d'utilisateurs en moins d'un an après son lancement.
Cependant, ### pour les startups d'IA qui ont peu ou pas d'effets de réseau, il est très difficile de construire un modèle commercial à partir de zéro. Une voie plus simple pour générer des revenus est de collaborer avec GAMMAN pour intégrer des modèles d'IA dans leurs modèles commerciaux établis. Par exemple, Google intègre ses propres modèles d'IA et ceux de tiers dans son moteur de recherche et d'autres services, facturant des prix élevés pour l'accès à certains services basés sur l'IA.
Ainsi, les startups qui n'ont pas encore établi de modèle commercial sont également disposées à collaborer avec GAMMAN, intégrant les modèles d'IA dans les services existants de GAMMAN orientés vers les utilisateurs en aval de la chaîne de valeur ; en retour, les startups collaborent en amont de la chaîne de valeur, GAMMAN accordant aux startups l'accès à l'infrastructure de calcul et aux données de formation potentielles.
### Les accords de "coopétition" entre GAMMAN et les startups d'IA sont-ils considérés comme des "fusions" ?
Pour les raisons susmentionnées, les startups d'IA qui souhaitent maintenir une position de pointe technologique doivent signer des accords de coopétition avec GAMMAN pour surmonter les obstacles liés aux coûts de formation et à l'acquisition de clients. GAMMAN peut s'intégrer verticalement tout au long de la chaîne de valeur de l'IA, tandis que les startups couvrent principalement les parties entrantes et intermédiaires de la chaîne de valeur.
Les autorités de la concurrence sont sceptiques quant à ces transactions et accords, craignant que les accords de coopétition ne deviennent un cheval de Troie pour GAMMAN pour exercer son influence et réduire la concurrence des startups d'IA. ### Une question juridique importante est de savoir si les actions de GAMMAN, allant des investissements stratégiques au débauchage des fondateurs et des talents techniques des startups, constituent une nouvelle forme de fusion visant à contourner la surveillance antitrust - une "quasi-fusion" ?
Cependant, les enquêtes des autorités de la concurrence n'ont jusqu'à présent trouvé aucune preuve concluante.
Bien que la Commission européenne ait conclu en avril 2024 que les arrangements d'investissement de Microsoft dans OpenAI ne constituaient pas une acquisition, elle continue d'examiner s'il convient d'ouvrir une enquête antitrust formelle sur ces arrangements, au motif qu'ils pourraient avoir un effet de distorsion sur le marché intérieur de l'UE. L'Allemagne a adopté une approche similaire, déterminant en novembre 2023 que l'arrangement n'était pas soumis au contrôle des fusions allemand, mais se réservant la possibilité de réexaminer si Microsoft augmentait son influence sur OpenAI à l'avenir.
Les autorités antitrust américaines se joignent désormais également aux enquêtes.
### Points de percée pour les enquêtes antitrust sur l'IA générative
Si le concept de "quasi-fusion" est difficile à percer juridiquement, les régulateurs chercheront probablement une percée dans le contrôle d'un ou plusieurs composants clés dont dépend l'IA générative.
### 1. Données
Contrairement au matériel, les données d'entraînement sont non concurrentielles et peuvent être utilisées simultanément par de nombreuses personnes. Cependant, de nombreuses sources de données d'entraînement de haute qualité sont soumises à des droits d'auteur et à des frais de licence.
C'est particulièrement vrai dans les domaines spécialisés ou dans les domaines où la réglementation des données est plus stricte (comme la santé ou la finance). Le pré-entraînement ou l'ajustement fin d'un modèle avec une expertise approfondie dans ces domaines peut nécessiter l'accès à de grandes quantités de données qui ### ne sont pas largement disponibles et difficiles à collecter pour les nouveaux entrants sur le marché.
Bien sûr, le simple fait de posséder de grandes quantités de données n'est pas illégal. Cependant, les autorités antitrust pourraient accorder une attention particulière au contrôle des données par les entreprises pour déterminer si cela pourrait réduire l'offre de données, créer des obstacles à l'accès et entraver le développement d'une concurrence équitable.
### 2. Talents
Un autre intrant important pour l'IA générative est l'expertise de la main-d'œuvre. Le développement de modèles génératifs nécessite un grand nombre d'ingénieurs et de chercheurs qui doivent posséder des compétences spécifiques et relativement rares, avec une compréhension approfondie de l'apprentissage automatique, du traitement du langage naturel et de la vision par ordinateur. Les talents qu'une entreprise peut attirer et retenir peuvent jouer un rôle crucial non seulement dans la trajectoire de développement de l'IA générative, mais aussi dans sa vitesse de développement.
En raison de la rareté des talents, les entreprises puissantes pourraient être incitées à verrouiller les employés, étouffant ainsi la concurrence des concurrents réels ou potentiels. Pour garantir la concurrence et l'innovation sur le marché, il est essentiel de permettre la libre circulation des talents ayant des idées innovantes, et il est crucial qu'ils ne soient pas entravés par des clauses de non-concurrence.
L'enquête annoncée en juillet par la CMA britannique sur l'embauche par Microsoft de l'équipe principale d'Inflection AI (un concurrent d'OpenAI) relève de cette catégorie. De plus, l'interdiction globale annoncée par la FTC américaine le 23 avril 2024 de tous les nouveaux accords de non-concurrence pour tous les employés (y compris les cadres supérieurs) vise également à promouvoir la mobilité des talents informatiques. Cependant, sa légalité a rapidement été contestée par un juge, et l'avenir reste incertain.
### 3. Ressources de calcul
Les systèmes d'IA générative nécessitent généralement d'importantes ressources de calcul. Le calcul nécessite souvent du matériel dédié, comme des ordinateurs avec des puces spécialisées telles que les unités de traitement graphique (GPU), ou l'accès à des ressources de calcul via des services de cloud computing. Cependant, ### les coûts de fonctionnement et de maintenance des puces et les prix des services cloud sont tous deux élevés, et seules quelques entreprises les proposent actuellement, ce qui augmente le risque de comportements anticoncurrentiels.
Aujourd'hui, certains marchés de puces spécialisées sont déjà hautement concentrés, et la demande de puces pour serveurs pourrait dépasser l'offre. Par exemple, la demande croissante de puces pour serveurs pouvant être utilisées pour l'entraînement de l'IA a entraîné des pénuries, poussant les principaux fournisseurs de services cloud comme AWS, Microsoft, Google et Oracle à "limiter l'offre de produits aux clients". Les entreprises sur des marchés hautement concentrés sont plus susceptibles d'adopter des pratiques concurrentielles déloyales ou d'autres violations des lois antitrust.
En 2022, après plus de deux mois de poursuites de la Federal Trade Commission américaine contre Nvidia, Nvidia a abandonné son acquisition d'Arm. La FTC estimait que cette transaction permettrait à Nvidia de supprimer les technologies concurrentes innovantes et de désavantager injustement les concurrents de l'activité de licence d'Arm.