PDG d'Amazon : les revenus annuels de l'activité IA dépassent 25 milliards USD, leur taux de croissance est des centaines de fois supérieur à celui d'AWS à ses débuts ; même 220 milliards USD dépensés ne suffisent pas à satisfaire la demande

Récemment, Andy Jassy, PDG d'Amazon, était invité sur le podcast du célèbre fonds de capital-risque a16z, où il a eu une conversation approfondie avec Ben Horowitz, cofondateur d'a16z. Dans cet entretien, Jassy a dévoilé de façon exhaustive la stratégie d'Amazon dans la vague actuelle d'IA générative.

Face aux inquiétudes de Wall Street concernant les dépenses en capitaux apparemment illimitées des géants technologiques, Jassy a fourni un retour marché le plus direct : la demande n’a pas seulement stagné, mais dépasse largement la capacité future. Il a également détaillé la structure actuelle de la demande « en haltère » sur le marché de l’IA et souligné clairement que, pour libérer réellement les applications IA d’entreprise, le coût de l’inférence computationnelle doit encore chuter d’un ordre de grandeur.

« Même avec 220 milliards USD dépensés, nous laissons encore une part importante de la demande sans réponse. »

La question centrale qui préoccupe actuellement le marché est de savoir si les dépenses en capitaux des géants — souvent de plusieurs centaines de milliards — se transformeront en coûts irrécupérables. Jassy a répondu directement aux doutes du marché avec une série de données stupéfiantes.

« Même si nous dépensons 220 milliards USD cette année, nous laissons encore une part significative d’une demande concrète sans réponse. » Jassy a clairement mis en lumière le déséquilibre extrême actuel entre offre et demande en puissance de calcul : « Nous réservons toujours une part de notre puissance de calcul pour les services à la demande, mais la capacité pour 2026 est déjà entièrement vendue, celle de 2027 est presque entièrement vendue, et une grande partie de celle de 2028 l’est aussi. »

Du point de vue de la croissance commerciale, la courbe de croissance apportée par l’IA est extrêmement abrupte. Jassy a comparé la vitesse de développement initiale d’AWS (Amazon Web Services) avec le rythme actuel : « Durant les trois premières années d’AWS, nous avions l’impression de croître rapidement, avec un taux de revenu annuel d’environ 60 millions USD. Or, durant les trois premières années de cette vague d’IA générative, notre taux de revenu annuel pour l’activité IA d’AWS dépasse déjà 25 milliards USD. Sa vitesse est des centaines de fois supérieure à celle d’alors ; nous n’avons jamais rien vu de tel. »

Pour répondre aux inquiétudes des marchés financiers, Jassy a expliqué la logique du cycle de trésorerie liée aux investissements dans les centres de données. Il a précisé que les investissements dans la construction de centres de données doivent être réalisés deux ans à l’avance, mais que leur durée de vie peut atteindre 30 ans ; tandis que l’achat de serveurs et d’équipements réseau ne nécessite qu’un délai de quelques mois. Cela signifie que l’entreprise dispose d’une visibilité très claire sur la demande client. « Si vous constatez que vous n’avez pas besoin d’occuper intégralement ces centres de données, vous n’achèterez pas de serveurs ni d’équipements réseau. La plupart des contrats de serveurs durent cinq ans, et le seuil de rentabilité est généralement atteint en trois ans. Grâce à ce cycle de trésorerie, lorsque vous connaissez une croissance aussi rapide, votre flux de trésorerie libre initial subira effectivement des pressions, mais une fois tout opérationnel, les rendements seront très substantiels. »

Réfutation des controverses autour des centres de données : « La consommation d’eau d’un parcours de golf en deux jours égale notre utilisation annuelle »

Aux États-Unis, la consommation d’énergie et les questions environnementales liées aux centres de données évoluent vers une controverse politique. Jassy y a répondu fermement et a élevé le débat au niveau de la compétitivité nationale.

« L’infrastructure que nous construisons aujourd’hui est comparable, par son ampleur, à celle des autoroutes et ponts bâtis aux États-Unis dans les années 1950. Ni le pays ni le monde entier ne peuvent se permettre de ne pas construire de centres de données ; sinon, des pays comme la Chine prendront toutes les positions de leadership et fixeront les normes — ce qui serait inacceptable tant sur le plan national que mondial. »

Concernant les accusations environnementales, Jassy a présenté des faits chiffrés frappants : « De nombreuses allégations circulent, oscillant entre mythe et mensonge, car politiciens et spéculateurs aiment désigner un « méchant » simple. En réalité, la consommation d’eau des parcours de golf ou de la culture d’amandes dépasse largement celle des centres de données. À titre d’exemple : un parcours de golf consomme 200 fois plus d’eau que nous ; il en utilise davantage en deux jours que nos centres de données en une année. »

Il a également ajouté que la pollution attribuée aux groupes électrogènes de secours est fortement exagérée : « Vous devez déclarer des niveaux de pollution comme s’ils fonctionnaient à pleine charge en continu, alors qu’en pratique, nous n’utilisons ces groupes électrogènes que 0,1 % du temps chaque année (soit environ 10 heures), uniquement pour la maintenance. »

L’« effet haltère » de la demande en IA et la logique centrale de réduction des coûts d’inférence

En analysant la demande spécifique en IA, Jassy a proposé une théorie vivante de l’« haltère », qui explique aussi pourquoi Amazon maintient une stratégie de conception interne de puces.

« Une extrémité de l’haltère correspond aux laboratoires d’IA, qui consomment d’énormes quantités de puissance de calcul ; l’autre extrémité regroupe les entreprises, qui utilisent principalement l’IA pour réduire leurs coûts et améliorer leur productivité, par exemple via des services clients automatisés ou l’optimisation de processus métiers. Quant au centre de l’haltère, il représente la charge de travail actuelle des entreprises. La grande majorité d’entre elles n’ont pas encore adopté l’inférence IA, mais je crois qu’au cours des 5 à 7 prochaines années, presque toutes les applications existantes tireront profondément parti de cette technologie. »

Cependant, pour activer le vaste marché du « milieu de la barre », le prix reste le principal obstacle.

« Ces dernières années, les coûts d’inférence ont fortement diminué, mais selon moi, ils restent encore dix fois trop élevés. » Jassy a souligné : « Si vous demandez aux entreprises de réécrire leurs applications existantes sur CPU en utilisant des accélérateurs IA, et que l’écart de coût est considérable, le seuil de réécriture sera très élevé. En revanche, si vous parvenez à réduire les coûts d’inférence, ce seuil baissera fortement. C’est pourquoi nous concentrons nos efforts sur notre activité de puces maison. »

Jassy a vivement salué l’acquisition, en 2015, de la société de conception de puces Annapurna Labs, la qualifiant de « plus réussie de l’histoire d’Amazon, sans concurrent sérieux ». Il a révélé qu’avec ses processeurs Graviton maison (40 % plus économiques que les autres processeurs x86) et ses accélérateurs IA Trainium (30 à 40 % plus économiques), Amazon réduit résolument le coût de la puissance de calcul.

Restructuration organisationnelle : 6 ingénieurs ont accompli en un an le travail de 40 personnes ; tous les produits doivent être entièrement reconstruits.

Outre la fourniture externe de puissance de calcul, l’IA restructure en interne le fonctionnement de la gigantesque machine Amazon, avec en premier lieu des changements dans la structure des effectifs et la logique de développement des produits.

Jassy a partagé un cas interne frappant : l’équipe Bedrock (plateforme de service d’inférence IA d’Amazon) a restructuré son moteur d’inférence avec seulement 6 ingénieurs en 76 jours, alors qu’il fallait auparavant une année entière à 40 personnes.

« Cela a ouvert les yeux de tous », a déclaré Jassy sans détour. « À l’avenir, moins de personnes feront le même travail qu’aujourd’hui. Je ne dis pas que nous n’aurons plus besoin d’humains, mais à mesure que l’entreprise grandit, nous n’investirons pas autant de main-d’œuvre qu’auparavant. Les équipes seront plus petites et les collaborateurs devront travailler de façon transversale, car les modèles peuvent accomplir 80 % du travail. »

Au niveau produit, Jassy estime que les améliorations incrémentales ne sont plus viables : il faut oser « tout reconstruire depuis zéro ».

« Pour un produit comme Alexa, son “cerveau” était très innovant à sa création, mais avec l’émergence de l’IA générative, les limites des capacités ont totalement changé. Pour offrir une expérience client gagnante, il faut entièrement repenser le cerveau d’Alexa. »

Non seulement Alexa, mais Jassy a précisé que toutes les expériences clients centrales d’Amazon — commerce, Prime Video et musique — devront être entièrement repensées avec l’IA dans les prochaines années. « Les équipes résistent souvent par fierté ou attachement historique, en disant : “Nous avons déjà essayé, ça n’a pas fonctionné.” Mais cette reconstruction est un processus douloureux incontournable ; se contenter d’améliorations incrémentales signifie être éliminé dans trois à cinq ans. »

Voici la transcription intégrale du podcast : Andy Jassy 00:00

Même si nous investissons 220 milliards de dollars cette année, une part importante de la demande reste insatisfaite. Nous réservons toujours une capacité pour une utilisation à la demande, mais 2026 est clairement complet, 2027 presque entièrement réservé, et une grande partie de 2028 l’est déjà.

Andy Jassy 00:14

Les marchés financiers disent : « Il n’y a pas assez d’argent dans le monde pour financer ces projets. » Or tout ce que nous faisons — bourses, banques, santé — repose sur les centres de données. Notre rôle est de trouver les moyens de disposer de la plus grande capacité possible, afin d’améliorer quotidiennement la vie de davantage de clients. Ces grands laboratoires sont prêts à payer presque n’importe quel prix pour l’énergie, le refroidissement et les puces. Peut-être devrions-nous racheter d’anciens clients pour vendre à de nouveaux, puisqu’ils enchérissent à notre prix.

a16z 00:48

Andy, bienvenue dans l’émission. C’est un plaisir de vous accueillir. Merci pour l’invitation. Vous dirigez Amazon depuis cinq ans et y avez mené de nombreuses initiatives. Ce n’est pas facile d’être là où vous êtes, et en tant que PDG, les défis s’enchaînent — vous prévoyez actuellement 220 milliards de dollars de dépenses en capital, AWS connaît une croissance de 20 à 28 %. Vous avez vraiment accompli beaucoup.

Andy Jassy 01:09

Vous avez tant accompli : comment voyez-vous les ambitions d’Amazon pour 2026 comparées à celles de 2021, lorsque vous avez officiellement pris la tête ? Oh, 2021 semble loin — comme il y a dix ans ! Mais le monde évolue si vite…

Andy Jassy 01:30

Comparé à 2021, notre chiffre d’affaires global a augmenté d’environ 80 %, celui d’AWS a presque triplé, et nos revenus publicitaires ont doublé et demi. Cette entreprise a donc fortement progressé.

Andy Jassy 01:47

Plusieurs éléments se sont effectivement produits. Peu après mon entrée en fonction — alors même que la pandémie touchait à sa fin — notre activité de commerce de détail a rencontré un véritable défi en matière de coûts d’expédition : nous avons quasiment doublé l’échelle de notre réseau d’expédition. Ce réseau, construit sur 25 ans, a été doublé en environ 18 mois ; puis, en quelque 20 mois, nous avons mis en place un réseau de livraison du dernier kilomètre comparable à celui d’UPS. Or, lorsqu’on construit aussi vite, des inefficacités sont inévitables. Les coûts d’expédition dans notre réseau étaient donc supérieurs à ce que nous souhaitions. Cela a engendré de nombreux défis et beaucoup d’anxiété à l’époque.

Je me souviens qu’il ne s’était écoulé qu’un an — voire moins — depuis mon entrée en fonction, et tout le monde disait : « Prendre la relève à ce moment-là est le pire des choix, quelle malchance ! » Or, rétrospectivement, je pense que ce fut en réalité un excellent point de départ, une véritable bénédiction : cela nous a contraints à remettre en question de nombreux sujets que nous n’aurions sans doute pas abordés avant plusieurs années, et ces réflexions se sont avérées très bénéfiques pour nos clients et notre entreprise. L’une des plus importantes a été notre réseau d’expédition : nous avons régionalisé ce qui était initialement un réseau national uniforme aux États-Unis. En le régionalisant, nous avons rapproché les produits de nos clients, réduisant ainsi les coûts d’expédition grâce à des distances de transport plus courtes, tout en accélérant les délais de livraison.

Pendant cette période marquée par des difficultés liées aux coûts d’expédition, la remise en question de nos convictions les plus profondes a véritablement libéré une forte demande en matière de rapidité de livraison et de commerce de détail, ce qui explique également notre croissance rapide. Bien entendu, peu après, l’IA a encore amplifié ce phénomène. L’IA n’est pas une nouveauté — nous pratiquons l’apprentissage automatique depuis longtemps, et plusieurs vagues d’IA ont déjà été considérées comme des « tournants décisifs ». Mais dès 2023, on perçoit clairement l’impact considérable de l’IA générative. À ce stade, notre activité AWS connaissait déjà une croissance très soutenue.

Nous disposons, évidemment, de la couverture fonctionnelle la plus étendue, de performances opérationnelles et de sécurité supérieures, ainsi que d’un écosystème de partenaires distinct. Nous sommes des leaders incontestés, et nous pensions alors que cette activité pourrait générer des centaines de milliards de dollars de chiffre d’affaires sur une longue période — disons dix ans. Aujourd’hui, face à l’essor de l’IA et à la réinvention de toutes les expériences client grâce au raisonnement et à l’IA, nous sommes convaincus que notre activité AWS ne connaît pas seulement une croissance très rapide — au dernier trimestre, elle a progressé de 36,7 % en glissement annuel, sur une base de revenus annualisée de 169 milliards de dollars — mais que les opportunités qui s’offrent à nous sont tout simplement extraordinaires.

Et je crois que, en y ajoutant nos nouvelles activités émergentes — que ce soit le développement de Prime Video par l’équipe, désormais une activité importante et rentable ; nos satellites en orbite terrestre basse avec Amazon Leo ; notre service autonome de covoiturage avec Zoox ; notre activité santé ou nos projets en robotique — nous avons réellement la possibilité d’aider bien davantage de clients, d’élargir le champ des expériences client et d’améliorer concrètement leur quotidien.

Cette mission de « rendre la vie des clients meilleure et plus simple chaque jour » unit réellement l’ensemble de nos activités au sein de l’entreprise. J’ai maintenant quelques questions complémentaires à ce sujet. Premièrement, vous venez de mentionner que l’expansion rapide du réseau d’expédition entraîne inévitablement une certaine inefficacité. Lorsqu’on accélère ainsi, des imperfections sont inévitables. Comment, en tant que PDG, communiquez-vous vos actions sans affaiblir les standards culturels ? Amazon est réputée pour son excellence, son efficience opérationnelle et sa frugalité. Or, vous annoncez aujourd’hui vouloir construire un réseau comparable à celui d’UPS. Comment réconciliez-vous ces deux approches ?

Ce qui est intéressant, c’est que nous disposons de cet ensemble de principes de leadership, bien connus, au nombre de 16. La plupart d’entre eux guident effectivement notre façon de penser les opérations et la culture d’équipe.

Toutefois, certains entrent en tension les uns avec les autres, ce qui peut prêter à confusion. En réalité, cela reflète le fonctionnement du monde réel : rien n’est jamais parfaitement tranché ; il faut constamment faire des arbitrages. Ainsi, au moment où nous avons décidé d’étendre le réseau d’expédition et le réseau de livraison du dernier kilomètre à un rythme aussi ambitieux et rapide, l’enjeu pour l’équipe était le suivant : nous savions qu’accélérer ainsi serait extrêmement difficile, que les coûts seraient probablement supérieurs à ceux d’une expansion plus progressive, et que nous ne pourrions pas tout optimiser aussi efficacement que si nous avions pris plus de temps. Mais nos clients et nos vendeurs en avaient vraiment besoin. Devions-nous privilégier la rapidité d’exécution ?

Souvenez-vous : c’était au début de la pandémie, lorsque tous les magasins physiques étaient fermés.

Si l’on considère le rôle joué par Amazon dans la vie de chacun pendant la pandémie, il fut véritablement révolutionnaire. Nous devions donc nous demander : devons-nous construire rapidement, même de façon imparfaite, afin de servir ces clients et ces vendeurs — ces derniers luttant eux-mêmes pour maintenir leur activité ? Telle fut notre première décision, et nous avons choisi, comme presque toujours, de privilégier l’intérêt du client.

Notre équipe d’expédition est certes plus présente au bureau que la plupart des autres départements. Pourtant, de nombreuses personnes doivent participer à la conception, à la planification et à l’évaluation. Elles sont dispersées partout, travaillent souvent à distance, et il faut alors arbitrer entre « tendance à l’action » (ou rapidité) et « maintien de standards extrêmement élevés » — ce dernier impliquant de respecter la structure des coûts prévue, les méthodes de livraison et les conceptions retenues. Il faut donc à nouveau faire des arbitrages.

Notre arbitrage a consisté à privilégier l’intérêt du client, à agir rapidement pour bien servir vendeurs et consommateurs, en sachant qu’un travail de rattrapage serait nécessaire par la suite. Savions-nous alors que cela évoluerait ainsi ? Non. Certains aspects n’ont pas été correctement optimisés, et nous ne pouvions pas prévoir qu’ils le resteraient. Mais si l’on dispose de bons indicateurs et d’une culture fondée sur la vérité — élément essentiel de notre culture —, on met les données et les problèmes sur la table, on communique directement, sans permettre à personne d’occulter les difficultés. Une telle culture rend les problèmes évidents, tant dans les indicateurs que dans les échanges.

Il ne reste alors qu’à identifier les axes d’amélioration, en distinguant les petits problèmes d’efficacité des enjeux structurels. Une fois cette capacité installée, nous sommes revenus sur le réseau et avons profondément restructuré des parties clés — ce chantier figurait alors probablement en huitième ou neuvième position sur la liste des priorités de l’équipe, mais est devenu bien plus prioritaire par la suite, car il permettait d’allier rapidité et maîtrise des coûts. C’est intéressant : cela rappelle un peu le lancement d’AWS — vous avez créé cette infrastructure complète, puis l’avez exploitée selon le principe « construisez-le, ils viendront ». Ils devaient venir, sinon nous serions tombés dans une grave difficulté.

Mais désormais, cela se joue à une échelle bien plus grande : vous et certaines autres entreprises — bien que je doive préciser que, principalement, c’est vous, du moins vous comptez assurément parmi les acteurs majeurs — construisez des centres de données et augmentez votre capacité en puces à un rythme si soutenu que les marchés financiers commencent à dire : « Incroyable, il n’existe pas assez d’argent dans le monde pour financer ces projets. » Nous avons récemment observé ce type de tension sur les marchés de la dette et des actions, notamment chez CoreWeave, etc. Alors, comment évaluez-vous — compte tenu d’une demande aussi forte et d’une croissance aussi rapide — quel volume de construction est excessif pour cette vague ? En outre, la chaîne d’approvisionnement fait l’objet d’une concurrence féroce : vous devez rivaliser pour obtenir du refroidissement, de l’énergie, des puces, et bien d’autres ressources. Oui, c’est une très bonne question. J’aimerais sincèrement qu’il existe une formule simplifiée pour y répondre : cela épargnerait beaucoup de temps à notre équipe.

Eh bien, je dirais ceci : lors de la première vague du cloud, au moment où nous avons lancé AWS, il y avait effectivement un peu de « nous ne savons pas encore si les clients l’adopteront, alors construisons-le et ils viendront ». Mais nous avions déjà des signaux internes encourageants. À cette époque, au début des années 2000, plusieurs de nos équipes progressaient nettement moins vite que prévu — même si, relativement parlant, nous nous estimions rapides. Or, nous ne comprenions pas pourquoi cela prenait autant de temps. La raison était que leurs équipes produit consacraient 70 à 80 % de leur temps à l’infrastructure, ce qui ne leur permettait pas de se différencier ; seuls environ 20 % de leur temps étaient dédiés aux éléments véritablement différenciants du produit.

Nous avons donc réalisé que chaque équipe répétait ce schéma et réinventait la roue. C’est ainsi qu’AWS a d’abord été conçu pour accélérer notre propre productivité interne. Notre jugement à l’époque était le suivant : si nous développons un ensemble de services fondamentaux à grande échelle, hautement disponibles, peu coûteux et extrêmement flexibles — tels que le calcul, le stockage, les bases de données, la diffusion de contenus, la messagerie, etc. —, nous pourrons développer bien plus rapidement nos activités grand public. Nous pensions, de façon relative, que notre technologie était solide et que d’autres entreprises devaient faire face aux mêmes défis. Même avant son lancement externe, un grand nombre d’équipes internes s’y sont vivement intéressées, ce qui nous a confirmé que nous étions sur la bonne voie. Personne parmi nous n’avait anticipé une croissance aussi rapide à l’extérieur.

Du côté de l’IA, comme vous le savez, on a déjà vu plusieurs vagues de déclarations du genre « c’est maintenant le moment, l’IA est enfin arrivée ». Même six ou sept ans avant cette vague actuelle d’IA générative, beaucoup pensaient vivre l’ère de l’IA. Nous avions développé de nombreux services IA, qui constituaient déjà une activité très rentable sur AWS. Mais cela ne peut pas être comparé à ce que nous observons aujourd’hui. Au début d’AWS, nous avions l’impression de connaître une croissance très rapide — et nous en étions satisfaits : trois ans plus tard, nous atteignions environ 60 millions de dollars de chiffre d’affaires annuelisé. Or, durant les trois premières années de cette vague d’IA générative, rien que notre activité IA sur AWS génère désormais un chiffre d’affaires annuelisé dépassant 25 milliards de dollars. Elle a donc crû des centaines de fois plus vite. Jamais auparavant nous n’avions connu une telle accélération. La question devient donc : quel montant de dépenses en capital souhaitez-vous investir pour saisir cette opportunité ? Je peux vous dire que nous prévoyons d’engager environ 220 milliards de dollars de dépenses en capital d’ici 2026.

Au passage, je me souviens qu’il y a environ quinze ans, lors d’un petit-déjeuner avec l’équipe dirigeante, nous n’en croyions pas nos yeux en apprenant qu’une entreprise de télécommunications allait engager 50 milliards de dollars de dépenses en capital : nous nous demandions comment elle pouvait consacrer une telle somme à des investissements. Ces chiffres sont vraiment vertigineux. Et même si nous prévoyons d’engager 220 milliards de dollars de dépenses en capital cette année, une part substantielle de la demande reste encore insatisfaite. Ce qui nous aide réellement ici, c’est notre bonne visibilité sur la demande client. Ainsi, si vous examinez les investissements en capital d’AWS et le cycle de trésorerie, deux composantes principales se distinguent : l’investissement dans les centres de données, d’une part, et celui dans les serveurs et les équipements réseau, d’autre part. Pour les centres de données, il faut investir environ deux ans à l’avance avant de pouvoir y installer des serveurs et commencer à monétiser. La bonne nouvelle est que cet investissement ne doit être réalisé qu’une seule fois : il s’agit d’un actif durable, d’une durée de vie d’environ 30 ans.

Toutefois, cet investissement doit être réalisé plusieurs années à l’avance. Les serveurs et les équipements réseau, eux, ne nécessitent qu’un investissement quelques mois à l’avance, selon les composants concernés. Ainsi, avant de prendre la décision finale, vous disposez d’une bonne visibilité sur la demande client. Si vous constatez que vous n’avez pas besoin de toute cette capacité pour remplir vos centres de données, vous n’achèterez pas les serveurs ni les équipements réseau. En moyenne, ils atteignent l’équilibre financier en environ trois ans, et leur durée de vie actuelle est de cinq à six ans.

La plupart de nos contrats durent environ cinq ans. Ainsi, lorsque vous construisez autant de centres de données à un rythme aussi soutenu, vous engagez de fortes dépenses en capital, ce qui pèse sur votre flux de trésorerie libre pendant ces années — jusqu’à ce que, quelques années plus tard, vous atteigniez cette phase ultérieure : tous ces centres de données sont opérationnels, monétisés, et vous récupérez vos investissements dans les serveurs et les réseaux. Toutefois, en raison du fonctionnement du cycle de trésorerie, les premières années de cette croissance fulgurante créent effectivement des vents contraires. Par ailleurs, revenons un instant sur le lancement d’AWS : les centres de données étaient probablement, à l’époque, la dernière chose au monde que vous auriez imaginée devenir un enjeu politique. Or, nous sommes aujourd’hui dans cette situation, notamment aux États-Unis.

C’est assez intéressant, et je pense que vous l’avez vous-même expérimenté : nulle part au monde les centres de données ne suscitent autant d’opposition dans l’arène politique américaine, quelle qu’en soit la raison. Alors, comment cette situation affectera-t-elle finalement la question ? Ce que je voudrais savoir, c’est si les arguments contre les centres de données ont un fondement réel. Et comment cela influencera-t-il à son tour votre stratégie — ce que vous construisez ici, ce que vous construisez dans d’autres régions ? Bon, je peux vous donner certains éléments contextuels, du moins ceux que je considère comme fiables. Réfléchissez-y : tout ce que nous faisons aujourd’hui — marchés boursiers, banque, santé, divertissement, commerce, éducation, affaires, covoiturage — repose entièrement sur les données, et dépend purement et simplement des centres de données. Non, tout le monde en dépend ; moi-même, j’oppose ma propre position, je ne veux plus utiliser mon téléphone.

Mais tout le monde utilise des centres de données. Et cela, c’est avant même l’ère de l’IA. L’IA constitue la plus grande transformation technologique de notre époque — une affirmation d’autant plus forte si l’on considère que nous avons déjà connu l’internet, le cloud et l’internet mobile. En réalité, pour soutenir la croissance fulgurante dont nous venons de parler dans le domaine de l’IA, l’infrastructure nécessaire n’a jamais été vue dans ce pays, ni dans le monde entier, depuis la construction des autoroutes et des ponts dans les années 1950. Ce que nous vivons actuellement est d’une ampleur comparable. Or, ce pays — et je pense que le monde entier est globalement dans le même cas, mais je tiens à mentionner spécifiquement les États-Unis — ne peut pas se permettre de ne pas construire de centres de données ; sinon, nous verrons un autre pays, comme la Chine, imposer son leadership et ses règles dans ce domaine. Je ne crois pas que personne d’entre nous le souhaite, ni sur le plan national ni mondial.

Nous devons donc impérativement construire des centres de données. Est-ce que, en tant qu’industrie, nous disposons de méthodes meilleures que celles actuellement employées ? Bien sûr. Je sens que les choses évoluent rapidement, et que chacun apprend en chemin. Mais aujourd’hui, une série d’idées — que je qualifierais de mélange entre mythe et désinformation — se propage, car il s’agit d’un sujet sur lequel chacun trouve aisément un « méchant » tout désigné. Sur le plan politique, certains opportunistes aiment parfois pointer du doigt ce méchant. Je peux vous donner quelques exemples. La consommation d’eau par l’industrie du golf ou par la culture des amandes dépasse largement celle des centres de données.

Pour illustrer : les terrains de golf consomment 200 fois plus d’eau que l’ensemble de nos centres de données ; leur consommation sur deux jours dépasse celle de nos centres sur une année entière. Il existe de nombreux exemples similaires, celui-ci étant particulièrement parlant. On peut aussi évoquer la pollution : en effet, lors de l’enregistrement d’un nouveau site équipé de groupes électrogènes de secours, il faut déclarer les émissions prévues si ces groupes fonctionnaient à pleine charge, 24 heures sur 24. Or cela ne se produit jamais : ils ne tournent qu’une fraction du temps, par exemple environ 10 heures par an pour la maintenance.

En ce qui concerne les prix de l’électricité, selon les régions où nous déployons des centres de données à grande échelle, certains marchés connaissent une hausse tandis que d’autres observent une baisse. Le véritable problème est que notre pays n’a pas suffisamment investi dans ses infrastructures électriques. Une croissance importante étant inévitable, un facteur finira nécessairement par pousser le système vers un point critique exigeant des investissements. Ce facteur, c’est l’IA : sa croissance fulgurante et son ampleur font d’elle le catalyseur décisif. Toutefois, une fois la capacité installée, les prix de l’électricité ont tendance à se stabiliser, voire à baisser — comme cela s’est produit dans l’Indiana, la Géorgie ou le Mississippi.

Il reste donc des marges d’amélioration. Un autre aspect souvent oublié est que, dans ces régions, les grands fournisseurs de centres de données paient des impôts substantiels. Par exemple, dans le comté de St. Joseph (Indiana), nous avons versé environ 3 milliards de dollars de taxes. Ces fonds bénéficient directement aux collectivités locales, qui peuvent les affecter à des priorités essentielles. Ainsi, les communautés tirent elles aussi profit de ces investissements. Nous avons lancé des initiatives telles que « Built Together » et nous nous engageons à investir 1 milliard supplémentaire dans les communautés abritant nos centres de données au cours des cinq prochaines années. Il est donc indispensable de poursuivre ce partenariat avec les collectivités : une collaboration public-privé s’impose. Cette vague de construction est cruciale pour l’avenir du pays — imaginez ce qui serait arrivé sans les autoroutes.

a16z 20:44

Et les ponts : ils déterminent la prospérité économique et les limites de capacité du pays. Il faut donc adopter une perspective équilibrée et devenir partenaires des communautés concernées. Revenons sur les dépenses en capital : ce montant de 220 milliards de dollars, soit 600 millions par jour, mérite d’être mis en perspective. Je suis curieux de connaître votre vision actuelle de la demande en IA — vous l’avez qualifiée de…

Andy Jassy 21:10

Structure en haltère. Pourriez-vous décrire l’état actuel de la demande en IA ? D’abord, le contexte : la croissance de l’IA est, pour moi, stupéfiante — des centaines de fois plus rapide que les débuts d’AWS. En trois ans, nous avons atteint un chiffre d’affaires annuel de 25 milliards de dollars rien que dans le domaine de l’IA sur AWS. C’est donc considérable. Mais la structure de la demande est bien une « haltère » : à une extrémité, les laboratoires d’IA consomment des quantités colossales de puissance de calcul, à une échelle inédite ; à l’autre, quelques applications phares comme ChatGPT ou Claude Code.

Andy Jassy 21:59

L’autre extrémité de l’haltère concerne les entreprises, qui utilisent principalement l’IA pour réduire les coûts et améliorer l’efficacité — automatisation du service client, détection des fraudes ou automatisation des processus métiers. Le « milieu » de l’haltère correspond aux charges de production actuelles des entreprises, nombreuses à tourner déjà sur AWS et à utiliser aujourd’hui l’inférence. Toutefois, la très grande majorité de ces applications n’est encore exploitée qu’à la marge — or, c’est précisément ce segment qui deviendra la part la plus importante de l’utilisation de l’IA. Vous verrez cela.

Andy Jassy 22:38

Prévoir la vitesse de cette évolution est difficile : elle s’accélère chaque année. Mais si l’on recule le regard sur cinq à sept ans, on constate que la plupart — voire la totalité — des applications métiers existantes seront profondément transformées par l’inférence. Ce changement ne surviendra pas d’un seul coup, mais progressivement. Il y a donc encore beaucoup de potentiel de croissance devant nous.

Quelle est donc votre analyse ? Nous faisons face à une pénurie imminente de centres de données, de puces et de mémoire dès 2027, car tous construisent actuellement, sans être prêts d’ici la fin de l’année, tandis que la demande ne ralentit pas. Comment gérez-vous cette situation ? Les grands laboratoires sont prêts à payer pratiquement n’importe quel prix pour l’électricité, le refroidissement ou les puces, tandis que vos clients historiques continuent de payer des tarifs standards pour leurs activités. Existe-t-il une pression commerciale vous poussant à privilégier les nouveaux clients ? Pouvez-vous racheter les contrats des anciens clients pour les céder aux nouveaux ? Vous ne pouvez pas doubler les tarifs de vos anciens clients — ce ne serait pas équitable. Comment voyez-vous ce dilemme ? C’est paradoxal : d’un côté, des clients fidèles depuis 20 ans, dont les usages convergent vers l’inférence ; de l’autre, de nouveaux clients très agressifs, prêts à tout acheter.

Andy Jassy 24:35

C’est une excellente question. Notre approche diffère quelque peu de celle que vous décrivez, mais je la comprends parfaitement. Aujourd’hui, les ressources — centres de données, puissance électrique, mémoire — sont strictement limitées, et cette pénurie ne disparaîtra pas d’ici 2027.

Je pense — revenons sur les investissements en capital — que l’un des motifs justifiant nos importants investissements, sans risque de mauvaise allocation, est que 2026 est déjà entièrement réservé, tout comme 2027. Nous gardons certes une petite marge pour l’usage à la demande, que ce soit via notre service d’inférence Bedrock ou EC2, mais globalement, toutes les grandes capacités sont réservées. Une part significative de 2028 est également déjà engagée. La demande est si forte qu’il est impossible… Que ce soit dans le domaine de l’IA ou dans celui de nos activités « cœur » — c’est-à-dire non liées à l’IA — la croissance est très rapide dans les deux cas.

Or, avec une quantité limitée de mémoire disponible, il faut choisir combien allouer à la mémoire HBM (destinée aux accélérateurs IA) et combien à la mémoire DRAM (destinée aux activités cœur). Ce sont des arbitrages concrets. Toutefois, notre point de départ reste centré sur le client.

Chez AWS, nous entretenons des relations étroites et des collaborations approfondies avec nos clients. Comme durant la pandémie : nos concurrents cherchaient alors à optimiser leurs résultats trimestriels dans un contexte généralisé de maîtrise des coûts, tandis que nous avons adopté une démarche différente — envoyant proactivement nos équipes aider les clients à réduire leurs coûts, même sachant que cela affaiblirait nos revenus à court et moyen terme. Car nous voulons leur succès : nous sommes convaincus que, en les aidant durablement, notre propre croissance suivra naturellement. Il en va de même pour les activités cœur. Certes, on pourrait calculer que, compte tenu de la rareté et de la disposition des clients à payer davantage, on pourrait augmenter légèrement les tarifs pour ces clients. Mais ils font tourner l’ensemble de leurs activités critiques sur AWS.

Nous ne presserons pas nos clients ; nous veillerons à ce qu’ils puissent évoluer. Notre rôle consiste alors à trouver des moyens d’offrir une capacité maximale, afin que non seulement nos clients historiques, mais aussi tous ceux qui souhaitent utiliser l’IA avec nous — ou faire de l’IA avec nous — puissent le faire de façon économiquement durable pour nous. Je souhaiterais vraiment pouvoir vous dire que la pénurie d’offre ne sera un problème qu’en 2027 ; or, je pense qu’elle persistera sur divers composants pendant plusieurs années. Nous avons toujours été très ambitieux et, selon moi, nous déployons plus de capacité que quiconque, car nous sommes pleinement engagés et fortement concentrés sur notre rôle de leader majeur en infrastructure et en IA, comme par le passé.

Mais, comme je l’ai dit, nous allons dépenser 220 milliards de dollars cette année, et nous aurions pu en dépenser bien davantage — ce n’aurait pas été un usage inefficace du capital. En outre, à moyen et long terme, je pense que nous continuerons probablement à ne pas satisfaire toute la demande. Celle-ci est tout simplement stupéfiante. Pour rebondir sur ce sujet : en 2015, vous avez acquis Annapurna Labs. À l’époque, vous ne pouviez guère anticiper la forte demande en IA qui émergerait plus tard, car celle-ci était alors très limitée. Quelle fut donc la motivation derrière cette acquisition ? Et comment a-t-elle généré des retours dans ce nouveau contexte ? Oui, je considère l’équipe d’Annapurna comme l’une des plus talentueuses avec lesquelles j’ai eu la chance de collaborer ; c’est sans doute l’une des meilleures acquisitions de l’histoire d’Amazon, voire la meilleure.

Oui, nous avions anticipé certains aspects, mais je ne crois pas avoir acquis Annapurna spécifiquement pour les puces IA. Voici le point clé : à une certaine échelle, on observe à grande échelle les comportements clients et l’on comprend que, grâce à une intégration verticale et au développement de certaines capacités internes, on peut apporter plus de valeur aux clients tout en améliorant la rentabilité de l’entreprise. Ainsi, le point de départ d’Annapurna chez nous concernait simplement les serveurs EC2 centraux : nous estimions consacrer trop de ressources serveur à la virtualisation, au réseau, à la sécurité et au stockage, et souhaitions utiliser près de 100 % des ressources serveur pour fournir du calcul aux clients.

Avant l’acquisition, nous travaillions déjà avec Annapurna sur cette carte d’interface réseau (NIC), afin de décharger ces fonctions sur la NIC et de libérer un maximum de serveurs pour le calcul. Nous apprécions beaucoup cette équipe ainsi que le produit co-développé. Nous avons réalisé que ce que nous allions acheter serait finalement installé dans presque tous les serveurs EC2 — et cela s’est effectivement produit dans l’ensemble de nos serveurs.

L’acquisition initiale visait donc à faire de cette technologie une capacité fondamentale de notre puissance de calcul ; par ailleurs, cette équipe étant remarquablement compétente en conception de puces, nous pensions qu’elle pourrait également concevoir d’autres puces. À l’époque, nous entretenions un partenariat très étroit avec Intel — que nous maintenons encore aujourd’hui. Or, le problème était qu’Intel détenait alors presque toute la part de marché des CPU ; et lorsqu’un partenaire détient une telle part, il privilégie souvent l’amélioration de fonctionnalités permettant d’accroître sa part de marché et ses revenus, plutôt que l’optimisation du rapport coût-efficacité.

Cela est parfaitement compréhensible : c’est inhérent au fonctionnement des marchés et fait partie de la raison d’être du « dilemme de l’innovateur ». Nous voulions donc promouvoir le rapport coût-efficacité, mais il était difficile d’obtenir leur attention. Or, nos clients souhaitaient migrer de plus en plus de charges de travail locales vers le cloud et exigeaient un meilleur rapport coût-efficacité. Nous avons donc demandé à l’équipe Annapurna de concevoir une puce CPU. Elle a créé Graviton : aujourd’hui, 99 % de nos 1 000 principaux clients EC2 l’utilisent largement. Son rapport coût-efficacité est environ 40 % supérieur à celui des autres processeurs x86, ce qui a eu un impact considérable sur nos clients et notre activité. Puis, il y a quelques années, nous avons observé le même scénario se répéter dans le domaine de l’IA : un fournisseur dominant très puissant était présent. Nous entretenions avec lui un partenariat approfondi — nous continuons de collaborer étroitement avec lui, et cela devrait se poursuivre dans un avenir prévisible.

Mais ce fournisseur disposait d’un marché immense et travaillait sur de nombreux produits et priorités différentes. Or, nous savions que nos clients avaient besoin d’un meilleur rapport coût-efficacité, ce qui nous a conduit à créer au sein d’Annapurna une nouvelle équipe spécialisée dans les accélérateurs IA, baptisés Trainium, dont le rapport coût-efficacité est également 30 à 40 % supérieur à celui des processeurs comparables. Et si l’on revient sur la partie centrale de la barre — ce dont nous venons de parler — et que l’on se demande : quels facteurs transformeront cette partie centrale pour permettre à davantage d’applications d’entreprises actuelles en production d’utiliser l’inférence ? Plusieurs éléments entrent en jeu. Une partie concerne les talents : certains professionnels maîtrisent déjà le post-entraînement et le réglage fin, et il faut développer des capacités organisationnelles capables de prioriser, identifier les axes d’intervention et les mettre en œuvre.

Mais une large part réside dans le coût de l’inférence : il a nettement baissé ces dernières années, mais, selon moi, il reste encore dix fois trop élevé pour être largement adopté. Car si vous voulez inciter les entreprises à réécrire des applications actuellement exécutées sur CPU pour les faire tourner sur des accélérateurs IA, la différence de coût entre les deux doit être très faible : sinon, les gains supplémentaires attendus des accélérateurs doivent être très élevés pour justifier la réécriture — seuil bien plus exigeant. En revanche, si l’on réduit les coûts d’inférence, ce seuil baisse fortement, et toutes les applications deviennent plus performantes, plus intelligentes et plus puissantes grâce aux accélérateurs IA et à l’inférence. Ainsi, la réduction des coûts d’inférence constitue un lien critique pour l’adoption généralisée de l’IA par les clients, et notre activité de conception de puces y contribue fortement. Oui, absolument. Chez nous, cela peut vite devenir très coûteux : un employé a dépensé 2 millions de dollars ces dernières années — pour un travail utile.

Mais oui, à l’époque, la sensation était claire : l’inférence n’était vraiment pas bon marché. Vous avez donc effectué certains investissements, notamment dans Anthropic et OpenAI, très importants : je me souviens de 18 milliards de dollars pour Anthropic et d’environ 50 milliards pour OpenAI. Quelle en a été la motivation ? Et ces investissements, ainsi que d’autres similaires dans Nvidia et ailleurs, ont inquiété Wall Street, qui y voit un retour aux mauvais jours de la bulle internet. Comment analysez-vous cette situation — d’autant plus qu’il s’agit aussi de vos clients ? Pourquoi cela est-il pertinent ? Ces deux sociétés sont des équipes exceptionnelles et des entreprises impressionnantes ; le rythme de croissance de leurs activités — au moins sur le plan des revenus — est sans précédent. Vraiment incroyable.

Pour nous, plusieurs facteurs se combinent : la qualité de ces équipes, les technologies et modèles qu’elles développent, ainsi que certaines applications qu’elles produisent ; nous croyons profondément au caractère transformateur de l’IA ; nous pensons qu’elles seront, pendant longtemps, deux des entreprises les plus réussies dans ce domaine — certes, tous les acteurs ne remporteront pas la victoire, mais de nombreuses sociétés très performantes émergeront, et nous sommes convaincus qu’elles en feront partie. Par ailleurs, notre collaboration est extrêmement étroite. Commençons par Anthropic : nous collaborons avec eux depuis plus longtemps. De nombreux clients exécutent Anthropic via notre service d’inférence Bedrock. Et je crois que les clients utilisant Anthropic sur Bedrock obtiennent les meilleurs résultats. Nous collaborons étroitement avec eux sur les puces : ils utilisent depuis longtemps Trainium. Je pense que cela profite grandement à Anthropic et à notre équipe Trainium ; je suis convaincu que les deux parties ont beaucoup appris l’une de l’autre. Cette collaboration étroite — qu’il s’agisse de notre foi dans l’avenir de l’IA, de notre confiance en ces entreprises ou de la collaboration elle-même — rend tout à fait cohérent pour nous d’investir dans le cadre de ce partenariat.

Ensuite, du côté d’OpenAI, nous avions tellement de clients souhaitant utiliser OpenAI sur AWS, mais cela était impossible en raison d’accords commerciaux antérieurs. Depuis longtemps, je pense que les deux entreprises se respectent profondément et sont très motivées à collaborer. Cette situation a donc évolué après plusieurs mois de discussions : exécuter OpenAI sur Bedrock ; nous avons co-créé un produit unique, un environnement d’exécution avec état, et je crois que tous les agents intelligents seront construits ainsi à l’avenir : ils auront besoin d’état. Par ailleurs, Anthropic a pris des engagements pluriannuels et multi-mégawatts en faveur de Trainium. Nous estimons qu’elle deviendra l’une des entreprises les plus prospères de ce domaine pendant longtemps. Tout cela rend tout à fait justifiée une collaboration et un investissement approfondis. Passons à un autre sujet : comment utilisez-vous l’IA pour créer une entreprise ? Je me souviens que vous aviez mentionné que l’équipe Bedrock avait reconstruit son moteur d’inférence avec seulement 6 ingénieurs en 76 jours, alors qu’il aurait fallu initialement 40 personnes travaillant pendant un an. C’est une différence considérable.

Vous le savez, Amazon est réputée pour ses « équipes de deux pizzas ». Alors, quelle est aujourd’hui votre réflexion sur la conception organisationnelle ? Cette technologie semble vraiment tout transformer. Au fil des ans, nous sommes devenus extrêmement spécialisés : designers, chefs de produit, ingénieurs front-end, ingénieurs back-end, etc. Or, il semble désormais que chacun redevienne généraliste. D’un point de vue organisationnel, comment analysez-vous cette évolution ? Oui, je partage entièrement votre analyse. L’expérience de l’équipe Bedrock que vous avez citée a été particulièrement révélatrice pour tous ici.

Nous avons également consacré beaucoup de temps à diffuser cette histoire en interne afin d’inspirer nos collaborateurs et leur rappeler ce qui est possible. Car de tels changements surviendront inévitablement — je suis chez Amazon depuis 29 ans. J’ai commencé comme assistant chef de produit, et à l’époque, je gérais seul, je ne sais pas, cinq produits. Aujourd’hui, avec la croissance et le succès de l’entreprise, ainsi que l’élargissement de nos offres, on arrive à un stade où un chef de produit ne travaille plus que sur un seul produit, voire ne gère qu’un seul aspect — par exemple, uniquement les prix. Chacun s’est de plus en plus spécialisé, et tout le monde accepte que c’est là la voie vers la réussite. Or, ce n’est plus le cas : l’IA bouleverse totalement cette logique.

Prenons simplement la semaine dernière : nous menons des initiatives autour des agents intelligents dans notre activité grand public. Nous y investissons massivement, mais nous avons eu une idée passionnante et avons décidé, jeudi, de tester la faisabilité d’un prototype pleinement fonctionnel. Résultat ? Quatre ou cinq d’entre nous se sont mis au travail le week-end, et dimanche, le prototype était opérationnel à 80 % de sa version finale. C’est vrai — nous sommes bel et bien dans deux mondes totalement différents. Ce changement implique, pour l’avenir des organisations, premièrement que moins de personnes effectueront les tâches que nous accomplissons aujourd’hui. Observez simplement combien de lignes de code sont générées par des agents intelligents, ou combien de tâches en service client, en intelligence d’affaires ou en recherche sont désormais automatisées.

Oui, imaginez l’avenir : comment seront créées les bases de données, combien d’avocats faudra-t-il ? Je suis convaincu que les humains ne disparaîtront pas, mais qu’on en aura nettement moins. Par le passé, à mesure que les entreprises grandissaient, on ajoutait sans cesse des effectifs ; ce ne sera plus ainsi à l’avenir. De nouveaux métiers émergeront — certains connus, d’autres encore imprévisibles — portés par l’IA, la robotique et l’exploration spatiale. Il y aura certes de nombreux nouveaux emplois, mais moins de personnes réaliseront les tâches d’aujourd’hui. Je crois que les équipes seront bien plus petites qu’actuellement : des équipes compactes, capables de travailler transversalement, sans qu’une seule personne ne soit cantonnée à une micro-fonction, car les modèles permettent déjà d’atteindre 80 % de la performance attendue. Dans toutes ces fonctions, chaque équipe démarrera désormais à un niveau bien plus élevé qu’auparavant, ce qui accélérera et élargira l’innovation.

Je crois fermement que de nombreux changements sont indispensables. La plupart des startups créées aujourd’hui adoptent dès leur lancement une approche « agent » ou « native IA ». Quant aux entreprises matures, elles doivent impérativement apprendre à innover à la même vitesse. Certaines y parviendront. Mais il y a toujours ce phénomène : lorsqu’une entreprise dispose d’un vaste portefeuille de compétences et d’une base fidèle de clients, certaines mettront très longtemps à s’adapter — et, selon moi, seront plus vulnérables face aux startups.

Je prédis que les entreprises devront presque entièrement réécrire leur code pour intégrer des capacités d’agent : elles devront autoriser les agents à mettre à jour divers fragments de code, tout en définissant des contraintes strictes. La sécurité, par exemple, est particulièrement intéressante à examiner. Si l’on observe les tensions récentes autour des modèles, ces dernières mois, elles ont surtout porté sur des scénarios purement spéculatifs.

Ces scénarios sont néanmoins possibles : un botnet malveillant pourrait-il tout contrôler ? Je pense que oui. Peut-on injecter une intention malveillante dans des robots ? Aussi. Personnellement, je crois que l’industrie, conjointement avec les secteurs public et privé, parviendra à résoudre ce défi. Mais il faut commencer par cibler des priorités précises. Certes, mais ce qui est intéressant, c’est que la discussion actuelle sur ces risques récents reste insuffisante — or, ils concernent principalement la cybersécurité. Ces modèles sont si puissants qu’ils détectent bien davantage de vulnérabilités que les humains n’en ont jamais identifié auparavant. On peut discuter de la capacité humaine à les trouver, mais le fait est qu’elles n’ont pas été trouvées. À l’avenir, la réaction des applications face aux menaces critiques devra donc s’effectuer en quelques minutes.

Aujourd’hui, voici le processus : découverte d’une vulnérabilité, catégorisation, développement d’un correctif ; même si cette phase est rapide, la plupart des entreprises mettent longtemps à déployer le correctif, à cause de multiples dépendances. À l’avenir, le déploiement devra s’effectuer en quelques minutes. Ainsi, si vos applications ne sont pas entièrement repensées pour être mises à jour par des agents, vous serez totalement désavantagés dans ce nouveau monde. Je crois donc que toutes les organisations seront transformées, et que celles qui s’attelleront en priorité à cette refonte seront nettement mieux positionnées que les autres.

Oui, et il semble que, en tant qu’industrie, nous n’ayons pas suffisamment conçu — des grands systèmes aux dispositifs embarqués — une architecture sécurisée dès la conception. Le jour du règlement de comptes est arrivé. Mais la bonne nouvelle, c’est que cela représente une formidable opportunité pour les nouvelles entreprises, les nouvelles initiatives et les innovateurs. Certes, comme nous l’avons dit, ces menaces théoriques — ces exercices de pensée — pourraient se produire… ou non. Mais celle-ci est claire et réelle.

Oui, presque tous les partenaires et clients avec lesquels nous parlons côté AWS, quel que soit leur taille, s’inquiètent vivement de la sécurité. Vous le savez, nous disposons d’une activité de services professionnels pour accompagner nos clients sur ce sujet, et nous avons développé un service appelé Continuum, capable d’identifier un grand nombre de ces vulnérabilités et de générer automatiquement des correctifs. Mais, comme on dit, c’est plus facile à dire qu’à faire. En effet, de nombreuses entreprises et ingénieurs considèrent parfois la sécurité comme peu stimulante, et reportent son traitement jusqu’à ce qu’un incident survienne. Or, si vous protégez des données critiques, c’est une mauvaise stratégie. En outre, dans la plupart des entreprises — pour revenir à notre conversation précédente — la spécialisation extrême en matière de sécurité est probablement le pire scénario : des ingénieurs spécialisés, peu enclins à collaborer avec d’autres développeurs, et dont les compétences rares sont difficiles à mobiliser.

Le résultat est que, dans la plupart des entreprises — notamment les sociétés de logiciels —, leurs pratiques de sécurité lors du développement logiciel sont médiocres. Cela doit clairement changer. La bonne nouvelle, c’est que nous disposons d’outils capables de résoudre ce problème. Comme vous l’avez souligné, la bonne nouvelle est la suivante : vous devez recruter des testeurs d’intrusion, mais le nombre de spécialistes de la sécurité que vous pouvez embaucher est limité et ils ne couvrent qu’un nombre restreint d’applications. Associés à l’automatisation, les modèles IA permettront d’étendre efficacement les tests d’intrusion à l’ensemble de la surface d’attaque et de découvrir des vulnérabilités que vous n’auriez sans doute jamais identifiées sans un heureux hasard. En observant ce marché, on constate un fait intéressant : avec l’IA, on peut accomplir beaucoup. L’une des approches consiste à l’utiliser pour réduire les coûts, en diminuant le nombre de comptables ou d’avocats nécessaires.

Aujourd’hui, plusieurs fonds de capital-risque affirment effectivement : « Nous allons racheter ces anciennes entreprises et réduire leurs coûts. » Cette stratégie ne nous a jamais vraiment intéressés, car nous pensons qu’elle est trop limitée. Une autre voie consiste à créer quelque chose que le monde n’a jamais vu : c’est passionnant. Mais il existe une troisième voie, inspirée d’Alexa : vous possédez déjà un produit — un produit réussi — et vous décidez alors de repenser entièrement ce produit depuis zéro, grâce à cette nouvelle plateforme. Comment y parvenir ? Dans quelles circonstances cela a-t-il du sens ? Oui, votre distinction en trois parties est pertinente. Et, comme nous venons d’en discuter, les organisations vont véritablement se transformer et devenir plus agiles.

Si vous procédez correctement, cela permettra à vos meilleurs développeurs et à vos petites équipes de créer ce que vous appelez le « deuxième type » d’innovations — des choses inédites. Et lorsque vous accumulez l’expérience mentionnée précédemment — concrétiser une nouvelle idée à 80 % en quatre jours — cela motive énormément les équipes, qui consacreront davantage de leur temps libre et de leurs réflexions informelles à générer de nouvelles idées. Pour moi, c’est l’un des aspects les plus passionnants de l’essor de l’IA.

Je crois toutefois que, pour les entreprises existantes disposant déjà d’expériences clients réussies à grande échelle, si elles perçoivent l’IA uniquement comme un moyen d’améliorer progressivement ces expériences, elles risquent fort, dans trois à cinq ans, de ne plus proposer d’expériences gagnantes. Car je suis convaincu que chaque expérience connue — même celles qui semblent les moins susceptibles d’évoluer — sera profondément transformée par l’IA dans quelques années.

Cela signifie que, si vous visez autre chose qu’une amélioration incrémentale, vous devez inciter vos équipes à repenser entièrement l’architecture de ces applications — comme si vous les conceviez aujourd’hui avec toutes les technologies nouvelles disponibles. Dans certains cas, comme pour Alexa, cela semble évident. Le « cerveau » d’Alexa était déjà très innovant à sa création. Or, grâce à l’IA générative, ses capacités sont désormais radicalement différentes. Ainsi, pour offrir une excellente expérience client et rester pertinent sur le long terme, vous devez totalement repenser ce « cerveau ». Cela paraît évident — mais, en pratique, c’est extrêmement difficile : les équipes sont émotionnellement attachées à leurs créations, en sont fières et portent les stigmates d’un apprentissage laborieux sur ce qui fonctionne ou non.

Les convaincre de tout reprendre depuis zéro demande du temps, car elles objecteront : « Ce n’est pas ainsi que nous procédons ; nous avons déjà essayé, sans succès. » Ou des arguments similaires. Mais ce qui est encore plus difficile, c’est de repenser nos autres expériences clients — comme notre activité commerce de détail, Prime Video, Fire TV ou Prime Music — où les solutions technologiques actuelles sont nettement supérieures, bien que cela soit moins évident. Or, je suis persuadé que chacune de ces activités doit être entièrement réinventée, et des équipes travaillent déjà sur des versions radicalement repensées.

Alors, pensons-nous y parvenir dès le départ ? Probablement pas. Nous trouverons des moyens d’y parvenir progressivement, mais cela génère déjà de nombreuses idées novatrices et expériences clients très attractives. La course intéressante sera donc la suivante : souhaitez-vous une expérience entièrement différente — presque une nouvelle application — ou préférez-vous intégrer rapidement ces nouveautés dans l’expérience existante, afin de transformer progressivement, mais de façon substantielle, l’expérience globale des clients au cours des deux à trois prochaines années, au fur et à mesure que vous identifierez les éléments efficaces ? Je crois fermement que, pour réussir en tant que leader, chacune de ces expériences devra se transformer dans les années à venir.

Oui, c’est un défi de leadership particulièrement délicat. Cela me rappelle mes débuts d’ingénieur : je disputais un point avec un collègue, et mon supérieur m’a dit : « Écoute, Ben, retiens une chose : avant d’écrire la première ligne de code, tout est ouvert à discussion ; après, cela devient une conviction. » Vous avez probablement vécu cela avec Alexa. Ce qui est fascinant, c’est que toute cette expertise, toute cette expérience, tous ces acquis issus de la construction initiale… vous êtes désormais prêt à sacrifier une grande partie d’entre eux pour entrer dans ce nouveau monde.

Et, accessoirement, c’est pareil pour les clients : vous aurez une large base de clients qui adorent l’expérience actuelle, n’est-ce pas ? Oui, toute transformation majeure — du moins selon mon expérience (vous pourriez peut-être citer des exceptions) — exige un changement massif : la technologie, le produit, l’expérience client et les modèles économiques doivent être suffisamment convaincants pour inciter les gens à changer. Même ainsi, cela ne se produira pas automatiquement. Il s’agit d’une immense opération de gestion du changement — tout comme le passage du déploiement sur site au cloud : une transformation similaire, où de nombreux responsables d’infrastructure sont fiers de leurs infrastructures, les maîtrisent parfaitement, occupent une place centrale et ne souhaitent pas apprendre de nouvelles compétences.

Il en ira de même pour la refonte de toutes vos expériences clients. Nous sommes tous fiers de ce que nous avons construit au cours de la dernière décennie, nous avons chacun cent idées pour l’améliorer, nous en sommes enthousiastes et y consacrons toutes nos heures d’éveil. Imaginer « comment tout recommencer depuis zéro » est donc difficile, aussi bien rationnellement qu’émotionnellement. Sans aucun doute.

a16z 53:06

Andy, nous venons également de lancer Harwood’s et Jason Academy il y a quelques semaines, afin d’aider les jeunes à se préparer à cette transformation dont nous parlons. Vous avez mentionné que l’IA facilite la création, mais les jeunes doivent tout de même acquérir une véritable expertise. Je me demande : si vous aviez 18 ans en 2026, quelle serait votre recommandation pour vous préparer à cette transformation ?

Andy Jassy 53:29

J’ai un enfant de 25 ans et un autre de 22 ans. Celui de 22 ans a vraiment décollé vers 19 ans. J’ai vite compris qu’il était inutile de lui interdire d’utiliser l’IA dans ses études. Ce bateau a déjà quitté le port, ou ce train est déjà parti. À mon avis, la démarche la plus sage pour les universités est de ne pas la combattre. C’est simplement un outil que les gens utiliseront.

Andy Jassy 53:54

Mais parallèlement, je pense que tous les jeunes — et cela vaut aussi pour nous : nous employons beaucoup de personnes, nous cultivons une culture de la rédaction, et chacun utilise l’IA pour rédiger — peuvent identifier un texte généré par IA : il ne « colle » pas tout à fait, les passages ne sont pas parfaitement liés. Mon conseil aux jeunes — et à mes propres enfants — est donc le suivant.

Andy Jassy 54:18

Vous ne pouvez pas y échapper, vous le savez, et vous ne pouvez pas espérer qu’il disparaisse. Il aura un impact considérable sur votre vie, sur chaque expérience que vous tentez de vivre, dans votre travail ; et il vous permettra d’inventer de façons qui nous étaient auparavant impossibles. Vous devez donc vraiment le comprendre, l’apprendre par vous-même, l’utiliser intensivement. Vous devez essayer. Tentez des choses qui sortent de votre zone de confort.

Andy Jassy 54:48

Aucun de mes deux enfants n’est développeur, mais ils ont, vous le savez, utilisé l’IA pour créer des applications. Considérez-la comme le cœur de votre organisation quotidienne et de vos outils professionnels. Je ne pense toutefois pas qu’elle remplacera la réflexion critique et le raisonnement. Cela vaut aussi pour les universités. J’y réfléchis souvent sous plusieurs angles — prenons l’exemple de l’école de commerce : vous analysez trois études de cas, vous lisez beaucoup, prenez des notes, identifiez les enjeux clés, puis étudiez des documents annexes, dont vous notez également les points essentiels. Enfin, vous intégrez vos conclusions sur les décisions à prendre par l’entreprise. Or, bon nombre de personnes ne font pas du tout ces travaux préparatoires — elles ne lisent pas, ne recherchent pas, ne prennent pas de notes. L’IA peut vous aider dans toutes ces tâches, permettant à chacun d’atteindre plus rapidement ce niveau supérieur de préparation.

Andy Jassy 55:52

Je tiens aussi à souligner que relier véritablement ces éléments épars — qu’il s’agisse d’élaborer une stratégie, une idée, un plan, un nouveau produit ou une nouvelle expérience client — je ne crois pas que l’IA le fera, pour la plupart des gens, la plupart du temps. Je ne dis pas que cela ne se produira jamais.

Andy Jassy 56:10

Je reste convaincu qu’il faut toujours faire appel au jugement humain, à la créativité, à l’esprit d’invention, à l’expérimentation, ainsi qu’à la capacité à penser globalement pour créer, au final, des expériences et des entreprises exceptionnelles. Utilisez donc ces outils : ils seront d’une aide précieuse, mais la réflexion critique et le raisonnement resteront essentiels dans tout ce que nous faisons. Nous arrivons presque à la fin. Votre activité est…

a16z 56:43

Des connexions satellites aux robots, en passant par la santé : une diversité remarquable. Cette ambition est tout simplement incroyable. Rappelez-vous comment cette entreprise a commencé : en vendant des livres sur Internet, et regardez-la aujourd’hui. Comment voyez-vous ce qui relie ces différentes…

Andy Jassy 57:00

activités ? Ou comment jugez-vous quelles activités méritent des investissements sur plusieurs années ? Comment évitez-vous de vous disperser ? Et comment appréhendez-vous ce paysage extrêmement vaste ?

Andy Jassy 57:11

Je dirais plusieurs choses. Premièrement, nous traversons actuellement les trois plus grandes transformations de notre vie — peut-être même de l’histoire : l’IA, la robotique et le développement spatial. Elles sont immenses et transformeront fondamentalement de nombreuses expériences clients que nous connaissons tous. Nous sommes au cœur de ces trois grandes mutations.

Andy Jassy 57:40

Si vous examinez ce que nous faisons dans le commerce de détail et l’usage que nous faisons des robots, ainsi que nos initiatives en IA — notamment faciliter la création, tant en interne qu’en externe, d’applications et d’agents IA performants, tout en repensant entièrement nos expériences grand public.

Andy Jassy 57:58

Pensez à Amazon Leo — la constellation de satellites en orbite terrestre basse que nous construisons pour les 500 millions de foyers dans le monde dépourvus d’accès haut débit. Une série de transformations extraordinaires est en cours, et nous avons l’opportunité d’aider nos clients à en tirer profit pour améliorer leur quotidien. Notre approche profite aux clients tout en assurant à notre entreprise une croissance durable. Je crois aussi que nous pouvons devenir plus pertinents pour nos clients dans davantage de domaines. Cela ne prend même pas en compte nos activités dans le secteur de l’alimentation, du transport autonome ou de la santé, entre autres.

Andy Jassy 58:47

Concernant notre organisation, ce débat interne existe depuis longtemps, et de nombreux observateurs extérieurs posent la même question : ne nous étirons-nous pas trop ? Cela dépend en partie de notre mode d’organisation et de notre volonté d’investir. En effet, nous ne confions pas la gestion de plusieurs activités à un même groupe de personnes ; nous adoptons une organisation décentralisée « mono-thematique ». À condition d’avoir les bons leaders et les bons bâtisseurs dans ces équipes, d’assurer une expérience suffisamment porteuse pour générer de la croissance, et de proposer des idées différenciées dans un domaine mal desservi, nous pouvons mener simultanément plusieurs de ces projets — ce que nous faisons depuis longtemps. Tout dépend ensuite de notre capacité d’investissement.

Certaines entreprises — tout à fait légitimement — déclarent : « Nous nous concentrons sur notre cœur de métier et souhaitons simplement le développer. » Cette stratégie peut aussi être très réussie. Nous-mêmes restons fortement engagés dans le renforcement et la croissance continue de nos activités existantes, et nous y parvenons très bien, à un rythme soutenu. Mais de nombreuses autres expériences clients attendent notre intervention, car nous savons qu’elles sont fortement souhaitées par nos clients — et que nous pouvons y répondre. Cela les aidera, tout en transformant durablement notre entreprise. Nous poursuivrons donc ces initiatives. Une conclusion inspirante, portée par une ambition sans limites. Andy, merci infiniment d’avoir accepté cette invitation. Oui, merci de m’avoir reçu. Merci beaucoup à tous.