Le Human-Centered AI Institute de Stanford (HAI) publie l'AI Index Report 2025, analyse annuelle exhaustive suivant les tendances mondiales du développement, du déploiement et des politiques de l'IA. Le rapport s'appuie sur les publications académiques, les investissements industriels, les réglementations gouvernementales et les benchmarks de capacités pour fournir un instantané de référence du paysage et de la trajectoire de l'IA.

Domination de l'industrie sur le monde académique

Le rapport documente le basculement continu de la recherche IA du monde académique vers l'industrie. Le développement des modèles frontière est désormais exclusivement corporate — aucune institution académique ne possède les ressources pour entraîner des modèles nécessitant des budgets de calcul de plus de 100 M$. L'industrie a publié 5,2 fois plus d'articles IA que le monde académique en 2024, contre 3,1 fois en 2020. Les meilleurs talents IA rejoignent de plus en plus les laboratoires industriels, dont les packages de rémunération sont hors de portée des universités. Cette tendance soulève des inquiétudes sur la définition de l'agenda de recherche : les motivations de profit éclipseront-elles la recherche fondamentale ?

Explosion des coûts de calcul

L'escalade du coût d'entraînement des modèles frontière est spectaculaire : GPT-3 (2020) estimé à 4,6 M$, PaLM (2022) ~11 M$, GPT-4 (2023) ~78 M$, et des modèles 2025 dépasseraient 200 M$. Les besoins en calcul croissent plus vite que les gains d'efficacité algorithmique, creusant un écart grandissant entre les rares organisations capables d'entraîner des modèles frontière et le reste de la communauté IA. Le rapport alerte : cette concentration réduit la diversité des approches de développement de l'IA.

Plateau de capacités des modèles de fondation

Si les capacités continuent de progresser, le rythme d'amélioration ralentit pour le pur passage à l'échelle. Le rapport note des rendements décroissants : doubler la taille du modèle ou le calcul ne produit plus de gains de capacité proportionnels. Cela suggère que les innovations architecturales, la qualité des données et les techniques d'entraînement deviennent plus importantes que l'échelle brute. Cette tendance pourrait démocratiser le développement de l'IA si des modèles plus petits et efficaces atteignent des performances compétitives.

Accélération de l'adoption de l'IA en entreprise

Les données d'enquête montrent que 72 % des entreprises ont déployé l'IA en production, contre 58 % en 2023. L'adoption se concentre sur : l'automatisation du service client (64 % des déployeurs d'IA), l'assistance au développement logiciel (52 %), l'analyse de données et l'aide à la décision (48 %), la génération de contenu (37 %), la cybersécurité (31 %). La concrétisation du ROI s'améliore : le délai médian entre déploiement et impact business mesurable est passé de 14 à 8 mois.

Évolution du paysage réglementaire

37 pays ont adopté une législation spécifique à l'IA en 2024, contre 18 en 2023. Développements majeurs : début de la mise en œuvre de l'EU AI Act, application des réglementations chinoises sur l'IA générative, lois de gouvernance de l'IA dans plusieurs États américains, adoption élargie des principes IA de l'OCDE. Le rapport note que la fragmentation réglementaire risque de créer des défis de conformité pour le déploiement mondial de l'IA.

Compétition géopolitique de l'IA

La rivalité États-Unis–Chine s'intensifie sur toutes les métriques : production de recherche (la Chine mène en volume, les États-Unis en citations), concentration des talents (avantage américain pour attirer les talents mondiaux), investissement (secteur privé américain en tête, investissement public chinois substantiel), accès au calcul (les contrôles d'export américains pèsent sur les capacités chinoises). Le rapport avertit qu'un découplage technologique pourrait fragmenter l'écosystème mondial de l'IA.

Investissement dans l'IA responsable

Les dépenses des entreprises en équité, transparence et redevabilité ont augmenté de 340 % depuis 2022. Le rapport note toutefois un écart entre engagements et résultats : si l'investissement croît, les améliorations mesurables en équité des modèles, qualité des explications et prévention des dommages sont moins impressionnantes. L'IA responsable exige plus que des financements : des percées de recherche fondamentale.

Le défi de la diversité persiste

Les femmes ne représentent que 18 % des chercheurs IA, pourcentage quasi inchangé depuis 2020 malgré les initiatives de diversité. La sous-représentation est pire aux postes de direction (12 % des directeurs de labos IA) et dans certaines spécialisations (14 % en apprentissage par renforcement, 22 % en vision par ordinateur). Le rapport qualifie cet écart de problème systémique exigeant des interventions structurelles au-delà des initiatives de recrutement.

Saturation des benchmarks

De nombreux benchmarks IA établis approchent la saturation : les modèles atteignent des performances quasi humaines ou surhumaines sur MMLU, HumanEval et d'autres tests standards. Le rapport recommande de développer des benchmarks plus exigeants et nuancés mesurant la planification à long horizon, le raisonnement multi-étapes, la résolution créative de problèmes et la généralisation robuste.

Implications pour l'avenir

Les données du rapport suggèrent que le développement de l'IA entre dans une nouvelle phase : ère post-scaling exigeant de l'innovation au-delà de la taille des modèles, surveillance réglementaire accrue façonnant les pratiques de développement, risque de consolidation dû aux barrières de coût de calcul, adoption en entreprise orientant la recherche vers le pratique plutôt que les seules capacités.