Allbirds et l’IA : nouvelle ruée façon bulle Internet

Le virage surprenant : de la chaussure à l’IA

Une entreprise de chaussures en difficulté annonce qu’elle va se réinventer en tant que fournisseur de calcul pour l’intelligence artificielle, un mouvement audacieux qui mélange audace commerciale et nécessité de survie. Ce type de pivot n’est pas pure spéculation : il traduit une volonté de capitaliser sur la demande croissante en ressources de calcul pour l’entraînement et l’inférence des modèles d’IA, et de transformer des actifs existants (usines, locaux, réseaux de distribution) en points d’appui pour une nouvelle activité. L’annonce soulève des questions pratiques : quelle expertise technique, quel modèle économique et quels investissements seront nécessaires pour réussir ce saut sectoriel ?

Pourquoi se lancer dans le calcul d’IA ? Les raisons stratégiques

Plusieurs facteurs rendent l’offre de calcul IA séduisante pour une entreprise cherchant à se diversifier : la demande exponentielle en GPU/TPU, la monétisation possible d’infrastructures dormantes et la capacité à attirer des clients professionnels (startups IA, centres de recherche, entreprises). Des précédents montrent que des sociétés non technologiques peuvent devenir des acteurs d’infrastructure en exploitant leurs besoins internes ou leurs capacités matérielles. Par exemple :

• Amazon a lancé AWS en 2006 après avoir internalisé des services pour son activité e‑commerce.
• Google a développé les TPU pour accélérer ses propres modèles, puis en a dérivé des offres internes.
• Meta a massivement investi dans ses data centers pour soutenir ses services, puis pour l’IA interne.

Défis techniques et financiers majeurs

La transition vers un fournisseur de calcul IA demande des ressources substantielles et une maîtrise technologique pointue. Les obstacles principaux incluent l’architecture matérielle (GPU/TPU), la gestion thermique, la consommation énergétique et le recrutement d’ingénieurs spécialisés. Exemples précis :

• Matériel : un serveur équipé de GPU haut de gamme (ex. NVIDIA A100) se chiffre en dizaines de milliers d’euros par unité.
• Infrastructure : transformer une usine en centre de calcul nécessite réseaux électriques renforcés, refroidissement adapté et conformité réglementaire.
• Financement : la construction/opération de data centers exige des investissements initiaux souvent supérieurs à plusieurs dizaines de millions d’euros.

Modèles de réussite et leçons tirées

Des entreprises ont réussi des pivots ou des extensions d’activité vers l’infrastructure technique, offrant des leçons utiles. Exemples et enseignements :

• AWS : parti d’un besoin interne pour devenir une plateforme commerciale, via la standardisation et l’ouverture d’APIs.
• Slack : issu d’un studio de jeux (Tiny Speck) qui a pivoté vers un produit B2B après avoir identifié une demande supérieure.
• Nokia : exemple historique d’une transformation industrielle (du papier et des bottes en caoutchouc vers les télécommunications), montrant qu’un pivot radical est possible mais long et risqué.

Stratégies concrètes pour réussir la transition

Pour augmenter les chances de succès, l’entreprise de chaussures peut adopter plusieurs approches pragmatiques et complémentaires :

• Partenariats : s’associer avec des fournisseurs de hardware (GPU makers) ou des opérateurs cloud pour un accès rapide à la technologie.
• Conversion d’actifs : transformer des entrepôts ou sites de fabrication en espaces de colocation à faible coût d’entrée.
• Offres hybrides : commencer par des services gérés ou d’edge computing (ex. inference sur points de vente) avant d’investir dans des clusters d’entraînement.
• Acquisitions ciblées : racheter des start‑ups d’infrastructure ou des équipes d’ingénieurs pour accélérer l’expertise interne.

Risques et opportunités pour les parties prenantes

Le passage au calcul IA comporte des risques mais aussi des opportunités claires pour les investisseurs, employés et clients. Points clés :

• Risques : dilution financière, surcoûts énergétiques, manque de savoir-faire opérationnel, vulnérabilités de sécurité et défi réglementaire.
• Opportunités : diversification des revenus, valorisation possible si la plateforme attire des clients IA, réutilisation d’infrastructures physiques, création d’emplois qualifiés.
• Impact social : réorientation des compétences pour les salariés (formation vers l’IT, maintenance de data centers) et potentielle transformation des sites industriels locaux.

Au final, une transition crédible exigera un plan détaillé, des partenariats stratégiques et des étapes mesurées : l’annonce est prometteuse sur le papier, mais la réussite dépendra de la capacité à transformer l’intention en exécution technique et commerciale rigoureuse.