Je fais de la veille sur l'IA depuis un moment, moins pour les annonces de modèles que pour ce qu'elles révèlent de nos manières de décider. Un talk de onze minutes m'a arrêté : celui de Philip Johnston, cofondateur de Starcloud, à l'événement AI Ascent 2026 de Sequoia Capital, intitulé « Why the Cheapest Compute Will Be in Space ». Le sujet est spatial, mais ce qu'il donne à voir est managérial : la mécanique par laquelle une idée bascule de « absurde » à « évident », et ce que cela devrait changer dans la façon dont un CODIR regarde l'avenir.

Je précise d'emblée : cet article n'est pas un plaidoyer pour l'espace, et je ne vends aucune certitude sur le sujet. Johnston est un fondateur qui lève des fonds, ses chiffres sont ceux d'une partie prenante, et l'essentiel de son projet reste au conditionnel. C'est justement pour ça qu'il est intéressant à décortiquer.

Pourquoi une idée d'infrastructure passe de folle à évidente

Une idée d'infrastructure paraît folle tant qu'un seul chiffre la bloque, puis devient évidente quand ce chiffre s'effondre. Ce n'est presque jamais la physique qui interdit une rupture, c'est son coût. Et les coûts ne baissent pas de façon linéaire : ils tiennent bon, puis franchissent un seuil, et tout ce qui semblait déraisonnable devient soudain la nouvelle norme.

Nous avons déjà vécu ce basculement plusieurs fois. Le conteneur maritime a longtemps semblé un gadget avant de réorganiser le commerce mondial. L'électricité en réseau, la messagerie électronique, puis le cloud ont suivi la même trajectoire. En 2006, louer ses serveurs à un libraire en ligne plutôt que de posséder sa salle machine passait pour une lubie : c'est devenu le socle par défaut de l'économie numérique en une décennie.

Le point commun de toutes ces ruptures : au moment où elles arrivent, elles n'ont l'air folles que pour ceux qui raisonnent avec les coûts d'hier.

Le compute, c'est-à-dire la puissance de calcul qui fait tourner l'IA, suit peut-être la même pente. L'argument de Starcloud n'est pas « l'espace, c'est excitant ». C'est « voici la courbe de coût qui doit basculer, voici à quelle vitesse elle bascule ». On peut être sceptique sur le calendrier, c'est légitime. Mais la structure du raisonnement mérite qu'on s'y arrête, parce que c'est exactement celle qu'un dirigeant devrait savoir lire.

Ce que propose vraiment Starcloud, sans science-fiction

Starcloud veut mettre des data centers en orbite pour une raison prosaïque : l'énergie, pas le prestige. Dans l'espace, un panneau solaire reçoit le soleil en continu et produit, à surface égale, bien plus qu'au sol. L'entreprise (anciennement Lumen Orbit) fait le pari que ce gain d'énergie finira par dépasser le surcoût du lancement.

Le raisonnement de Johnston part d'un projet solaire classique, qui a trois grands postes de coût : le foncier autorisé, le stockage par batteries (le soleil ne brille en pointe que quelques heures par jour) et les cellules solaires. En orbite héliosynchrone dite « aube-crépuscule », le satellite reste en permanence au soleil. Deux de ces postes disparaissent, le troisième est divisé, et il ne reste qu'un surcoût : mettre le matériel là-haut.

Le comparatif que présente l'orateur

Ce n'est pas qu'une maquette PowerPoint. Starcloud a lancé un GPU Nvidia H100, la puce de référence des data centers, en orbite en novembre 2025, et revendique le premier entraînement d'un modèle dans l'espace (le petit nanoGPT d'Andrej Karpathy) ainsi que l'exécution d'un modèle ouvert Gemma de Google. L'entreprise a ensuite déposé auprès de la FCC un projet de constellation de 88 000 satellites, accepté par le régulateur américain en mars 2026, qui viserait, d'après Johnston, environ 20 gigawatts de puissance de calcul pour un investissement qu'il chiffre autour de 100 milliards de dollars.

Ce que l'orateur reconnaît lui-même

Restons lucides, et Johnston l'est en partie. Interrogé, il admet que faire tourner de gros entraînements en orbite prendra « au moins quinze ans » : à court terme, le projet ne vise que l'inférence, c'est-à-dire l'IA qui répond une fois entraînée. Trois objections techniques restent ouvertes : dissiper la chaleur dans le vide, protéger les puces des radiations, et éviter la saturation des orbites (le fameux syndrome de Kessler). Ce sont de vrais problèmes, pas des détails.

Pourquoi nous rejetons d'abord ce qui sort de notre cadre

Nous rejetons d'abord une idée de rupture parce que notre cerveau la juge avec les cartes mentales du passé, et confond la carte avec le territoire. Face à « des data centers dans l'espace », la première réaction n'est pas une analyse, c'est un réflexe : « c'est de la folie ». Ce réflexe protège de la perte de temps, mais il élimine aussi, sans examen, les signaux qui comptent.

Nos représentations sont utiles justement parce qu'elles simplifient. Le problème, c'est qu'elles se figent : une carte dessinée avec les coûts et les contraintes d'hier continue de guider nos jugements alors que le terrain a bougé. J'ai développé ce mécanisme ailleurs, parce qu'il déborde largement le sujet spatial : nos cartes mentales ne sont qu'une partie du territoire qui nous entoure, et les biais cognitifs qui orientent nos décisions à notre insu font le reste du travail.

Ce n'est pas un défaut individuel, c'est un mécanisme collectif. En comité, le rejet rapide est souvent socialement récompensé : il donne l'air lucide, expérimenté, difficile à berner. L'enthousiasme, lui, expose. Résultat, les organisations sur-sélectionnent la prudence de façade et sous-investissent la curiosité méthodique. C'est là qu'un travail de réflexivité, cette capacité à remettre en question ses propres cadres de pensée, devient un actif stratégique et pas un luxe intellectuel.

Comment distinguer une vraie rupture d'un mirage

On distingue une vraie rupture d'un mirage en remplaçant une question par une autre : au lieu de « est-ce que c'est fou ? », demander « qu'est-ce qui devrait être vrai pour que ça marche ? ». La première question invite au verdict ; la seconde force à expliciter les conditions, donc à les surveiller. C'est un changement de posture minuscule aux conséquences énormes.

Séparer la contrainte physique de la contrainte économique

Le premier tri consiste à distinguer ce qui est interdit par la physique de ce qui est seulement trop cher aujourd'hui. Dissiper de la chaleur dans le vide est un problème physique, mais il a une solution connue (de grands radiateurs). Le coût du lancement, lui, n'est pas une loi de la nature : c'est un prix, et un prix, ça bouge. Confondre les deux, c'est enterrer une idée rentable demain sous une objection valable seulement aujourd'hui.

Identifier la variable qui décide, et la suivre

Dans le cas de Starcloud, toute la thèse tient à une seule variable : le prix du kilo mis en orbite. Tant qu'il stagne, le projet reste un rêve d'ingénieur. S'il s'effondre comme prévu avec les nouveaux lanceurs, la bascule devient mécanique. Un dirigeant n'a pas besoin de trancher le débat spatial : il a besoin d'identifier, dans son propre secteur, la ou les variables dont dépend une rupture, et de les regarder bouger.

La plupart des idées folles restent folles. Le travail du dirigeant n'est pas de toutes les croire, c'est de savoir laquelle surveiller et à quel signal changer d'avis.

Ce tri mobilise deux réflexes que je travaille souvent en accompagnement. D'abord, résister au biais qui nous fait surévaluer le présent : le filtre d'immédiateté qui nous enferme dans le court terme nous fait extrapoler les coûts actuels comme s'ils étaient éternels. Ensuite, comprendre la façon dont nous évaluons risque et récompense, car nous surpondérons la peur du ridicule d'avoir cru trop tôt, et sous-pondérons le coût d'avoir vu trop tard.

Ce que la course au compute dit du coût énergétique de l'IA

Si des gens sérieux étudient l'orbite pour y faire du calcul, c'est que l'IA est devenue un problème d'énergie avant d'être un problème d'algorithme. On parle beaucoup des usages de l'IA et très peu de son revers physique : pour répondre, un modèle consomme de l'électricité, et à grande échelle, cette consommation devient une contrainte stratégique de premier plan.

Les ordres de grandeur ne sont plus anecdotiques. L'Agence internationale de l'énergie estime que la consommation électrique des data centers pourrait plus que doubler pour atteindre environ 945 TWh en 2030, soit à peu près la consommation électrique actuelle du Japon. Que la réponse passe un jour par l'espace ou non, le message pour un dirigeant est le même : derrière chaque promesse d'IA, il y a une facture énergétique, une dépendance à des infrastructures et à des acteurs très concentrés. C'est tout l'enjeu de l'efficience, opposée à la course à la puissance brute : produire plus de valeur par unité d'énergie plutôt que d'empiler les moyens.

Cela déplace la question de l'IA du terrain des fonctionnalités vers celui de la stratégie. Quel est le coût réel, énergie comprise, des usages que vous déployez ? De quelles infrastructures et de quels fournisseurs dépendez-vous ? Ces questions rejoignent celle, plus large, de garder l'initiative humaine face à l'agent IA : adopter une technologie sans en comprendre les dépendances, c'est déléguer une part de sa souveraineté sans l'avoir décidé.

Que faire, concrètement, sans miser sur l'espace

Ce qu'un dirigeant peut retirer de tout cela n'est pas d'acheter des satellites, c'est de muscler sa capacité à réviser ses cadres. La bonne nouvelle : cela se travaille, avec des pratiques simples qui ne demandent aucune compétence spatiale, seulement de la discipline et un peu d'humilité intellectuelle.

1. Instituer la question d'ouverture. Avant de juger une idée qui dérange, imposez en comité le rituel du « qu'est-ce qui devrait être vrai pour que ça marche ? ». Vous ne vous engagez à rien : vous vous obligez juste à explorer avant de fermer.
2. Nommer vos courbes de coût. Identifiez, dans votre secteur, les deux ou trois variables (coût unitaire, prix d'une ressource, temps de traitement) dont dépendrait une rupture. Suivez-les explicitement, comme vous suivez un indicateur commercial.
3. Rendre visibles les cadres implicites. Faites expliciter les hypothèses que votre CODIR tient pour évidentes (« nos clients ne changeront jamais de », « ce coût ne baissera pas »). Une hypothèse nommée peut être discutée ; une hypothèse tue décide à votre place.
4. Traiter l'énergie et le coût de l'IA comme une ligne stratégique. Ne laissez pas la question du coût réel et des dépendances de vos usages IA au seul niveau technique. C'est un arbitrage de direction, au même titre qu'un choix de fournisseur critique.

Aucune de ces pratiques ne prétend prédire l'avenir. Elles font quelque chose de plus modeste et de plus utile : elles diminuent la probabilité que vous rejetiez une bascule réelle pour la seule raison qu'elle n'entrait pas dans votre carte du moment. Anticiper les ruptures, ce n'est pas deviner juste ; c'est cesser d'écarter par réflexe ce qui mérite un examen. Le même sang-froid sert ensuite à déployer une technologie de rupture sans précipitation et à préparer l'entreprise aux prochaines vagues de l'IA.

Le dirigeant qui traverse bien les ruptures n'est pas celui qui voit l'avenir. C'est celui qui a pris l'habitude de douter de ses propres évidences avant que la réalité ne s'en charge.