Le nombre de transistors, le coût des lancements spatiaux et le prix des jetons (tokens) d'IA ont tous suivi des courbes exponentielles — mais les histoires qu'ils racontent sont très différentes.
Comprendre cet écart est la seule façon de donner du sens à l'innovation technologique en 2026.
La courbe exponentielle par laquelle tout a commencé
En 1965, Gordon Moore a remarqué que le nombre de composants sur les circuits intégrés doublait environ chaque année, une prévision révisée plus tard à tous les deux ans.
À partir des années 1970, la densité des transistors a suivi cette tendance exponentielle pendant plus de cinq décennies, le nombre de composants doublant environ tous les deux ans sur un graphique log-linéaire.
L'analyse d'Our World in Data en montre clairement les conséquences : la capacité de calcul, mesurée en FLOPS, a augmenté de manière exponentielle de 1975 à 2009, doublant environ tous les 1,5 ans.
Au cours de la même période, l'efficacité informatique (l'énergie par calcul) a été divisée par deux tous les 1,5 ans, et le prix par téraoctet de stockage a chuté selon une courbe similaire.
J'ai vu des ingénieurs seniors lever les yeux au ciel devant des diapositives sur la « technologie exponentielle », mais les données de la loi de Moore ne relèvent pas du battage médiatique — c'est un graphique à l'échelle d'un siècle qui explique pourquoi votre téléphone aujourd'hui surpasse les superordinateurs des années 1990 sans que personne ne criât au miracle.
Technologie exponentielle, institutions linéaires
La loi de Moore n'a jamais été une loi de la physique ; c'était une observation empirique de la façon dont la fabrication, l'ingéniosité de la conception et la demande interagissaient au fil du temps.
Le même article qui a popularisé la loi de Moore a également conduit à la « deuxième loi de Moore », ou loi de Rock : le coût en capital des usines de semi-conducteurs (fabs) augmente de manière exponentielle à mesure que nous poussons chaque nouvelle génération de puces.
Les effets de la courbe d'expérience se manifestent également ailleurs : dans de nombreuses industries, chaque doublement de la production cumulée tend à réduire le coût unitaire d'un pourcentage fixe, des panneaux solaires (loi de Swanson) aux DEL / LEDs (loi de Haitz).
Dans tous les cas, l'amélioration exponentielle des performances ou des coûts provient d'un travail minutieux et incrémental — de meilleurs procédés, des tolérances plus strictes, des révolutions plus silencieuses dans les usines.
J'ai été dans des salles du conseil d'administration où quelqu'un plaçait le mot « exponentiel » sur une diapositive pour justifier un projet d'envergure (moonshot), en ignorant l'autre côté de la courbe : la R&D, l'outillage et les coûts de capital qui s'accumulent eux aussi, parfois plus vite que les bénéfices.
SpaceX et l'économie de la chute exponentielle
Les lancements de fusées sont un bon exemple de changement exponentiel qui a fait voler en éclats le tableur de toute une industrie.
Avant SpaceX, le premier étage de chaque fusée en orbite — la partie la plus coûteuse — était jeté après une seule utilisation, comme si l'on jetait un Boeing 747 après chaque vol.
SpaceX a désormais fait atterrir et réutilisé des boosters de premier étage plus de 300 fois, un seul booster ayant effectué 22 missions.
En conséquence, le coût par kilogramme en orbite est passé d'environ 54 000 $ en 2000 à environ 2 700 $ aujourd'hui, soit une réduction de 95 %.
Il ne s'agit pas d'une optimisation cosmétique ; c'est une restructuration de l'économie spatiale.
Les opérateurs de satellites ont réévalué le prix des constellations, Starlink est devenu viable et, en 2026, SpaceX a déposé une demande pour construire un « nuage spatial » (space cloud) allant jusqu'à un million de satellites — soit environ 100 fois plus grand que Starlink — pour soutenir le calcul IA en orbite.
Du point de vue du conseil, c'est le genre de changement exponentiel qui brise tous les modèles de coûts historiques. Si votre tableur suppose encore 50 000 $/kg, votre plan d'affaires a sa place dans un musée.
L'économie des jetons : déflation exponentielle, factures explosives
Les jetons d'IA (tokens) suivent une trajectoire exponentielle différente.
Les indices de référence comme le MyTokenTracker AI Cost Index montrent que les modèles de pointe (frontier models) se situent à un prix combiné de 4,64 $ par million de jetons, avec les entrées (inputs) autour de 2,31 $et les sorties (*outputs*) autour de 11,63$, tandis que les modèles économiques se regroupent autour de 0,70 $ par million de jetons.
Les analystes soulignent que les prix par jeton ont chuté d'environ 99,7 % par rapport aux tarifs de l'ère GPT-3, et une courbe de déflation estime que les coûts d'inférence de l'IA ont été divisés par 300 depuis le lancement de GPT-4 à 30 $ par million de jetons en 2023.
Malgré cela, les factures d'IA des entreprises ont triplé : les flux de travail agentiques (agentic workflows) multiplient l'utilisation des jetons par 50 à 500 par tâche, et plus de 70 % du coût de l'IA en production se situe désormais en dehors de la facture du modèle, dans l'orchestration, la récupération (retrieval), les tentatives de réessais (retries) et l'observabilité.
Le guide FinOps de Microsoft résume parfaitement cette nouvelle réalité : dans les applications d'IA, les jetons représentent désormais le coût, et l'économie des jetons mérite une attention architecturale égale au choix du modèle.
Plusieurs cadres d'entreprise incitent les dirigeants à traiter l'IA comme un système économique régi par des coûts imprévisibles basés sur les jetons, et non pas seulement comme « un modèle tournant quelque part dans le nuage ».
J'ai vu des équipes célébrer le passage à un modèle moins cher, pour découvrir ensuite que leur nouvelle architecture d'agents avait silencieusement multiplié l'utilisation à un point tel que leur facture mensuelle avait quand même augmenté. L'exponentielle s'est déplacée du prix unitaire vers le volume.
Innovation exponentielle, valeur asymptotique
Ce qui relie les semi-conducteurs, les fusées et les jetons est simple : les courbes exponentielles changent non seulement les capacités, mais aussi la répartition de la valeur créée.
La loi de Moore a étendu la capacité de calcul globale, mais la loi de Rock a fait grimper les coûts de fabrication si haut que seule une poignée d'acteurs peut se permettre des usines à la pointe de la technologie.
La réduction de 95 % des coûts d'accès à l'orbite réalisée par SpaceX a rendu de nouvelles constellations possibles, mais a également concentré l'économie des lancements autour d'un seul fournisseur bénéficiant d'une expérience de réutilisation inégalée.
La déflation des jetons d'IA a ouvert la porte à des modèles économiques proches de 0,70 $ par million de jetons, mais l'argent réel va toujours à celui qui contrôle l'orchestration des agents, le routage et les flux de travail qui génèrent des multiplicateurs de jetons de 50 à 500x.
La recherche sur l'économie des jetons conçoit désormais les jetons comme des facteurs de production, des moyens d'échange et des unités de compte, unifiés aux niveaux micro (agent unique), méso (systèmes multi-agents) et macro (écosystèmes).
Les orientations futures de ces travaux incluent des budgets de jetons différentiables et des marchés dynamiques, où l'allocation budgétaire elle-même devient un processus appris et optimisé.
De la place où je suis — à travailler avec des équipes qui tentent de maîtriser les coûts des infrastructures d'IA —, le schéma est clair : le progrès technologique exponentiel déplace le goulot d'étranglement de « pouvons-nous le faire ? » à « qui détient les leviers économiques qui déterminent si cela vaut la peine d'être fait ? ».
Les prochaines exponentielles à surveiller
La loi de Moore ralentit peut-être au niveau des transistors, mais les exponentielles se portent à merveille dans les puces 3D empilées, les accélérateurs spécialisés, les fusées réutilisables et les économies d'agents d'IA.
Les courbes de coûts de lancement et les indices de prix des jetons s'aplanissent tous deux aujourd'hui, mais l'utilisation reste sur une trajectoire exponentielle, portée par des flux de travail agentiques plus ambitieux et des projets d'infrastructures orbitales.
La question intéressante pour la prochaine décennie n'est pas « la technologie continuera-t-elle à s'améliorer de façon exponentielle ? » — nous savons déjà qu'elle le fera, dans de multiples domaines.
La vraie question est de savoir autour de quelles exponentielles nous choisissons de concevoir nos architectures : des jetons moins chers avec des budgets plus intelligents, des lancements moins chers avec du calcul orbital, ou quelque chose que nous n'avons pas encore mis en graphique.
Et si les organisations qui financent ces courbes comprennent réellement le calcul économique qui se cache derrière, ou si elles continuent de traiter l'exponentielle comme un simple mot à la mode sur une diapositive. »