Le fétichisme de l’IA

Les États-Unis connaissent aujourd’hui une nouvelle ère de concentration et de centralisation du capital financier monopolistique, marquée par l’essor de l’intelligence artificielle (IA). Les économistes de S&P Global estiment que « 80 % de la hausse de la demande intérieure finale privée » aux États-Unis au premier semestre 2025 était attribuable aux dépenses consacrées aux « centres de données et aux dépenses d’investissement high-tech connexes ».¹ Cet investissement massif dans les centres de données est le fait de quelques géants de la haute technologie, dont le nombre se compte facilement sur les doigts d’une main. Ces entreprises sont communément appelées « hyperscalers » dans le secteur, terme désignant les méga-entreprises qui dominent le cloud computing. Classées en fonction de leurs investissements dans les centres de données au début de l’année 2026, elles comprennent Microsoft, Amazon Web Services, Google (Alphabet) et Meta, formant ainsi « les grandes maisons de l’IA ».² Ces entités monopolistiques géantes figurent également toutes parmi les six premières entreprises américaines en termes de valeur boursière. (Nvidia, la plus grande entreprise en termes de capitalisation boursière au début de l’année 2026, n’est pas elle-même un leader du cloud computing, mais monopolise plutôt 80 à 90 % des puces de supercalculateurs GPU.) Selon Bloomberg, Microsoft, Amazon Web Services, Alphabet/Google et Meta ont totalisé des dépenses d’investissement de 150 milliards de dollars en 2022 et de 360 milliards de dollars en 2025, tandis qu’ils prévoient d’en dépenser 650 milliards en 2026. À titre de comparaison, « les plus grands constructeurs automobiles, fabricants d’équipements de construction, compagnies ferroviaires, les sous-traitants de la défense, les opérateurs de téléphonie mobile, les entreprises de livraison de colis, ainsi qu’ExxonMobil Corp., Intel Corp., Walmart Inc. et les filiales issues de la scission de General Electric — soit 21 entreprises — devraient dépenser au total 180 milliards de dollars en 2026. »³

Les investissements dans l’IA ont désormais atteint une ampleur qui invite à la comparaison avec le boom ferroviaire américain du XIXe siècle. ⁴ Comme dans le cas des chemins de fer, l’expansion de l’IA est aujourd’hui soutenue par des centres financiers qui manipulent l’aide publique, la libérant ainsi de toute dépendance vis-à-vis des bénéfices réels, pour s’appuyer plutôt sur ce que John Maynard Keynes appelait les « esprits animaux », ou les bénéfices attendus des nouveaux investissements. Il aurait fallu de nombreuses années aux hyperscalers pour porter leurs investissements dans les centres de données à leur niveau actuel en se basant simplement sur l’accumulation de bénéfices réels, tandis que la finance monopolistique via le système crédit-dette a permis à cette transformation de se produire « en un clin d’œil ». ⁵ La richesse sociale, tirée de l’ensemble de la population, est canalisée vers les grandes maisons de l’IA par le biais de divers mécanismes financiers et de politiques économiques néolibérales, concentrant davantage le surplus économique produit par la société entre les mains d’un nombre infinitésimal de milliardaires, issus des secteurs de la haute technologie, de l’énergie et de la finance. Neuf des quinze premiers milliardaires du classement Forbes de 2026 sont des milliardaires du secteur technologique.⁶

La ruée vers la construction de centres de données gigantesques, dont les plus grands occupent des millions de mètres carrés et consomment des quantités colossales d’énergie, d’eau et de ressources minérales, est motivée par l’objectif de développer des formes avancées d’IA générative, un type d’apprentissage automatique capable de reproduire l’intelligence humaine tout en puisant dans des données apparemment illimitées. Cela offre à ceux qui possèdent, gèrent et tirent profit de ces immenses systèmes informatiques la perspective d’une surveillance et d’une discipline (au sens foucaldien) totales de l’ensemble de la population, non seulement sur les lieux de travail et dans les prisons, mais dans toutes les activités de la vie, de manière à s’approprier des parts toujours plus importantes du gâteau économique. Ici, le célèbre adage communément attribué à Francis Bacon, « la connaissance, c’est le pouvoir », prend un nouveau sens. Comme l’a déclaré Larry Ellison, PDG d’Oracle, ces technologies permettent de suivre et de cibler tout le monde à tout moment. « Les citoyens se comporteront de leur mieux, car nous enregistrons et signalons constamment tout ce qui se passe. Et c’est irréfutable… car l’IA surveille la vidéo. »⁷

Non seulement l’IA générative laisse présager une surveillance considérablement accrue des activités humaines dans toute la société, mais elle menace aussi massivement l’emploi, avec des dizaines de millions d’emplois qui pourraient être perdus rien qu’aux États-Unis, selon certaines estimations.⁸ En février 2026, Mustafa Suleyman, PDG de Microsoft AI, a déclaré avec enthousiasme au Financial Times : « Le travail de bureau, où l’on est assis devant un ordinateur, que l’on soit avocat, comptable, chef de projet ou responsable marketing — la plupart de ces tâches seront entièrement automatisées par une IA d’ici les 12 à 18 prochains mois. » ⁹ Ce qui rend cela possible, bien sûr, c’est le vol par l’IA de tout le travail intellectuel passé. Dans le même temps, la ruée vers l’IA présente des dangers environnementaux inimaginables en raison de l’expansion effrénée des centres de données, qui consomment des quantités exponentiellement croissantes d’énergie, d’eau et d’autres ressources, mettant ainsi de côté la transition vers l’abandon des combustibles fossiles et menaçant d’accélérer considérablement les émissions de carbone et les dommages environnementaux mondiaux. Ce qui rend l’expansion de l’IA dans ces termes extrêmes apparemment imparable, c’est un déterminisme technologique ancré dans un fétichisme de l’IA, dans lequel elle est considérée comme incarnant une logique computationnelle pure, combinée à la naturalisation des relations de marché, ce qui suggère que la nouvelle technologie sera inévitablement subordonnée aux intérêts de l’accumulation du capital.¹⁰ En effet, c’est l’avènement de l’IA en tant que nouveau régime de puissance computationnelle contrôlé par le capital financier monopolistique qui constitue la matrice émergente de la lutte des classes (et impériale) de notre époque.

En réalité, les forces de production innovantes, telles que l’apprentissage automatique et l’intelligence artificielle, ne doivent jamais être conçues en termes purement technocratiques, comme la domination ultime des « réseaux neuronaux » de l’IA, mais doivent plutôt être considérées comme articulées avec les relations sociales de production. Pour Karl Marx, c’était la combinaison des forces et des relations sociales de production dans un ensemble donné de conditions historiques qui donnait naissance à l’« individu social », tandis que les machines automatiques renvoyaient à l’« intellect général » dans lequel la connaissance humaine s’incarnait dans des artefacts mécaniques donnant naissance au « travailleur collectif ».¹¹ Une approche socialiste de l’IA se concentre donc avant tout sur les relations historiques et sociales qui l’ont en conjonction avec le capitalisme, démystifiant ainsi le fétichisme actuel de l’IA et montrant clairement que la voie à suivre pour l’humanité dépend en fin de compte de nous, ce qui exige une lutte d’ampleur et de contenu révolutionnaires.¹²

Kate Crawford et la cartographie de l’IA

La figure de proue de la cartographie sociale de l’IA est Kate Crawford, chercheuse principale chez Microsoft Research et professeure de recherche à l’Université de Californie du Sud à Annenberg. Crawford adopte une approche historique, matérialiste et écologique, qui s’attache à cartographier l’IA comme un régime de pouvoir opérant en conjonction avec l’hégémonie des entreprises, représentant une ère de « capitalisme computationnel ». ¹³ Son travail s’appuie sur un large éventail de penseurs, parmi lesquels Charles Babbage, Marx, William Stanley Jevons, Max Weber, Lewis Mumford, Harry Braverman, E. P. Thompson, Stephen Jay Gould, Christian Fuchs et Vandana Shiva, ainsi que sur des analyses contemporaines du capital monopolistique, du capitalisme mondial et de la fracture métabolique. Les principaux travaux de Crawford sur l’IA comprennent (1) son graphique interactif « Anatomy of an AI System: An Anatomical Case Study of the Amazon Echo as an Artificial Intelligence System Made with Human Labor » (avec Vladen Joler, 2018) ; (2) son livre, Atlas of AI: Power, Politics, and the Planetary Costs of Artificial Intelligence (2021) ; (3) Calculating Empires — une fresque de 24 mètres sur l’IA (2023) ; (4) sa conférence à la Long Now Foundation, « Mapping Empires » (2025) ; et (5) son article, « Eating the Future: The Metabolic Logic of AI Slop » (2025).¹⁴

Le fétichisme de l’IA, fortement promu aujourd’hui par les entreprises et le monopole médiatique, est le reflet de ce que Crawford appelle le « déterminisme enchanté », qui dépeint l’IA comme une technologie « cloud » occupant une dimension éthérée, avec seulement des liens secondaires avec le monde matériel et le domaine de la production.¹⁵ Elle renverse cette vision dominante et mystificatrice, en adoptant une perspective matérialiste critique. « L’IA », écrit-elle, « n’est ni artificielle ni intelligente ». Il s’agit plutôt d’un « registre du pouvoir ». Bien qu’elle utilise le terme « IA », elle le définit comme une « formation industrielle massive qui englobe la politique, le travail, la culture et le capital ».¹⁶ Comme l’affirme Tung-Hui Hu dans A Prehistory of the Cloud, « la métaphore dominante actuelle de l’espace numérique, “le cloud”, est en réalité une métaphore de la propriété privée » et de l’exclusion de l’accès public aux ressources matérielles. ¹⁷ Selon les termes de Crawford, « l’intelligence artificielle… est une idée, une infrastructure, une industrie, une forme d’exercice du pouvoir et une manière de voir ; c’est aussi une manifestation d’un capital hautement organisé, soutenu par de vastes systèmes d’extraction et de logistique, avec des chaînes d’approvisionnement qui s’étendent sur toute la planète ». Elle ajoute : « Les systèmes d’IA sont construits selon les logiques du capital, de la politique et de la militarisation, et cette combinaison accentue encore les asymétries de pouvoir existantes. »¹⁸

Le concept de « déterminisme enchanté » est utilisé pour aborder le fétichisme de la marchandise et les qualités mystiques quasi divines attribuées à l’IA. « Les systèmes d’IA », explique Crawford, « sont considérés comme enchantés, au-delà du monde connu, mais déterministes en ce sens qu’ils découvrent des modèles pouvant être appliqués avec une certitude prédictive à la vie quotidienne. » Ce déterminisme enchanté prend deux formes principales, chacune étant dialectiquement liée à l’autre. La première est un « utopisme technologique », tandis que la seconde est une vision « dystopique de la technologie ». « Ces discours dystopiques et utopiques », écrit-elle, « sont des jumeaux métaphysiques : l’un place sa foi dans l’IA comme solution à tous les problèmes, tandis que l’autre craint l’IA comme le plus grand péril. » La réponse à ces deux discours est une critique historique et matérialiste qui met au jour les racines sociales de l’IA et explique qu’il s’agit en fin de compte d’une question de relations sociales, et non simplement de technologie. « Le fantasme selon lequel les systèmes d’IA sont des cerveaux désincarnés qui absorbent et produisent des connaissances indépendamment de leurs créateurs, des infrastructures et du monde en général… détourne des questions bien plus pertinentes : à qui ces systèmes servent-ils ? Quelles sont les économies politiques de leur construction ? Et quelles sont les conséquences planétaires plus larges ? »¹⁹

En explorant les différentes dimensions de l’IA, Crawford commence par la base matérielle sous la forme de l’extraction du lithium, du cobalt et des métaux des terres rares. Elle explore la mine de lithium de Silver Peak au Nevada et les usines de batteries de Tesla situées à proximité. Tesla exploite désormais une part considérable des réserves mondiales de lithium.²⁰ La production de chaque tonne métrique (2 205 livres) de lithium nécessite l’évaporation d’environ 2 millions de litres (528 000 gallons) d’eau, menaçant ainsi les nappes phréatiques et l’approvisionnement en eau. Au niveau de l’extraction, le travail qui sous-tend l’IA trouve ses racines dans la longue histoire du colonialisme et de l’impérialisme. La majeure partie de l’extraction a lieu dans les pays du Sud. Dans les mines de cobalt du Congo, les travailleurs reçoivent l’équivalent d’un ou deux dollars par jour pour travailler dans des conditions inhumaines, exposés au cobalt toxique qu’ils extraient à la pioche et à la pelle dans des tranchées et des tunnels. Les travailleurs n’ont pas d’autre choix, car « les mines ont tout envahi ».²¹

Dans « Anatomy of an AI System », Crawford et Joler, à la suite de Marx, présentent la production à chaque étape du processus global comme reposant sur l’appropriation de « la plus-value » par rapport au coût du travail, d’où découlent les profits du capital.²² L’IA capitaliste vise à supplanter la main-d’œuvre hautement rémunérée et à la remplacer par une combinaison d’automatisation des machines et de main-d’œuvre moins chère externalisée à l’échelle mondiale. La nature mondialisée du système d’IA, avec ses chaînes d’approvisionnement complexes, rend les effets globaux sur l’emploi transnational extrêmement difficiles à évaluer. Bien que visant à remplacer la main-d’œuvre dans les centres de production actuels, le véritable repaire de l’IA se trouve dans l’embauche de masses de formateurs de machines, de tagueurs d’images et de travailleurs de plateformes d’IA faiblement rémunérés, dont l’existence réelle dissipe le mythe de l’intelligence artificielle. Ainsi, l’IA nécessite actuellement un nombre énorme de « crowdworkers » impliqués dans le « crowdsourcing », », c’est-à-dire des travailleurs en ligne, généralement âgés d’une vingtaine d’années et dispersés à travers le monde, effectuant une sorte de « travail fantôme ». Par exemple, en 2022, OpenAI a fait appel à des travailleurs externalisés au Kenya, payés moins de 2 dollars de l’heure, pour examiner et étiqueter des dizaines de milliers d’images et de passages toxiques associés à l’abus sexuel d’enfants, à la bestialité, au viol, etc., dans le cadre du « nettoyage » de ChatGPT, tandis qu’un travail similaire était effectué par des travailleurs externalisés en Ouganda et en Inde.²³

Un nombre considérable de travailleurs est mobilisé pour surveiller et ajuster le contenu des chatbots IA. Jeff Bezos a cyniquement qualifié cette réalité des travailleurs derrière les machines d’« intelligence artificielle artificielle ». « Tant qu’il n’y aura pas d’autre moyen de créer une IA à grande échelle qui ne repose pas sur un travail humain intensif en coulisses », a observé Crawford en 2021, « c’est là la logique fondamentale du fonctionnement de l’IA ». Il convient de rappeler qu’entre 2005 et 2015, 94 % des nouveaux emplois aux États-Unis relevaient du « travail alternatif » plutôt que de l’emploi traditionnel.²⁴

Alors que les « machines intelligentes » d’aujourd’hui nécessitent un travail fantôme effectué par des crowdworkers situés principalement dans les pays du Sud, Crawford s’intéresse également au rôle dévastateur de l’IA et des robots dans l’industrie existante. Dans les entrepôts d’Amazon, le processus de travail et le temps de travail sont contrôlés de manière hiérarchique comme jamais auparavant. Le travailleur n’est pas seulement un « appendice de la machine », comme l’écrivait Marx, mais de plus en plus un appendice de robots « intelligents », tout en étant soumis à une surveillance et à un contrôle constants.

Dans ce contexte, Crawford explore les innovations de la fin du XVIIIe siècle de l’ingénieur Samuel Bentham, qui a été le premier à concevoir le système du panoptique pour la surveillance et le contrôle des mouvements de la main-d’œuvre (appliqué plus tard aux prisons par son frère aîné, Jeremy Bentham) .²⁵

Le capitalisme computationnel, soutient Crawford, est profondément ancré dans l’exploitation des corps humains à travers le temps et l’imposition d’une discipline de travail, et fonctionne grâce à cela. Elle aborde les travaux de Thompson sur la manière dont l’industrialisation et le capitalisme ont transformé le temps lui-même au sein du travail au XIXe siècle, puis se tourne vers la critique de Braverman du taylorisme et de la dégradation du processus de travail sous le capitalisme monopolistique. ²⁶ Les algorithmes déterminent désormais à la fois les temps et les espaces des travailleurs. Le nouveau monde des algorithmes d’IA représente la concrétisation de la « véritable subsomption du travail » au capital dont parlait Marx, comme dans la domination implacable du « rythme », qui désigne la cadence de travail dans les entrepôts d’Amazon. Elle cite ici la critique de Marx, tirée du Capital, opposant le temps du capital au temps de la nature : « Le temps est tout, l’homme n’est rien ; il est tout au plus la carcasse du temps. »²⁷

Après avoir abordé l’IA sous l’angle matériel, en commençant par l’exploitation minière et l’exploitation des travailleurs tant dans l’extraction que dans la production, Crawford passe à l’analyse du nouveau régime des données qui est au cœur de ce nouveau registre du pouvoir. Le régime de l’IA se nourrit de l’idée que absolument tout est données, qui doivent être récoltées quel qu’en soit le coût social et environnemental. Le nouveau capitalisme computationnel encourage une accumulation incessante de données sous forme de texte, d’image, de son et de vidéo, le monde humain tout entier servant de données brutes pour les systèmes d’IA.²⁸ Les plateformes de réseaux sociaux sont des canaux par lesquels transitent des quantités gigantesques de données alimentant les systèmes d’IA, qui pénètrent également dans presque toutes les sphères de la vie publique et privée :

Il existe des ensembles de données gigantesques remplis de selfies, de tatouages, de parents marchant avec leurs enfants, de gestes de la main, de personnes au volant de leur voiture, de personnes commettant des crimes filmées par des caméras de vidéosurveillance, et de centaines d’actions humaines quotidiennes comme s’asseoir, faire un signe de la main, lever son verre ou pleurer. Toutes les formes de données biologiques — y compris les données médico-légales, biométriques, sociométriques et psychométriques — sont capturées et enregistrées dans des bases de données afin que les systèmes d’IA puissent y trouver des schémas et effectuer des évaluations… Les données vocales sont recueillies à partir d’appareils posés sur les plans de travail de cuisine ou les tables de chevet ; les données physiques proviennent des montres au poignet et des téléphones dans les poches ; les données sur les livres et les journaux lus proviennent des tablettes et des ordinateurs portables ; les gestes et les expressions faciales sont compilés et évalués sur les lieux de travail et dans les salles de classe…

Fondamentalement, les pratiques d’accumulation de données menées depuis de nombreuses années ont contribué à une puissante logique extractive, une logique qui est désormais au cœur du fonctionnement du domaine de l’IA. Cette logique a enrichi les entreprises technologiques disposant des plus grands flux de données, tandis que les espaces exempts de collecte de données ont considérablement diminué.²⁹

Les données doivent être catégorisées. Les impressions subjectives des travailleurs en crowdsourcing sont utilisées pour établir des classifications des personnes sur la base de la race, de l’ethnicité et du genre.³⁰ Des signifiants raciaux issus de systèmes de classification racistes historiques sont intégrés. Le genre est toujours considéré de manière restrictive comme binaire. Comme le note Crawford, « les systèmes d’apprentissage automatique sont, d’une manière très concrète, construisent la race et le genre : ils définissent le monde selon les termes qu’ils ont eux-mêmes fixés ». Les catégories utilisées dans l’entraînement et la classification des machines d’IA renforcent les préjugés existants et perpétuent des comparaisons injuste, tout en reproduisant l’idéologie politico-économique dominante.³¹

Bien que la promesse d’une productivité accrue grâce à une exploitation plus efficace et totale de la main-d’œuvre soit à la base des affirmations concernant la rentabilité future des systèmes d’IA, elle repose également sur la perspective d’extraire des profits de toutes les formes d’action humaine . L’objectif est d’universaliser les systèmes d’exploitation et d’expropriation, en favorisant l’accumulation accélérée du capital ainsi que sa concentration et sa centralisation accrues entre les mains de quelques entreprises tout-puissantes qui sont devenues presque synonymes du « marché ».

Au sommet de tout cela se trouve l’État capitaliste, qui monopolise les lois de la propriété et de la violence. L’État est un accumulateur majeur de données, travaillant en conjonction avec le capital computationnel plutôt qu’en opposition à celui-ci. L’État capitaliste monopolistique est fortement organisé autour de fonctions militaires et policières qui se développent de pair avec le capitalisme de surveillance au sein du secteur privé. Pour Peter Thiel, fondateur de Palantir et milliardaire clé soutenant l’administration Donald Trump, l’IA est essentiellement une technologie militaire axée sur la surveillance et le ciblage, applicable tant à la guerre qu’aux opérations de contrôle intérieur. « Ces outils », écrit-il, « sont… précieux pour n’importe quelle armée — pour obtenir un avantage en matière de renseignement, par exemple », tandis que ces « outils d’apprentissage automatique », ajoute-t-il, « ont également des utilisations civiles ». Au cours du premier mandat de Trump, les contrats de Palantir avec les agences gouvernementales américaines se sont élevés à plus d’un milliard de dollars. Palantir est devenue une société de surveillance sous-traitante clé pour l’Immigration and Customs Enforcement (ICE), aidant l’ICE dans sa campagne d’expulsion à motivation raciale. Selon un rapport de Bloomberg en 2018, Palantir « est une plateforme de renseignement conçue pour la guerre mondiale contre le terrorisme », qui est principalement « utilisée comme une arme contre les Américains ordinaires sur le territoire national », en collaboration avec les agences d’État.³²

De même, l’application Neighbors, qui s’appuie sur les caméras de sonnette Ring d’Amazon, classe les images dans des catégories telles que « Crime », « Suspect » ou « Étranger », et les vidéos sont partagées dans le cadre de contrats avec la police et l’ICE. Ring est également utilisé pour surveiller les livreurs de colis. Selon Tung-Hui Hu, ces applications sont devenues des « prestataires indépendants » pour l’appareil militaire et sécuritaire de l’État.³³

L’utilisation militaire de l’IA est désormais omniprésente, notamment dans la guerre des drones et la cyberguerre, et est désormais intégrée à toutes les opérations de guerre. En 2017, le département américain de la Défense a lancé son équipe interfonctionnelle de guerre algorithmique, baptisée « Project Maven », visant à utiliser l’IA comme un « moteur de recherche automatisé de vidéos de drones » à des fins de surveillance et de ciblage. L’attribution initiale du contrat à Google a conduit plus de trois mille employés à signer une lettre de protestation exigeant l’annulation du contrat. Google a réagi en détournant le débat : il ne s’agissait plus d’une protestation contre l’utilisation de l’IA dans la guerre, mais plutôt de savoir si la technologie était utilisée « pour tuer des gens de manière incorrecte », ce que l’entreprise a laissé entendre pouvoir être évité grâce à la technologie d’IA elle-même, qui fournit la base pour tuer des gens correctement. Les États-Unis ont utilisé Claude, le modèle d’IA d’Anthropic, ainsi que d’autres, dans sa guerre contre l’Iran, en alliance avec Israël, qui a débuté le 28 février 2026. Au cours des premières vingt-quatre heures de l’attaque américaine et israélienne contre l’Iran, Anthropic a généré jusqu’à un millier de cibles prioritaires, en synthétisant des images satellites, des flux de surveillance et des renseignements d’origine électromagnétique, fournissant des coordonnées GPS en temps réel pour les cibles humaines et stratégiques, tout en automatisant les justifications juridiques relatives à chaque frappe. ³⁴

Pourtant, le rôle de l’État vis-à-vis de l’IA va au-delà de l’externalisation de la surveillance intérieure, du contrôle de la population et de ses opérations militaires. L’État capitaliste a donné son feu vert à un système de capital computationnel monopolistique visant l’accumulation illimitée de données comme base d’une accumulation illimitée de capital, avec peu, voire aucune, contrainte juridique réelle. Cela reflète un gouvernement des entreprises, par les entreprises et pour les entreprises. L’absence de réglementation étatique a permis à la ruée vers l’IA de se poursuivre sans se soucier des conséquences destructrices, allant de la perspective d’un éclatement de la bulle de l’IA à d’éventuelles implosions sociales et écologiques généralisées.

L’IA et la fracture métabolique

L’Atlas of AI de Crawford a été publié en 2021, un an avant l’introduction de ChatGPT, qui a accéléré l’engouement pour l’IA et entraîné une expansion considérable des investissements dans les centres de données. S’inspirant de ces développements, les travaux plus récents de Crawford se concentrent sur les contradictions fondamentales de l’IA en tant que registre du pouvoir. Dans son œuvre interactive de 2023 intitulée « Calculating Empires », elle désigne le capital monopolistique et le capital mondialisé comme définissant le mode politico-économique dans lequel la technologie numérique et l’IA ont émergé. Cependant, l’innovation surprenante de sa conférence de 2025 conférence de 2025 intitulée « Mapping Empires » consiste à mettre l’accent sur les contradictions internes et externes de l’IA. Elle tire ici son argument central du concept de rupture métabolique, développé au XIXe siècle par Marx, en partie sur la base des travaux du chimiste allemand Justus von Liebig. Crawford, dans sa conférence, propose une analyse détaillée de la rupture dans le cycle des nutriments du sol dans l’Angleterre du XIXe siècle, due à l’acheminement de denrées alimentaires et de fibres contenant des nutriments du sol, tels que l’azote, le phosphore et le potassium, vers les nouvelles villes industrielles densément peuplées situées à des centaines, voire des milliers de kilomètres de là, où ces nutriments finissaient par devenir une source de pollution, les gens jetant « excréments dans les rues et les cours d’eau ». En conséquence, ces éléments essentiels n’étaient pas réintroduits dans les exploitations agricoles pour régénérer le sol. Comme Crawford le dit elle-même, « l’Europe se dévorait littéralement jusqu’à l’épuisement ». Elle s’appuie ici sur le concept de Raubbau de Liebig, ou culture/économie de pillage.

Compte tenu de l’incapacité générale à produire des engrais synthétiques à l’époque, en particulier ceux contenant de l’azote, la « ruée vers le guano » s’est déclenchée, les pays européens et les États-Unis se disputant le guano (excréments d’oiseaux riches en azote). Des quantités massives de guano ont été importées en Europe depuis les îles Chincha, riches en guano, au large des côtes du Pérou. Bien que des engrais synthétiques aient été développés par la suite, cela n’a fait que déplacer la contradiction, conduisant aux ruptures actuelles dans les cycles de l’azote et du phosphore, avec pour résultat que la rupture métabolique générale associée à une disjonction entre l’extraction des ressources humaines et les conditions de durabilité écologique n’a fait que s’aggraver. Aujourd’hui, l’émergence de l’Anthropocène est considérée comme représentant une « rupture anthropogénique » dans les cycles biogéophysiques du système terrestre.³⁵

Reconnaissant que l’IA est un système matériel qui a émergé historiquement à la suite de l’action socio-humaine et qui incarne les relations entre la nature et l’homme, Crawford soutient qu’il est nécessaire de la considérer comme un système métabolique suivant des « schémas métaboliques » ou des cycles. Des contradictions sous forme de ruptures métaboliques surgissent nécessairement entre les conditions d’existence et de reproduction matérielles et les impératifs internes du capital de l’IA. Ainsi, l’extraction de matériaux et de ressources essentiels, l’« ingestion de données » illimitée et le contenu final sous forme de « déchets de l’IA » peuvent tous être considérés comme des phases d’un cycle métabolique. Ce processus est motivé par les impératifs du capitalisme computationnel, conduisant à un moment donné, car il est insoutenable, à un « effondrement du modèle ».³⁶

Dans la conception de Crawford, l’ingestion destructrice de données par l’IA équivaut au Raubbau. L’extractivisme minier et la consommation d’énergie et d’eau augmentent de manière exponentielle les exigences imposées à l’environnement naturel, perturbant la relation humaine à la nature à un rythme accéléré, conformément à la notion classique de Marx de rupture métabolique. De plus, il est désormais reconnu qu’il existe une rupture auto-générée au sein de l’IA, connue dans la littérature scientifique sous le nom d’« autophagie de l’IA » (d’après l’autophagie métabolique dysfonctionnelle — l’auto-ingestion — des cellules). Ici, l’IA, en s’appuyant de plus en plus sur ses propres données synthétiques, ou « bouillie d’IA », se dévore essentiellement elle-même, conduisant à un « effondrement du modèle », avec des conséquences désastreuses pour l’ensemble du monde aliéné par l’IA.³⁷

L’ingestion de données par l’IA est aujourd’hui d’une ampleur incommensurable, équivalant déjà à ce qui peut être récupéré sur le web, couvrant d’innombrables téraoctets de données et cherchant à englober l’ensemble du monde de l’information sous toutes ses formes. La totalité de la créativité humaine sur des milliers d’années, ainsi que tous les comportements et expressions humains, constituent sa matière première — le tout devant être intégré dans l’apprentissage automatique commandé par un système de pouvoir politico-économique. Tout cela, cependant, est matériellement incarné, ce qui impose des limites au fonctionnement du système.

« Les besoins en minéraux de l’IA », nous dit Crawford, « sont à l’origine d’une nouvelle fracture métabolique, en extrayant les minéraux qui ont mis des milliards d’années à se former dans la croûte terrestre au cours de l’histoire géologique pour des puces d’IA qui ne sont généralement utilisées qu’un à deux ans. » Les coûts environnementaux les plus importants associés à la nouvelle Raubbau de l’IA sont toutefois la consommation d’énergie et d’eau, qui atteignent déjà des niveaux comparables à ceux des pays les plus riches. Les estimations de l’Agence internationale de l’énergie et de Bloomberg prévoient que la quantité d’électricité nécessaire à l’IA sera équivalente à celle de pays comme le Japon et l’Inde, soit jusqu’à 25 % de la consommation électrique des États-Unis, d’ici 2030.³⁸ Les centres de données hyperscale nécessitent des systèmes de refroidissement qui consomment des millions de gallons d’eau par jour, avec une demande en constante augmentation. Rien de tout cela n’est durable. Bien que certains affirment qu’une plus grande efficacité peut résoudre le problème, Crawford se réfère ici au célèbre paradoxe de Jevons, tiré de l’ouvrage de William Stanley Jevons The Coal Question (1865), dans lequel il était démontré que l’amélioration de l’efficacité dans l’utilisation du charbon n’avait jamais réduit la quantité de charbon consommée, puisque cette efficacité accrue entraînait toujours une augmentation du niveau de production — un phénomène inhérent au système d’accumulation du capital.³⁹

Ce que Crawford qualifie de « rupture métabolique émergente », enracinée dans les relations sociales capitalistes, est donc liée à l’appétit insatiable de l’IA, qui ingère, digère et excrète des données d’une manière qui conduit à sa propre cannibalisation. À l’instar du mythe grec du roi Érysichthon tel que raconté dans les Métamorphoses d’Ovide — dans lequel Érysichthon, consumé par le désir de richesse et de consommation, vendit sa propre fille puis se dévora lui-même —, les systèmes d’IA d’aujourd’hui, poussés par l’accumulation du capital et par leur propre logique technologique interne, finiront par s’autodétruire.⁴⁰ Ingérant de plus en plus ses propres productions synthétiques, pleines de fantasmagories et d’hallucinations, parallèlement à l’appauvrissement général des connaissances, il en résultera une sorte de dégradation structurelle. « La dernière fracture métabolique entre l’IA et les humains », écrit Crawford, « menace de multiples formes de défaillances en cascade : effondrement moral, effondrement financier, effondrement écologique et, selon les points de vue, effondrement cognitif. »⁴¹

Les ruptures dans la relation de l’humain à la nature dans la société moderne sont des manifestations de la logique aliénante et destructrice de l’accumulation du capital et de la crise. Meta, Amazon, Microsoft, Alphabet (Google) et Tesla ont dépensé ensemble 561 milliards de dollars en investissements de capital dans l’IA entre 2023 et 2025, tout en générant des revenus, et non des profits, de 35 milliards de dollars grâce à ces investissements. La bulle de l’IA est entretenue par l’endettement et par la surenchère incessante sur les actifs de ces entreprises, les investisseurs cherchant à prendre part à cette ruée vers l’or moderne — bien que la valeur boursière de toutes ces entreprises soit en baisse depuis peu. Évoquant la dette contractée par les hyperscalers dans leur course à la construction de centres de données, Bloomberg indique que celle-ci prend la forme d’« obligations de premier ordre, de dette spéculative, de crédit privé et de », s’élevant à pas moins de 200 milliards de dollars, voire plus. L’accélération de l’IA fait partie intégrante du capital financier monopolistique lui-même, qui s’attend, en cas de krach, à être renfloué par Washington à une échelle qui éclipserait tous les renflouements précédents. Pour résoudre le problème de l’insuffisance du marché de l’IA, le capital computationnel entend imposer l’adoption de l’IA générative en l’intégrant dans d’innombrables applications. Il s’agit d’un modèle d’accumulation semé d’embûches.⁴²

La montée du mouvement néofasciste associé à la politique « Make America Great Again » (MAGA) de Trump a été largement financée par des milliardaires de la haute technologie de la Silicon Valley tels que Musk, Thiel et Ellison, ce qui représente une menace pour l’ensemble du corps politique. L’annonce de l’initiative Stargate de l’administration Trump lors de sa première journée complète au pouvoir de son second mandat, qui vise à injecter 500 milliards de dollars dans des centres de données, avait pour but de stimuler Oracle et OpenAI (le développeur de ChatGPT), dirigés respectivement par Ellison et Sam Altman, tous deux grands contributeurs aux intérêts politiques MAGA de Trump. Certains commentateurs ont vu dans ces développements les signes d’un cartel émergent soutenu par l’État, s’étendant des médias à l’IA en passant par la technologie « cloud », dominant à la fois les communications et l’économie — tout en promouvant un régime politique dictatorial.⁴³

L’« intellect général » de Marx et le socialisme

Si l’IA est plus qu’une simple technologie révolutionnaire, mais doit plutôt être comprise, comme le dit Crawford, comme un « registre du pouvoir », alors la seule réponse viable consiste à exercer un véritable pouvoir social sur son développement, ancré dans une démocratie de fond. Les ramifications potentielles de l’IA renvoient à ce qu’István Mészáros a appelé « la nécessité du contrôle social », un contrôle social qui doit être exercé si l’on veut éviter une tendance à l’extermination écologique, militaire et sociale. Ici, ce ne sont pas seulement les forces de production qui doivent être remises en question, mais plus encore les relations sociales de production.⁴⁴

Dans son « Fragment sur les machines » des Grundrisse, Marx a commenté la manière dont le transfert des connaissances et des activités humaines — c’est-à-dire l’essence du travail humain — vers les machines via l’automatisation a conduit à l’incarnation dans les machines de l’« intellect général » de la société, qui appartenait à juste titre à l’« individu social » et le représentait et, comme il l’a expliqué dans Le Capital, au « travailleur collectif ». ⁴⁵ L’appropriation monopolistique de cet intellect général en tant que propriété du capitaliste signifiait qu’il serait utilisé dans un seul et unique but : l’accumulation du capital, au profit d’une poignée de personnes. L’incorporation de l’intellect général au sein du capital constituait, pour Marx, une contradiction mortelle pour le capital lui-même. Toute tentative de la part des capitalistes d’utiliser l’intellect général au service de leurs propres fins étroites et accumulatrices ne ferait qu’engendrer crise après crise. Citant la scène intitulée « La cave d’Auerbach » dans Faust de Johann Wolfgang von Goethe (Partie 1, scène 5), Marx faisait subtilement allusion à une chanson macabre et grivoise sur le poison administré à un rat de cave, le faisant agir « comme si son corps était possédé par l’amour, » et aboutissant à sa mort — symbolisant le travail vivant transformé en travail mort : un simple « corps animé », incapable de créer directement de la valeur de travail. Cela pourrait être vu comme représentant, à notre époque, l’absorption par le capital de l’IA de toutes les connaissances générées par le travail créatif et de l’ensemble du monde numérisé en son sein, produisant un corps robotique, conduisant à l’autophagie de l’IA et à l’effondrement du modèle.⁴⁶

Le potentiel même d’expansion du temps de travail disponible (loisirs) dû à l’automatisation, comme l’expliquait Marx en son temps, contredit le besoin incessant du capital d’étendre le temps de travail supplémentaire. Le système cherche donc à promouvoir, par le biais de l’automatisation — s’appuyant sur l’effet de levier fourni par une armée de réserve industrielle en expansion — la dégradation accrue et la dépendance matérielle du travail, forçant «le travailleur à travailler plus longtemps que le sauvage, ou qu’il ne le faisait lui-même avec les outils les plus simples et les plus rudimentaires», désormais en tant que simple «appendice d’une machine».⁴⁷

Pourtant, la réalité de l’intellect général incarné par l’automatisation rend en même temps possible l’émergence du « travailleur collectif en tant que sujet dominant » de la production et le passage décisif vers une société de producteurs associés.⁴⁸ La nécessité du contrôle social et de la planification implique de placer les relations sociales générales aux commandes tout en mettant fin au règne du capital financier monopolistique.

Certains signes de ce qui est possible se dessinent déjà en Chine aujourd’hui. La Chine rivalise avec les États-Unis dans le développement de l’IA. Le modèle d’IA open source chinois DeepSeek est plus économe en énergie et plus rentable que les chatbots américains. Alors que les grandes maisons de l’IA aux États-Unis se livrent à une course à une « superintelligence » quasi divine à travers de grands modèles linguistiques, le « socialisme aux caractéristiques chinoises » de Pékin a orienté sa technologie d’apprentissage automatique — non sans ses propres contradictions — plus directement vers l’industrie manufacturière, la logistique, l’énergie, les finances publiques et les services publics. Les constructeurs automobiles utilisent des robots avec une intervention humaine minimale. Les outils d’IA sont largement utilisés dans les hôpitaux, où l’on recourt à une « IA plus simple et “étroite” » conçue pour des tâches spécifiques. En Chine, l’IA est principalement intégrée à l’industrie manufacturière plutôt qu’à une économie de services développée comme c’est le cas aujourd’hui aux États-Unis. Naturellement, l’utilisation très intensive de robots dans l’industrie manufacturière chinoise entraîne des suppressions d’emplois. Les banques de données en Chine, comme aux États-Unis et ailleurs, utilisent d’énormes ressources et dépendent de l’extraction de lithium, de cobalt et de métaux des terres rares. À l’instar des États-Unis, la modernisation militaire contemporaine de la Chine repose sur l’IA. Néanmoins, les contrôles réglementaires sur l’IA dans le cadre du « socialisme aux caractéristiques chinoises » laissent entrevoir l’espoir d’une approche sociale plus rationnelle de l’ensemble du phénomène.

En effet, là où la Chine se distingue le plus des États-Unis et de l’Occident en matière d’IA, c’est dans son leadership en matière de gouvernance de l’IA, qui met l’accent sur le fait que l’apprentissage automatique doit être subordonné à une voie de développement « centrée sur l’humain » et au bien-être de la population. Pékin a mis en place des règles ciblées pour les technologies de synthèse profonde (connues sous le nom de deepfakes) et pour l’IA générative. Tous les deepfakes doivent être clairement étiquetés ou marqués d’un filigrane afin de garantir la transparence, l’exactitude et la fiabilité. Toute entreprise souhaitant proposer une IA générative doit enregistrer ses algorithmes auprès de l’Administration chinoise du cyberespace, le principal organisme de régulation. Chaque ensemble de données important que les développeurs souhaitent inclure dans leur modèle d’IA doit faire l’objet d’un échantillonnage aléatoire afin de détecter tout contenu discriminatoire ou antisocial. Les réglementations sont expressément conçues pour protéger les individus qui jouissent de « droits à l’image, à la réputation, à l’honneur, à la vie privée et aux informations personnelles » bien définis. La plupart des réglementations s’appliquent aux grands modèles linguistiques proposés au public, tandis que les règles sont moins strictes pour l’apprentissage automatique au sein de l’industrie afin de soutenir l’innovation. Néanmoins, le caractère social de l’approche chinoise, bien qu’il ne soit clairement pas suffisant et qu’il soulève lui-même des questions difficiles, contraste favorablement avec le développement plus privatisé et prédateur de la technologie aux États-Unis, où l’absence de réglementations fédérales significatives est notoire.⁴⁹

Sans surprise, la Chine est également le leader dans la promotion de la gouvernance mondiale de l’IA, avec son Initiative pour la gouvernance mondiale de l’IA, lancée en octobre 2023, et sa Déclaration de Shanghai sur la gouvernance mondiale de l’IA lors de la Conférence mondiale sur l’IA en 2024. Dans le cadre de ces initiatives mondiales, Pékin insiste sur une « approche centrée sur l’humain » en tant que « tâche commune » en matière de réglementation de l’IA afin de faire face aux « risques imprévisibles et aux défis complexes » de ces technologies, qui sont fréquemment utilisées « à des fins de manipulation de l’opinion publique, de diffusion de désinformation, d’ingérence dans les affaires intérieures, les systèmes sociaux et l’ordre social d’autres pays, ainsi que pour mettre en péril la souveraineté d’autres États ». Parmi les dangers spécifiés figurent « les monopoles technologiques et les mesures coercitives unilatérales » ; les biais liés à la discrimination fondée sur « l’origine ethnique, les croyances, la nationalité, le genre, etc. » ; l’accélération des dommages environnementaux ; et le blocage de la diffusion des technologies d’apprentissage automatique dans les pays du Sud, entravant ainsi le développement durable mondial. La Chine insiste sur le fait que l’objectif doit être le développement humain et l’utilisation de ces technologies dans des domaines tels que « la santé, l’éducation, les transports, l’agriculture, l’industrie, la culture et l’écologie ». Les effets négatifs de l’IA sur l’emploi doivent être surveillés de près et « atténués ». Tous les pays sont invités à participer, en fonction de leurs propres besoins nationaux, à la mise en place d’« un système de test et d’évaluation basé sur les niveaux de risque de l’IA et d’un système d’examen éthique des sciences et technologies ». Selon les termes de Xi Jinping, il est nécessaire « de veiller à ce que l’IA serve le bien commun et profite à tous, et [qu’elle] ne soit pas un jouet des pays riches et des nantis ». ⁵⁰

Diverses luttes concernant l’IA voient le jour à travers le monde. Une revendication notable qui est promue consiste à « suspendre » le développement de l’IA jusqu’à ce que les dangers associés à sa poursuite puissent être déterminés, afin qu’une réglementation rationnelle puisse jouer un rôle dans son développement.⁵¹ Cependant, le gouvernement fédéral américain sous l’administration Trump tente non seulement de ne pas réglementer l’IA, mais il combat aussi activement les États et les collectivités locales de tout le pays qui tentent d’introduire des réglementations en matière d’IA.⁵² Le cartel de l’IA, que l’on peut désormais considérer comme englobant les hyperscalers du secteur des hautes technologies, soutenu par la finance monopolistique et le secteur énergétique ainsi que par l’État, est actuellement aux commandes. Les tentatives de contrôle social de l’IA dans le cadre du capitalisme monopolistique soulignent donc nécessairement la nécessité d’un mouvement plus révolutionnaire s’éloignant du capitalisme pour se diriger vers le socialisme.

Les grandes maisons de l’IA sont divisées contre elles-mêmes et ne peuvent subsister. Elles dépendent, pour leur existence même, d’un appareil étatique (et culturel) capitaliste de plus en plus centralisé, coercitif et corrompu, fondé sur les classes, constituant une logique globale qui, si on la laisse perdurer, n’aura rien de moins que des conséquences catastrophiques. Pour que l’humanité s’épanouisse, les forces et les rapports de production doivent être révolutionnés de front, parallèlement au développement des capacités humaines, afin de créer un monde de développement humain durable. Cela nécessite la formation, sous le socialisme, d’une véritable « démocratie de l’ensemble du processus » éclairée par l’intellect général, dans laquelle « les producteurs associés régissent le métabolisme humain avec la nature de manière rationnelle… en l’accomplissant avec le moins de dépense d’énergie possible et dans les conditions les plus appropriées à leur nature humaine ».⁵³

John Bellamy Foster

monthlyreview.org

Notes

↩ Paul Gruenwald et Satyam Panday, « How Data Centres and AI Are Becoming a New Engine of Growth », Forum économique mondial, 17 décembre 2025. Voir également Nick Licthenberg, « Sans les centres de données, la croissance du PIB aurait été de 0,1 % au premier semestre 2025, selon un économiste de Harvard », Fortune, 7 octobre 2025.
↩ Kate Crawford, Mapping Empires: Power, Politics, and the Planetary Costs of Artificial Intelligence (New Haven : Yale University Press, 2021), p. 20.
↩ Matt Day et Annie Bang, « Les géants de la tech vont dépenser 650 milliards de dollars cette année alors que la course à l’IA s’intensifie », Bloomberg, 5 février 2026 ; Marty Hart-Landsberg, « L’IA et l’économie : un pari perdant pour les travailleurs », Reports from the Economic Front, 16 février 2026.
↩ Paul A. Baran et Paul M. Sweezy, Monopoly Capital (New York : Monthly Review Press, 1966), p. 220–221.
↩ John Maynard Keynes, The General Theory of Employment Interest and Money (Londres : Macmillan, 1936), p. 161–162 ; Karl Marx, Capital, vol. 1 (Londres : Penguin, 1976), p. 780.
↩ Paul Krugman, « The Economics of Technological Change », Substack, 1er mars 2026, paulkrugman.substack.com ; Forbes World Billionaire’s List, 2026, forbes.com/billionaires.
↩ Matt Seybold, « The Ellisons are Beta-Testing Big Brother », American Vandal, 10 octobre 2025.
↩ Bernie Sanders, La guerre des oligarques de la Big Tech contre les travailleurs : l’IA et l’automatisation pourraient détruire près de 100 millions d’emplois aux États-Unis en une décennie, rapport du personnel de la minorité parlementaire, Commission de la santé, de l’éducation, du travail et des retraites, 6 octobre 2025.
↩ Melissa Heikkilä, « Mustafa Syleyman prévoit l’“autosuffisance” de l’IA alors que Microsoft relâche ses liens avec OpenAI », Financial Times, 12 février 2026.
↩ Pour une analyse critique du déterminisme technologique, voir Merritt Roe Smith et Leo Marx, éd., Does Technology Drive History?: The Dilemma of Technological Materialism (Cambridge, Massachusetts : MIT Press, 1994).
↩ Karl Marx, Grundrisse (Londres : Penguin, 1983), 706 ; Marx, Le Capital, vol. 1, 279–280 ; John Bellamy Foster, « Braverman, Monopoly Capital, and AI: The Collective Worker and the Reunification of Labor », Monthly Review 76, n° 7 (décembre 2024) : 1–13 ; Matteo Pasquinelli, The Eye of the Master: A Social History of Artificial Intelligence (Londres : Verso, 2023).
↩ John Bellamy Foster, Breaking the Bonds of Fate: Epicurus and Marx (New York : Monthly Review Press, 2025), 17. Bien que « cela dépende de nous », la lutte sociale, bien qu’elle requière une capacité d’action, ne peut être présentée en termes volontaristes. Elle doit plutôt être conçue en termes de ce que Roy Bhaskar a appelé « le modèle transformatif de l’activité sociale », qui résumait l’essence du concept marxiste de changement historique. Roy Bhaskar, Reclaiming Reality (Londres : Routledge, 2011), 74–81 ; Karl Marx, Le 18 Brumaire de Louis Bonaparte (New York : International Publishers, 1963), 15.
↩ Kate Crawford, «Eating the Future: The Metabolic Logic of AI Slop », e-flux Architecture, septembre 2025, e-flux.com.
↩ Kate Crawford, Atlas of AI: Power, Politics, and the Planetary Costs of Artificial Intelligence (New Haven : Yale University Press, 2021) ; Kate Crawford et Vladen Joler, « Anatomy of an AI System », 2018, anatomyof.ai ; Kate Crawford, « Calculating Empires », Knowing Machines, 23 novembre 2023, knowingmachines.org ; Kate Crawford, « Long Now Talks : Mapping Empires », enregistré le 12 novembre 2025 ; Crawford, « Eating the Future ».
↩ Le terme « fétichisme » est utilisé ici au sens de la théorie marxiste du fétichisme de la marchandise. Voir Marx, Le Capital, vol. 1, p. 163–177. Sur le déterminisme enchanté, voir Crawford, Atlas of AI, p. 213–215.
↩ Crawford, Atlas of AI, p. 8.
↩ Tung-Hui Hu, A Prehistory of the Cloud (Cambridge, Massachusetts : MIT Press, 2015), 147.
↩ Crawford, Atlas of AI, 18–19. Sur la fracture métabolique, voir John Bellamy Foster, Marx’s Ecology (New York : Monthly Review Press, 2000), 141–77 ; John Bellamy Foster et Brett Clark, The Robbery of Nature (New York : Monthly Review Press, 2020), 12–34.
↩ Crawford, Atlas of AI, 213–15 ; Alexander Campolo et Kate Crawford, « Enchanted Determinism: Power with Responsibility in Artificial Intelligence », Engaging Science, Technology, and Society 6 (2020) : 2.
↩ Crawford, « Long Now Talks : Mapping Empires », 27:07.
↩ « Journée mondiale de l’eau : les impacts de l’extraction du lithium sur l’eau », Wetlands International Europe, 22 mars 2023, europe.wetlands.org ; Terry Gross, « Comment l’« esclavage moderne » au Congo alimente l’économie des batteries rechargeables », NPR, 1er février 2023.
↩ Crawford et Joler, « Anatomy of an AI System », section XI.
↩ Billy Perrigo, « Exclusif : OpenAI a employé des travailleurs kenyans pour moins de 2 dollars de l’heure afin de rendre ChatGPT moins toxique », Time, 18 janvier 2023 ; Chinmayi Arun, « IA transnationale et impérialisme d’entreprise », Carnegie Endowment for International Peace, 8 octobre 2024.
↩ Crawford, Atlas of AI, 64–68 ; Lawrence F. Katz et Alan B. Krueger, « The Rise and Nature of Alternative Work Arrangements in the United States 1995–2015 », NBER Working Paper Series, National Bureau of Economic Research, Washington DC, septembre 2016 : 7 ; Hu, Prehistory of the Cloud, 89 ; Martin Gonzalez-Cabello, Auyon Siddiq, Charles J. Corbett et Catherine Hu, « Fairness in Crowdwork: Making the Human Supply-Chain More Humane », Business Horizons 68, n° 5 (septembre-octobre 2025) : 645-657.
↩ « Depuis Surveiller et punir de Michel Foucault, il est devenu courant de considérer la prison comme le point d’origine de la société de surveillance actuelle, avec le vieux Bentham comme son précurseur. En réalité, la prison panoptique doit ses origines aux travaux du jeune Bentham dans le contexte des premières usines. Le panoptique a d’abord été un mécanisme de gestion du lieu de travail bien avant d’être conceptualisé pour les prisons » (Crawford, Atlas of AI, 61).
↩ Crawford, Atlas of AI, 59–62, 72 ; E. P. Thompson, « Time, Work-Discipline, and Industrial Capitalism », Past and Present, n° 38 (décembre 1967) : 56–97 ; Harry Braverman, Labor and Monopoly Capital (New York : Monthly Review Press, 1998).
↩ Crawford, Atlas of AI, 74 ; Karl Marx et Friedrich Engels, Collected Works (New York : International Publishers, 1975), vol. 6, 127 ; Marx, Capital, vol. 1, 1034–38 ; István Mészáros, The Challenge and Burden of Historical Time (New York : Monthly Review Press, 2008), 43–49 ; Ian Angus, Facing the Anthropocene (New York : Monthly Review Press, 2016), 111–25.
↩ Crawford, « Eating the Future » ; Crawford, Atlas of AI, 95.
↩ Crawford, Atlas of AI, 119.
↩ Concernant les crowdworkers, voir Crawford, Atlas of AI, 63–64.
↩ Crawford, Atlas of AI, 123–36, 145–46.
↩ Crawford, Atlas of AI, 193–99 ; Peter Waldman, Lizette Chapman et Jordan Robertson, « Palantir Knows Everything About You », Bloomberg, 19 avril 2018.
↩ Hu, Prehistory of the Cloud, 115 ; Crawford, Atlas of AI, 202.
↩ Crawford, Atlas of AI, 189–92 ; Ed Pilkington, « US Military Reportedly Used Claude in Iran Strikes Despite Trump’s Ban », Guardian, 1er mars 2026 ; Gary Wilson, « Anthropic Is Already at War », Struggle La Lucha, 5 mars 2026, struggle-la-lucha.org.
↩ Crawford, « Long Now Talks : Mapping Empire », 5:40–18:17 ; Crawford, « Eating the Future » ; Clive Hamilton et Jacques Grinevald, « L’Anthropocène était-il prévisible ? », Anthropocene Review 2, n° 1 (2015) : 67.
↩ Crawford, « Long Now Talks : Cartographier l’empire », 13:18, Crawford, « Manger l’avenir ».
↩ Crawford, « Long Now Talks : Mapping Empires », 37:40–39:46 ; Crawford, « Eating the Future ».
↩ Crawford, « Long Now Talks : Mapping Empires », 28:08–29:20 ; Peter Landers, « Artificial Intelligence’s ‘Insatiable’ Energy Needs Not Sustainable, Arm CEO Says », Wall Street Journal, 9 avril 2024.
↩ Crawford, « Long Now Talks : Mapping Empires », 31:16–32:37 ; John Bellamy Foster, Brett Clark et Richard York, The Ecological Rift (New York : Monthly Review Press, 2010), 169–82 ; William Stanley Jevons, The Coal Question (Londres : Macmillan, 1865), 102–16.
↩ Ovide, Métamorphoses, trad. Charles Martin (New York : Norton, 2004), 298 ; Richard Seaford, Ancient Greece and Global Warming, discours présidentiel de la Classical Association (Londres : Classical Association, 2009), 6 ; John Bellamy Foster, Avant-propos dans Fred Magdoff et Chris Williams, Creating an Ecological Society (New York : Monthly Review Press, 2017), 7–9.
↩ Crawford, « Long Now Talks : Mapping Empires », 40:11.
↩ Matt Day et Amy Bang, « Big Tech to Spend $650 Billion This Year as AI Race Intensifies », Bloomberg, 6 février 2026 ; Hart-Landsberg, « AI and the Economy ».
↩ Frank Vogl, « Trump’s Return to the Robber Baron Age », Globalist, 13 octobre 2025.
↩ István Mészáros, The Necessity of Social Control (New York : Monthly Review Press, 2015), 23–51.
↩ Marx, Grundrisse, 706 ; Marx, Le Capital, vol. 1, 464–69, 544–45 ; Michael Heinrich, « The ‘Fragment on Machines’: A Marxian Misconception in the Grundrisse and Its Overcoming in Capital », dans Marx’s Laboratory: Critical Interpretations of the ‘Grundrisse,’ Riccardo Bellofiore, Guido Starosta et Peter D. Thomas, éd. (Chicago : Haymarket, 2013), p. 197–212 ; John Bellamy Foster, « Braverman, Monopoly Capital, and AI », Monthly Review 76, n° 7 (décembre 2024) : 1–13. Voir également Te Li, « Du travail classique au travail de l’“Intellect général” : l’impact de l’ère de l’intelligence numérique sur la théorie socialiste du travail », Monthly Review 77, n° 11 (avril 2026) : 46–62.
↩ Marx, Grundrisse, 704 ; Marx, Le Capital, vol. 1, 302 ; Johann Wolfgang von Goethe, Œuvres complètes, vol. 2, Faust, parties I et II, éd. et trad. Stuart Atkins (Princeton : Princeton University Press), 54 ; Sami Khatib, « La pulsion du capital : monstres, vampires et zombies », Coils of the Serpent 8 (2021) : 101–13.
↩ Marx, Grundrisse, 708–9 ; Marx, Le Capital, vol. 1, 799.
↩ Marx, Le Capital, vol. 1, 544–45.
↩ Vanessa Bates Ramirez, « The U.S. and China Are Pursuing Different AI Futures », IEEE Spectrum, 19 février 2026 ; « AI Watch: Global Regulatory Tracker—China », White and Case, 22 septembre 2025.
↩ Ministère des Affaires étrangères de la République populaire de Chine, « Global AI Governance Initiative », 20 octobre 2023 ; Ministère des Affaires étrangères de la République populaire de Chine, « Full Text: Shanghai Declaration on Global AI Governance », 4 juillet 2024 ; Xi Jinping, The Governance of China, vol. 5 (Pékin : Foreign Languages Press, 2025), 553.
↩ Darko Suvin, «J’ai peur de l’IA : une exaspération politico-épistémologique », Historical Materialism (blog), 2026, historicalmaterialism.org ; Anna Gordon, «Pourquoi les manifestants du monde entier réclament une pause dans le développement de l’IA », Time, 13 mai 2024 ; Anthony Elmo, « Les projets de loi sur le moratoire des centres de données se multiplient en 2026 », Good Jobs First, 19 février 2026.
↩ La Maison Blanche, « Garantir un cadre politique national pour l’intelligence artificielle », décret présidentiel, 11 décembre 2025.
↩ Karl Marx, Le Capital, vol. 3 (Londres : Penguin, 1981), p. 959.