Ça sent la bulle : où sont les mille milliards de dollars pour rentabiliser l’IA ?

L'IA cherche désespérément son modèle économique - et les investisseurs commencent à s'impatienter.

Le gouffre financier

Les milliards s'envolent plus vite que les résultats concrets. Entre les GPU qui coûtent une fortune et les équipes de chercheurs surpayés, la facture explose sans retour sur investissement visible.

Les promesses non tenues

On nous avait vendu une révolution industrielle, on obtient des chatbots qui hallucinent et des images générées douteuses. Les applications business peinent à trouver leur public - et leur rentabilité.

La réalité des chiffres

Mille milliards de dollars. C'est le montant astronomique que l'industrie doit trouver pour justifier les investissements actuels. Les VC commencent à regarder leurs portefeuilles avec anxiété.

Le réveil difficile

Comme toujours dans la tech, la hype précède la réalité économique. Les premiers signes de consolidation apparaissent déjà - et ils sont douloureux.

Les fonds s'évaporent plus vite que la valeur ne se crée. Une spécialité siliconienne que même les crypto ne peuvent égaler.

Un moteur d’investissement… qui dépasse les recettes visibles

Les ordres de grandeur donnent le tournis. McKinsey chiffre àles capex cumulés nécessaires pour suivre la demande de calcul — dontpour les data centers orientés IA. Morgan Stanley projette jusqu’à. En 2025, les hyperscalers visentde capex, dont une part croissante pour l’IA. Et certaines annonces individuelles (Nvidia–OpenAI, OpenAI–Oracle, + nouveaux sites avec SoftBank) s’additionnent à une vague globale de constructions énergivores.

Côté. Des analyses récentes pointent que(LLM grand public, copilots, API) croissent vite, mais restent loin de justifier, à court terme, le mur d’investissement :pour soutenir la cadence, avec unmême dans les scénarios optimistes. Dit autrement :.

Pourquoi l’IA n’est pas (encore) une autoroute à péage ?

Une comparaison utile :. On finance des actifs de très longue durée (la fibre tient 25 à 40 ans, et souvent plus) avec des modèles d’abonnement prévisibles sur des décennies. La rentabilité se joue surd’un support physique qui.

Les: dans les data centers, des architectes de premier plan évoquent 1 à 3 ans de vie utile sous forte charge avant bascule vers des tâches moins exigeantes ou vers l’occasion ; et la dépréciation peut s’accélérer quand une nouvelle génération (Blackwell, puis la suivante) rend la précédente nettement moins rentable. Même quand les comptabilités affichent 5–6 ans d’amortissement, l’obsolescence économique frappe souvent beaucoup plus tôt.

Résultat :qu’il faut changer sans cesse.

À cela s’ajoute le: l’, l’IA étant le moteur principal. Sans puissance abordable et disponible, la courbe d’usage cale — au moment même où l’offre matérielle explose.

Le « financement circulaire » qui inquiète

Plus troublant : la circularité des deals. Nvidia finance (jusqu’à 100 Md$) un client qui lui achète des GPU ; CoreWeave s’équipe massivement en Nvidia et vend de la capacité à OpenAI ; des clauses de rachat de capacité excédentaire et de cofinancement maillent l’écosystème. Ce— il accélère même l’innovation — mais il peut masquer un déficit de demande finale si l’économie d’usage ne suit pas. Les marchés commencent à s’interroger : combien de ces gigawatts seront pleinement monétisés hors contrats croisés ?

Pourquoi la macro ne suit pas (encore) au même rythme

Même des banquiers pro-IA notent que tous ces dollars n’atterrissent pas immédiatement en PIB : une part importée (matériel étranger) soustrait mécaniquement de la croissance, et une fois construits, les data centers emploient peu d’opérateurs, d’où un multiplicateur local faible. Si— et sous condition que les cas d’usage s’industrialisent.

Le point dur : la monétisation à l’échelle

Les P&L des grands modèles restent soumis à despour des millions d’utilisateurs. Oui, Nvidia pourrait frôler 400 Md$ de ventes IA d’ici 2028 selon des scénarios haussiers — mais cela déplace la valeur vers le fournisseur de pioches, pas forcément vers tous les prospecteurs. Tant que l’économie d’usage (logiciels verticalisés, gains de productivité mesurés) ne graissera pas la chaîne, l’édifice reste tendu.

Que se passe-t-il si la bulle IA éclate ?

1) Capex en sifflet → ralentissement de la croissance US

Si les commandes ralentissent en 2026,: moins de chantiers, moins d’achats d’équipements (souvent importés), et un effet emploi faible à l’exploitation. La macro tient (consommation, services), mais l’IA cesse d’être un turbo conjoncturel. Les États et utilities, qui ont surdimensionné réseau & puissance pour accueillir ces parcs, pourraient se retrouver avec des actifs sous-utilisés à moyen terme.

2) Choc boursier sectoriel

Les valos des pure players GPU-cloud, des loueurs de capacité et de certains fonciers data centers sont hyper-sensibles aux taux d’utilisation et à la dépréciation accélérée des puces.: CAPEX passé + ASP en baisse + obsolescence = marges comprimées. Les actions méga-cap (clouds, semi) résistent mieux, mais subissent la rotation si les guidances capex refroidissent.

3) Énergie : digestion au lieu d’emballement

Côté réseaux et électricité, un palier IA desserrerait la contrainte de court terme (files d’attente de raccordement, prix de puissance), maisau rythme prévu. Les territoires « AI-friendly » pourraient ralentir leur course aux GW.

4) Crypto : risque-on, mais pas que

Historiquement,: un défaut de confiance sur l’IA (et donc sur les méga-cap tech) pèse d’abord sur le beta global — BTC/ETH corrigent avec le Nasdaq. Mais deux effets contraires existent :

• si l’IA aspire moins de capital risqué, une partie peut rebasculer sur la thèse “hard money / hors système” (BTC) lors d’un stress macro ;
  
• en revanche, la fermeture du robinet de liquidité (capex en baisse, profits en baisse, conditions financières plus dures) déprime le levier et les alts.
  

Bilan probable :, et un(taux réels, dollar) comme moteurs principaux.

Et si la bulle… ne perce pas ?

efficacité logicielle (serving moins cher), normalisation des tarifs d’API, montée des workflows réellement transformés (santé, dev, support, R&D), et courbe d’apprentissage des entreprises qui internalisent les gains de productivité. Dans ce cas, les revenus rattrapent les capex et la « bulle » n’en était pas une — juste un front-load d’investissement.

Mais pour tenir cette promesse, il faut monétiser massivement l’inférence, déverrouiller la contrainte énergétique, et allonger la durée de vie économique des puces (réutilisation, marché secondaire)..

Le test décisif des « mille milliards »

La vraie question n’est pas « l’IA sert-elle ? » — évidemment oui — maischaque année, face à des capex cumulés en billions et des actifs qui perdent une bonne part de leur valeur économique en 2–3 ans. Tant que la réponse restera évasive, les signaux de bulle persisteront : financement circulaire, capex qui courent devant les P&L, et promesses de productivité plus rapides que les retours mesurables.

Pour l’instant,. À l’IA, désormais, de payer le marché.

: