La bulle de l'IA commence enfin à se fissurer

Résumé Exécutif

Les grandes entreprises technologiques n'investissent plus seulement dans l'intelligence artificielle.

Elles réorganisent la structure du capital du secteur technologique autour de celle-ci.

Amazon, Microsoft, Alphabet et Meta dépensent désormais à une échelle qui ressemble de plus en plus à un programme de politique industrielle national plutôt qu'à un cycle d'investissement d'entreprise normal. L'argent afflue vers les centres de données, les puces, les serveurs, les équipements de mise en réseau, les systèmes de refroidissement, l'infrastructure électrique et les engagements de capacité d'IA à long terme.

L'argument optimiste est évident : l'IA pourrait devenir la prochaine couche opérationnelle de l'économie mondiale.

L'argument pessimiste devient de plus en plus difficile à ignorer : les dépenses arrivent beaucoup plus vite que le retour sur investissement prouvé.

L'enquête mondiale sur l'IA de McKinsey pour 2025 a révélé que la plupart des organisations n'ont toujours pas observé d'impact significatif sur l'EBIT à l'échelle de l'entreprise grâce à l'IA. Seuls 39 % des répondants ont attribué un certain niveau d'impact sur l'EBIT à l'IA, et la plupart d'entre eux ont déclaré que l'IA représentait moins de 5 % de l'EBIT de l'entreprise. McKinsey a classé environ 6 % des répondants comme des "performants élevés" en IA générant un impact significatif sur le résultat net. ([McKinsey & Company][1])

Cet écart — entre les dépenses d'infrastructure et la contribution aux bénéfices réalisés — est l'ensemble de l'histoire.

L'IA peut être réelle. Le potentiel de productivité peut être réel. Le changement de plateforme à long terme peut être réel.

Mais les marchés ne s'effondrent pas parce que la technologie est fausse.

Ils s'effondrent lorsque le prix payé pour la technologie se détache des flux de trésorerie qu'elle peut produire.

Le Nouveau Commerce de l'IA : Dépenser d'Abord, Justifier Plus Tard

Le boom actuel de l'IA a évolué d'une histoire de logiciels vers une histoire d'intensité capitalistique.

Dans la phase initiale, le marché récompensait tout ce qui était lié à l'IA générative : puces, cloud, logiciels, cybersécurité, automatisation, outils pour entreprises, REITs de centres de données, équipements électriques, énergie nucléaire, systèmes de refroidissement, et même services publics.

Maintenant, la question a changé.

Elle n'est plus : Qui bénéficie de l'IA ?

Elle est : Qui obtient un retour acceptable sur le capital déployé ?

Le modèle de base de Goldman Sachs estime les dépenses d'investissement en infrastructure IA à environ 765 milliards de dollars en 2026, atteignant 1,6 trillion de dollars d'ici 2031, avec environ 7,6 trillions de dollars de dépenses d'investissement cumulées entre 2026 et 2031. Cette estimation inclut l'ensemble de l'infrastructure physique requise pour l'IA : accélérateurs, centres de données, distribution électrique, systèmes de redondance, infrastructure de refroidissement et équipements électriques de soutien.

Ce n'est pas un cycle de mise à niveau normal.

C'est une construction à l'échelle d'une civilisation.

Et le marché doit désormais croire que cette construction produira des rendements suffisamment élevés, suffisamment rapides et suffisamment durables pour justifier l'une des plus grandes vagues de dépenses d'entreprise de l'histoire.

L'Augmentation des Dépenses des Hyperscalers est Réelle

La construction de l'IA n'est pas théorique. Elle est déjà visible dans les états financiers.

Alphabet a rapporté des revenus du T1 2026 de 109,9 milliards de dollars, en hausse de 22 % d'une année sur l'autre, tandis que les revenus de Google Cloud ont augmenté de 63 % pour atteindre 20,0 milliards de dollars, soutenus par des solutions d'IA pour entreprises, une infrastructure IA et les services principaux de Google Cloud Platform. Alphabet a également signalé que le carnet de commandes de Google Cloud a presque doublé d'un trimestre à l'autre pour atteindre plus de 460 milliards de dollars.

Mais l'intensité des dépenses d'investissement augmente rapidement. Les achats de propriétés et d'équipements d'Alphabet pour le T1 2026 ont atteint 35,7 milliards de dollars, soit plus du double des 17,2 milliards de dollars dépensés au cours de la même période l'année précédente.

Microsoft a également affiché des résultats puissants. Les revenus ont augmenté à 82,9 milliards de dollars, en hausse de 18 %, tandis que le PDG Satya Nadella a déclaré que l'activité IA de Microsoft avait dépassé un taux de revenus annuel de 37 milliards de dollars, en hausse de 123 % d'une année sur l'autre. ([Microsoft][4]) Mais les ajouts de Microsoft aux propriétés et équipements ont atteint environ 30,9 milliards de dollars pour le trimestre, contre 16,7 milliards de dollars au cours de l'année précédente.

Meta a déclaré des revenus pour le T1 2026 de 56,31 milliards de dollars, en hausse de 33 % d'une année sur l'autre, tandis que les dépenses d'investissement, y compris les paiements principaux sur des baux financiers, étaient de 19,84 milliards de dollars. Plus important encore, Meta a revu à la hausse ses prévisions de dépenses d'investissement pour l'ensemble de l'année 2026 à 125 milliards à 145 milliards de dollars, contre une fourchette précédente de 115 milliards à 135 milliards de dollars, citant une hausse des prix des composants et des coûts supplémentaires liés aux centres de données.

Les résultats du T1 2026 d'Amazon illustrent également l'ampleur de la construction. Les ventes d'AWS ont augmenté de 28 % d'une année sur l'autre pour atteindre 37,6 milliards de dollars, tandis qu'Amazon a déclaré que le flux de trésorerie disponible avait chuté à 1,2 milliard de dollars sur les douze derniers mois, principalement en raison d'une augmentation de 59,3 milliards de dollars d'une année sur l'autre des achats de propriétés et d'équipements, que la société a déclaré refléter principalement des investissements en IA.

Les chiffres sont stupéfiants.

Ces entreprises n'expérimentent pas avec l'IA.

Elles construisent les infrastructures physiques de la prochaine ère informatique.

Le problème est que les investisseurs n'ont toujours pas une visibilité claire sur le véritable profil de retour de l'IA.

Le Vrai Problème : Les Revenus de l'IA Sont Encore Trop Flous

Les hyperscalers rapportent une croissance du cloud, une croissance des carnets de commandes, une croissance de l'utilisation de l'IA, une croissance du volume des jetons, une demande des clients et des contraintes de capacité.

Ce sont de véritables signaux.

Mais ce ne sont pas les mêmes choses que la rentabilité transparente de l'IA.

Les investisseurs doivent séparer trois questions différentes :

Premièrement, l'IA stimule-t-elle la demande de cloud ? Oui, clairement.

Deuxièmement, les hyperscalers génèrent-ils des revenus à partir des charges de travail IA ? Oui, de plus en plus.

Troisièmement, ces charges de travail IA produisent-elles des retours attractifs sur le massive capital supplémentaire déployé ? C'est encore la question non résolue.

Cette distinction est importante.

Une entreprise peut croître en revenus et néanmoins détruire la valeur pour les actionnaires si le capital nécessaire pour générer ces revenus augmente plus vite que le retour économique.

C'est là que le cycle de l'IA devient dangereux.

Pendant une folie, le marché récompense la croissance des revenus.

Pendant la phase de peur, le marché commence à se poser des questions sur l'amortissement, la conversion du flux de trésorerie disponible, le retour sur le capital investi, les périodes de récupération des clients et la durée de vie utile des actifs.

C'est à ce stade que l'histoire peut changer rapidement.

Les Données sur le ROI de l'IA de McKinsey devraient Rendre les Investisseurs Inconfortables

Le point le plus important du débat sur l'IA n'est pas de savoir si les gens utilisent l'IA.

Ils le font.

La question est de savoir si l'IA transforme l'économie des entreprises.

Pour l'instant, les preuves sont mitigées.

L'enquête de McKinsey pour 2025 a révélé que l'adoption de l'IA s'élargit à travers les industries et les fonctions, mais la plupart des entreprises n'ont pas encore intégré l'IA en profondeur dans les flux de travail. Seul environ un tiers des répondants a déclaré que leurs organisations mettaient à l'échelle les programmes d'IA à l'échelle de l'entreprise.

La découverte la plus importante concerne l'impact sur les bénéfices.

McKinsey a constaté que seuls 39 % des répondants attribuaient un certain niveau d'impact sur l'EBIT à l'IA, et la plupart d'entre eux ont déclaré que moins de 5 % de l'EBIT de l'entreprise était attribuable à l'IA. L'entreprise a identifié les "performants élevés" en IA — des entreprises voyant un impact significatif sur le résultat net — comme ne représentant qu'environ 6 % des répondants.

Cela ne signifie pas que l'IA est inutile.

Cela signifie que l'IA ne se traduit pas encore en un accroissement large, mesurable, et à l'échelle de l'entreprise des bénéfices pour la plupart des entreprises.

C'est un problème lorsque la facture d'infrastructure s'oriente déjà vers une échelle annuelle de trillions de dollars.

Le marché valorise effectivement un avenir où l'IA devient un large moteur de productivité pour les entreprises.

Mais les données actuelles suggèrent toujours que la plupart des entreprises se situent quelque part entre l'expérimentation, le déploiement partiel et l'intégration limitée des flux de travail.

Cet écart entre l'attente et la réalisation est là où se forment des bulles.

Le Problème Déflationniste : L'IA Devient Moins Chère avec le Temps

Il existe un autre risque sous-estimé.

Les dépenses d'infrastructure en IA explosent en même temps que le coût d'utilisation de l'IA s'effondre.

Selon l'AI Index 2025 de Stanford, le coût d'inférence pour un système performant au niveau de GPT-3.5 a chuté de plus de 280 fois entre novembre 2022 et octobre 2024. Stanford a également noté que les coûts du matériel IA ont diminué d'environ 30 % par an, tandis que l'efficacité énergétique s'est améliorée d'environ 40 % par an.

Cela semble optimiste pour l'adoption.

Et c'est le cas.

Mais cela ne sera peut-être pas optimiste pour chaque entreprise dépensant des centaines de milliards pour développer des capacités.

Si le prix par unité d'intelligence chute rapidement, alors l'infrastructure AI peut devenir une entreprise déflationniste plus vite que les investisseurs ne s'y attendent.

Cela crée un paradoxe.

Plus l'IA devient bon marché, plus elle peut être largement utilisée.

Mais plus l'IA devient bon marché, plus il peut être difficile de réaliser des rendements proches du monopole sur une infrastructure coûteuse.

C'est particulièrement important car Stanford a également découvert que les modèles à poids ouverts comblent l'écart de performance avec les modèles fermés, réduisant la différence de 8 % à 1,7 % sur certaines mesures en une seule année.

Cela affaiblit l'idée que chaque hyperscaler dispose d'une barrière technique durable.

Si les modèles convergent, les coûts d'inférence s'effondrent et les clients deviennent plus sensibles aux prix, alors la couche d'infrastructure AI pourrait finalement se comporter moins comme un monopole logiciel et plus comme un marché de matières premières intensif en capital.

C'est le risque que personne ne veut évaluer.

La question de la dépréciation pourrait devenir la prochaine obsession du marché

Les marchés aiment les dépenses d'investissement pendant la phase d'expansion.

Ils détestent la dépréciation pendant la phase de remboursement.

L'infrastructure AI a un problème de durée de vie utile.

Les centres de données peuvent durer longtemps. L'infrastructure énergétique peut durer longtemps. Mais les composants les plus précieux — GPUs, accélérateurs, serveurs, mémoire, équipements réseau et matériel AI spécialisé — peuvent devenir économiquement obsolètes beaucoup plus rapidement que l'infrastructure traditionnelle.

C'est important car la dépréciation n'est pas qu'un détail comptable.

C'est la reconnaissance retardée des dépenses en capital d'hier.

Si les entreprises dépensent des dizaines ou des centaines de milliards dans des actifs AI aujourd'hui, le compte de résultat devra finalement absorber le fardeau de la dépréciation demain.

Le marché devrait surveiller cinq choses :

1. Si la divulgation des revenus AI devient plus transparente.
2. Si les charges de travail AI améliorent ou diluent les marges du cloud.
3. Si la conversion du flux de trésorerie disponible se détériore à mesure que les dépenses d'investissement augmentent.
4. Si les charges d'amortissement augmentent plus rapidement que les revenus des services AI.
5. Si les clients génèrent un retour sur investissement suffisant pour continuer à augmenter les dépenses en AI.

C'est ici que la thèse AI devient beaucoup plus fragile.

La première phase du commerce concernait la demande.

La deuxième phase concernera les rendements.

Cela ne signifie pas que l'IA est fausse

La version la plus forte de l'argument baissier n'est pas que l'IA est fausse.

C'est paresseux.

L'argument plus fort est que l'IA peut être réelle, utile et économiquement importante — tout en produisant un cycle de capital massif qui dépasse la demande.

C'est exactement ce qui s'est produit lors des précédentes bulles technologiques.

L'internet était réel en 1999.

Les réseaux à fibre optique étaient réels.

Le commerce électronique était réel.

Le logiciel était réel.

Les semi-conducteurs étaient réels.

Mais la bulle Internet s'est tout de même produite parce que les investisseurs ont extrapolé des changements technologiques réels en hypothèses financières irréalistes.

La même logique s'applique ici.

L'IA peut changer le monde et devenir surdéveloppée.

L'IA peut améliorer la productivité et ne pas justifier chaque dollar de dépenses d'investissement.

L'IA peut générer d'énormes pools de revenus et comprimer les rendements si trop de capital afflue sur le marché en même temps.

C'est la différence entre une révolution technologique et un rendement investissable.

Les investisseurs ne doivent pas confondre les deux.

Le scénario optimiste a encore du mordant

Pour être juste, le scénario optimiste n'est pas faible.

L'accélération du cloud d'Alphabet est réelle. La croissance d'AWS est réelle. Le taux de revenus AI de Microsoft est réel. L'activité publicitaire de Meta reste extrêmement rentable, et l'IA peut potentiellement améliorer le ciblage, les recommandations de contenu, l'automatisation créative et l'engagement. La chaîne d'approvisionnement en IA reste également contrainte, ce qui peut soutenir le pouvoir de fixation des prix pour les puces, les équipements réseau, la mémoire, le refroidissement et l'équipement électrique à court terme.

Les hyperscalers ont également des bilans que les petites entreprises ne pourraient jamais égaler.

Ils peuvent financer l'expansion.

Ils peuvent absorber des pertes.

Ils peuvent attendre plus longtemps que la plupart des investisseurs ne le pensent.

Et si l'IA devenait l'interface par défaut pour le travail, la recherche, le commerce, le développement de logiciels, la publicité, le service client, la cybersécurité et l'automatisation des entreprises, alors les entreprises construisant l'infrastructure pourraient devenir encore plus dominantes.

C'est le véritable scénario optimiste.

La question n'est pas de savoir s'il y a un potentiel à la hausse.

La question est de savoir si la trajectoire de dépenses actuelle suppose déjà trop de ce potentiel trop tôt.

La phase de peur vient après la phase de manie

Chaque cycle de marché a une psychologie.

D'abord vient l'incrédulité.

Puis l'adoption.

Ensuite l'accélération.

Puis l'euphorie.

Puis la rationalisation.

Puis la peur.

L'IA a déjà traversé les premières phases. La technologie est passée de la curiosité à l'obligation en salle de conseil presque du jour au lendemain. Chaque entreprise avait besoin d'une stratégie IA. Chaque produit logiciel avait besoin d'une fonctionnalité IA. Chaque présentation aux investisseurs avait besoin d'une diapositive IA.

Maintenant, le marché entre dans une phase plus difficile.

Les dépenses ne sont plus assez faibles pour être ignorées.

Les dépenses d'investissement ne sont plus théoriques.

L'impact sur les bénéfices n'est plus présumé.

La question devient inévitable :

Où est le retour ?

C'est pourquoi ce moment est important.

Si les investisseurs continuent à voir des revenus AI en accélération, des marges stables, un flux de trésorerie disponible solide et des périodes de remboursement crédibles, le boom peut continuer.

Mais si les dépenses d'investissement continuent d'augmenter tandis que la divulgation des revenus AI reste floue, la dépréciation monte, le retour sur investissement client reste incohérent et la pression sur les prix s'intensifie, le marché commencera à réévaluer l'ensemble du commerce.

Pas parce que l'IA a échoué.

Parce que le modèle financier est devenu trop agressif.

Ce que les investisseurs devraient surveiller ensuite

La prochaine phase du marché de l'IA ne sera pas décidée par des titres.

Elle sera décidée par des états financiers.

Les investisseurs devraient d'abord surveiller la divulgation des revenus AI. Plus les entreprises discutent de l'IA en termes qualitatifs vagues, plus le marché devrait devenir sceptique. Les réelles transitions de plateforme apparaissent finalement dans les revenus de segment, les marges, la qualité du carnet de commandes, la fidélisation des clients et le flux de trésorerie.

Deuxièmement, surveillez le flux de trésorerie disponible. La divulgation par Amazon que le flux de trésorerie disponible sur les douze derniers mois est tombé à 1,2 milliard de dollars alors que les investissements en propriété et équipements liés à l'IA ont augmenté est exactement le type de signal que les investisseurs devraient suivre dans le secteur.

Troisièmement, surveillez la dépréciation. Plus l'expansion devient grande, plus les bénéfices de demain doivent absorber les dépenses d'infrastructure d'hier.

Quatrièmement, surveillez le prix de l'inférence. Si le coût par unité d'intelligence continue de baisser, les gagnants à long terme pourraient être les clients et les entreprises du niveau applicatif, et non nécessairement chaque fournisseur d'infrastructure.

Cinquièmement, surveillez le retour sur investissement des entreprises. Si les futures enquêtes de McKinsey montrent une augmentation majeure des entreprises générant un EBIT significatif grâce à l'IA, le scénario optimiste se renforce. Sinon, le cycle de dépenses devient plus difficile à justifier.

Conclusion quotidienne d'Invest Daily

Le boom de l'IA n'est pas terminé.

Mais la partie facile du récit pourrait toucher à sa fin.

Au cours des deux dernières années, les investisseurs ont récompensé l'ambition. Ils ont récompensé la taille. Ils ont récompensé les dépenses d'investissement. Ils ont récompensé chaque entreprise capable de revendiquer de manière crédible une exposition à l'expansion de l'IA.

La prochaine phase sera différente.

Le marché exigera des preuves.

Preuves de revenus.

Preuves de marges.

Preuves de flux de trésorerie disponible.

Preuves du retour sur investissement client.

Preuves que les trillions engagés dans l'infrastructure AI peuvent générer des rendements supérieurs au coût du capital.

C'est une barre beaucoup plus haute.

Le danger n'est pas que l'IA disparaisse.

Le danger est que l'IA devienne si concurrentielle, si coûteuse et si déflationniste que les entreprises construisant l'infrastructure réalisent des rendements plus faibles que les investisseurs ne s'y attendent.

C'est ainsi que les manies se dénouent.

Pas d'un seul coup.

Lentement au début.

Puis soudainement.

La révolution de l'IA peut être réelle.

Mais le prix payé pour celle-ci peut être insensé.

Et si le marché commence à y croire, la phase de peur n'aura pas besoin de permission pour commencer.

Prêt à Analyser votre Prochain Investissement?

Obtenez une analyse de juste valeur gratuite sur n'importe quelle action. Calculez la valeur intrinsèque, la marge de sécurité et les métriques de risque en secondes. Sans carte de crédit.

Vous voulez un accès complet à nos outils de recherche institutionnelle? Découvrez Invest Daily Pro.