← Retour à la thèse
CHAPITRE 02 — LA BULLE IA

La bulle qui a remplacé l’économie.

Sept entreprises pèsent désormais — du S&P 500. Plusieurs centaines de milliards de CapEx sont engagés chaque année sur une promesse dont le retour sur investissement ne s’est jamais matérialisé. Pendant ce temps, l’économie réelle est à l’arrêt — masquée par une statistique de croissance qui ne mesure plus rien.

Données en direct

— Mag7 / S&P 500 poids combiné des 7 valeurs mag7_hist live

— Investissements des 4 géants du cloud 12 derniers mois publiés · Md$ SEC EDGAR

— P/E de Nvidia cours ÷ bénéfice des 12 derniers mois Yahoo Finance

— Coût d’entraînement chinois DeepSeek-V3 contre Llama 3.1 Epoch AI

§ 1 — LE TROMPE-L’ŒIL

Une économie à deux vitesses

L’économie américaine de 2026 avance à deux vitesses. Les chiffres officiels du PIB affichent une croissance, mais une part croissante de cette croissance vient des dépenses liées à l’IA, pendant que l’industrie stagne depuis huit ans.

Le cœur productif ne suit pas : la production industrielle américaine n’a toujours pas retrouvé son pic de septembre 2018. Le reste de l’économie réelle n’est pas pour autant en récession : le fret ferroviaire est reparti à la hausse, et la consommation de biens des ménages, en volume, est à un niveau élevé. Les fragilités sont ailleurs. L’immobilier commercial sort à peine d’un cycle de stress : le taux de défaut a doublé depuis 2022 tout en restant historiquement bas. Côté entreprises, les crédits bancaires repartent, mais la série agrège toutes les tailles d’entreprises : elle ne dit rien de la santé propre des PME.

Le S&P 500 officiel distance sa version équipondérée

Yahoo Finance · ^GSPC et ETF RSP · base 100 = janvier 2020

L’indice officiel donne à chaque entreprise un poids proportionnel à sa valeur en bourse ; la version équipondérée donne le même poids aux 500. L’écart entre les deux courbes mesure ce que la hausse doit aux plus grosses capitalisations.

Et pourtant, la bourse ne s’effondre pas. Une large part de la performance du S&P 500 est portée par 7 entreprises : Nvidia, Microsoft, Apple, Alphabet, Amazon, Meta, Tesla. L’action moyenne monte aussi, mais nettement moins vite : c’est ce qu’on appelle un marché « étroit », où la moyenne pondérée monte plus vite que la plupart de ses composantes.

— du S&P 500 détenus par les Sept Magnifiques

Sept entreprises pèsent autant que toute la tech au sommet de 2000

Yahoo Finance · calculs Capital Antifragile

Deux époques, même échelle. À gauche, la bulle Internet : le poids de tout le secteur technologique dans le S&P 500, qui culmine à environ 35 %. À droite, le poids de sept entreprises seulement. Après le sommet de 2000, le poids de la tech est retombé à environ 12 % en deux ans et demi.

Méthode. Sept Magnifiques : capitalisation de chaque titre (cours × nombre d’actions actuel) rapportée à celle du S&P 500, chaque semaine. Bulle Internet : approximation — poids du secteur technologique de décembre 1998 (21,7 %) prolongé par la performance de l’ETF technologique XLK rapportée à celle du S&P 500 (SPY). Ce ne sont pas exactement les mêmes objets : sept entreprises d’un côté, un secteur entier de l’autre.

Photographie des Sept Magnifiques : ce qu’elles gagnent, ce qu’elles réinvestissent

Code Société P/E Chiffre d’affaires
12 mois (Md$)
Investissements
12 mois (Md$)
Part du chiffre
d’affaires investie
Chargement…

Source : SEC EDGAR (10-Q) et Yahoo Finance.

Creuser : ce que l’indice S&P 500 cache vraiment méthode

L’indice S&P 500 est pondéré par la capitalisation : les plus grosses entreprises ont mécaniquement plus de poids dans l’indice. Quand 7 entreprises pèsent plus d’un tiers de l’indice, leur performance domine la moyenne au détriment des 493 autres.

Le S&P 500 Equal Weight (pondération égale, 0,2 % par entreprise) raconte une histoire différente. Sa performance depuis 2020 est nettement inférieure à celle de l’indice officiel.

En 2000 aussi, l’écart entre l’indice officiel et l’action moyenne s’était creusé juste avant que le sommet ne cède.

Sources auditables sources
§ 2 — LA MÉCANIQUE

Le CapEx loop des Sept Magnifiques

Microsoft, Google et Meta dépensent des centaines de milliards en GPU et data centers. Pas parce que c’est rentable aujourd’hui — mais parce qu’ils ont peur de mourir s’ils arrêtent. C’est une course à l’armement financée par la dépense, pas par la vente.

Le moteur de cette divergence est l’Intelligence Artificielle. Contrairement à une révolution industrielle saine — basée sur des gains de productivité immédiats et des revenus réels — nous sommes dans une phase d’investissement spéculatif délirant, déconnecté des revenus.

Les quatre géants du cloud investissent plus que jamais

SEC EDGAR · 10-Q et 10-K · achats d’immobilisations

Achats d’immobilisations (data centers, puces, réseau, terrains) de Microsoft, Alphabet, Amazon et Meta, par année civile. Dernière barre : les 12 derniers mois publiés (derniers trimestres). En 2020, ces quatre groupes investissaient moins de 100 Md$ par an ; l’essentiel de la hausse finance l’infrastructure de l’IA.

Nous construisons des infrastructures de luxe pour vendre un produit dont le prix tend vers zéro.

Les résultats de Nvidia explosentNVDA earnings → le marché monte → les investisseurs injectent encore plus d’argent dans la Tech → les GAFAM empruntent ou utilisent leur cash pour acheter encore plus de puces → les résultats de Nvidia explosent. La boucle est auto-alimentée par la dépense, pas par les revenus clientsOpenAI rev.. C’est exactement le profil d’une bulle d’investissement.

Le P/E de Nvidia s’est dégonflé : les bénéfices ont rattrapé le cours

Yahoo Finance · série hebdomadaire · échelle logarithmique

Le P/E rapporte le cours au bénéfice des 12 derniers mois : un P/E de 30 signifie qu’on paie trente années de bénéfices actuels. Nvidia (en or) a dépassé 100 en 2023, avant que ses bénéfices n’explosent à leur tour. Aujourd’hui : les autres géants entre 20 et 40. La moyenne historique du S&P 500 est d’environ 16 ; Tesla (pointillé) reste hors norme.

Creuser : pourquoi ils ne peuvent pas s’arrêter dilemme du prisonnier

Les GAFAM sont prisonniers d’un dilemme du prisonnier collectif. Si Microsoft arrête d’investir dans les data centers et que Google continue, Microsoft perd la course à l’AGI et probablement sa place dans le top mondial. Donc Microsoft doit continuer même si l’investissement est non rentable individuellement.

Inversement, si tous les acteurs arrêtaient en même temps, la valorisation boursière de Nvidia s’effondrerait (sa croissance vient à 80 % du datacenter), et avec elle toute la capitalisation Tech. Les actionnaires de Microsoft, Google et Meta — qui sont aussi actionnaires de Nvidia via leurs trésoreries et ETF — y perdraient massivement.

Donc personne ne s’arrête. Le CapEx loop continue jusqu’à ce qu’un choc externe brise le cycle : récession profonde, choc géopolitique, ou — plus probable — l’arrivée d’une alternative low-cost qui détruit le pricing power des modèles US.

Sources auditables sources

Le carrousel — quand le vendeur finance l’acheteur

OpenAI s’est engagé à acheter des centaines de milliards de dollars de calcul

Annonces officielles d’OpenAI, Microsoft, CoreWeave, Cerebras · état au 4 octobre 2026

Seuls les contrats dont le montant a été rendu public figurent ici. Les accords avec AMD (6 GW), Broadcom (10 GW) et Nvidia n’ont pas de montant publié. Sam Altman chiffrait en novembre 2025 l’ensemble des engagements à environ 1 400 Md$ sur huit ans, pour quelque 30 GW.

Depuis 2025, la boucle a pris une forme concrète et chiffrée. OpenAI s’engage à acheter plus de 300 Md$ de capacité de calcul à Oracle sur cinq ans (Stargate)OpenAI, 250 Md$ de services à Microsoft, 138 Md$ à Amazon et 22,4 Md$ à CoreWeave — lesquels, pour livrer, achètent des puces à Nvidia. Nvidia, de son côté, a investi 30 Md$ dans OpenAI en février 2026, puis garanti jusqu’à 105 Md$ de loyers d’un campus de data centers dont OpenAI est le locataireNvidia 8-K. Le fournisseur finance ainsi la demande qu’il encaisse ensuite. S’y ajoutent 6 GW de puces AMD (« des dizaines de milliards de dollars » selon AMD, assortis de bons de souscription jusqu’à 160 millions d’actions) et 10 GW de puces sur mesure Broadcom. Au total, Sam Altman revendiquait en novembre 2025 environ 1 400 Md$ d’engagements sur huit ansTechCrunch — pour une entreprise dont le chiffre d’affaires annualisé atteint environ 70 Md$ fin septembre 2026Axios.

Ce que ça prouve — et ce que ça ne prouve pas

Comptablement, ces revenus sont légitimes : quand Oracle paie une puce, Nvidia livre un bien réel. Mais une part de la demande est auto-référentielle : si OpenAI ne monétise jamais à la hauteur de ses ~1 400 Md$ d’engagements, toute la chaîne — Oracle, CoreWeave, puis Nvidia — voit sa demande s’évaporer d’un coup. Le carrousel ne crée pas la valeur : il retarde le moment où l’on vérifie qu’elle existe. Nvidia rejette d’ailleurs publiquement la thèse du « round-tripping » ; le risque n’est pas comptable, il est dans la circularité du financement.

§ 3 — LE MUR PHYSIQUE

Quand l’IA mange l’électricité

En 2024, l’AIE estimait qu’une requête ChatGPT consommait dix fois plus qu’une recherche GoogleAIE 2024 ; les modèles sont devenus plus sobres depuis, mais le volume a explosé — plus d’un milliard d’utilisateurs de ChatGPT chaque semaine. Les data centers IA pèsent sur les réseaux électriques. En Virginie ou au Texas, on retarde le raccordement de quartiers résidentiels entiers pour prioriser les serveursReuters.

L’IA générative est un ogre énergétique. Chaque GPU H100 consomme jusqu’à 700 watts en picNVDA H100. Un serveur de 8 GPU dépasse 5,6 kW. Un data center IA moderne en aligne des milliers. Les géants du cloud réservent désormais la production de centrales entières : Microsoft a signé en 2024 pour toute l’électricité de la centrale nucléaire de Three Mile Island, remise en service pour lui.

La consommation électrique des data centers doublerait d’ici 2030

AIE · observatoire « Energy and AI » (mesures) · rapport « Key Questions on Energy and AI » (projections)

Électricité consommée par tous les data centers du monde (IA, cloud, crypto…) : environ 170 TWh en 2015, plus de 400 TWh en 2024. En pointillé, l’estimation puis la projection de l’AIE dans son scénario de référence : environ 950 TWh en 2030, un peu plus que toute la consommation électrique actuelle du Japon. L’IA générative tire l’essentiel de la hausse.

Cette demande commence à se voir sur la facture des ménages. En moyenne nationale, le prix de l’électricité résidentielle américaine a augmenté de 3 % en 2024 et de 5 % en 2025EIA ; mais là où les data centers se concentrent, la hausse de 2025 atteint 17 % au New Jersey et 24 % à Washington, et le régulateur du New Jersey l’attribue aux enchères de capacité du réseau PJM, « tirées par la croissance des data centers »NJ BPU.

Ordre de grandeur

1 data center IA moderne = 500 MW de puissance. C’est l’équivalent de la consommation électrique de ~400 000 foyers (à 1,2 kW moyen par foyer). Or les hyperscalers prévoient d’ouvrir plusieurs dizaines de ces sites d’ici 2027.

Le mur physique n’est pas seulement énergétique : il est aussi matériel. La construction de ces infrastructures crée une tension insoutenable sur les métaux critiques : cuivre (interconnexions), néodyme (aimants), terres rares (GPU). La Chine contrôle l’essentiel de ces chaînes d’approvisionnementUSGS.

Creuser : la cartographie des data centers IA en 2026 géographie

Trois clusters géographiques concentrent l’essentiel des data centers IA mondiaux :

  • Northern Virginia (US) : le hub historique, premier marché de data centers au mondeDCD report. Les nouveaux clusters IA (Loudoun County, Prince William) consomment plus que la totalité de la consommation résidentielle de l’ÉtatDominion.
  • Texas (US) : nouvelle frontière, terrains moins chers, électricité (encore) abondante grâce au gaz naturel. xAI, OpenAI et Oracle y construisent les data centers les plus massifs jamais conçusBloomberg.
  • Hangzhou + Shenzhen (Chine) : alimentés en grande partie par le charbon domestique, à une électricité moins chère qu’aux États-UnisAIE. DeepSeek a son siège à Hangzhou.

Le refroidissement consomme aussi de grandes quantités d’eauNature : dans les zones de stress hydrique (Arizona), l’usage agricole et les data centers entrent en concurrence.

Sources auditables sources
§ 4 — LE FACTEUR X

L’arme de la déflation chinoise

Wall Street parie sur un monopole technologique américain durable. C’est une erreur stratégique majeure. La Chine joue l’efficience plutôt que la force brute — et transforme l’intelligence artificielle en commodité gratuite.

Les États-Unis jouent un jeu de force brute : ils dépensent des milliards en puces Nvidia pour créer des modèles géants et coûteux (OpenAI, Anthropic, Gemini). Ils comptent rentabiliser cela en vendant l’intelligence très cher. La Chine, contrainte par les sanctions sur les pucesBIS sanctions, a dû jouer l’efficience : DeepSeek V3 (671 milliards de paramètres, dont 37 milliards actifs à chaque calcul) a été entraîné pour environ 5 M$ de calcul, 10 fois moins que Llama 3.1 de Meta (≈ 50 M$), à performances voisines.

Cette déflation des coûts n’arrive pas par hasard. Elle est alimentée par une course mondiale à la recherche IA. La Chine publie plus d’articles d’IA que les États-Unis chaque année depuis 2018, et l’écart se creuse chaque année. C’est un signal avancé : la capacité chinoise à produire des modèles frontier ne vient pas d’un coup de chance — elle est l’aboutissement de dix années d’investissement massif dans la recherche académiqueStanford AI.

La Chine publie deux fois plus d’articles d’IA que les États-Unis

OpenAlex · articles rattachés à l’IA, par pays d’affiliation

Nombre d’articles scientifiques en intelligence artificielle par pays et par année (années complètes). La Chine (en or) passe devant les États-Unis (en bleu) en 2018 et publie deux fois plus en 2025. L’Inde progresse vite ; les autres pays restent loin derrière.

Entraîner un modèle chinois coûte dix fois moins

Epoch AI · estimation homogène, dollars 2023 · mise à jour en continu

Coût du calcul de l’entraînement final des grands modèles de langage, estimé par Epoch AI avec la même méthode pour tous (échelle logarithmique : chaque graduation multiplie par trois ou par dix). Chinois en or. DeepSeek-V3 coûte 10 fois moins que Llama 3.1 à performances voisines ; les plus gros entraînements américains, comme Grok 4, atteignent plusieurs centaines de M$. Si l’intelligence devient une commodité, le pouvoir de fixer les prix des laboratoires américains s’érode. Barres claires : estimations fragiles.

Benchmarks LLM 2024-2025 — DeepSeek vs concurrents US

Modèle Origine MMLU HumanEval MATH Coût entr. (M$, Epoch)
Chargement…

Photographie de la génération 2024 - début 2025, scores publiés par les laboratoires. MMLU = culture générale (sur 100) · HumanEval = programmation (% de réussite au premier essai) · MATH = raisonnement mathématique (% de bonnes réponses ; MATH-500 pour DeepSeek). « — » : score non publié par le laboratoire. DeepSeek-R1 (janvier 2025) bat GPT-4o en raisonnement mathématique.

Si l’intelligence devient gratuite, la valorisation boursière du Nasdaq n’a plus aucune raison d’être.

Le second front est financier : la Chine est l’un des plus gros détenteurs de la dette américaineTreasury TIC. Voyant l’économie US s’affaiblir (récession réelle + bulle Tech qui éclate), Pékin a tout intérêt à accélérer la chute en se débarrassant de ses Bons du Trésor US. Si elle vend massivement, les taux longs explosentFRED 10Y et la FED est forcée d’intervenir — yield curve control, impression monétaire massive.

Creuser : pourquoi DeepSeek a changé les règles technique

DeepSeek V3 (décembre 2024) a marqué un tournant pour 3 raisons :

  • Coût d’entraînement annoncé : 5,6 M$ (location des puces pour l’entraînement final, selon DeepSeek ; 5,4 M$ selon Epoch AI). Epoch estime GPT-4 à 37 M$ et Llama 3.1 à 53 M$ avec la même méthode : un écart de 7 à 10 fois. La méthode (mélange d’experts : 671 milliards de paramètres dont 37 milliards actifs) permet cette efficience.
  • Performances comparables aux meilleurs modèles US sur MMLU, HumanEval, MATH. Sur certains tests de raisonnement, DeepSeek-R1 bat même GPT-4o.
  • Publication open source intégrale sous licence MIT-compatible : weights téléchargeables, code d’inference public. N’importe quelle entreprise peut héberger son propre DeepSeek pour le coût marginal du GPU.

Le 27 janvier 2025, l’annonce de DeepSeek-R1 a fait chuter Nvidia de 17 % en une journée — la plus grosse perte de capitalisation jamais enregistrée sur une seule séance (−590 Md$). Le marché a momentanément réalisé le risque. Il a ensuite oublié. Mais la fissure ne s’est pas refermée.

Sources auditables sources
§ 5 — L’IA INCARNÉE

La bataille du robot low-cost

Pendant que les États-Unis dominent l’IA générative (le logiciel), la Chine est en train de gagner la bataille de l’IA incarnée. Pékin ne cherche pas à créer le robot le plus agile — il cherche à inonder le marché de robots “suffisants” et bon marché.

Des entreprises comme Unitree ou AgiBot vendent déjà des robots humanoïdes sur catalogue — de 4 900 $ (Unitree R1 Air) à 29 900 $ (Unitree H2) — quand la plupart des américains (Tesla, Figure, Boston Dynamics, Apptronik) n’affichent aucun prix : leurs robots ne sont pas en vente libre.

Prix des robots humanoïdes relevés le 4 octobre 2026

Robot Pays Année Prix public Statut et source
Chargement…

Seul 1X (NEO, 20 000 $) affiche côté occidental un prix comparable à ceux d’Unitree. Pour les autres, l’absence de prix public dit l’essentiel : ces robots restent des prototypes ou des contrats industriels sur mesure, quand les modèles chinois se commandent en ligne.

Les robots humanoïdes vendus sur catalogue sont chinois, à moins de 30 000 $

Sites des fabricants · prix relevés le 4 octobre 2026

Robots dont le prix de vente est public, en milliers de dollars. Chinois en or, 1X (États-Unis / Norvège) en bleu. Les robots sans prix public figurent dans le tableau ci-dessus.

La stratégie chinoise est celle du good enough. Les robots ne sont pas parfaits, ils tombent parfois, ils sont moins fluides que l’Optimus de TeslaOptimus. Mais la Chine parie sur le volume : en mettant des milliers de robots imparfaits dans ses usines, elle récolte des milliards de données de mouvement réelles pour entraîner les versions suivantesMIIT plan.

C’est la même stratégie que pour leurs voitures (BYD) ou leurs téléphones (Xiaomi). La version 1 est médiocre, la version 3 est correcte, la version 5 écrase la concurrence mondiale par son rapport qualité-prix. Les USA cherchent la perfection avant de produire ; la Chine produit pour atteindre la perfection.

Creuser : la réponse démographique chinoise stratégie

Contrairement aux USA qui importent de la main-d’œuvre (immigration), la Chine, face à son vieillissement démographique brutal, doit remplacer ses ouvriers. La pyramide des âges chinoise se rétrécit à la base : le pays a perdu 2,1 millions d’habitants en 2023NBS 2024, et sa population en âge de travailler déclineUN WPP.

La Chine installe déjà plus de la moitié des robots industriels du monde chaque année (selon l’IFR — International Federation of Robotics)IFR 2024. En couplant cette base installée avec les nouveaux humanoïdes dopés à l’IA, la Chine sécurise sa position d’usine du monde même sans ouvriers humains.

Conséquence stratégique pour l’Occident : les tentatives de “re-industrialisation” de l’Europe et des États-Unis seront structurellement plus chères que la production chinoise automatisée, assez pour que la délocalisation reste rationnelle.

Sources auditables sources
§ 6 — LE MIRAGE

Où sont les profits ?

Cinq sections de mécanique côté offre. Toutes supposent qu’en bout de chaîne, quelqu’un paiera ce qu’on produit. C’est cette hypothèse — la demande, le revenu, le retour — que la suite questionne. Et que les chiffres internes des acteurs eux-mêmes commencent à mettre en cause.

En 2025, quatre sociétés — Microsoft, Alphabet, Meta, Amazon — ont investi ensemble plus de 350 Md$, dont la quasi-totalité finance l’infrastructure de l’IA : data centers, puces, réseau, terrains. Sur les 12 derniers mois publiés, le rythme atteint plus de 500 Md$. Ajoutez Oracle (plus de 70 Md$ sur 12 mois, soit plus de 100 % de son chiffre d’affaires), et ces cinq groupes dépassent 580 Md$ — sans compter Apple, xAI, OpenAI ni le projet Stargate (500 Md$ annoncés sur quatre ans)Stargate.

En face : ce que les clients paient réellement pour l’IA. Menlo Ventures estime à 37 Md$ les dépenses des entreprises en IA générative en 2025, contre 11,5 Md$ en 2024Menlo 2025 — dix fois moins que les investissements des quatre géants du cloud la même année. OpenAI a réalisé 3,7 Md$ de chiffre d’affaires en 2024 et 13,1 Md$ en 2025CNBC. La croissance est réelle et rapide : fin septembre 2026, OpenAI approcherait 70 Md$ de revenu annualiséAxios, et Anthropic dépassait officiellement 47 Md$ en maiAnthropic. Mais un revenu n’est pas un bénéfice, et l’écart avec la dépense reste d’un ordre de grandeur.

~ 600 Md$ de revenus IA annuels manquants pour justifier le CapEx déployé · calcul Sequoia 2024

David Cahn, associé chez Sequoia Capital, a chiffré ce déficit en juin 2024. En partant des ventes de puces de Nvidia, doublées pour couvrir le coût complet des data centers (énergie, bâtiments), puis doublées encore pour la marge des clients finaux, il faut que l’industrie de l’IA génère 600 Md$ de revenu annuel simplement pour rentabiliser l’investissement de l’époqueSequoia 600B. On en est loin. Très loin. Et chaque trimestre où le CapEx accélère, ce seuil recule.

Jim Covello, head of equity research chez Goldman Sachs, va plus loin. Dans une note interne devenue publique en juin 2024Goldman Covello, il interroge non pas le déficit de revenu, mais l’utilité même de la technologie au prix actuel : à ses yeux, la GenAI n’est pas, et ne sera peut-être jamais, à la hauteur de l’investissement qu’elle absorbe.

Despite its expensive price tag, the technology is nowhere near where it needs to be in order to be useful for even such basic tasks.

Ce qui est investi dans l’IA, et ce que les entreprises paient pour elle

SEC EDGAR (investissements) · Menlo Ventures (dépenses en IA générative) · Md$ par an

En or, les investissements de Microsoft, Alphabet, Amazon et Meta. En bleu, ce que les entreprises du monde entier dépensent en logiciels et services d’IA générative selon Menlo Ventures (estimation, disponible depuis 2023). Les dépenses triplent chaque année, mais partent de très bas : c’est l’écart du « $600B Question » de Sequoia.

Données complètes et sources auditables — chart « Le gap qui se creuse » audit

Investissements annuels des 4 géants du cloud (Md$, achats d’immobilisations)

Année MSFT GOOGL META AMZN Total
Chargement…

Calcul automatique depuis les dépôts 10-Q et 10-K à la SEC (EDGAR), trimestre par trimestre, rangés en années civiles : l’exercice de Microsoft se termine en juin, les chiffres diffèrent donc de ses rapports annuels.

Ce que l’IA rapporte : les chiffres disponibles

Quoi Montant Période Source
Chargement…

Méthode : il n’existe pas de statistique officielle du « revenu de l’IA ». Le graphique retient la série de Menlo Ventures (dépenses des entreprises en IA générative, rapport 2025, qui révise 2023 et 2024), seule série annuelle homogène publiée. Les chiffres d’OpenAI et d’Anthropic viennent de leurs annonces officielles ou de la presse, signalée comme telle. Un « rythme annualisé » multiplie le revenu d’un mois par douze : il ne se compare pas à un chiffre d’affaires annuel.

Le contre-argument standard tombe presque immédiatement : « mais l’adoption explose, le revenu va suivre mécaniquement ». Argument recevable — à condition que l’adoption mesurée corresponde à de l’adoption monétisable. Or les chiffres internes des entreprises racontent une histoire différente.

Creuser : la math du breakeven hyperscaler arithmétique

Le calcul de Sequoia (juin 2024) est simple. Point de départ : les ventes de puces de Nvidia aux data centers, environ 150 Md$ en rythme annuel. Les puces ne représentent qu’environ la moitié du coût d’un data center (le reste : énergie, bâtiments, réseau) : il faut donc doubler, soit ~300 Md$. Enfin, les clients finaux veulent une marge de l’ordre de 50 % : on double encore. Le total à atteindre approche 600 Md$ de revenu IA annuel.

Dépenses des entreprises en IA générative en 2025 : 37 Md$ (Menlo Ventures). Même en triplant chaque année, elles n’atteindraient 600 Md$ que vers 2028 — et d’ici là, les investissements auront encore augmenté. La cible se déplace presque aussi vite que la trajectoire.

Sources auditables sources

Le gouffre : ceux qui doivent payer perdent des fortunes

OpenAI prévoit de brûler plus de 200 Md$ avant de gagner de l’argent

projections internes d’OpenAI rapportées par la presse

Trésorerie dégagée (positive) ou brûlée (négative) chaque année. 2025 : réalisé ; ensuite : projections. Projection détaillée : The Information, février 2026.

Le mirage a un second visage. Les laboratoires censés payer toute cette infrastructure sont précisément ceux qui brûlent le plus de cash. En 2025, OpenAI a perdu 20,9 Md$ d’exploitation pour 13,1 Md$ de chiffre d’affaires (perte nette de 38,5 Md$, gonflée par des réévaluations comptables)Comptes 2025. Ses projections prévoient de dépenser 665 Md$ en calcul d’ici 2030 et de brûler environ 280 Md$ de trésorerie entre 2026 et 2030FT, avant une rentabilité promise… pour 2030. Pendant ce temps, le marché valorise OpenAI 852 Md$ (mars 2026)OpenAI, et Anthropic, valorisé 965 Md$ en mai 2026Anthropic, prépare son introduction en bourse : un projet confidentiel a été déposé à la SEC en juin, et la presse évoque une valorisation de 1 800 à 2 000 Md$.

La boucle qui se mord la queue

L’infrastructure (Nvidia, Oracle) n’est rentable que si les labs paient. Les labs ne peuvent payer que s’ils lèvent toujours plus de capitaux. Et les investisseurs ne remettent au pot que tant qu’ils croient aux revenus futurs. Retire la croyance, et le carrousel du § 2 cale d’un coup.

§ 7 — L’ADOPTION FANTÔME

Shadow AI : l’usage qui ne se monétise pas

L’adoption en entreprise est, dit-on, fulgurante. C’est vrai. Mais elle entre par la fenêtre. 75 % des salariés utilisent l’IA au travail. 78 % d’entre eux le font sans autorisation, sans contrat, sans facturation. Le revenu B2B n’arrive jamais — il est cannibalisé à la source par les versions gratuites grand public.

Le Work Trend Index 2024 de Microsoft, publié en mai, est le document de référence sur ce paradoxe. Panel mondial de 31 000 répondants dans 31 paysMicrosoft WTI. Premier chiffre, rassurant pour les vendeurs d’IA : 75 % des knowledge workers utilisent déjà l’IA générative au travail en 2024. Adoption sans précédent en vitesse — plus rapide que le mobile, plus rapide que le cloud, plus rapide même qu’Internet. Mais second chiffre, qui change tout : 78 % d’entre eux le font en BYOAI — Bring Your Own AI — c’est-à-dire avec leurs propres outils (ChatGPT gratuit, Claude, Gemini), en dehors de tout cadre, contrat ou système d’entreprise.

78 % part des employés utilisateurs d’IA qui le font sans gouvernance IT · Microsoft Work Trend Index 2024

KPMG et l’Université de Melbourne ont confirmé et étendu le phénomène dans leur étude mondiale 2025 sur la confiance dans l’IA — 48 340 personnes, 47 paysKPMG 2025. Deux chiffres en particulier doivent retenir l’attention : 57 % des salariés qui utilisent l’IA admettent un usage non transparent vis-à-vis de leur employeur, et 48 % ont déjà téléversé des informations de l’entreprise dans des outils d’IA publics. Le Shadow AI n’est pas une marginalia — c’est devenu la norme. Et il a des conséquences économiques mesurables.

Conséquence n° 1 — la plus directe : l’adoption massive ne se traduit pas en revenu pour les fournisseurs B2B. L’utilisateur tape sa requête sur ChatGPT gratuit pendant ses heures de bureau. Le DSI ne peut ni l’empêcher (Microsoft a tenté, les salariés contournent), ni le mesurer, ni le facturer. Le chiffre d’affaires entreprise des outils IA reste plat alors que l’usage explose. Le ratio entre abonnés payants et utilisateurs chez OpenAI tourne autour de 5 à 6 % : plus de 900 millions d’utilisateurs hebdomadaires pour un peu plus de 50 millions d’abonnés grand public en février 2026OpenAI.

Where is all the revenue?

Anatomie du Shadow AI : les cinq risques

Risque Manifestation observée Source / incident
Fuite de données Code source, contrats, données client uploadés sur ChatGPT public sans logging ni rétention contrôlée. Samsung 2023 · KPMG 2025 (48 %)
Conformité RGPD / AI Act Données personnelles traitées hors UE, sans DPA, sans registre AI Act. Garante (CNIL it.) vs OpenAI 2023
Dérive qualité Productions IA copiées-collées sans review, hallucinations en production, faux précédents juridiques cités en cour. NY Times vs. Avianca affaire 2023
Sur-confiance Réponses IA acceptées sans vérification, même en domaine expert. Effet documenté en clinique, juridique, finance. Lee, Sarkar et al., CHI 2025 (voir § 8)
Coûts cachés Abonnements ChatGPT Plus / Claude Pro payés individuellement en notes de frais, hors négociation entreprise. KPMG 2025

Sources : Microsoft Work Trend Index 2024 · KPMG Global AI Trust 2025 · presse économique.

Ordre de grandeur

Sur les plus de 900 millions d’utilisateurs hebdomadaires revendiqués par OpenAI en février 2026, un peu plus de 50 millions sont abonnés (offres grand public), auxquels s’ajoutent 9 millions d’utilisateurs professionnels payants. Soit un taux de conversion de l’ordre de 5 à 6 %. L’IA est en train de devenir l’outil le plus utilisé de l’histoire de la productivité, sur un modèle économique où plus de neuf utilisateurs sur dix ne paient rien.

Creuser : pourquoi les DSI n’arrivent pas à reprendre le contrôle gouvernance

Le contournement du Shadow AI suit un schéma classique des nouvelles technos en entreprise : l’utilisateur trouve l’outil avant que la DSI ne l’évalue. Quand la DSI déploie son alternative (Microsoft Copilot, Google Workspace AI), l’utilisateur a déjà ses habitudes ailleurs.

Trois facteurs aggravent la situation par rapport aux vagues précédentes (cloud, SaaS) :

  • Aucune barrière technique — pas d’installation, pas de plugin, accès depuis n’importe quel navigateur même perso.
  • Versions gratuites suffisamment puissantes — ChatGPT Free, Claude Free, Gemini Free couvrent 80-90 % des cas d’usage knowledge worker.
  • Pas de “vrai” coût visible pour l’utilisateur — qui paye en données, pas en argent.

Conséquence : la DSI ne peut ni interdire (il faudrait bloquer Internet), ni détecter (le trafic est en HTTPS standard vers des CDN globaux), ni mesurer (les requêtes ne passent pas par l’infrastructure d’entreprise). Le Shadow AI est structurellement invisible à la gouvernance traditionnelle.

Sources auditables sources
§ 8 — LA DETTE COGNITIVE

L’outil qui érode son utilisateur

Admettons. Imaginons que toute cette adoption se monétisait demain. Il resterait à démontrer qu’elle crée de la valeur durable pour celui qui l’utilise. Sinon, le ROI court terme n’est qu’un transfert temporaire. Or les premières études contrôlées disent l’inverse : l’IA prête une productivité aujourd’hui qu’elle facture en capacité demain.

En janvier 2025, Microsoft Research et Carnegie Mellon publient l’une des études les plus citées de l’année : The Impact of Generative AI on Critical ThinkingCHI 2025. 319 knowledge workers, 936 cas d’usage réels documentés. Le résultat est sans ambiguïté : plus l’utilisateur a confiance dans l’IA, moins il exerce de pensée critique ; inversement, plus il a confiance dans ses propres capacités, plus il maintient un effort cognitif — même en utilisant l’IA. La confiance dans l’outil agit comme un raccourci neuronal qui désactive le contrôle.

Six mois plus tard, le MIT Media Lab publie Your Brain on ChatGPTMIT EEG 2025, une prépublication non encore relue par des pairs. Méthode plus dure : électroencéphalogramme (EEG) sur 54 participants répartis en trois groupes (assistant IA seul / moteur de recherche / aucun outil), écrivant des essais au format du SAT. Quatre sessions sur quatre mois. Résultat : la connectivité cérébrale diminue à mesure que l’aide extérieure augmente, et le groupe IA montre la plus faible. Lorsqu’on retire l’IA à ces utilisateurs, leur connectivité reste plus faible que celle des autres groupes. Les auteurs demandent toutefois de ne pas parler de « dommages » : l’étude est petite et de court terme.

jusqu’à − 55 % de connectivité cérébrale (certaines bandes de fréquences) dans le groupe qui écrit avec l’IA, comparé au groupe sans outil · MIT Media Lab, EEG, juin 2025 (prépublication, 54 participants)

[AI is] the first technology in history that can make decisions and create new ideas by itself.

Le mécanisme s’appelle cognitive offloading — le déchargement cognitif. Déjà documenté pour le GPS, dont l’usage habituel est associé à une moins bonne mémoire spatiale (Dahmani & Bohbot, Scientific Reports, 2020), et pour la calculatrice qui a affaissé le calcul mental. Mais l’IA générative est qualitativement différente : elle ne décharge pas une fonction périphérique (orientation, arithmétique), elle décharge la pensée elle-même. Le raisonnement, l’écriture, l’analyse, la formulation. C’est-à-dire précisément ce que les knowledge workers sont payés pour faire.

Le paradoxe de la productivité : courbe en S inversée

Horizon Effet mesuré Source
Mois 1 à 6 Productivité ↑ sur tâches répétitives : +14 % chez des agents de service client (Brynjolfsson, Li et Raymond, NBER 2023), tâches de code réalisées 55 % plus vite avec GitHub Copilot (expérience GitHub, 2022). Visible dans les KPIs trimestriels. NBER · GitHub
Mois 6 à 24 Pensée critique ↓. Sur-confiance dans l’output IA. Délégation croissante des décisions complexes. Premiers incidents qualité documentés en clinique et en droit. Microsoft Research / CMU 2025
24 mois et plus Perte mesurée de capacité analytique autonome. L’utilisateur devient incapable de produire seul ce qu’il faisait avant. L’outil devient indispensable sans être meilleur. MIT Media Lab 2025

Le ROI court terme est compté. Le coût long terme ne l’est pas. La courbe de productivité observée sur les 12 premiers mois — celle qui fait briller les présentations McKinsey — n’est pas extrapolable au-delà. Ce qu’on appelle gain est en réalité une avance prélevée sur un capital cognitif qui ne se reconstitue pas.

Le précédent historique

Cette mécanique n’est pas nouvelle. On l’a observée pour la marine commerciale avec le GPS : depuis les années 1990, les capitaines ont progressivement perdu la capacité de naviguer à l’estime. Quand le GPS tombe en panne — ou est brouillé, comme en Mer Baltique en 2024 — les officiers récemment formés ne savent plus se positionner. Le GPS a remplacé une compétence, pas augmenté une capacité. L’IA générative est en train de faire la même chose, mais sur le raisonnement.

Si l’IA érode même l’adulte expérimenté qui l’utilise, que se passe-t-il pour celui qui ne sait pas encore ce qu’il automatise ?

Sources auditables sources
§ 9 — LA GÉNÉRATION QUI DÉSAPPREND

L’éducation que ChatGPT a déjà cassée

Si l’IA érode même l’adulte expérimenté, que se passe-t-il pour l’enfant qui ne sait pas encore ce qu’il externalise ? Or c’est cette génération — celle qui forme aujourd’hui ses neurones — qui devra, dans dix ans, payer le ROI promis. Le pipeline humain qui doit produire la croissance de 2035 est en train de se dégrader sous nos yeux.

ChatGPT a été lancé en novembre 2022. La première vague d’études mesurant son impact éducatif est arrivée. Le Digital Education Council (3 839 étudiants, 16 pays, 2024) établit que 86 % des étudiants utilisent l’IA dans leurs étudesDEC 2024. Aux États-Unis, Tyton Partners mesure une progression rapide : 59 % des étudiants utilisent l’IA générative au moins une fois par mois pour leurs travaux en 2024, contre 43 % au printemps 2023Tyton 2024.

PISA 2022, l’évaluation de référence de l’OCDE (publiée en décembre 2023, 81 pays, 690 000 élèves de 15 ans) montrait la plus forte baisse historique des scores en mathématiques depuis 2000 : −15 points en moyenne OCDE, l’équivalent de trois quarts d’une année scolaireOCDE PISA 2022. Cette cohorte cumulait COVID et premier contact avec ChatGPT. PISA 2025, publié le 8 septembre 2026, prolonge la baisse alors que la COVID est loin : en lecture, la moyenne OCDE passe de 476 à 461 points ; en mathématiques, de 472 à 463OCDE PISA 2025.

86 % des étudiants utilisent l’IA dans leurs études · Digital Education Council, 2024, 16 pays

Pew Research Center, mai 2024 : 25 % des enseignants américains jugent que les outils IA causent plus de mal que de bien à leurs élèves, contre 6 % qui pensent l’inversePew 2024. L’asymétrie est massive — quatre voix négatives pour une voix positive parmi ceux qui sont en première ligne. Common Sense Media 2024 : 70 % des adolescents utilisent l’IA générative, mais seulement 37 % des parents le saventCSM 2024. L’usage est largement domestique, invisible, et hors supervision adulte.

L’effet ChatGPT en chiffres comparatifs

Métrique Pré-ChatGPT Post-ChatGPT Source
PISA mathématiques (moy. OCDE) 489 (2018) 472 (2022) · 463 (2025) OCDE
PISA lecture (moy. OCDE) 487 (2018) 476 (2022) · 461 (2025) OCDE
Étudiants américains utilisant l’IA générative au moins une fois par mois 43 % (printemps 2023) 59 % (2024) Tyton Partners
Enseignants jugeant que l’IA fait plus de mal que de bien (contre 6 % l’inverse) n.c. 25 % (2024) Pew Research
Ados (13-18 ans) ayant utilisé l’IA générative n.c. 70 % (2024) Common Sense
Parents conscients de l’usage IA de leur enfant n.c. 37 % (2024) Common Sense

Le psychologue Jonathan Haidt (NYU), auteur de The Anxious Generation, voit dans les compagnons d’IA donnés aux enfants « the next uncontrolled mass experiment » — la prochaine expérience de masse non contrôlée, après celle des smartphonesAfter Babel.

La génération qui aura 25 ans en 2035 — donc en pleine activité productive, donc censée rembourser le CapEx IA déployé aujourd’hui — passe ses années de formation cognitive avec un assistant qui pense à sa place. Les capacités fondamentales (lecture profonde, écriture argumentative, raisonnement mathématique, mémoire de travail) ne se construisent pas à l’âge adulte. Elles se construisent entre 12 et 18 ans, et cette fenêtre se referme en ce moment même — sur la génération censée produire la croissance de 2035-2045.

Creuser : ce que PISA 2025 dit, et ne dit pas méthode

PISA 2022 avait mesuré une cohorte qui avait subi le COVID et qui découvrait ChatGPT : impossible d’isoler la cause. PISA 2025 (passation en 2025, résultats publiés le 8 septembre 2026) mesure une cohorte pour laquelle le COVID est trois ans derrière, mais qui a passé son adolescence avec une IA générative gratuite à portée de main.

La baisse continue : −15 points en lecture pour la moyenne OCDE entre 2022 et 2025, −18 pour la France. C’est compatible avec un effet des écrans et de l’IA, mais PISA mesure, il n’explique pas : d’autres causes (pénurie d’enseignants, motivation des élèves pendant l’épreuve) restent possibles. L’attribution causale demandera des études qui suivent les mêmes élèves dans le temps.

Sources auditables sources
§ 10 — LA BOUCLE QUI NE SE REFERME PAS

Synthèse : la mécanique d’un ROI structurellement empêché

Quatre constats, tirés de sources indépendantes — un associé de Sequoia, le responsable de la recherche actions de Goldman Sachs, un panel Microsoft, un EEG du MIT, le classement PISA de l’OCDE. Une seule équation : un CapEx record déployé sur une adoption qui ne se monétise pas, par des utilisateurs qui s’érodent, portée par une génération qui désapprend.

Aucune de ces quatre forces n’est, prise séparément, suffisante à invalider le CapEx IA. Goldman pèse sur le diagnostic mais reconnaît un usage réel. Sequoia chiffre le gap mais voit un marché qui grandit. Microsoft et le MIT mesurent la dette cognitive sans la convertir en perte de PIB. L’effet PISA pourrait — éventuellement, théoriquement — s’inverser avec une réforme pédagogique radicale. Mais les quatre forces agissent ensemble, dans le même sens, sur la même équation. Le numérateur ne suit pas le dénominateur. Et il ne le suivra pas, pour des raisons structurelles, pas conjoncturelles.

La boucle qui ne se referme pas — schéma synthèse Diagramme montrant la disproportion entre les investissements annuels des quatre géants du cloud et les dépenses des entreprises en IA générative, avec les quatre forces (§§ 6 à 9) qui empêchent la boucle de se refermer. § 10 — LA BOUCLE La disproportion structurelle INVESTI — Md$ Microsoft + Alphabet + Meta + Amazon (SEC) CE QUE PAIENT LES CLIENTS — dépenses des entreprises en IA générative Menlo Ventures REVENU ATTENDU ~ 600 Md$ pour amortir le CapEx calcul Sequoia 2024 — quatre forces — § 6 · Le mirage du ROI CapEx déployé sans contre-partie de revenu § 7 · L’adoption fantôme Shadow AI cannibalise la conversion B2B § 8 · La dette cognitive L’outil érode la productivité long terme § 9 · La génération qui désapprend Le pipeline humain 2035 se dégrade la boucle ne se referme pas
Schéma synthèse — chaque flèche en pointillés est une fuite de revenu provoquée par l’une des quatre forces. L’écart entre le revenu attendu (rectangle vide pointillé) et ce que paient réellement les clients (rectangle plein bronze) mesure visuellement le mirage du ROI.
Traçabilité des chiffres du schéma — audit complet audit

Le diagramme synthèse ne contient que des chiffres déjà établis dans les sections précédentes. Chaque valeur est traçable :

  • Investissements · — en 2025 pour Microsoft, Alphabet, Meta et Amazon, calculés automatiquement depuis leurs dépôts à la SEC (détail année par année dans l’audit du § 6)
  • ~ 600 Md$ de revenu attendu · calcul de Sequoia, juin 2024 (ventes de puces × coût complet des data centers × marge des clients) — Sequoia — AI’s $600B Question
  • 37 Md$ de dépenses des entreprises en IA générative · Menlo Ventures, rapport 2025 — Menlo Ventures
  • § 7 · Shadow AI · 75 % d’adoption, 78 % avec leurs propres outils · Microsoft Work Trend Index 2024
  • § 8 · Dette cognitive · connectivité EEG réduite jusqu’à 55 % · Kosmyna et al. MIT Media Lab 2025 (prépublication) · Lee et al. CHI 2025
  • § 9 · Éducation · PISA : −15 points en mathématiques (2018-2022), puis −15 en lecture (2022-2025) · OCDE PISA

Le schéma ne fait que composer visuellement des valeurs déjà sourcées, recalculées à chaque mise à jour : investissements 2025 rapportés aux dépenses des entreprises en IA générative la même année, soit 1 pour 10. Même en ajoutant les revenus d’OpenAI et d’Anthropic, l’écart reste d’un ordre de grandeur.

Les quatre forces qui condamnent le ROI

§ Force Mécanisme Conséquence sur l’équation du ROI
6 Le mirage du ROI Plus de 500 Md$ investis en 12 mois par les quatre géants du cloud, pour 37 Md$ de dépenses des entreprises en IA générative en 2025. Sequoia chiffre le revenu nécessaire à ~600 Md$ par an. Le dénominateur explose. Chaque trimestre, le seuil de rentabilité recule.
7 L’adoption fantôme 75 % des salariés utilisent l’IA, 78 % avec leurs propres outils. Ratio abonnés / utilisateurs ~5-6 %. L’usage explose mais se facture peu. Le numérateur reste plat. La cannibalisation par les versions gratuites bloque la conversion B2B.
8 La dette cognitive Connectivité cérébrale réduite (EEG du MIT, prépublication), moins d’esprit critique chez ceux qui font confiance à l’outil (CMU/Microsoft). L’outil prête une productivité aujourd’hui qu’il facture en capacité demain. La productivité future ↓. Le gain court terme se retourne en perte structurelle.
9 La génération qui désapprend PISA en baisse continue depuis 2018, 86 % des étudiants utilisent l’IA dans leurs études. Pipeline cognitif fragilisé à la source — entre 12 et 18 ans. La croissance long terme ↓. La cohorte 2035 ne portera pas la valeur attendue par le CapEx 2025.

Chacune de ces forces aurait pu, dans un autre contexte, être absorbée. Une dette cognitive peut se rembourser si l’éducation tient. Un Shadow AI peut se monétiser si la gouvernance s’adapte. Un gap de revenu peut se combler si la croissance se maintient. Mais les quatre se renforcent mutuellement : l’éducation dégradée nourrit la dette cognitive adulte, qui nourrit le Shadow AI (les utilisateurs ne savent plus auditer leur output, donc le fournisseur B2B ne peut pas vendre sa valeur ajoutée), qui nourrit le gap de revenu. C’est un cycle auto-renforçant à l’envers du CapEx loop décrit en § 2. Ce n’est plus un dilemme du prisonnier — c’est un système de feedback négatifs.

Le prix Nobel d’économie Daron Acemoglu (MIT) arrive, par un autre chemin, à une conclusion voisine : il estime le gain de productivité de l’IA à « no more than a 0.66% increase in TFP over 10 years » — moins de 0,7 % de productivité globale en dix ansNBER 2024, très loin de ce que suppose le niveau des investissements.

La thèse n’est pas que l’IA est inutile, ni qu’elle n’aura pas d’usage. C’est que le CapEx déployé en 2024-2026 n’a, mathématiquement, pas de chemin vers le retour qu’il suppose. La technologie continuera. Les outils continueront. Mais l’arbitrage capital-rendement, lui, ne se referme pas dans cette génération. Et les chiffres qui le démontrent ne viennent pas de critiques de l’IA — ils viennent des plus grands investisseurs et des plus grandes entreprises tech elles-mêmes.

Et donc ? — trois lectures

Ce que la bulle IA change concrètement

  • Pour les indices boursiers

    Les sept plus grosses valeurs pèsent plus d’un tiers de l’indice : une baisse marquée de quelques-unes d’entre elles suffit à faire reculer tout le S&P 500. Cette concentration rend le marché très sensible à un seul mauvais résultat trimestriel ou à un seul signal négatif venant de Chine.

  • Pour les épargnants

    La diversification est plus faible qu’il n’y paraît dans les ETF S&P 500 classiques, et même dans les fonds indiciels « monde », dominés par les actions américaines et donc par les mêmes géants. Les épargnants se croient diversifiés mais sont en réalité fortement exposés au même thème.

  • Pour les actifs hors cycle Tech

    C’est dans ce contexte que certains investisseurs regardent l’or, les valeurs défensives, ou Bitcoin — non comme un pari sur leur hausse, mais comme une couverture contre une correction des indices concentrés. Encore une fois, c’est un fait observable : les achats d’or des banques centrales ont explosé depuis 2022.

Pour aller plus loin sur ce site

Survolez pour les détails · Échap ou clic extérieur pour fermer