Tout le monde investit dans l'IA. Personne ne montre les pertes.

Des milliards injectés, des profits introuvables

En 2024, les entreprises américaines ont dépensé collectivement plus de 200 milliards de dollars en infrastructure liée à l'intelligence artificielle. Les cours de bourse ont suivi, portés par une euphorie rarement vue depuis la bulle internet de 2000. Mais posez une question simple à n'importe quel analyste : où sont les retours sur investissement ? Le silence qui suit en dit plus long que n'importe quel rapport trimestriel.

Wall Street a décidé de parier sur l'IA comme on parie sur une équipe de football avant le coup d'envoi : avec enthousiasme, sans attendre le score. Le problème, c'est que dans le monde des affaires, il faut bien finir par regarder le tableau de bord.

L'euphorie boursière, un phénomène bien documenté

Le mécanisme est connu. Une technologie émergente suscite de l'espoir, les investisseurs injectent des capitaux massifs, les valorisations s'envolent bien au-delà des fondamentaux économiques réels. C'est la courbe de Gartner appliquée aux marchés financiers : un pic d'attentes démesurées, suivi d'une vallée de désillusion.

L'IA générative — incarnée par des outils comme ChatGPT, Claude ou Gemini — a déclenché exactement ce cycle. Depuis le lancement de ChatGPT en novembre 2022, les actions de Nvidia ont été multipliées par plus de 8. Microsoft a vu sa capitalisation boursière franchir les 3 000 milliards de dollars. Ces chiffres sont réels. Ce qui l'est moins, c'est la corrélation directe avec des revenus concrets générés grâce à l'IA.

Le problème central : les revenus ne suivent pas

Prenons un exemple concret. Microsoft a intégré Copilot dans l'ensemble de sa suite Office 365, facturé en supplément à ses clients enterprise. Le résultat après plusieurs trimestres ? Une adoption bien plus lente qu'anticipée, des entreprises qui paient l'abonnement mais n'utilisent pas l'outil, et des directions IT qui peinent à justifier le coût auprès de leurs directions financières.

Du côté de Google, l'intégration de Gemini dans les outils de productivité suit la même trajectoire prudente. Les annonces sont spectaculaires lors des conférences. Les lignes dans les rapports financiers, elles, restent modestes.

Ce décalage entre promesse et réalité économique n'est pas un détail. C'est le cœur du problème que Wall Street choisit d'ignorer pour l'instant.

Pourquoi les investisseurs regardent ailleurs

Plusieurs raisons expliquent cette myopie collective :

• La peur de rater le prochain Amazon : personne ne veut être celui qui a vendu Apple en 2003. La crainte de passer à côté d'une opportunité historique surpasse l'analyse rationnelle des fondamentaux.
• Les cycles électoraux et médiatiques : l'IA fait vendre des journaux, génère du trafic, alimente les débats. Les marchés réagissent à la narration autant qu'aux chiffres.
• Les incitations des analystes : un analyste qui maintient un "Buy" sur Nvidia dans un cycle haussier protège sa carrière. Celui qui émet un avertissement précoce prend un risque professionnel réel.
• L'opacité des données : les entreprises communiquent sur leurs investissements IA mais rarement sur la rentabilité nette de ces investissements. La transparence financière sur ce sujet reste très limitée.

Les vrais enjeux que personne ne veut poser

Au-delà de la rentabilité court terme, trois questions structurelles méritent d'être posées sans détour.

Qui paie réellement l'infrastructure ?

Entraîner et faire tourner un grand modèle de langage coûte des sommes astronomiques. OpenAI brûlerait entre 5 et 7 milliards de dollars par an selon plusieurs estimations, pour un chiffre d'affaires encore très inférieur. Le modèle économique repose aujourd'hui sur des levées de fonds, pas sur une rentabilité opérationnelle. Ce n'est pas durable indéfiniment.

La substitution d'emplois est-elle un gain ou un coût ?

L'argument classique est que l'IA va libérer les humains des tâches répétitives et augmenter la productivité. Mais cette transition a un coût : formation, restructuration, résistances internes. Les gains de productivité promis mettent en général 5 à 10 ans à se matérialiser dans les données économiques macroéconomiques. Les marchés, eux, valorisent à horizon 12 mois.

La concentration du marché est-elle viable ?

Nvidia fournit aujourd'hui plus de 80 % des puces d'entraînement pour l'IA. Une telle concentration crée un risque systémique que peu d'investisseurs semblent intégrer dans leurs modèles de valorisation.

Ce que cela signifie concrètement pour vous

Que vous soyez investisseur particulier, dirigeant d'entreprise ou simplement curieux de comprendre où va l'économie numérique, le message est le même : l'IA est une technologie réelle avec un potentiel réel. Mais entre le potentiel et la création de valeur économique mesurable, il y a un fossé que l'enthousiasme boursier ne comble pas.

Les entreprises qui sortiront gagnantes de ce cycle ne seront pas nécessairement celles qui ont investi le plus vite. Ce seront celles qui auront posé les bonnes questions dès le départ : Quel problème précis l'IA résout-elle ? Pour quel client ? À quel coût marginal ? Avec quel retour mesurable ?

La lucidité comme avantage concurrentiel

L'histoire des grandes vagues technologiques nous enseigne une constante : les vrais gagnants à long terme ne sont pas toujours ceux qui ont surfé le plus haut au moment du pic. Ce sont souvent ceux qui ont maintenu leur lucidité pendant l'euphorie.

Wall Street finira par regarder les chiffres réels. La question n'est pas si cette correction de perception aura lieu, mais quand. Et combien de milliards auront été investis sans retour avant ce moment-là.

— Reservoir Live