Pendant deux ans, l’intelligence artificielle a surtout été racontée comme une révolution logicielle : de nouveaux assistants, des modèles plus puissants et des services capables de transformer le travail. À l’été 2026, le récit change de nature. Derrière chaque réponse générée se trouvent des puces, des serveurs, des bâtiments, des réseaux et une quantité croissante d’électricité. L’IA n’est plus seulement une promesse numérique. Elle devient l’un des plus grands programmes d’investissement industriel du moment, avec une question désormais centrale pour les marchés : les revenus progresseront-ils assez vite pour justifier toutes ces dépenses ?
Le logiciel a besoin de béton, de cuivre et d’électricité
Un modèle d’intelligence artificielle ne fonctionne pas dans un espace abstrait. Il doit être entraîné puis utilisé sur des équipements spécialisés, installés dans des centres de données reliés à des réseaux électriques et numériques. À mesure que les usages se développent, les entreprises doivent ajouter de nouvelles capacités avant même de connaître précisément la demande future.
Cette transformation rapproche les grands groupes technologiques d’activités historiquement plus capitalistiques. Ils doivent réserver des terrains, sécuriser leur approvisionnement énergétique, acheter des processeurs et construire des infrastructures dont la rentabilité sera jugée sur plusieurs années. Les acteurs concernés ne présentent toutefois pas tous le même profil.
| Acteur | Dépense principale | Revenu attendu |
|---|---|---|
| Groupes cloud | Serveurs et centres de données | Location de puissance informatique |
| Fabricants de puces | Recherche et capacité industrielle | Vente de processeurs |
| Énergéticiens | Production et réseaux | Demande électrique supplémentaire |
| Entreprises clientes | Logiciels et intégration | Productivité ou nouveaux services |
Le tableau montre que le thème dépasse largement les entreprises qui développent les modèles. Une partie de la valeur peut se déplacer vers les fournisseurs d’électricité, les équipementiers, les fabricants de composants ou les entreprises capables d’utiliser l’IA de manière rentable. À l’inverse, certaines sociétés peuvent beaucoup dépenser sans parvenir à transformer cette capacité en revenus durables.
Les dépenses arrivent avant les recettes
Le calendrier constitue le premier risque. Un centre de données doit être financé et construit avant de facturer ses futurs utilisateurs. Les processeurs sont achetés avant que les applications aient trouvé leur modèle économique. Cette avance ressemble à celle d’une usine : les sorties de trésorerie sont immédiates, tandis que les bénéfices dépendent d’une adoption encore en cours.
Alphabet en a donné une illustration lors de ses résultats du deuxième trimestre 2026. Le groupe a déclaré 44,9 milliards de dollars de dépenses d’investissement sur le trimestre, principalement consacrées aux infrastructures techniques soutenant l’IA. Malgré un flux de trésorerie opérationnel très élevé, son flux de trésorerie disponible trimestriel est devenu négatif à hauteur de 5,9 milliards de dollars sous l’effet de ces investissements.
Ce chiffre ne signifie pas qu’Alphabet manquerait de ressources ou que son investissement serait forcément mauvais. Il montre plutôt la nouvelle échelle du pari. Une entreprise peut enregistrer une croissance rapide de ses services tout en consommant davantage de cash, parce qu’elle construit aujourd’hui les capacités qu’elle espère monétiser demain.
Les investisseurs ne demandent plus seulement qui possède la meilleure technologie. Ils cherchent désormais à savoir qui peut convertir ses milliards d’infrastructures en revenus, en marges et en trésorerie.
Cette évolution explique certaines réactions boursières devenues plus sévères. Une forte croissance du cloud ou des produits d’IA peut ne plus suffire si elle s’accompagne d’un relèvement permanent des investissements. La dépense est accueillie favorablement tant qu’elle nourrit une demande visible ; elle devient inquiétante lorsque son retour reste trop lointain ou difficile à mesurer.
L’électricité devient une contrainte stratégique
La course ne dépend pas seulement du nombre de puces disponibles. Un centre de données doit pouvoir être raccordé, refroidi et alimenté en continu. Dans certaines régions, obtenir assez d’électricité ou une connexion au réseau peut prendre plus de temps que construire le bâtiment lui-même. La disponibilité énergétique devient ainsi un avantage concurrentiel.
L’Agence internationale de l’énergie indique que la demande mondiale d’électricité des centres de données a progressé de 17 % en 2025, tandis que celle des centres principalement consacrés à l’IA a augmenté de 50 %. Son scénario central prévoit une consommation mondiale proche de 945 térawattheures en 2030, soit environ deux fois le niveau de 2024.
Cette progression ne signifie pas que chaque utilisateur verra directement sa facture augmenter à cause d’un assistant conversationnel. L’effet dépendra des pays, des capacités de production, des réseaux et des contrats conclus avec les opérateurs. Elle montre néanmoins que l’IA entre désormais en concurrence avec d’autres usages industriels pour accéder à une ressource physique.
La chaîne de valeur s’élargit bien au-delà des géants technologiques
Les dépenses des grands groupes deviennent les recettes d’autres entreprises. Les fabricants de semi-conducteurs vendent davantage de processeurs, les spécialistes du refroidissement équipent les installations, les producteurs d’électricité négocient de nouveaux contrats et les entreprises de construction développent des sites toujours plus imposants. Le thème de l’IA se diffuse donc dans des secteurs qui semblaient autrefois éloignés du numérique.
Le passage de la promesse aux infrastructures suit une chaîne dans laquelle chaque maillon doit fonctionner.
La valeur économique de l’IA dépend d’une succession d’investissements et d’usages.
- 1Financer les infrastructures
- 2Installer serveurs et réseaux
- 3Sécuriser l’électricité
- 4Déployer les services
- 5Attirer les utilisateurs
- 6Générer assez de revenus
À retenirUne technologie performante ne crée de valeur durable que si toute la chaîne peut être financée, alimentée et monétisée.
Le schéma révèle aussi les points de fragilité. Un retard de raccordement peut laisser du matériel inutilisé. Des processeurs rapidement dépassés peuvent raccourcir la durée d’amortissement. Une forte concurrence peut faire baisser les prix facturés aux clients. À l’autre extrémité, des usages réellement productifs peuvent accélérer la demande et rentabiliser plus vite les capacités installées.
La prochaine étape se lira dans les flux de trésorerie
La tendance actuelle ne se résume donc pas à une opposition entre bulle et révolution. Les deux risques peuvent coexister : une technologie peut transformer l’économie tout en provoquant des investissements excessifs chez certains acteurs. Le chemin de fer, les télécommunications et internet ont déjà montré qu’une infrastructure essentielle ne garantit pas la réussite de chaque entreprise qui la finance.
Les prochains résultats seront ainsi observés sous un angle plus industriel. Les revenus liés à l’IA progressent-ils aussi vite que les capacités ? Les marges résistent-elles à l’amortissement des serveurs et aux coûts énergétiques ? Les flux de trésorerie financent-ils encore les investissements, ou faut-il lever davantage de dette et de capital ? Ces questions concernent aussi les épargnants éloignés des valeurs technologiques, car les plus grands groupes occupent une place importante dans de nombreux indices mondiaux.
L’IA reste une histoire de logiciels, mais son avenir se construit désormais dans des bâtiments remplis de machines. La prochaine victoire ne reviendra pas seulement à celui qui produit le modèle le plus impressionnant, mais à celui qui saura transformer une immense dépense physique en activité durablement rentable.
Aucun commentaire pour le moment. Ouvrez la discussion.
Connectez-vous pour aimer cet article et participer à la discussion.