En fin de compte, la vraie question est de savoir si la demande finale peut croître suffisamment vite pour générer un retour sur investissement raisonnable sur l’ensemble de la chaîne de valeur — la fameuse question à un million/milliard/billion de dollars.
Les discussions autour d’une bulle de l’intelligence artificielle (IA) refont surface. Les valeurs technologiques à très grande capitalisation ont enregistré une nouvelle année solide, mais alors que l’attention se porte de plus en plus sur la nature circulaire de certaines transactions très médiatisées et sur la concentration sans précédent des indices actions américains, les investisseurs s’inquiètent à nouveau du risque d’une correction majeure des valeurs liées à l’IA.
L’écosystème de l’IA
Pour répondre à ces préoccupations, il nous faut d’abord comprendre l’écosystème de l’IA, de plus en plus tentaculaire (voir le graphique 7).
Les fabricants de matériel se situent à la base de la pile technologique. Ce groupe comprend des sociétés telles que Nvidia (qui conçoit des puces spécialisées), TSMC (qui fabrique des puces pour Nvidia, entre autres) et ASML (qui crée des outils de précision utilisés dans la fabrication de puces).
Viennent ensuite les « hyperscalers ». Ce groupe comprend des géants industriels tels qu’Alphabet, Amazon, Meta, Microsoft et Oracle.1 Ces entreprises construisent et exploitent des centres de données, qui sont la colonne vertébrale de l’IA et plus largement du cloud computing. Environ la moitié des dépenses d’investissement liées à l’IA étant consacrée aux puces, les hyperscalers sont donc des clients essentiels pour les fabricants de matériel.
Le troisième groupe est composé d’architectes de l’IA. Ces entreprises développent de grands modèles de langage (LLM) et d’autres applications d’IA qui peuvent être utilisés pour n’importe quoi, de la création vidéo aux chatbots, en passant par la recherche médicale complexe. ChatGPT, l’agent conversationnel d’OpenAI, est sans doute le modèle de langage le plus connu à ce jour, mais il existe de nombreux autres exemples populaires, tels que Claude d’Anthropic, Gemini de Google, Grok de xAI et Le Chat de Mistral.
Bien que ces catégories couvrent clairement le volet offre de l’infrastructure de l’IA, il est beaucoup plus difficile de définir de manière globale le volet demande. Les utilisateurs vont des particuliers (par exemple, des utilisateurs de ChatGPT) aux entreprises (par exemple, un centre d’appels utilisant des chatbots alimentés par l’IA), en passant par des sociétés commerciales qui placent l’IA au cœur de leur offre de services, comme les éditeurs de logiciels qui vendent des outils pilotés par l’IA.
Dans un écosystème fonctionnel et mature, l’argent dépensé par les utilisateurs finaux doit être suffisant pour générer des profits pour tous les acteurs concernés. Prenons l’exemple d’un achat hebdomadaire au supermarché. L’argent que vous dépensez à la caisse devrait suffire pour que le supermarché, la société qui gère le foncier, les fabricants de produits alimentaires et les agriculteurs y trouvent tous leur compte.
Dans l’écosystème actuel de l’IA, la demande des utilisateurs finaux, particuliers comme entreprises, reste insuffisante pour permettre à l’ensemble des acteurs de dégager des profits. Depuis plusieurs années, les hyperscalers assument l’essentiel des investissements, utilisant les revenus générés par leurs autres activités pour financer le déploiement des capacités d’IA, ce qui, en retour, profit aux fabricants de matériel. La vraie question est de savoir si la demande finale peut croître suffisamment vite pour générer un retour sur investissement raisonnable sur l’ensemble de la chaîne de valeur — la fameuse question à un million/milliard/billion de dollars.
Surveillance de la bulle
L’envolée des cours des actions technologiques est telle depuis la pandémie qu’il n’est guère étonnant qu’elle soit comparée aux bulles antérieures
Valorisations : des niveaux élevés, mais pas prohibitifs si les bénéfices sont au rendez-vous
Alors que les valorisations actuelles ne sont pas aussi extrêmes que lors de la bulle Internet, le ratio P/E anticipé à 12 mois de 23x du S&P 500 n’est pas loin de la valorisation maximale de l’an 2000, tandis que le secteur des technologies se négocie sur des bénéfices anticipés de 31x (voir le graphique 8).
Les fabricants de matériel affichent actuellement des valorisations plus élevées (bénéfices anticipés à 12 mois de 35x) que les hyperscalers (30x). Pour les architectes de l IA, cependant, les valorisations sont plus difficiles à comparer étant donné que des acteurs majeurs comme Anthropic, Mistral et OpenAI ne sont toujours pas cotés aujourd’hui. Ce manque de visibilité rend beaucoup plus difficile l’évaluation précise des fondamentaux d’un groupe faisant partie intégrante de l’écosystème tout entier.
Deux leçons importantes peuvent être tirées des précédentes envolées des valeurs technologiques. La première est que les valorisations élevées n’empêchent pas automatiquement les rendements futurs. Un investisseur qui a acheté des titres Microsoft lorsqu’ils étaient à leur pic de valorisation de 68x en décembre 1999 aurait enregistré un rendement de plus de 1 000 % sur les 25 années suivantes (à condition qu’il ait conservé ses actions pendant le krach de 2000, lorsqu’elles ont perdu 65 % de leur valeur). La seconde leçon, cependant, est que les marchés boursiers sont généralement très mauvais pour prédire les futurs gagnants des révolutions technologiques. Si l’on examine les entreprises technologiques les plus populaires du S&P 500 au pic de la bulle Internet de 2000, seule Microsoft a conservé sa place parmi les 10 plus grandes entreprises une décennie plus tard (voir le graphique 9). Identifier les gagnants à long terme en temps réel est une tâche incroyablement complexe.
Santé financière : une amélioration sensible par rapport à 2000, mais des fragilités commencent à apparaître
La solidité financière des méga-capitalisations de l’IA est sans doute la principale raison qui rend les comparaisons avec la bulle Internet plus discutables. Contrairement aux bilans fragiles des entreprises d’il y a 25 ans, Amazon, Apple, Alphabet, Meta, Microsoft et Nvidia disposent aujourd’hui de 450 milliards de dollars de liquidités. Dans le passé, la difficulté d’obtention des crédits a souvent été un élément majeur de l’éclatement des bulles financières. On peut donc penser que les géants technologiques d’aujourd’hui ont moins à craindre sur ce point.
Cette solidité financière a jusqu’à présent permis à de nombreux hyperscalers de financer leurs dépenses d’investissement dans l’IA à partir de leur trésorerie disponible. Nous notons, cependant, que les dépenses d’investissement prévues pour les années à venir accapareront davantage les liquidités disponibles (voir le graphique 10). Les récentes décisions de Meta, Oracle et xAI pour exploiter les marchés de la dette publique et privée méritent d’être scrutées à cet égard.
Cependant, la nature de plus en plus circulaire des accords autour de l’IA ces derniers mois rappelle ce que nous avons connu à la fin des années 90. L’annonce faite en septembre selon laquelle Nvidia envisage d’investir jusqu’à 100 milliards de dollars dans OpenAI a sans doute été la plus commentée. OpenAI, de son côté, canalisera une grande partie de cet investissement dans la sécurisation de nouvelles capacités de calcul, ce qui stimulera la demande pour les puces Nvidia.
Les optimistes diront que Nvidia utilise ses liquidités pour simplement anticiper la demande future. Pourtant, plus les entreprises sont liées entre elles, plus grand est le risque qu’une seule défaillance fasse s’écrouler l’écosystème tout entier.
Structure du marché : un biais croissant en faveur des marchés privés exige une approche différente
Les introductions en bourse constituent une autre différence majeure aujourd’hui. La bulle Internet se caractérisait notamment par des introductions en bourse frénétiques : en 1999, le rendement médian au premier jour pour les 476 entreprises américaines qui sont entrées en bourse était de 57 %, contre seulement 7 % en moyenne entre 1980 et 2024. Ces rendements exceptionnels ont incité les entreprises à se ruer sur le marché beaucoup plus rapidement qu’à l’ordinaire (voir le graphique 11).
Si les introductions en bourse ont repris au second semestre 2025, l’activité reste nettement plus limitée. Cela reflète en partie la tendance croissante des entreprises à rester non cotées, en raison d’un fardeau réglementaire plus léger et de la large disponibilité des capitaux privés, comme nous l’expliquons dans le chapitre N’ayez pas peur d’investir sur les marchés privés.
Le point positif est qu’en attendant beaucoup plus longtemps avant d’entrer en bourse, les entreprises ont renforcé l’ensemble des fondamentaux du secteur technologique coté. L’inconvénient est que les investisseurs qui n’accèdent au thème de l’IA que par les marchés cotés risquent de passer à côté de certains futurs gagnants de long terme, aujourd’hui uniquement accessibles via des stratégies de capital- investissement.
Profits exceptionnels : une « norme » pourrait s’avérer difficile à maintenir
Contrairement à la fin des années 1990, lorsque les valorisations s’envolaient alors que les bénéfices stagnaient, la hausse actuelle des cours est beaucoup plus portée par la progression des résultats. Ce n’est pas qu’une question de chiffre d’affaires : il faut aussi prendre en compte les marges : celles du secteur technologique américain sont actuellement plus de deux fois supérieures à celles du S&P 500. Les investisseurs supposent aujourd’hui que les entreprises technologiques génèreront des bénéfices exceptionnels par rapport au reste de l’indice.
Certes, la rentabilité des grands noms de l’IA sur les marchés privés est généralement beaucoup plus faible, mais la croissance de leur chiffre d’affaires reste impressionnante. OpenAI générerait désormais un chiffre d’affaires annuel dépassant 13 milliards de dollars, mais compte tenu de ses dépenses massives de R&D, la société ne devrait pas atteindre la rentabilité avant l’horizon 2030.
La poursuite de cette croissance des bénéfices dépend à la fois de la demande finale et de la capacité des entreprises technologiques à maintenir leurs marges exceptionnelles. Les cycles de surinvestissement conduisent malheureusement bien souvent à des surcapacités, qui finissent par peser sur les marges. Le boom du schiste des années 2010 en est un excellent exemple : des percées dans les techniques de forage ont provoqué une forte hausse de l’offre de pétrole, avant qu’un effondrement brutal des prix n’entraîne une vague de faillites (voir le graphique 12).
Le principal défi pour les hyperscalers dans l’estimation précise de la demande future réside dans le nombre élevé de variables en jeu. D’ici 2030, l’intensité en ressources de l’IA actuelle aura-t-elle nettement diminué ? Aurons-nous réalisé des avancées majeures en matière d’intelligence artificielle générale (AGI) ? Et à quelle vitesse le matériel dédié à l’IA deviendra-t-il obsolète face à de nouveaux développements technologiques ? Aucune de ces questions n’a aujourd’hui de réponse précise, ce qui implique une marge d’erreur importante dans les estimations concernant les futurs besoins en dépenses d’investissement et les bénéfices.
La demande finale : la question la plus importante, et la plus difficile
Si l’IA permet in fine aux entreprises de créer de nouvelles et importantes sources de revenus et de réduire considérablement leurs coûts de main-d’œuvre, les bénéfices des géants de la tech continueront de croître de manière impressionnante. Pourtant, si les consommateurs et les entreprises devaient s’avérer plus réticents à dépenser de grosses sommes dans les nouvelles technologies de l’IA, il sera beaucoup plus difficile d’obtenir un retour sur les investissements massifs réalisés aujourd’hui.
Les architectes de l’IA communiquent sur la croissance astronomique de leur base d’utilisateurs, mais l’acquisition d’utilisateurs payants s’avère bien plus difficile. Dans le cas d’OpenAI, ChatGPT a battu tous les records en matière de rapidité d’adoption technologique, mais seulement 5 % de ses 800 millions d’utilisateurs sont actuellement des clients payants, selon le Financial Times.
Les résultats d’une récente enquête sont tout aussi mitigés. Selon un sondage mené par l’US Census Bureau au sujet de l’IA, seulement 9 % des entreprises américaines utilisent l’IA pour produire des biens et des services. Et les disparités sont grandes selon les secteurs. Fait quelque peu inquiétant, lorsque l’on examine plus en détail les réponses récentes, on s’aperçoit que la demande des plus grandes entreprises pourrait commencer à ralentir (voir le graphique 13).
D’autres études laissent entrevoir des perspectives beaucoup plus réjouissantes. L’indice Ramp AI, par exemple, montre que 44 % des entreprises interrogées paient pour un abonnement à l’IA (voir le graphique 14), ou l’enquête trimestrielle Pulse de KPMG qui met en évidence une augmentation constante du déploiement d’agents d’IA conçus pour améliorer la productivité des employés.
Les facteurs susceptibles de retourner les marchés
Voyons maintenant ce qui pourrait retourner l’engouement actuel des investisseurs pour les valeurs liées à l’IA.
Un faux pas très médiatisé
Compte tenu du nombre croissant d’interconnexions au sein de l’écosystème de l’IA, un « flop » très médiatisé pourrait être très dommageable pour l’ensemble des acteurs du secteur. Les publications des résultats sont la première chose à vérifier. NVIDIA, par exemple, a systématiquement dépassé les attentes en termes de bénéfices et de chiffre
d’affaires entre le 1er trimestre 2023 et le 2e trimestre 2025. Si les résultats ont pendant un temps largement dépassé les attentes, l’écart diminue cependant à mesure queces dernières augmentent, et il ne faut pas oublier que le rythme de croissance des dépenses d’investissement des hyperscalers est censé ralentir (voir les graphiques 15 et 16). Si l’une de ces méga-capitalisations du secteur de l’IA devait faire un faux pas important, les répercussions pourraient affecter de nombreuses entreprises du secteur. Autre exemple : si OpenAI maintenait ses plans d’introduction en bourse pour 2026 et rencontrait des difficultés pour atteindre la valorisation souhaitée.
Des contraintes de capacité
La question de la capacité des fournisseurs d’énergie et de matières premières à répondre à la demande future en capacités de calcul a, jusqu’à présent, reçu bien moins d’attention du marché, alors qu’elle est tout aussi essentielle. Des articles de presse faisant état de pannes d’électricité liées à l’expansion des centres de données, ou d’une pénurie de minéraux essentiels à la fabrication de puces, sont deux exemples de problèmes susceptibles de modifier le sentiment du marché.
Une crise de liquidité
Un choc extérieur, indépendant du secteur de la technologie, pourrait aussi être le catalyseur d’une correction. Du fait de leurs valorisations importantes, les valeurs technologiques se négocient de plus en plus comme un thème à bêta élevé, qui surperforment les marchés en hausse et sous-performent les marchés en baisse. Si notre scénario de risque extrême, celui d’un choc d’inflation qui déclenche une hausse des rendements obligataires, se concrétise, nous pensons que les actions liées à l’IA seront particulièrement touchées.
Comment se positionner
Avec un sentiment lié à l’IA qui constitue aujourd’hui un moteur dominant des marchés, les investisseurs ne peuvent clairement pas se permettre d’attendre de voir comment va évoluer la demande pour se positionner sur les marchés.
En général, dans un contexte imprévisible, la diversification est une approche avisée. S’agissant de l’imprévisibilité liée à l’IA, nous voyons trois façons spécifiques de stimuler la diversification.
1. Se diversifier dans l’écosystème : Les risques et les opportunités auxquels sont confrontées les entreprises du secteur de l’IA peuvent varier considérablement. Si, par exemple, les hyperscalers surestiment la demande future de capacité de calcul, ce surinvestissement pourrait exercer une pression à la baisse sur les prix, au détriment de leurs marges et au bénéfice des consommateurs de cette capacité de calcul. Nous pouvons également constater qu’il y a des gagnants et des perdants dans chaque segment de l’IA. Dans le segment matériel, par exemple, le temps dira si l’écosystème de l’IA peut permettre à plusieurs fabricants de puces (comme Nvidia, Broadcom et AMD, entre autres) de coexister, ou si ces acteurs sont, in fine, confrontés à un scénario de domination totale par un seul acteur.
2. Se diversifier au niveau régional : L’exposition particulière des indices américains au thème de l’IA plaide en faveur d’une diversification régionale, comme nous l’expliquons dans Diversifiez de manière sélective au sein des actions mondiales. Premièrement, les grands gagnants de la course à l’IA seront peut-être dans d’autres parties du monde, notamment en Asie. Deuxièmement, si l’attention du marché passe des producteurs d’IA aux utilisateurs d’IA, le mix sectoriel européen pourrait en bénéficier. À l’inverse, si le sentiment lié à l’IA se détériore, la faible exposition à la technologie de marchés comme le Royaume-Uni et la Suisse deviendrait soudainement plus attrayante.
3. Se diversifier sur les marchés publics et privés : À travers l’histoire, nombreux sont les créateurs de nouvelles technologies qui ont été évincés par des start-ups plus dynamiques et plus jeunes. Si la création de valeur se concentre finalement davantage sur les développeurs des outils capables d’exploiter l’IA, plutôt que sur les fournisseurs d’infrastructures, les gagnants à long terme pourraient bien se trouver aujourd’hui encore sur les marchés privés. C’est l’une des raisons pour lesquelles nous adoptons une position structurellement positive sur le capital-investissement (voir le chapitre N’ayez pas peur d’investir sur les marchés privés).
Conclusion
Les géants de la tech ont enregistré des bénéfices très solides, mais les perspectives concernant la demande future d’IA restent très incertaines et, par conséquent, il est également très incertain que ces attentes élevées seront satisfaites. Il est, par ailleurs, encore plus difficile de savoir quand ces déceptions pourraient avoir lieu. C’est pourquoi nous mettons en garde contre les portefeuilles trop fortement positionnés à la hausse ou à la baisse. La diversification au sein de l’écosystème de l’IA, des régions et entre les marchés publics et privés devrait offrir le meilleur ratio risque/rendement, en aidant les investisseurs à gérer les changements que cette nouvelle révolution technologique pourrait engendrer.