Wall Street a dépensé 1 000 milliards dans l'IA. Et maintenant ?

Wall Street a dépensé 1 000 milliards dans l'IA. Et maintenant ?

Les investisseurs ont mis des milliards sur l'IA. Ils commencent à demander où est l'argent.

Pendant deux ans, les marchés financiers ont avalé chaque annonce autour de l'intelligence artificielle comme une promesse absolue. Mais quelque chose a changé au cours des derniers trimestres : les actionnaires de Wall Street posent désormais des questions que les PDG de la Silicon Valley peinent à esquiver. Le retour sur investissement de l'IA générative existe-t-il vraiment ? Et si la plus grande bulle technologique depuis l'an 2000 était en train de se former sous nos yeux ?

Un investissement colossal, des revenus encore flous

Les chiffres donnent le vertige. En 2024, les grandes entreprises technologiques américaines — Microsoft, Google, Amazon, Meta — ont collectivement englouti plus de 200 milliards de dollars en dépenses d'infrastructure liées à l'intelligence artificielle. Des data centers titanesques, des puces Nvidia achetées à prix d'or, des équipes d'ingénieurs recrutées à coups de salaires à six chiffres.

Le problème ? Les revenus directement attribuables à l'IA générative restent, pour la plupart, difficiles à quantifier. Lors des dernières conférences téléphoniques de résultats trimestriels, les analystes ont remarqué un phénomène troublant : les dirigeants multiplient les anecdotes enthousiastes, mais peinent à fournir des métriques précises sur la rentabilité réelle de ces investissements.

L'exemple Microsoft-OpenAI sous pression

Microsoft, qui a investi 13 milliards de dollars dans OpenAI, est sans doute le cas le plus scruté. Copilot, l'assistant IA intégré à la suite Office, est présenté comme un succès commercial. Mais plusieurs analystes indépendants soulèvent une question gênante : combien d'entreprises paient effectivement pour Copilot, et combien se contentent des fonctionnalités gratuites de ChatGPT ?

Goldman Sachs a publié en 2024 une note d'analyse remarquée, dans laquelle ses économistes posaient la question frontalement : "L'IA va-t-elle vraiment tenir ses promesses économiques ?" La réponse n'était pas rassurante — du moins pas à court terme.

Le syndrome de la technologie cherchant son usage

L'histoire de la tech est jalonnée de technologies brillantes qui ont mis des décennies à trouver leur modèle économique viable. Internet lui-même a failli emporter toute une génération d'investisseurs dans la faillite avant de redémarrer sur des bases solides. L'IA générative suit-elle le même schéma ?

Ce qui rend la situation particulière, c'est la vitesse à laquelle les capitaux se sont déployés. Les entreprises n'ont pas attendu de valider des cas d'usage rentables avant d'investir massivement. Résultat :

  • Des entreprises achètent des licences d'outils IA sans avoir de stratégie d'intégration claire.
  • Les gains de productivité mesurés sont souvent marginaux ou localisés sur des tâches très spécifiques.
  • Le coût d'inférence — c'est-à-dire faire tourner un modèle comme GPT-4 ou Gemini à grande échelle — reste prohibitif pour de nombreux cas d'usage commerciaux.

Les secteurs qui commencent à trouver la bonne formule

Tout n'est pas sombre. Certains secteurs montrent des signes concrets de rentabilisation :

La cybersécurité et le service client

Les entreprises qui ont intégré l'IA dans leur centre d'appels ou dans leur détection de fraudes rapportent des économies réelles et mesurables. Ici, le ROI est tangible : réduction du temps de traitement, baisse du taux d'erreur, disponibilité 24h/24.

Le développement logiciel

Des outils comme GitHub Copilot ou Cursor montrent des gains de productivité documentés chez les développeurs. Certaines études internes citent une accélération de 20 à 35 % sur certaines tâches de codage. C'est concret — même si cela reste un cas d'usage très ciblé.

Ce que les investisseurs exigent désormais

Le ton a clairement changé sur les marchés. Lors du dernier cycle de résultats des géants tech, plusieurs investisseurs institutionnels ont formulé des demandes précises que l'on n'entendait pas il y a dix-huit mois :

  • Des métriques de revenus directement liés à l'IA, séparées du reste du chiffre d'affaires.
  • Une feuille de route de rentabilité sur 24 à 36 mois, pas de simples promesses de transformation.
  • Une justification des dépenses en capital par rapport aux concurrents directs.

Cette pression a déjà des effets. Meta a commencé à communiquer plus précisément sur l'impact de l'IA sur ses revenus publicitaires. Alphabet tente de lier les performances de Gemini à la croissance de Google Cloud. L'ère des chèques en blanc touche à sa fin.

La vraie question : correction ou effondrement ?

La nuance est importante. Remettre en question le retour sur investissement de l'IA ne signifie pas que la technologie est sans avenir. Cela signifie que le marché entre dans une phase de maturité, où les promesses doivent céder la place aux preuves.

Les bulles spéculatives ne se distinguent du vrai progrès technologique que rétrospectivement. Ce qui est certain, c'est que les prochains trimestres seront déterminants : soit les géants de la tech fournissent des preuves de rentabilité convaincantes, soit la pression des marchés obligera à une restructuration profonde des stratégies IA.

Dans les deux cas, une chose est claire : l'enthousiasme sans métriques ne suffit plus. Wall Street a ouvert les yeux — et cette vigilance, au fond, n'est peut-être pas la pire chose qui pouvait arriver à l'IA.


— Reservoir Live