Wall Street coupe 3 licornes IA : qui survit vraiment ?

Wall Street coupe 3 licornes IA : qui survit vraiment ?

Certaines entreprises IA lèvent des milliards. D'autres perdent 40 % en bourse en une semaine. La différence tient à une seule question que Wall Street pose désormais à voix haute.

Pendant deux ans, il suffisait d'apposer le mot "IA" sur un pitch deck pour attirer des investisseurs. Cette époque est terminée. En 2025, les marchés financiers ont opéré un tri brutal entre les acteurs de l'intelligence artificielle — et les critères qu'ils appliquent redessinrent l'ensemble du secteur tech.

De l'euphorie à la sélectivité : ce qui a changé

Le tournant a été progressif, puis soudain. Après l'explosion de ChatGPT fin 2022, les valorisations ont grimpé sur une logique simple : celui qui construit la meilleure IA gagnera tout. Les investisseurs finançaient la course à la puissance de calcul, au nombre de paramètres, aux benchmarks techniques.

Aujourd'hui, Wall Street pose une question différente, beaucoup plus inconfortable : comment tu gagnes de l'argent, concrètement ?

Ce changement de paradigme a des conséquences directes. Les entreprises incapables de répondre clairement voient leur cours s'effondrer, indépendamment de la qualité de leur technologie. Celles qui présentent une mécanique économique solide — même avec un modèle moins spectaculaire — sont valorisées avec une prime.

Les trois modèles économiques sous la loupe

1. L'infrastructure : les seuls vrais gagnants stables

Nvidia reste l'exemple le plus cité, mais la logique s'applique plus largement. Vendre des pelles pendant une ruée vers l'or fonctionne, à condition que la ruée dure. Les fournisseurs de cloud (AWS, Google Cloud, Azure) et les fabricants de semi-conducteurs bénéficient d'une demande structurelle, quel que soit le modèle d'IA qui "gagne" la course.

Wall Street récompense cette position parce qu'elle est asymétrique : peu importe qui construit les modèles, l'infrastructure, elle, se vend. Le risque de disruption y est plus faible.

2. Les modèles fondamentaux : une course trop chère pour tout le monde

OpenAI, Anthropic (Claude), Google (Gemini), Meta (Llama)… La compétition entre modèles fondamentaux est devenue une guerre d'attrition financière. Former un modèle de pointe coûte plusieurs centaines de millions de dollars. Les maintenir, les améliorer, les sécuriser — c'est un puits sans fond.

Les investisseurs commencent à se demander si ce segment peut être rentable à grande échelle, ou s'il s'agit d'une infrastructure subventionnée par des entreprises qui monétisent ailleurs (publicité pour Google, cloud pour Amazon). Les "pure players" des LLM sans ancrage cloud robuste inquiètent.

3. Les applications verticales : l'eldorado ou le mirage ?

C'est ici que le tri est le plus féroce. Les startups qui "ajoutent de l'IA" à des workflows existants — santé, droit, finance, RH — ont longtemps bénéficié du halo du secteur. Mais deux problèmes émergent.

  • La substituabilité : si votre produit est "ChatGPT avec une interface spécialisée", OpenAI peut vous écraser en ajoutant une fonctionnalité native.
  • Le churn : plusieurs études montrent que les entreprises testent des outils IA pendant 3 à 6 mois, puis abandonnent si l'intégration dans leurs processus réels est trop complexe.

Seules survivent les applications qui créent une vraie dépendance aux données propriétaires de leur client — celles qui, plus elles sont utilisées, plus elles deviennent précises et irremplaçables.

Exemples concrets : qui monte, qui chute

Palantir a bondi en bourse non pas parce que son IA est la meilleure, mais parce que ses contrats gouvernementaux et son modèle de déploiement sur données sensibles créent des barrières à l'entrée quasi infranchissables. La moat n'est pas technologique, elle est contractuelle et réglementaire.

À l'inverse, plusieurs startups SaaS "IA-first" ont vu leur valorisation divisée par deux ou trois dès que leurs métriques de rétention client ont été publiées. La technologie impressionnait. La fidélité, beaucoup moins.

Microsoft, en intégrant Copilot directement dans la suite Office, illustre une troisième voie : utiliser l'IA pour verrouiller un écosystème existant plutôt que d'en construire un nouveau. Résultat : une adoption massive sans avoir besoin d'être le meilleur modèle du marché.

Ce que ça change pour les entreprises et les professionnels

Si vous êtes dirigeant ou décideur tech, ce rééquilibrage a des implications pratiques immédiates :

  • Choisir un outil IA en regardant la santé financière de son éditeur, pas seulement ses fonctionnalités
  • Privilégier les solutions qui s'intègrent à vos données internes — c'est là que réside votre levier de négociation
  • Se méfier des offres "freemium agressif" financées par du capital-risque : la facture finit toujours par arriver

Conclusion : l'IA mûrit, et c'est une bonne nouvelle

Le tri opéré par Wall Street n'est pas un signal de défiance envers l'IA. C'est le signe que le secteur entre dans une phase de maturité économique normale — celle où la réalité des marges, des cycles de vente et de la fidélité client compte autant que les prouesses techniques.

Les vrais gagnants ne seront pas nécessairement ceux qui ont les modèles les plus puissants. Ce seront ceux qui ont compris le plus tôt que la technologie n'est qu'un point d'entrée, et que la valeur durable se construit dans les couches où la substituabilité devient impossible.

La course à l'IA n'est pas terminée. Elle vient de changer de règles.


— Reservoir Live