Bulle de l’IA : ce qui pourrait vraiment s’effondrer

Ce qui lâcherait d’abord : les hypothèses

Dans un scénario d’éclatement, le premier test ne porterait pas sur la performance des modèles, mais sur les promesses financières qui les entourent. En phase d’euphorie, une simple exposition à l’IA peut suffire à faire monter une valorisation. En phase de correction, les questions deviennent beaucoup plus terre à terre :

• les clients paient-ils de manière récurrente ?
• les coûts de GPU, de centres de données et d’électricité laissent-ils une marge suffisante ?
• la valorisation actuelle est-elle justifiée par la croissance réelle ?
• les investissements d’infrastructure correspondent-ils à une demande déjà visible ou contractualisée ?
• le chiffre d’affaires vient-il d’utilisateurs finaux, ou surtout de transactions internes à l’écosystème IA ?

Autrement dit, le cœur du scénario n’est pas la disparition de l’IA. C’est la réévaluation de son prix : prime boursière, valorisations privées, rentabilité des centres de données, retour sur investissement des projets d’IA en entreprise.

Pourquoi le débat sur la bulle s’intensifie

La thèse de la bulle ne vient pas d’un manque d’investissement, mais de sa vitesse et de son ampleur. Goldman Sachs estime que la construction de centres de données et d’infrastructures liés à l’IA pourrait représenter plusieurs milliers de milliards de dollars. Le rapport cite aussi Jensen Huang, le patron de Nvidia, selon qui les dépenses d’infrastructure IA pourraient atteindre 3 000 à 4 000 milliards de dollars d’ici 2030, tandis que les seules dépenses d’investissement des hyperscalers — les très grands acteurs du cloud capables de déployer des infrastructures à l’échelle mondiale — pourraient totaliser 1 400 milliards de dollars entre 2025 et 2027 .

Les projections pour 2026 sont déjà très élevées. Goldman Sachs indique que le consensus des analystes de Wall Street pour les dépenses d’investissement 2026 des grandes entreprises IA hyperscale atteint désormais 527 milliards de dollars, contre 465 milliards au début de la saison des résultats du troisième trimestre . Un autre article de Goldman Sachs souligne également que les plus grands fournisseurs de cloud hyperscale devraient investir plus de 500 milliards de dollars en 2026 .

Mais un gros chèque n’est pas, à lui seul, la preuve d’une bulle. Goldman Sachs note que le cycle d’investissement IA est plus important que les précédents en dollars nominaux, mais paraît moins extrême lorsqu’il est mis à l’échelle . La vraie question est donc plus simple : la demande et les profits futurs permettront-ils de récupérer ces dépenses ?

1. En Bourse, la prime IA serait la première exposée

Quand une bulle se dégonfle, la Bourse sert souvent de premier thermomètre. Dans la phase ascendante, semi-conducteurs, cloud, centres de données, logiciels et infrastructures électriques peuvent tous être rangés sous la même bannière IA. Dans une phase de correction, le marché trie beaucoup plus sévèrement.

Goldman Sachs observe déjà que les investisseurs deviennent plus sélectifs sur les actions liées à l’IA . Les questions reviendraient alors aux fondamentaux : quelle part du chiffre d’affaires vient vraiment de l’IA ? Les marges sont-elles suffisantes ? Les clients renouvellent-ils leurs dépenses ? Les coûts de calcul et d’infrastructure sont-ils absorbables ?

La concentration du marché rend ce point particulièrement important. Selon Goldman Sachs Research, les sept plus grandes entreprises technologiques représentent plus de 30 % de la capitalisation du S&P 500, l’indice phare des grandes actions américaines, et environ un quart de ses bénéfices . Si les attentes liées à l’IA sont déjà intégrées dans les multiples de ces géants, une révision à la baisse ne concernerait pas seulement quelques valeurs spéculatives : elle pourrait accroître la volatilité des grands indices.

2. Pour les start-up, les démonstrations ne suffiraient plus

Les sources disponibles ici ne permettent pas de chiffrer le nombre de start-up qui subiraient une baisse de valorisation ou une fermeture. Mais si les multiples des entreprises cotées liées à l’IA se contractent, la logique de financement du non-coté deviendrait probablement plus stricte.

Cresset note que le secteur présente des signes de bulle, notamment des valorisations élevées, des flux de capitaux massifs et des comportements spéculatifs . Goldman Sachs cite aussi la hausse des valorisations des entreprises exposées à l’IA parmi les facteurs qui alimentent les inquiétudes . Dans un tel environnement, les investisseurs risqueraient de moins se laisser convaincre par une démonstration spectaculaire et de demander davantage de preuves : revenus récurrents, fidélisation des clients, structure de coûts, données propriétaires, capacité de distribution, intégration dans les systèmes de travail existants.

Les modèles les plus fragiles seraient ceux qui reposent surtout sur l’étiquette IA. Ajouter une fonction d’appel à un grand modèle ne suffirait plus. Il faudrait montrer que les clients paient durablement et que l’usage à grande échelle n’aggrave pas les pertes.

3. Centres de données, GPU, électricité : le passage du tout-construire au prouver-la-demande

Le canal le plus visible dans l’économie réelle passerait par les centres de données et l’énergie. Goldman Sachs estime que les infrastructures IA pourraient représenter plusieurs milliers de milliards de dollars et que le capex des hyperscalers pourrait atteindre 1 400 milliards de dollars sur 2025-2027 . Pour 2026, le consensus cité par Goldman Sachs monte à 527 milliards de dollars de dépenses d’investissement pour les grandes entreprises IA hyperscale .

Le problème n’est pas seulement la taille de ces montants, mais leur récupération. Si la demande pour les services IA se révèle inférieure aux attentes, ou si les revenus ne progressent pas assez vite pour absorber les coûts d’inférence, les entreprises pourraient passer d’une logique de construction anticipée à une logique de construction adossée à une demande confirmée. Les calendriers de nouveaux centres de données, les commandes de GPU et les plans d’approvisionnement électrique seraient alors réexaminés.

Cela ne veut pas dire que tous les centres de données sont superflus. Cela signifie que le critère changerait. En phase de correction, le marché regarderait davantage le taux d’utilisation, les contrats clients de long terme, le délai de retour sur investissement et la stabilité de l’approvisionnement en électricité. Cresset résume l’enjeu ainsi : l’actuel boom d’infrastructures dira s’il devient une plateforme d’innovation durable ou l’une des plus grandes mauvaises allocations de capital de l’histoire des marchés .

4. Big Tech : moins un effondrement qu’un ajustement des multiples

Une correction de l’IA ne signifierait pas nécessairement l’effondrement des grands groupes technologiques. Cresset souligne que, malgré les valorisations élevées et certains comportements spéculatifs, les profits robustes, la croissance régulière du chiffre d’affaires et les investissements financés par la trésorerie rendent plus probable une correction sélective qu’une crise systémique .

Mais résister n’est pas la même chose qu’éviter tout choc boursier. Les sept plus grands groupes technologiques pèsent plus de 30 % de la capitalisation du S&P 500 et environ un quart de ses bénéfices . Une baisse des attentes liées à l’IA pourrait donc se traduire par une contraction des multiples de valorisation, un ralentissement de la hausse des dépenses d’investissement ou une révision des priorités entre projets, même sans faillites majeures.

5. Le point faible : une économie IA trop circulaire

Goldman Sachs identifie la circularité de l’écosystème IA comme l’un des éléments qui nourrissent les inquiétudes de bulle . La question est de savoir si l’argent vient d’une demande finale solide — entreprises et consommateurs qui paient pour un usage utile — ou s’il circule surtout entre fabricants de puces, fournisseurs de cloud, développeurs de modèles et applications IA.

Dans un marché technologique naissant, il est normal que les acteurs d’un même écosystème se soutiennent et se vendent mutuellement des services. Mais en phase de correction, les investisseurs regardent moins la croissance interne du réseau que sa capacité à attirer de vrais clients extérieurs. C’est souvent là que l’écart se creuse entre une adoption durable et une mécanique de valorisation auto-entretenue.

L’adoption en entreprise ne s’arrêterait pas, elle deviendrait plus exigeante

Même si la bulle se dégonfle, il serait excessif de conclure que les entreprises abandonneront l’IA. Le changement le plus probable concerne plutôt les critères budgétaires. La question ne serait plus : avons-nous un projet IA ? Elle deviendrait : réduit-il vraiment les coûts, augmente-t-il le chiffre d’affaires, s’intègre-t-il aux systèmes existants ?

Les projets pilotes au retour sur investissement flou, les chatbots de vitrine et les expérimentations internes peu utilisées pourraient être réduits. À l’inverse, les usages dont les effets se mesurent plus facilement — support client, traitement de documents, assistance au code, recherche interne, sécurité — pourraient mieux résister. Cette distinction rejoint l’alternative formulée par Cresset entre infrastructure utile à l’innovation et mauvaise allocation de capital .

La grille de lecture à garder en tête

Le bon critère n’est pas de savoir si une entreprise fait de l’IA. Il est de savoir si elle transforme l’IA en flux de trésorerie répétables.

Conclusion : ce n’est pas l’IA qui finirait, c’est son étiquette de prix

Si la bulle de l’IA éclate, le verdict ne sera probablement pas : l’IA ne sert à rien. Il sera plutôt : une partie du marché l’a payée trop cher. Les inquiétudes citées par Goldman Sachs portent sur les valorisations, l’ampleur des investissements et la circularité de l’écosystème . Le FMI a aussi mis en garde contre un risque comparable à la bulle internet . Mais Goldman Sachs et Cresset ne décrivent pas pour autant le scénario central comme un effondrement généralisé .

La réponse la plus réaliste est donc la suivante : un éclatement de la bulle ne ferait pas disparaître l’IA. Il éliminerait surtout les attentes excessives, les investissements mal calibrés et les modèles économiques trop faibles. Après la correction, les usages capables de générer du chiffre d’affaires, de réduire les coûts et de convaincre des clients de payer durablement devraient apparaître beaucoup plus nettement.