Le pari IA de Big Tech à 690 milliards de dollars se jouera sur le ROI des entreprises

La frénésie d’investissement de Big Tech dans l’IA n’est pas seulement une course technologique. C’est un pari industriel lourd, financé par des dépenses d’investissement — le fameux capex — et fondé sur une hypothèse simple : les entreprises finiront par consommer massivement de la puissance de calcul IA, de façon récurrente et rentable.

Pour l’instant, ce pari peut se défendre. La capacité de calcul reste rare, les délais de construction des centres de données sont longs, et les plateformes cloud qui disposent déjà des puces, de l’électricité, du refroidissement et des clients auront un avantage. Mais la question n’est plus de savoir si l’IA est stratégique. Elle est de savoir si les usages en entreprise généreront assez de revenus, assez longtemps, pour justifier l’addition.

Des montants qui changent d’échelle

Le chiffre exact dépend du périmètre retenu : quelles entreprises, quelles catégories de dépenses, quelle part réellement liée à l’IA. Mais toutes les estimations récentes racontent la même histoire : l’investissement explose.

Futurum estime que Microsoft, Alphabet, Amazon, Meta et Oracle ont collectivement engagé entre 660 et 690 milliards de dollars de dépenses d’investissement pour 2026, soit presque le double des niveaux de 2025 . Campaign US rapporte de son côté que Meta, Microsoft, Alphabet et Amazon se dirigent vers plus de 650 milliards de dollars d’investissements IA en 2026, principalement dans les centres de données avancés, les puces spécialisées et les systèmes de refroidissement liquide . Business Insider a aussi indiqué qu’Amazon, Microsoft, Meta et Google prévoyaient jusqu’à 725 milliards de dollars de dépenses d’investissement en 2026 après leurs annonces de résultats du premier trimestre .

À ce niveau, il ne s’agit plus d’un simple budget d’innovation. C’est une réallocation massive de capital vers une infrastructure physique : terrains, bâtiments, serveurs, processeurs, réseaux, énergie et refroidissement. Et cette infrastructure devra tourner presque en continu pour être pleinement rentable.

Pourquoi construire avant d’avoir toutes les preuves

Pour les grands opérateurs de cloud, sous-investir peut coûter très cher. Si la demande de calcul IA dépasse les capacités disponibles, les fournisseurs déjà équipés pourront vendre immédiatement. Ceux qui attendent devront composer avec les délais de construction, les tensions sur les composants, les contraintes énergétiques et la disponibilité des sites.

C’est ce qui rend le mouvement rationnel, même si le retour sur investissement des clients finaux reste inégal. AInvest décrit l’expansion des centres de données pour 2026 comme une course menée dans un contexte de contraintes d’approvisionnement, tout en soulignant que l’investissement dans l’infrastructure IA avance plus vite que la captation de valeur par les logiciels . Autrement dit : Big Tech cherche à contrôler une ressource rare avant que le marché final n’ait totalement mûri.

Mais construire tôt ne valide pas automatiquement le modèle économique. Cela réduit le risque de manquer la demande. Cela augmente aussi le risque inverse : voir arriver trop de capacité avant que les entreprises soient prêtes à payer à grande échelle.

Le ROI des entreprises reste le point faible

Adopter l’IA et gagner de l’argent avec l’IA sont deux choses différentes. L’enquête mondiale 2025 de McKinsey montre que près des deux tiers des répondants disent que leur organisation n’a pas encore commencé à déployer l’IA à l’échelle de toute l’entreprise ; 64 % déclarent que l’IA favorise l’innovation, mais seulement 39 % constatent un impact sur l’EBIT, c’est-à-dire le résultat avant intérêts et impôts, au niveau de l’entreprise .

McKinsey observe également que certaines organisations commencent à revoir leurs flux de travail et à confier à des dirigeants seniors des rôles clés dans la gouvernance de l’IA afin de capter une valeur plus tangible . C’est probablement là que se joue la différence : l’IA produit davantage d’effet lorsqu’elle transforme les processus, plutôt que lorsqu’elle est simplement ajoutée à des méthodes de travail existantes.

Les conclusions relayées autour du rapport MIT GenAI Divide sont plus sévères. Digital Commerce 360 a rapporté que, malgré 30 à 40 milliards de dollars de dépenses d’entreprise dans l’IA générative, 95 % des organisations n’avaient pas observé de retour financier mesurable, tandis que seuls 5 % des pilotes intégrés extrayaient des millions de dollars de valeur . Ce n’est pas une preuve que l’IA en entreprise ne fonctionnera pas. C’est un avertissement : le fossé est important entre les déploiements intégrés et les pilotes qui restent bloqués hors du compte de résultat.

Les quatre signaux à surveiller

1. Le taux d’utilisation

Le premier test est simple : les centres de données IA et les puces spécialisées seront-ils utilisés à pleine capacité ? Une forte utilisation transforme une infrastructure coûteuse en capacité vendable. Une utilisation faible révèle au contraire une surconstruction et rend plus difficile l’absorption des coûts fixes.

2. Le pouvoir de fixation des prix

La capacité de calcul IA doit être vendue à des prix suffisants pour soutenir les rendements. Si les grands clouds se livrent trop vite à une guerre des prix avant que les entreprises n’augmentent réellement leurs volumes d’usage, la croissance du chiffre d’affaires pourrait décevoir face au poids du capex.

3. L’impact financier au niveau de l’entreprise

Les démonstrations convaincantes et les gains ponctuels ne suffisent pas. Le vrai signal sera l’impact financier au niveau de l’entreprise, là où l’enquête McKinsey montre encore un écart entre les bénéfices d’innovation et l’impact sur l’EBIT . Plus les entreprises réorganiseront leurs processus autour de l’IA, plus la demande cloud liée à l’IA aura des chances de devenir durable .

4. La patience des investisseurs

Les marchés ne réagissent déjà pas de manière uniforme aux promesses d’investissement IA. Fortune a rapporté qu’après les annonces d’Alphabet, Meta et Microsoft sur une hausse des dépenses IA, l’action Meta a perdu plus de 6 % dans les échanges après clôture, Microsoft est restée quasiment stable, tandis qu’Alphabet a progressé de près de 7 % . Le message est clair : les investisseurs ne veulent pas seulement des budgets plus élevés, ils veulent une trajectoire crédible entre dépenses et rendements.

Tous les acteurs ne portent pas le même risque

La capacité la plus défendable est celle qui peut servir de nombreux usages payants. Un grand cloud généraliste dispose de plus de façons de monétiser l’infrastructure IA : services cloud, outils développeurs, logiciels d’entreprise, produits internes, modèles partenaires et offres spécialisées.

Le risque est plus élevé lorsque la demande dépend d’un nombre plus limité d’acteurs ou d’usages encore incertains. Futurum souligne ce déséquilibre : les fournisseurs IA spécialisés, notamment OpenAI et Anthropic, croissent rapidement, mais leurs revenus combinés restent une fraction de l’investissement d’infrastructure déployé pour les servir . Cela ne signifie pas que le capex est condamné. Cela signifie que la marge de sécurité dépendra de la capacité des clients entreprises à convertir l’IA en demande récurrente, et non en simples expérimentations isolées.

Le verdict : soutenable, mais sous condition

Les investissements IA de Big Tech restent soutenables à court terme parce que la capacité de calcul est rare et que les plateformes cloud ont de solides raisons stratégiques de construire avant leurs concurrents . Mais des estimations supérieures à 650 milliards de dollars ne seront pas jugées sur l’enthousiasme autour des modèles. Elles le seront sur l’utilisation réelle des infrastructures, le niveau des prix et le retour sur investissement mesurable des entreprises .

Si les organisations transforment l’IA en charges de travail de production récurrentes, avec un effet visible sur leurs comptes, cette vague d’investissement pourra ressembler à un nouveau cycle majeur du cloud. Si, au contraire, la majorité reste coincée entre prototypes et pilotes limités, les mêmes dépenses commenceront à ressembler à une surcapacité coûteuse.