IA et Wall Street : les signaux que les investisseurs doivent suivre de près

L’intelligence artificielle n’est plus seulement un sujet de laboratoires ou de démonstrations spectaculaires. En novembre 2024, elle est devenue l’un des grands récits économiques suivis par Wall Street. Les marchés cherchent à identifier les entreprises qui fourniront les infrastructures, les logiciels et les services de cette transformation, mais aussi celles qui sauront utiliser l’IA pour améliorer concrètement leur productivité et leurs revenus.

Cette attention est compréhensible : l’IA générative, l’analyse prédictive et l’automatisation sont susceptibles de modifier la façon dont les entreprises conçoivent un produit, répondent à leurs clients, détectent des fraudes ou exploitent leurs données. Pour autant, l’intérêt boursier ne vaut pas preuve de rentabilité. L’enjeu, pour les investisseurs comme pour le grand public, consiste à séparer les usages opérationnels déjà mesurables des annonces encore incertaines.

Pourquoi l’IA est devenue un thème majeur pour les marchés financiers

Les investisseurs s’intéressent à l’IA parce qu’elle touche plusieurs niveaux de l’économie à la fois. Elle peut d’abord réduire le temps consacré à certaines tâches répétitives : classement de documents, synthèse de comptes rendus, assistance à la rédaction, traitement de demandes clients ou recherche dans de grandes bases de données. Elle peut aussi aider à analyser des volumes d’informations qu’un humain ne pourrait pas examiner seul dans les mêmes délais.

Pour une entreprise cotée, cette promesse peut se traduire de trois manières : de nouveaux produits à vendre, une meilleure fidélisation des clients et des gains d’efficacité internes. C’est pourquoi les marchés ne regardent pas uniquement les créateurs de modèles d’IA. Ils observent aussi les fournisseurs de logiciels, de services cloud, de cybersécurité et de données, ainsi que les entreprises traditionnelles capables d’adopter ces outils sans dégrader la qualité de leurs services.

Microsoft et Google ont ainsi intensifié l’intégration de fonctionnalités d’IA dans leurs services. Leur intérêt est double : enrichir des produits déjà largement déployés auprès des particuliers et des organisations, tout en faisant de l’IA un argument pour développer leurs activités de cloud et de logiciels professionnels. Dans ce contexte, l’IA devient un enjeu concurrentiel autant qu’un pari technologique.

Les géants technologiques cherchent à intégrer l’IA partout

La bataille ne se joue pas uniquement sur la performance des modèles. Elle porte aussi sur leur intégration dans des produits familiers. Pour les grands groupes technologiques, l’objectif est de rendre l’IA accessible dans les outils de travail, les services cloud, la gestion de la relation client, la création de contenus ou l’analyse de données.

Microsoft et Google figurent parmi les entreprises les plus étroitement associées à cette dynamique. Elles peuvent s’appuyer sur des écosystèmes déjà installés : logiciels de bureautique, moteurs de recherche, messageries, plateformes cloud et outils de développement. Dans les entreprises, cette présence existante constitue un avantage : déployer une fonction d’IA dans un outil déjà utilisé est généralement plus simple que convaincre un client d’adopter une plateforme entièrement nouvelle.

D’autres groupes sont surveillés pour la façon dont ils appliquent l’IA à des usages précis. Salesforce, spécialiste des outils de relation client, et Adobe, présent dans les logiciels de création et de document, cherchent à enrichir l’expérience de leurs utilisateurs grâce à des fonctionnalités d’automatisation et d’assistance. La question centrale pour les marchés est moins de savoir si l’IA apparaîtra dans leurs produits que de déterminer si ces capacités renforceront l’usage, la rétention et, à terme, les revenus.

IBM, de son côté, met en avant le potentiel de l’IA pour transformer les activités des entreprises, notamment dans la finance. Dans ce secteur, les cas d’usage sont nombreux : recherche dans des documents, détection d’anomalies, accompagnement des conseillers, analyse de risques et automatisation de procédures. Mais la finance est aussi un domaine où les erreurs peuvent avoir des conséquences importantes. Les outils doivent donc être contrôlés, explicables lorsque cela est nécessaire, et intégrés à des processus de validation humaine.

Startups françaises : pourquoi LightOn et ChapsVision attirent l’attention

L’intérêt boursier pour l’IA ne se limite pas aux géants américains. En France, des entreprises plus jeunes cherchent elles aussi à tirer parti de la demande pour les technologies de données et d’intelligence artificielle.

LightOn se prépare, en novembre 2024, à une introduction sur le marché boursier. L’entreprise développe des technologies d’IA destinées notamment aux organisations qui veulent exploiter leurs informations dans un cadre maîtrisé. Son projet d’entrée en Bourse illustre une évolution importante : les marchés européens commencent eux aussi à offrir une visibilité accrue à des sociétés positionnées sur l’IA, même si leurs moyens restent sans commune mesure avec ceux des très grands groupes mondiaux.

ChapsVision est, pour sa part, souvent présentée comme un « Palantir européen ». L’entreprise développe des solutions d’analyse de données complexes, un domaine stratégique pour des organisations qui doivent croiser de nombreuses sources d’information. Son soutien croissant montre que les investisseurs ne cherchent pas seulement des modèles conversationnels : ils s’intéressent également aux outils capables de rendre les données exploitables dans des environnements complexes.

Il faut cependant éviter de confondre visibilité et maturité. Une startup peut disposer d’une technologie prometteuse sans avoir encore atteint une activité suffisamment stable pour justifier les anticipations les plus élevées. Sa capacité à recruter, à sécuriser ses données, à signer des clients et à financer ses infrastructures compte autant que la qualité de son produit.

De l’enthousiasme aux revenus : les questions à poser avant d’investir

L’IA suscite des attentes considérables, ce qui peut pousser le marché à valoriser très vite les entreprises associées à ce thème. Or toutes n’occupent pas la même position. Certaines vendent directement des outils d’IA, d’autres fournissent des composants ou des services indispensables, et beaucoup utilisent l’IA comme une fonctionnalité supplémentaire dans une offre existante.

Pour évaluer une entreprise, il est utile de revenir à quelques questions simples. Quel problème précis cherche-t-elle à résoudre ? Ses clients utilisent-ils réellement le produit ou testent-ils seulement une nouveauté ? L’IA fait-elle l’objet d’une offre facturée, ou constitue-t-elle un coût absorbé par l’entreprise ? Quels investissements supplémentaires sont nécessaires en calcul, en stockage, en sécurité et en personnel qualifié ?

Les annonces liées à l’IA doivent aussi être replacées dans la stratégie générale d’un groupe. Une technologie peut améliorer l’expérience client sans pour autant devenir immédiatement une source de revenus. À l’inverse, une entreprise peut réaliser des gains d’efficacité importants sans que cela se voie tout de suite dans son discours commercial. Les résultats financiers, les contrats signés et les indicateurs d’usage restent donc essentiels.

L’IA change aussi les pratiques de trading et d’analyse financière

Les marchés financiers utilisent depuis longtemps des méthodes quantitatives et des systèmes automatisés. L’essor récent de l’IA élargit ces possibilités, notamment grâce aux technologies de traitement du langage naturel. Celles-ci peuvent parcourir rapidement de très grands volumes de textes : publications d’entreprises, dépêches, déclarations, commentaires de marché ou documents réglementaires.

Ces outils peuvent, par exemple, repérer des thèmes récurrents, synthétiser une information abondante ou tenter d’évaluer le ton général des discussions autour d’une entreprise. Dans un environnement où les informations circulent très vite, cette capacité de tri peut constituer un avantage opérationnel pour les professionnels de marché.

Elle ne supprime toutefois pas le risque. Un système peut mal interpréter une phrase, reproduire un biais présent dans les données ou donner trop de poids à des signaux sans importance. Les marchés eux-mêmes restent influencés par des événements imprévisibles, des décisions politiques et des comportements humains. Une analyse générée par une machine ne remplace donc pas la vérification des faits, l’évaluation des risques ni le jugement d’un professionnel.

Régulation, données et biais : des risques qui pèsent sur la valeur

L’essor de l’IA soulève des enjeux qui dépassent la seule performance commerciale. Dès lors qu’un système intervient dans des domaines sensibles, comme la détection de fraude, le recrutement, l’accès au crédit, l’éducation ou la santé, les questions de biais, de transparence et de responsabilité deviennent centrales.

Un biais algorithmique peut apparaître si les données utilisées reflètent des inégalités ou des erreurs passées. Si un outil est ensuite déployé à grande échelle sans contrôles suffisants, ces déséquilibres risquent d’être reproduits, voire amplifiés. Les conséquences peuvent être sociales, mais également financières et juridiques pour les entreprises qui utilisent ces systèmes.

En Europe, le cadre réglementaire se précise. Le règlement européen sur l’intelligence artificielle, l’AI Act, est entré en vigueur le 1er août 2024. Ses obligations s’appliqueront progressivement. Le texte repose notamment sur une approche par niveau de risque et prévoit des règles renforcées pour certains usages susceptibles d’affecter la sécurité ou les droits fondamentaux.

Pour les entreprises cotées, la régulation n’est pas seulement une contrainte abstraite. Elle peut influencer les coûts de conformité, les méthodes de collecte et d’utilisation des données, les procédures de documentation et la vitesse de déploiement de certains produits. À l’inverse, un cadre plus clair peut aussi rassurer les clients et favoriser l’adoption d’outils jugés plus fiables.

La convergence entre technologie, santé, agriculture et finance

La portée économique de l’IA vient de sa diffusion dans de nombreux secteurs. Dans la santé, elle peut aider à exploiter des données complexes ou à assister certains travaux de recherche. Dans l’agriculture, l’analyse de données peut contribuer à une gestion plus fine des ressources et des cultures. Dans les services financiers, elle peut soutenir la détection d’anomalies, l’organisation de l’information et la relation client.

Cette convergence crée des opportunités pour les acteurs technologiques, mais aussi pour les entreprises de ces secteurs qui parviennent à intégrer l’IA à leurs processus. Le potentiel ne dépend pas uniquement de l’algorithme : il repose sur la qualité des données, l’expertise métier, la sécurité des systèmes, l’acceptation des utilisateurs et la capacité à mesurer un bénéfice concret.

La question sociale est tout aussi importante. L’automatisation peut modifier certains métiers, créer de nouveaux besoins en compétences et déplacer des tâches plutôt que les faire disparaître totalement. Les organisations qui déploient ces outils devront donc accompagner les salariés, définir clairement les responsabilités et préserver une supervision humaine dans les décisions les plus sensibles.

Ce qu’il faut surveiller dans les prochains mois

Pour Wall Street, la prochaine étape consiste à vérifier si l’enthousiasme pour l’IA se traduit par des résultats durables. Les investisseurs suivront les dépenses d’infrastructure des grands groupes, l’adoption des outils par les entreprises clientes, les annonces de nouveaux produits et la capacité des sociétés à transformer ces usages en revenus ou en gains de productivité.

Ils observeront également le parcours des startups, dont LightOn, et leur aptitude à évoluer dans un marché dominé par des acteurs disposant de ressources considérables. Enfin, la mise en œuvre progressive de l’AI Act européen constituera un test concret : les entreprises les mieux préparées sur les données, la documentation et la gouvernance pourraient disposer d’un avantage dans les secteurs les plus encadrés.

L’IA est donc appelée à rester un sujet déterminant pour les marchés. Mais son intérêt ne se résume pas à une course aux annonces. La valeur économique se jouera dans la qualité des produits, la confiance des clients, la maîtrise des risques et la démonstration, chiffres à l’appui, d’une utilité réelle.