L’IA peut-elle devenir une bulle comme l’internet des années 2000 ?

La question n’est plus réservée aux économistes les plus prudents : face aux milliards de dollars dirigés vers les puces, les centres de données et les jeunes pousses, l’intelligence artificielle fait désormais ressurgir un souvenir puissant, celui de la bulle internet. L’analogie ne signifie pas que l’IA serait un mirage. Elle invite plutôt à distinguer deux réalités qui peuvent coexister : une technologie appelée à transformer durablement l’économie, et un marché financier susceptible de s’emballer autour de ses promesses.

En octobre 2025, ce débat traverse les salles de marché, les conseils d’administration et les institutions publiques. Les dépenses engagées sont considérables, alors que les retombées économiques restent très inégales selon les entreprises et les usages. Certains acteurs voient une étape nécessaire pour industrialiser l’IA. D’autres redoutent que les valorisations et les capacités techniques construites aujourd’hui dépassent, à court terme, la demande réelle.

Pourquoi parle-t-on d’une possible bulle de l’IA ?

Une bulle économique apparaît lorsque le prix d’actifs financiers progresse surtout grâce à l’anticipation d’une hausse future, et non plus en fonction de revenus ou de bénéfices déjà observables. Cette dynamique repose souvent sur une conviction collective : acheter aujourd’hui serait indispensable pour ne pas rater le prochain grand marché. Tant que l’enthousiasme dure, les prix peuvent monter très vite. Lorsqu’il faiblit, la correction peut être tout aussi brutale.

Dans une enquête évoquée par BofA Global Research, 54 % des gestionnaires de fonds interrogés considèrent que les actions liées à l’IA se situent déjà en zone de bulle. Ce chiffre ne constitue pas un diagnostic définitif sur la valeur de chaque entreprise. Il mesure avant tout un état d’esprit parmi des investisseurs professionnels, dans un contexte de hausse rapide de l’attention et des dépenses consacrées au secteur.

La particularité de l’IA tient à l’ampleur des attentes qu’elle suscite. La technologie est présentée comme un outil capable d’automatiser certaines tâches, d’améliorer les logiciels, d’accélérer l’analyse de données ou de créer de nouveaux services. Mais entre une démonstration convaincante et une activité rentable à grande échelle, le chemin peut être long. Les marchés doivent donc évaluer simultanément le potentiel technologique, les coûts de déploiement et la vitesse d’adoption par les clients.

Le précédent de la bulle internet éclaire-t-il vraiment la situation ?

La comparaison avec l’ère dot-com est devenue récurrente parce que les deux périodes partagent plusieurs mécanismes : une innovation perçue comme structurante, des capitaux abondants, une concurrence intense et des promesses de marchés immenses. À la fin des années 1990, l’internet semblait capable, à juste titre, de modifier profondément le commerce, les médias et les communications. L’excès ne portait pas nécessairement sur cette intuition, mais sur la capacité supposée de chaque entreprise à en profiter rapidement.

Ben Dawson, vice-président senior de Cisco, relève ainsi des similitudes entre l’engouement actuel pour l’IA et les débuts agités de l’internet. Selon cette lecture, les grandes transitions technologiques suivent fréquemment une séquence comparable : enthousiasme initial, investissements massifs, correction, puis consolidation autour des acteurs capables de répondre à des besoins durables. Certains projets liés à l’IA peuvent disparaître, sans que cela remette en cause la portée générale de la technologie.

L’analogie a toutefois ses limites. L’IA se déploie dans un monde déjà numérisé, connecté et largement équipé en logiciels et en services en ligne. Les entreprises qui l’adoptent peuvent chercher à l’intégrer à des activités existantes, plutôt qu’à bâtir uniquement de nouveaux sites ou services à partir de zéro. Cette base installée peut accélérer les usages, mais elle ne garantit ni la rentabilité de chaque outil ni celle de chaque investissement.

L’infrastructure, cœur du pari industriel sur l’IA

La différence la plus visible entre la promesse de l’IA et celle d’un simple service logiciel réside dans ses besoins matériels. Les modèles d’IA les plus exigeants nécessitent une puissance de calcul importante, des semi-conducteurs spécialisés, des réseaux capables de faire circuler de très grands volumes de données et des centres de données adaptés. Cette infrastructure est coûteuse à construire et à exploiter.

C’est précisément ce qui nourrit l’inquiétude des investisseurs. Une entreprise peut consacrer d’importantes sommes à des équipements, des capacités de calcul ou de réseau en espérant que ses futurs clients utiliseront ces ressources. Si la demande ralentit, une partie de ces actifs risque de rester sous-employée. Les dépenses engagées ne disparaissent pas physiquement, mais leur rentabilité attendue peut être remise en question.

Simon Miceli, de Cisco, défend une lecture plus constructive de cette phase. Pour lui, la construction actuelle à grande échelle répond à la préparation de l’industrialisation de l’IA, et non à une simple course à la surcapacité. Dans cette perspective, des ajustements de marché sont possibles, voire inévitables, mais le besoin de long terme justifie les investissements actuels dans une infrastructure robuste.

Cette thèse dépend d’un point essentiel : le rythme auquel l’IA passera de projets pilotes à des usages réguliers et à grande échelle. Une infrastructure peut être utile sans être immédiatement rentable. À l’inverse, retarder trop longtemps les investissements peut placer une entreprise en difficulté si la demande progresse plus vite que prévu. C’est ce décalage entre le calendrier des dépenses et celui des revenus qui rend le cycle actuel si difficile à évaluer.

Morten Wierod, dirigeant d’ABB, souligne par ailleurs l’existence de limites dans la chaîne d’approvisionnement susceptibles de ralentir l’ouverture de nouveaux centres de données. Ces contraintes peuvent freiner le déploiement, mais elles rappellent aussi que la croissance de l’IA ne dépend pas uniquement des logiciels et des financements : elle repose sur des capacités industrielles concrètes.

Le test décisif : transformer les promesses en revenus

La question centrale n’est pas de savoir si l’IA possède des applications, car elles sont nombreuses. Elle est de déterminer quels acteurs pourront produire des revenus suffisamment élevés et réguliers pour couvrir leurs coûts. Les modèles économiques ne sont pas identiques selon qu’une entreprise vend des puces, loue de la puissance de calcul, fournit des logiciels aux organisations ou finance une jeune pousse spécialisée.

Bryan Yeo, directeur des investissements de GIC à Singapour, estime que les valorisations de nombreuses entreprises de l’IA restent élevées malgré des revenus modestes. Son avertissement rejoint une leçon classique des périodes d’euphorie technologique : les marchés peuvent valoriser très tôt des bénéfices espérés plusieurs années plus tard, puis réviser brutalement leurs attentes si la croissance ne suit pas.

Pour éviter que l’intérêt pour l’IA ne reste seulement spéculatif, les entreprises doivent pouvoir répondre à des questions très concrètes :

• l’outil fait-il réellement gagner du temps, réduire un coût ou améliorer un service ?
• les utilisateurs l’emploient-ils de façon régulière, au-delà d’une phase de test ?
• les coûts de calcul, d’intégration et de maintenance restent-ils compatibles avec le prix facturé ?
• l’entreprise dispose-t-elle d’un avantage durable face à ses concurrents ?

Les experts de Goldman Sachs considèrent que la tendance des dépenses consacrées aux infrastructures de l’IA demeure économiquement soutenable. Leur position ne consiste pas à désigner dès maintenant les futurs vainqueurs. Elle souligne plutôt que le secteur peut représenter une opportunité de long terme, même si la répartition des gains entre constructeurs, fournisseurs d’infrastructure, éditeurs et utilisateurs finaux reste incertaine.

Pourquoi les gouvernements pèsent-ils sur le cycle de l’IA ?

L’IA est devenue un enjeu de compétitivité économique et de sécurité nationale. Aux États-Unis, les administrations Trump et Biden ont toutes deux placé cette technologie au rang des priorités stratégiques, dans la continuité d’interventions publiques qui ont souvent accompagné les grandes phases d’innovation. Les pouvoirs publics peuvent influencer le secteur par leurs investissements, leurs incitations, leurs règles et leurs choix en matière de sécurité.

Cette implication publique peut accélérer la recherche, aider à construire des capacités industrielles et encourager les entreprises à investir. Elle peut aussi amplifier les attentes. Lorsqu’une technologie est présentée comme décisive pour l’indépendance économique ou l’avantage géopolitique, les acteurs privés peuvent craindre d’être distancés s’ils ne dépensent pas assez vite.

Il ne s’agit donc pas seulement d’un marché de produits numériques. La compétition porte aussi sur les chaînes d’approvisionnement, les semi-conducteurs, les infrastructures de calcul et les compétences. Cette dimension explique pourquoi certains investisseurs acceptent des horizons de rentabilité plus longs : ils anticipent que l’IA occupera une place durable dans l’économie mondiale. Elle ne supprime pas, pour autant, le risque de mauvais choix individuels ou d’investissements effectués à des prix trop élevés.

Une correction de l’IA menacerait-elle le système financier ?

La Banque d’Angleterre a exprimé, en octobre 2025, son inquiétude face à la possibilité d’une correction brutale des marchés si la confiance dans l’IA venait à reculer. Une telle évolution pourrait avoir des conséquences matérielles sur le système financier britannique. L’avertissement vise moins à annoncer un scénario certain qu’à souligner la vulnérabilité créée lorsque de nombreux investisseurs sont exposés au même récit de croissance.

Une correction peut se produire lorsque les résultats publiés par les entreprises déçoivent, lorsque les coûts augmentent plus vite que prévu, ou lorsque les investisseurs revoient leurs attentes à la baisse. Les effets seraient variables selon les portefeuilles, l’endettement des acteurs et la concentration des investissements dans quelques entreprises ou secteurs.

Pierre-Olivier Gourinchas, économiste en chef du Fonds monétaire international, estime pour sa part qu’un éventuel ralentissement ne devrait pas provoquer une crise financière systémique. Cette nuance est importante. Une baisse de valorisation peut être douloureuse pour certains investisseurs ou entreprises, sans entraîner nécessairement un choc généralisé comparable aux grandes crises bancaires. Elle peut aussi conduire à un tri plus sévère entre projets viables et projets insuffisamment solides.

Le comportement des investisseurs traduit cette ambivalence. D’après les données citées, environ 90 % de ceux qui jugent le marché de l’IA surévalué conservent néanmoins des actifs liés au secteur. Autrement dit, beaucoup redoutent l’excès tout en considérant qu’il serait risqué de rester totalement à l’écart d’une technologie potentiellement structurante.

Ce qu’il faut surveiller dans les prochains mois

Le débat sur une bulle de l’IA ne se résoudra pas avec un seul indicateur ou une seule annonce. Les prochains mois seront surtout marqués par l’écart, ou la convergence, entre les promesses affichées et les résultats mesurables. Les marchés regarderont la progression des revenus, la capacité des entreprises à contrôler leurs dépenses, le niveau d’utilisation des infrastructures et l’évolution des contraintes industrielles.

Une correction ne signifierait pas que l’IA a échoué. Elle pourrait au contraire marquer le passage d’une phase d’expérimentation et de concurrence pour les capacités à une phase plus sélective, centrée sur les usages les plus utiles. L’enjeu pour les entreprises est de ne pas confondre visibilité médiatique et création de valeur. Celui des investisseurs est d’évaluer les modèles économiques derrière l’enthousiasme. Quant aux pouvoirs publics, ils devront soutenir l’innovation sans alimenter des attentes qui ne reposeraient pas sur des résultats concrets.

L’histoire des grandes technologies montre que l’euphorie, la correction et la consolidation peuvent faire partie d’un même cycle. Pour l’IA, la question décisive n’est donc pas uniquement celle de la bulle. Elle est aussi de savoir quelles organisations sauront convertir cette formidable capacité technique en services utiles, accessibles et économiquement durables.