IA : pourquoi les économistes redoutent une bulle financière et une correction

L’intelligence artificielle est devenue l’une des grandes promesses économiques de 2025. Elle concentre les annonces, les levées de fonds, les investissements dans les centres de données et les espoirs de gains de productivité. Mais cette accélération soulève une interrogation moins séduisante : les valorisations et les dépenses engagées correspondent-elles réellement aux revenus que ces technologies pourront dégager ? Pour plusieurs économistes, l’écart grandissant entre l’enthousiasme financier et les résultats économiques observables justifie une vigilance accrue.

Le débat ne porte pas sur l’existence ou l’utilité de l’IA. Des outils capables de générer du texte, du code, des images ou d’assister certaines tâches professionnelles sont déjà déployés. La question est financière : à quel prix ces usages seront-ils produits, vendus et rentabilisés ? Une technologie peut transformer durablement l’économie tout en donnant lieu, dans sa phase de diffusion, à une spéculation excessive et à une correction brutale des marchés.

Pourquoi l’IA attire-t-elle autant de capitaux ?

L’IA générative nourrit l’idée d’une technologie d’infrastructure, comparable par son potentiel aux grandes innovations qui ont changé les modes de production et de communication. Pour les entreprises, elle promet d’automatiser une partie des tâches, d’accélérer la recherche, d’améliorer le service client ou de créer de nouveaux produits. Pour les investisseurs, elle ouvre la perspective de marchés entièrement nouveaux.

Cette promesse explique la course actuelle aux modèles, aux puces spécialisées, aux données, à l’électricité et aux centres de données. Or, dans une phase d’euphorie, le marché ne valorise pas seulement les revenus présents. Il anticipe des bénéfices futurs parfois très éloignés, voire encore difficiles à mesurer. Les entreprises associées à l’IA peuvent alors être valorisées sur la base de leur position supposée dans une économie future plutôt que sur leurs résultats actuels.

C’est précisément ce décalage qui préoccupe certains observateurs. Le dirigeant d’OpenAI, Sam Altman, a lui-même exprimé son inquiétude face à la surexcitation des investisseurs autour de cette technologie. Le paradoxe est évident : les acteurs qui portent les promesses les plus ambitieuses de l’IA peuvent aussi constater que les attentes financières deviennent difficiles à satisfaire.

Qu’est-ce qu’une bulle financière appliquée à l’IA ?

Une bulle se forme lorsque les acheteurs acquièrent un actif avant tout parce qu’ils pensent pouvoir le revendre plus cher. Cette dynamique peut être alimentée par des prévisions très optimistes, la peur de manquer une opportunité et l’afflux de nouveaux capitaux. Tant que les prix montent, la hausse semble confirmer le récit. Mais si les résultats économiques déçoivent, l’anticipation peut s’inverser rapidement.

Dans le cas de l’IA, le risque ne se limite pas aux jeunes pousses sans modèle économique éprouvé. Il concerne l’ensemble de la chaîne de valeur : fournisseurs de matériel, opérateurs de centres de données, éditeurs de logiciels, plateformes cloud et entreprises qui investissent pour intégrer l’IA à leurs produits. Les projets exigent souvent des dépenses initiales élevées, alors que leurs revenus peuvent demeurer incertains pendant plusieurs années.

L’économiste Carlota Perez, connue pour ses travaux sur les liens entre révolutions technologiques et cycles financiers, voit dans cette configuration les caractéristiques d’une phase spéculative. Sa formule résume le problème : « Des plus-values élevées et des profits faibles constituent une situation de bulle typique ».

Les indicateurs suivants ne permettent pas, à eux seuls, de dater ou de garantir l’éclatement d’une bulle. Ils aident toutefois à comprendre pourquoi le niveau de prudence monte sur les marchés.

Nvidia, symbole d’une rentabilité encore concentrée

La dynamique actuelle ne place pas tous les acteurs sur un pied d’égalité. Nvidia est souvent citée parmi les rares fabricants qui tirent des profits réels et visibles de l’explosion des investissements dans l’IA. Ses puces sont devenues un élément central de l’entraînement et du déploiement des grands modèles, ce qui place le groupe au cœur des dépenses réalisées par les entreprises technologiques.

Cette concentration des gains est essentielle pour comprendre le risque. Il est possible que les fournisseurs d’infrastructures bénéficient vite d’une ruée vers l’IA, tandis que les entreprises qui achètent ces infrastructures mettent plus longtemps à trouver un modèle rentable. Les premières vendent les outils nécessaires à la course technologique. Les secondes doivent encore convaincre des clients de payer assez pour absorber les coûts de calcul, de développement, de données et de distribution.

Le marché peut accepter cet écart pendant un temps, s’il croit que les applications finiront par dégager des profits importants. Il devient plus fragile si les usages progressent sans produire de revenus proportionnels aux sommes engagées. Dans ce scénario, une partie des investisseurs peut réévaluer brutalement la valeur des sociétés qui avaient été financées sur des promesses de croissance lointaines.

Les précédents historiques étudiés par Carlota Perez

Les inquiétudes de Carlota Perez s’appuient sur un constat historique : les grandes transformations techniques ne suivent pas une ligne droite. Elles s’accompagnent fréquemment de périodes où le capital afflue plus vite que les applications économiquement viables. Les avancées finissent parfois par changer l’économie en profondeur, mais les investisseurs présents au sommet de la spéculation ne sont pas nécessairement ceux qui profiteront de cette transformation.

Dans ses analyses, l’économiste a étudié des révolutions liées notamment au métier à tisser, à la locomotive à vapeur et au microprocesseur. Ces innovations ont entraîné une réorganisation durable des activités productives. Elles ont aussi été associées à des épisodes de spéculation et à des crises financières lorsque les attentes se sont détachées des résultats immédiats.

Le rapprochement avec l’IA ne signifie pas que l’histoire se répète à l’identique. Chaque cycle a ses règles, ses acteurs et son contexte monétaire. Il rappelle cependant une leçon utile : l’adoption à grande échelle d’une invention peut prendre du temps, alors que les marchés financiers cherchent souvent des résultats beaucoup plus vite.

La comparaison avec la bulle des technologies de l’information, qui a éclaté au début des années 2000, revient donc régulièrement dans les discussions. Torsten Slok, économiste en chef du fonds Apollo, estime que la bulle de l’IA est désormais d’une ampleur supérieure à celle des années 1990. Cette appréciation constitue un avertissement sur l’intensité des attentes actuelles, non une certitude sur la date ou la forme d’une éventuelle correction.

Une correction boursière effacerait-elle les progrès de l’IA ?

Il faut distinguer le marché financier de la technologie elle-même. L’éclatement d’une bulle peut détruire de la valeur boursière, fragiliser des entreprises et interrompre des projets financés trop généreusement. Il ne fait pas disparaître automatiquement les savoir-faire, les outils ou les usages qui se sont révélés utiles.

Une correction pourrait même imposer une sélection plus rigoureuse. Les entreprises seraient davantage jugées sur leur capacité à répondre à des besoins concrets : faire gagner du temps, améliorer un processus, réduire un coût, augmenter la qualité d’un service ou créer un produit pour lequel des clients acceptent de payer. Les projets reposant surtout sur une promesse marketing ou sur la perspective de revendre rapidement leur participation seraient les plus exposés.

Les conséquences seraient néanmoins très inégales. Les sociétés disposant de revenus solides, d’une infrastructure déjà utilisée et de clients diversifiés auraient généralement plus de marge pour absorber un retournement. Les jeunes entreprises dépendantes de tours de financement successifs, ou celles dont les coûts de calcul restent très élevés face à des recettes limitées, seraient dans une position plus délicate.

Le rôle des régulateurs et des investisseurs

Face à l’emballement spéculatif, la tentation est grande d’attendre une réponse des pouvoirs publics. L’encadrement des marchés financiers peut renforcer l’information disponible, protéger les investisseurs et limiter certains comportements les plus risqués. Mais une régulation ne peut pas décider à la place du marché quels produits d’IA trouveront des clients ni garantir la rentabilité d’un investissement technologique.

Le sujet impose surtout une plus grande clarté. Les investisseurs ont besoin de distinguer les entreprises qui vendent déjà des produits ou services rentables de celles qui reposent encore principalement sur des projections. Les entreprises, elles, doivent pouvoir expliquer la structure de leurs coûts, la solidité de leur demande et le chemin envisagé vers une activité durablement profitable.

Pour les utilisateurs professionnels, la prudence ne consiste pas à renoncer à l’IA. Elle consiste à évaluer les outils selon leur utilité propre, plutôt que selon leur visibilité médiatique ou la valorisation de leur éditeur. Une expérimentation doit pouvoir être reliée à des critères concrets : temps gagné, qualité obtenue, coûts d’exploitation, sécurité des données et dépendance à un fournisseur.

Ce qu’il faut surveiller dans les prochains mois

Au 24 août 2025, l’enjeu central reste l’écart entre les investissements massifs et la création de valeur mesurable. Plusieurs éléments permettront d’évaluer si le secteur entre dans une phase de maturation ou s’il s’approche d’un ressac financier.

• La diffusion d’applications réellement payantes, au-delà des démonstrations et des abonnements d’essai.
• L’évolution des coûts d’infrastructure, car l’IA exige une puissance de calcul et des capacités énergétiques importantes.
• La répartition des profits dans la chaîne de valeur, aujourd’hui perçus comme concentrés chez un nombre limité de fournisseurs.
• La capacité des entreprises à justifier leurs dépenses, avec des gains de productivité ou de nouveaux revenus observables.
• La réaction des marchés aux premiers signes de ralentissement, qui dira si les valorisations reposent sur des fondamentaux suffisamment robustes.

L’IA peut rester une révolution industrielle tout en traversant une désillusion financière. C’est même l’une des leçons des précédentes vagues technologiques analysées par Carlota Perez : la valeur durable d’une innovation se construit souvent après que l’euphorie a laissé place à des choix économiques plus exigeants.