IA : bouillonnement

Les 7 actions magnifiques — NVIDIA, Microsoft, Alphabet (Google), Apple, Meta, Tesla et Amazon — représentent désormais environ 35 % de la valeur du marché boursier américain, et la valeur boursière de NVIDIA représente environ 19 % des 7 actions magnifiques. Le S&P 500 n’a jamais été aussi concentré sur une seule action qu’aujourd’hui, Nvidia représentant près de 8 % de l’indice.

Il s’agit d’un marché boursier extrêmement dynamique, atteignant désormais des niveaux records, porté par seulement sept valeurs, et en particulier Nvidia, l’entreprise qui fabrique tous les processeurs nécessaires aux entreprises d’IA pour développer leurs modèles. Un ralentissement de la croissance du chiffre d’affaires de Nvidia exercerait une forte pression à la baisse sur ce marché boursier fortement surévalué. Comme l’a déclaré Torsten Slok, économiste en chef de l’une des plus grandes institutions d’investissement : « La différence entre la bulle informatique des années 1990 et la bulle de l’IA d’aujourd’hui réside dans le fait que les 10 premières entreprises du S&P 500 sont aujourd’hui plus surévaluées qu’elles ne l’étaient dans les années 1990. »

Le grand secteur de l’IA est-il donc une énorme bulle, financée par des capitaux fictifs qui ne se traduiront pas par des revenus et, plus important encore, des profits pour les leaders de l’IA ? D’ici la fin de l’année, Meta, Amazon, Microsoft, Google et Tesla auront dépensé plus de 560 milliards de dollars en investissements dans l’IA au cours des deux dernières années, mais n’auront généré qu’environ 35 milliards de dollars de revenus. Amazon prévoit de dépenser 105 milliards de dollars en investissements cette année, mais ne générera que 5 milliards de dollars de revenus. Et ces revenus ne sont pas des bénéfices, car ils sont mesurés avant les coûts de fourniture des services d’IA. Les investissements dans l’IA s’élèvent actuellement à 332 milliards de dollars en investissements en 2025, pour seulement 28,7 milliards de dollars de revenus. Les investissements dans les immenses centres de données nécessaires à la formation et à l’approvisionnement des modèles d’IA devraient atteindre 1 000 milliards de dollars d’ici la fin de la décennie.

Mais si l’un des Sept Magnifiques commence à avoir froid aux yeux quant à ce qu’il dépense par rapport à ses revenus et à ses bénéfices et réduit ainsi ses achats de puces, le cours de l’action Nvidia pourrait chuter rapidement, entraînant d’autres entreprises avec lui.

Les rendements attendus de cet investissement massif sont-ils susceptibles de se concrétiser ? Jim Covello, directeur de la recherche actions chez Goldman Sachs, s’est demandé si les entreprises qui prévoient d’investir 1 000 milliards de dollars dans le développement de l’IA générative obtiendraient un jour un retour sur investissement. Un associé de la société de capital-risque Sequoia, quant à lui, estimait que les entreprises technologiques devaient générer 600 milliards de dollars de revenus supplémentaires pour justifier leurs dépenses d’investissement supplémentaires rien qu’en 2024, soit environ six fois plus que ce qu’elles étaient susceptibles de produire.

Prenons l’exemple du célèbre ChatGPT. Il compterait 500 millions d’utilisateurs actifs hebdomadaires, mais au dernier décompte, seulement 15,5 millions d’abonnés payants, soit un taux de conversion de seulement 3 %. Si de plus en plus de personnes utilisent désormais des chatbots IA, seul un petit nombre d’entre eux paient pour ce service, générant un chiffre d’affaires annuel d’environ 12 milliards de dollars, selon une enquête menée par Menlo Ventures auprès de 5 000 adultes américains.

En ce qui concerne les bénéfices de l’IA, la situation est encore pire. La croissance annuelle des bénéfices des géants de la tech stagne ou ralentit depuis quelques trimestres et devrait encore ralentir en 2025 et 2026.

Des investissements colossaux en argent et en ressources, des rémunérations astronomiques aux formateurs en IA et la construction de gigantesques centres de données – l’engouement pour l’IA propulsant le marché boursier vers des sommets sans précédent – mais jusqu’à présent, sans générer de revenus significatifs et pratiquement aucun bénéfice. C’est une répétition de la bulle Internet , gonflée aux stéroïdes.

Certes, une bulle pourrait bien se former, mais cela ne signifie pas qu’une nouvelle technologie « disruptive » n’émergera pas, bouleversant la productivité des grandes économies et ouvrant ainsi une nouvelle période de croissance. La bulle Internet a éclaté en 2000, entraînant une chute massive des marchés boursiers, mais Internet s’est ensuite répandu dans tous les secteurs d’activité et dans tous les foyers – et les Sept Mercenaires sont apparus.

Prenons un autre exemple du XIXe ^siècle . Dans les années 1840, la Railway Mania régnait : de nombreuses entreprises levaient des fonds pour investir dans la construction de lignes ferroviaires à travers la Grande-Bretagne. Les actions des compagnies ferroviaires s’envolèrent, doublant leur cours en 18 mois à partir de début 1843. Mais après la bulle, elle éclata en 1845, entraînant la faillite de nombreuses entreprises et une chute de moitié du cours des actions. Cela déclencha une crise financière généralisée et un effondrement de la production. Malgré cela, les chemins de fer furent construits, les coûts de transport baissèrent drastiquement et la demande de voyages augmenta considérablement. La Grande-Bretagne entra dans un boom économique dans les années 1850.

La bulle de l’IA suivra-t-elle le même chemin, provoquant un effondrement financier et une crise, mais jetant finalement les bases d’une nouvelle croissance de la productivité ? Dans de précédents articles sur l’IA, j’ai évoqué le scepticisme d’experts tels que le prix Nobel Daren Acemoglu et d’autres quant à ses avantages en termes de productivité . De même, un récent rapport approfondi de l’OCDE sur la croissance de la productivité dans les principales économies a été balayé du revers de la main quant à l’impact d’Internet sur la croissance de la productivité au cours des 25 dernières années.

Comme l’indique le rapport de l’OCDE : « Au cours du dernier demi-siècle, nous avons rempli les bureaux et les poches d’ordinateurs toujours plus rapides, mais la croissance de la productivité du travail dans les économies avancées a ralenti, passant d’environ 2 % par an dans les années 1990 à environ 0,8 % au cours de la dernière décennie. Même la production par travailleur, autrefois florissante en Chine, a stagné . » La productivité de la recherche a fléchi. Le scientifique moyen produit aujourd’hui moins d’idées révolutionnaires par dollar que son homologue des années 1960.

La croissance de la productivité du travail est en baisse depuis les années 1970 dans l’ensemble des pays de l’OCDE et s’est encore affaiblie depuis le début du siècle. Aux États-Unis, la productivité a repris du milieu des années 1990 au milieu des années 2000, grâce à l’efficacité croissante de la production d’équipements TIC et à la diffusion des innovations liées à Internet, adoptées dans les secteurs utilisateurs des TIC, notamment le commerce de détail. « Cependant, ce rebond a été relativement de courte durée et la croissance de la productivité a été atone depuis. »

Le facteur clé de l’augmentation de la productivité du travail réside dans l’investissement dans de nouvelles technologies permettant d’économiser de la main-d’œuvre. Or, l’investissement des entreprises a nettement ralenti dans tous les pays. L’OCDE explique clairement pourquoi.  « Malgré un crédit facilement accessible et bon marché pour les entreprises ayant accès aux marchés financiers, ce ralentissement de l’investissement est conforme aux tendances historiques montrant que l’incertitude et les bénéfices attendus ont tendance à jouer un rôle plus important que les conditions financières dans les décisions d’investissement. » Autrement dit, la rentabilité du capital a diminué, réduisant l’incitation à investir dans les nouvelles technologies.

Et les actifs dits « intangibles », comme les investissements en logiciels, n’ont pas compensé la baisse des investissements en usines, équipements, etc. « Malgré la hausse des actifs incorporels, l’investissement total depuis la crise financière mondiale est resté globalement faible, ce qui a directement aggravé le ralentissement de la productivité du travail. »

Will AI be different?  Can it deliver higher productiivity through companies replacing millions of workers across the econmy with AI tools?  The problem here is that economic miracles usually stem from discovery, not repeating tasks at greater speed. So far, AI primarily boosts efficiency rather than creativity. A survey of over 7,000 knowledge workers found heavy users of generative AI reduced weekly email tasks by 3.6 hours (31 per cent), while collaborative work remained unchanged. But once everyone delegated email responses to ChatGPT, inbox volume expanded, nullifying initial efficiency gains. “America’s brief productivity resurgence of the 1990s teaches us that gains from new tools, be they spreadsheets or AI agents, fade unless accompanied by breakthrough innovations.” (OECD).

Large language models gravitate towards the statistical consensus. A model trained before Galileo would have parroted a geocentric universe; fed 19th-century texts, it would have proved human flight impossible before the Wright brothers succeeded. A recent Nature review found that, while LLMs lightened routine scientific chores, the decisive leaps of insight still belonged to humans. Human cognition is better conceptualized as a form of theory-based causal reasoning rather than AI’s emphasis on information processing and data-based prediction. AI uses a probability-based approach to knowledge and is largely backward-looking and imitative, whereas human cognition is forward-looking and capable of generating genuine novelty.

The great Holy Grail of OpenAI and other AI companies is a super-intelligent generative AI that can take over innovation from humans.  So far, that remains as mythical as the Holy Grail was in literature. Current GenAI can make only incremental discoveries, but cannot achieve fundamental discoveries from scratch as humans can.

But OpenAI guru, Sam Altman promises that its AI won’t just be able to do a single worker’s job, it will be able to do all of their jobs: “AI can do the work of an organization.” This would be the ultimate in maximising profitability by doing away with workers in companies (even AI companies?) as AI machines take over operating, developing and marketing everything. That’s why Altman and the other AI moguls will not stop expanding their data centres and developing yet more advanced chips, just because Chinese AI models like DeepSeek have undercut their current models. Nothing must stop the objective of super-intelligent AI.

Malheureusement, comme  l’explique MIT Tech  , de nombreux modèles d’IA sont  des boîtes noires notoires . Cela signifie que même si un algorithme peut produire un résultat utile, les chercheurs ne comprennent pas comment il y est parvenu. C’est  le cas depuis des années , les systèmes d’IA défiant souvent les modèles théoriques basés sur les statistiques. Autrement dit, les formateurs en IA ne comprennent pas vraiment le fonctionnement des modèles d’IA. C’est un obstacle majeur à l’atteinte du Saint Graal.

L’essor de l’IA n’est donc encore qu’une bulle financière. Comme l’a déclaré un commentateur : « L’IA générative ne fait pas ce qu’on lui présente, et ce qu’elle peut réellement faire n’est pas de nature à générer des bénéfices, à automatiser le travail, ni à faire plus qu’une simple extension d’une plateforme logicielle cloud. L’argent manque, les utilisateurs manquent, toutes les entreprises semblent perdre de l’argent, et certaines perdent tellement d’argent qu’il est impossible de prédire leur survie. »

Parallèlement, la construction massive de centres de données consomme des niveaux d’énergie sans précédent. L’Agence internationale de l’énergie prévoit que leur consommation électrique doublera pour atteindre 945 térawattheures d’ici 2030, soit plus que la consommation actuelle d’un pays comme le Japon. L’Irlande et les Pays-Bas ont déjà restreint le développement de nouveaux centres de données, craignant leur impact sur le réseau électrique. L’apprentissage des modèles d’IA entraîne d’importantes hausses de la demande énergétique dans les centres de données, ainsi qu’un approvisionnement en énergie renouvelable instable qui menace la résilience et la capacité des systèmes énergétiques actuels.

Quant aux résultats en matière de productivité et de croissance, l’OCDE se protège. Si les technologies d’IA se diffusent et sont mises en œuvre successivement, l’OCDE estime que la productivité mondiale du travail augmentera de 2,4 points de pourcentage au cours des dix prochaines années et ajoutera 4 % au PIB mondial par rapport à son niveau actuel selon les tendances actuelles. Cependant, si l’IA ne parvient pas à réduire le besoin de main-d’œuvre et ne se diffuse pas dans tous les secteurs, la productivité du travail pourrait alors n’augmenter que de 0,8 point de pourcentage par rapport à la tendance actuelle dans dix ans (contre 0,8 % par an actuellement), et la croissance économique mondiale restera inchangée. La décision n’est pas encore prise.