Les Profits de l’IA et les Sables Mouvants

Il est impossible d’ignorer l’ampleur des capitaux déployés dans l’intelligence artificielle. Depuis deux ans, l’IA domine l’actualité, non seulement pour ses avancées technologiques, mais aussi pour l’ampleur des investissements financiers qui soutiennent son développement. L’exemple le plus frappant à ce jour est l’annonce du projet Stargate par OpenAI, Oracle et SoftBank, une initiative colossale d’infrastructure en IA dont le coût pourrait atteindre 500 milliards de dollars sur les quatre prochaines années. Cet engagement vertigineux a rapidement été suivi par plusieurs géants du cloud qui ont relevé leurs prévisions de dépenses d’investissement, signalant ainsi une vague encore plus large d’investissement dans les infrastructures de l’IA.

Ces déploiements de capitaux sans précédent reposent sur l’hypothèse que l’IA permettra l’émergence de produits et services révolutionnaires, pouvant remodeler des industries entières. Cependant, cette frénésie d’investissement soulève une question fondamentale : qui capturera réellement la valeur économique à long terme de ces initiatives ? Au-delà, se pose aussi la question de la justification de l’ampleur de ces investissements, étant donné l’incertitude qui entoure encore les capacités futures de l’IA. Les méga-clusters sont en train d’être construits, mais nous ignorons encore ce dont seront capables les modèles qu’ils entraîneront. Nous ne savons pas non plus dans quelle mesure ils seront adoptés, ni à quelle vitesse, et encore moins combien ils coûteront à faire fonctionner. Ce niveau d’incertitude est sans précédent compte tenu des montants investis. Le potentiel de l’IA reste flou.

Malgré cela, de l’argent réel est dépensé (par les géants du cloud comme Microsoft, Alphabet et Amazon), et de l’argent réel est gagné (par les fournisseurs d’équipements nécessaires à la construction des super-clusters). Les entreprises impliquées dans le déploiement de l’infrastructure de l’IA enregistrent déjà des revenus massifs. La rapidité avec laquelle les capitaux sont déployés est stupéfiante, faisant de cette période l’un des plus grands booms de dépenses d’investissement de l’histoire moderne. Dans ce contexte, nous nous interrogeons sur les problèmes que ces modèles vont réellement résoudre. Contrairement aux révolutions technologiques précédentes, où les applications futures étaient plus prévisibles, l’IA présente un éventail de scénarios particulièrement large. Les futurs modèles pourraient être intégrés de manière incrémentale dans les logiciels existants en tant qu’outils d’assistance ou d’amélioration de l’efficacité. D’autres estiment que des super-agents d’IA pourraient être si puissants qu’ils rendraient obsolètes les écosystèmes logiciels traditionnels.

Dans ce second scénario, l’impact serait profondément disruptif, potentiellement entraînant la disparition du modèle économique du Software-as-a-Service (SaaS). Au lieu de payer plusieurs abonnements logiciels, les utilisateurs pourraient interagir avec un agent unique capable de gérer des tâches aussi variées que le service client et la planification des ressources d’entreprise. Mais poser la question ainsi est encore trop abstrait pour être exploitable, étant donné l’état actuel de nos connaissances. Une approche plus pragmatique consiste à se demander à qui l’IA va réellement apporter une solution : sera-t-elle un outil stratégique pour les PDG ? Un générateur de revenus ? Un levier de réduction des coûts ? Va-t-elle simplement améliorer les opérations existantes ou transformer radicalement des secteurs entiers ?

Pour l’instant, ces questions restent ouvertes. Ce qui est certain, c’est que, dans son état actuel, l’IA est encore loin de remplacer les modèles SaaS. Alors que l’IA en est à ses premiers stades de commercialisation, les entreprises qui tirent des bénéfices aujourd’hui ne sont ni celles qui développent des applications d’IA, ni celles qui exploitent les super-clusters. Les principaux bénéficiaires sont les fournisseurs d’infrastructure nécessaires à la construction et à l’entraînement des modèles fondamentaux. Parmi les entreprises profitant de cette dynamique figurent Nvidia, qui conçoit les puces ultra-puissantes alimentant les systèmes d’IA ; TSMC, qui manufacture ces puces pour les grandes firmes technologiques ; ASML, qui fournit les équipements avancés nécessaires à la production des semi-conducteurs les plus sophistiqués ; et SK Hynix et Micron, qui fournissent les mémoires indispensables au stockage et au traitement des données d’IA. De nouvelles opportunités émergent également pour les fournisseurs d’énergie et de services publics, car l’entraînement des modèles futurs et l’exploitation de ces gigantesques hyper-clusters exigeront des volumes d’énergie colossaux, bénéficiant ainsi aux producteurs d’électricité et aux opérateurs spécialisés de centres de données.

Ces entreprises enregistrent une croissance explosive de leurs revenus. Cependant, l’histoire montre que cette domination ne durera peut-être pas éternellement. Pour comprendre pourquoi, il est utile d’examiner comment les bassins de profit ont évolué au cours des révolutions technologiques passées. Ces bassins, qui désignent la répartition des profits au sein d’une industrie, se déplacent généralement d’un maillon de la chaîne de valeur à un autre à mesure que les secteurs mûrissent. Historiquement, les profits initiaux des grandes vagues technologiques ont bénéficié aux entreprises impliquées dans la construction de l’infrastructure. Mais sur le long terme, la valeur économique tend à migrer vers les applications et les services.

Lors du boom ferroviaire du XIXe siècle, les premiers profits sont allés aux constructeurs de chemins de fer et aux fabricants de locomotives. Mais une fois l’infrastructure en place, la valeur dominante a basculé vers des acteurs comme Sears, dont le commerce par correspondance s’appuyait sur les réseaux ferroviaires nouvellement établis. Dans les années 1990 et 2000, l’industrie des télécoms a connu un premier boom grâce aux constructeurs de réseaux à fibre optique comme Nortel et Lucent. Avec le temps, toutefois, la valeur a migré vers les écosystèmes mobiles comme Apple et Google, ainsi que vers les plateformes numériques telles que Facebook et AWS. Une évolution similaire a marqué l’essor du cloud computing : au début, les data centers et fabricants de matériel comme Intel en ont profité. Aujourd’hui, les grands gagnants sont les fournisseurs de SaaS comme Salesforce, Adobe, OpenAI et Databricks. Dans tous ces cas, les différents maillons de la chaîne de valeur n’ont pas capté les profits de la même manière : les profits liés à l’infrastructure ont souvent été cycliques, tandis que ceux des applications ont été plus stables et prévisibles. Si l’IA suit ce schéma et que l’infrastructure est construite trop rapidement, la demande future pourrait ne pas suffire à justifier de tels investissements, entraînant une surcapacité généralisée. Tout dépendra, en fin de compte, des taux réels d’adoption de l’IA, qui restent une inconnue majeure.

Si l’on peut avancer de solides arguments expliquant pourquoi les profits ne reviendront pas aux fournisseurs d’infrastructure, il est plus difficile d’identifier avec certitude qui en bénéficiera. À ce stade, Adobe et Microsoft semblent les mieux positionnées. Comme l’a souligné ma collègue Nina dans sa newsletter, un bon produit ne suffit pas : ce qui compte, c’est la capacité à le distribuer largement et de manière fluide. À l’instar du statut par défaut de Google sur les navigateurs, Microsoft intègre profondément Copilot dans sa suite Office. En contrôlant la façon dont les utilisateurs interagissent avec l’IA, Microsoft pourrait capturer une part dominante du marché de la productivité en entreprise.

L’IA est déjà utilisée pour stimuler les revenus et l’efficacité des entreprises, et nous commençons à en voir les effets dans nos propres sociétés en portefeuille, qui, en raison de leur forte exposition aux services, sont probablement des adopteurs précoces. Cependant, malgré l’engouement, la contribution actuelle de l’IA à leurs résultats, en dehors des fournisseurs d’infrastructure, reste limitée et ne justifie pas encore les niveaux d’investissement observés.

En fin de compte, ces investissements sont réalisés parce que les investisseurs attendent des rendements. L’infrastructure de l’IA n’est pas une finalité en soi : elle vise à soutenir les futurs produits qui seront vendus aux clients. Le spectre des résultats possibles est vaste. Les grands modèles de langage pourraient n’être qu’une simple fonctionnalité logicielle intégrée aux applications existantes, complétant le SaaS plutôt que le remplaçant. À l’inverse, ils pourraient devenir le paradigme logiciel dominant, rendant obsolètes les applications traditionnelles et bouleversant l’industrie logicielle, voire d’autres secteurs. Personne ne sait encore quelle sera l’issue, mais les capitaux continuent d’affluer.

Les investisseurs doivent se demander si les investissements dans l’infrastructure de l’IA suivront les précédents booms technologiques, conduisant finalement à une migration des profits vers les logiciels et les services, ou si cette fois-ci sera différente, avec des fournisseurs d’infrastructure qui conserveront leur domination de façon durable. Bien que l’avenir de l’IA reste incertain, l’histoire suggère que les bénéficiaires actuels des dépenses en infrastructure ne seront pas nécessairement les gagnants à long terme. Le véritable défi consiste à prévoir où se formeront les principaux gisements de profit liés à l’IA et à s’y positionner en conséquence.