L'IA est-elle une bulle ? Plaidoyer pour une sous-estimation du potentiel haussier

Mise à jour le 11 décembre 2025

Mise à jour de décembre 2025 : Les projections de dépenses d'investissement (CapEx) des hyperscalers en IA ont été révisées à la hausse, atteignant 405 milliards de dollars pour 2025, contre des estimations initiales de 250 milliards. Les prévisions de McKinsey concernant une création de valeur annuelle de 2,6 à 4,4 billions de dollars se confirment alors que GitHub Copilot atteint 1,8 million d'abonnés payants et que 46 % du code est désormais généré par l'IA. L'adoption de l'IA en entreprise atteint 87 % parmi les grandes organisations, avec une croissance des dépenses de 130 % en glissement annuel. L'argumentaire en faveur de l'investissement dans les infrastructures se renforce à mesure que les gains de productivité se concrétisent plus rapidement que ne le suggèrent les comparaisons avec l'ère des dot-com.

La question se pose mal d'emblée. Quand Ray Dalio qualifie l'investissement dans l'IA de « très similaire » à la bulle internet, quand le FMI met en garde contre un effondrement imminent, quand l'économiste en chef d'Apollo note que les grandes entreprises technologiques d'aujourd'hui se négocient à des valorisations supérieures à celles de leurs homologues des années 1990 — le cadrage suppose que le risque central est le surinvestissement.¹ ² ³

Le risque central va dans l'autre sens. La spéculation sous-estime le potentiel haussier.

De nombreuses entreprises d'IA échoueront. La majorité des startups levant des fonds à des valorisations gonflées ne rapporteront rien aux investisseurs. Les projets pilotes en entreprise continueront d'afficher un taux d'échec de 95 %.⁴ Une correction viendra, probablement douloureuse. Rien de tout cela ne contredit la thèse. Les gagnants qui émergeront de la vague d'investissement actuelle généreront une valeur tellement disproportionnée par rapport au capital déployé que les 380 milliards de dollars actuels de CapEx annuel des hyperscalers ressembleront à une erreur d'arrondi.⁵

Le parallèle avec les dot-com plaide en réalité pour cette thèse. Amazon et Google ont émergé de ces décombres pour créer des billions de dollars de valeur. L'infrastructure que ces entreprises de l'ère de la bulle ont construite — la fibre, les centres de données, les protocoles — a alimenté des décennies de transformation économique. Les perdants ont tout perdu. Les gagnants ont changé la civilisation. L'IA suit le même schéma, à plus grande échelle et à plus grande vitesse.

Les calculs de création de valeur que le discours sur la bulle ignore

L'analyse de la bulle se focalise sur le mauvais ratio. Les analystes comparent l'investissement dans l'IA aux revenus de l'IA et constatent un écart. L'écart existe. La comparaison passe à côté de l'essentiel.

La comparaison pertinente mesure l'investissement par rapport au potentiel de création de valeur. Quand Anthropic déploie Claude dans les entreprises, la métrique qui compte n'est pas le chiffre d'affaires d'Anthropic. La métrique qui compte englobe les gains de productivité, les réductions de coûts et les expansions de capacités dans chaque organisation utilisant la technologie. Quand une entreprise pharmaceutique utilise l'IA pour identifier des candidats médicaments en semaines plutôt qu'en années, la valeur créée dépasse largement les coûts de calcul et les frais de licence.

McKinsey estime que l'IA générative pourrait ajouter 2,6 à 4,4 billions de dollars annuellement à l'économie mondiale à travers 63 cas d'usage analysés.⁶ Cette fourchette représente l'impact d'une seule année, pas une valeur cumulative. Face à 380 milliards de dollars d'investissement annuel en infrastructure, le ratio favorise les optimistes d'un ordre de grandeur — même si les estimations de McKinsey s'avéraient optimistes de moitié.

Les preuves de productivité s'accumulent déjà. Les utilisateurs de GitHub Copilot accomplissent leurs tâches 55 % plus vite que les non-utilisateurs.⁷ Les consultants du BCG utilisant GPT-4 ont produit un travail de 40 % meilleure qualité en 25 % moins de temps.⁸ Les opérations de service client rapportent des améliorations de productivité de 14 % pour les agents utilisant des assistants IA, avec les gains les plus importants chez les travailleurs novices.⁹ Ces chiffres proviennent de déploiements précoces et primitifs. Les modèles s'améliorent chaque mois.

Chaque changement majeur de plateforme dans l'histoire de l'informatique a généré des multiples de valeur dépassant l'investissement initial. Les ordinateurs personnels ont créé environ 10 dollars de valeur économique pour chaque dollar investi dans l'industrie durant ses décennies formatrices.¹⁰ Internet a généré des ratios similaires ou supérieurs. L'informatique mobile a amplifié le schéma. L'IA représente une technologie à usage général plus fondamentale que toutes celles-ci — une technologie qui augmente le travail cognitif de la même manière que les révolutions précédentes ont augmenté le travail physique et informationnel.

Le cadrage de la bulle traite l'IA comme Pets.com : une entreprise sans voie vers la création de valeur vendant des produits dont personne n'avait besoin. L'IA crée manifestement de la valeur dans chaque déploiement. La question concerne l'ampleur et la distribution, pas l'existence.

Pourquoi la vitesse d'adoption implique la vitesse de création de valeur

La Fed de Saint-Louis publie des données qui devraient terrifier les sceptiques de l'IA. Trois ans après le lancement du PC IBM en 1981, l'adoption des ordinateurs personnels atteignait 19,7 %.¹¹ Trois ans après l'ouverture commerciale d'Internet, l'adoption atteignait 30,1 %.¹² Trois ans après le lancement de ChatGPT en novembre 2022, l'adoption de l'IA générative atteignait 54,6 % en août 2025.¹³

Cette disparité reflète un avantage structurel aux implications profondes en termes de valeur. Les changements de plateforme précédents exigeaient des utilisateurs qu'ils achètent du nouveau matériel, apprennent de nouvelles interfaces, modifient des flux de travail établis et reconstruisent des processus autour de capacités inconnues. L'adoption de l'IA ne nécessite rien de tout cela. La technologie atteint les utilisateurs via les appareils existants, les navigateurs existants, les applications existantes. Un travailleur du savoir en 2024 a eu accès à des capacités qui n'existaient pas en 2022 sans rien acheter de nouveau ni apprendre aucun nouveau paradigme d'interface.

La vitesse d'adoption compte pour la création de valeur car la valeur se compose avec le déploiement. Une technologie qui atteint 50 % d'adoption en trois ans génère de la valeur pendant ces trois années. Une technologie qui met quinze ans à atteindre la même pénétration retarde proportionnellement la création de valeur. La vélocité d'adoption de l'IA signifie vélocité de création de valeur.

Les chiffres d'adoption en entreprise rendent le schéma concret. En 2025, 87 % des grandes entreprises avaient mis en œuvre des solutions d'IA.¹⁴ L'utilisation hebdomadaire des outils d'IA générative est passée de 37 % à 72 % en glissement annuel.¹⁵ Les dépenses des entreprises en IA ont augmenté de 130 % en une seule année.¹⁶ Ces organisations ne dépensent pas par enthousiasme. Elles dépensent parce que la technologie produit des retours.

Le taux d'échec de 95 % des projets pilotes que citent les critiques soutient en réalité la thèse optimiste quand on l'examine attentivement.¹⁷ Les entreprises lancent des pilotes pour trouver ce qui fonctionne. Un taux d'échec de 95 % parmi les pilotes signifie un taux de réussite de 5 % — et les pilotes réussis se transforment en déploiements de production qui génèrent une valeur soutenue. Les entreprises qui continuent d'investir après avoir connu des taux d'échec élevés des pilotes ont trouvé les 5 % qui fonctionnent. Elles optimisent, elles n'abandonnent pas.

La révolution de la productivité dans le codage

Le développement logiciel offre la fenêtre la plus claire sur la création de valeur de l'IA car les gains de productivité sont mesurables, immédiats et opèrent déjà à grande échelle. Contrairement aux prévisions abstraites sur les applications futures, les améliorations de productivité dans le codage génèrent des données concrètes provenant de millions de développeurs utilisant quotidiennement des outils d'IA.

GitHub Copilot fournit les preuves les plus robustes. La recherche interne de GitHub a constaté que les développeurs utilisant Copilot accomplissaient leurs tâches 55 % plus vite que les développeurs travaillant sans assistance.⁷ L'étude contrôlait la complexité des tâches et les niveaux d'expérience des développeurs. Fin 2024, Copilot avait accumulé plus de 1,8 million d'abonnés payants générant 400 millions de dollars de revenus récurrents annuels.²⁷ Plus remarquable encore, 46 % du code dans les dépôts activés pour Copilot provient désormais de suggestions de l'IA.²⁸

La technologie a évolué au-delà de l'autocomplétion. Les premières versions suggéraient les quelques lignes de code suivantes. Les versions actuelles proposent des patterns architecturaux, génèrent des suites de tests complètes, écrivent de la documentation et déboguent des problèmes complexes. Le passage de « suggérer la ligne suivante » à « implémenter cette fonctionnalité » s'est produit en environ 18 mois.

L'écosystème s'étend bien au-delà de Copilot. Cursor, un IDE natif IA, est passé de zéro à plus de 40 000 utilisateurs payants fin 2024, avec des taux de croissance mensuels dépassant 50 %.²⁹ Claude Code, Aider et Cline permettent des agents de codage autonomes qui exécutent des modifications multi-fichiers avec une intervention humaine minimale. Les développeurs décrivent de plus en plus ce qu'ils veulent plutôt que d'écrire chaque caractère. La transformation du flux de travail ressemble au passage du langage assembleur à la programmation de haut niveau — un changement catégoriel de niveau d'abstraction.

Les calculs économiques rendent le cadrage de la bulle difficile à soutenir. Le Bureau of Labor Statistics américain rapporte une rémunération médiane des développeurs logiciels d'environ 127 000 dollars annuellement.³⁰ Une amélioration de productivité de 55 % se traduit par environ 70 000 dollars de production supplémentaire équivalente par développeur. Les États-Unis emploient environ 4,4 millions de développeurs logiciels.³¹ Même avec des hypothèses conservatrices — 20 % d'adoption avec 30 % de gain de productivité — cela représente 26 milliards de dollars de création de valeur annuelle rien que pour le développement logiciel américain. Les populations mondiales de développeurs dépassent 28 millions.³²

Le contre-argument des sceptiques mérite un examen sérieux : Le code généré par l'IA contient des bugs, introduit des vulnérabilités de sécurité et crée de la dette technique. Les développeurs passent autant de temps à déboguer la production de l'IA qu'ils en économisent à la générer. Les études de productivité ont été financées par des entreprises d'IA avec un intérêt évident à produire des résultats favorables. L'utilisation réelle montre des développeurs juniors devenant dépendants d'outils qu'ils ne comprennent pas, dégradant leurs compétences fondamentales.

La critique confond utilisation naïve et utilisation experte. Les études montrant une dégradation de la qualité examinent généralement des novices utilisant l'IA comme une béquille plutôt que des professionnels utilisant l'IA comme levier. L'étude BCG/Harvard qui a constaté une amélioration de la qualité de 40 % examinait spécifiquement des consultants expérimentés — pas des développeurs juniors tâtonnant avec des outils inconnus.⁸

Les processus de revue de code détectent les erreurs de l'IA de la même manière qu'ils détectent les erreurs humaines. La préoccupation sécuritaire a du mérite mais passe à côté de la trajectoire : les outils d'analyse statique scannent désormais automatiquement le code généré par l'IA, et l'intégration de GitHub Advanced Security signifie que les suggestions de l'IA reçoivent une revue de sécurité avant la fusion. L'outillage rattrape la capacité.

Plus important encore, les développeurs votent avec leurs doigts. Les taux de rétention de Copilot dépassent 80 %.³³ Cursor est passé de zéro à 40 000 utilisateurs payants en quelques mois. Si les outils délivraient une valeur nette négative, les développeurs les abandonneraient. Ils ne les abandonnent pas ; ils étendent leur utilisation.

Le logiciel représente une industrie mondiale de 650 milliards de dollars.³⁴ Une amélioration de productivité de 20 % dans l'industrie crée 130 milliards de dollars de valeur annuelle — dans un seul secteur parmi des dizaines où l'IA crée des gains mesurables. L'investissement en infrastructure permettant les outils de codage IA représente une fraction de cette création de valeur. Le cadrage de la bulle demande si l'investissement dans l'IA correspond aux revenus de l'IA. Le cadrage correct demande si l'investissement dans l'IA correspond à la création de valeur de l'IA. Dans le logiciel seul, le ratio n'est pas serré.

La leçon de la fibre noire : les perdants financent les gagnants

Entre 1995 et 2000, les entreprises de télécommunications ont investi environ 2 billions de dollars pour construire 80 à 90 millions de miles de réseaux de fibre optique.¹⁸ Quand la bulle a éclaté, 95 % de cette fibre est restée noire.¹⁹ Les entreprises qui l'ont construite — Global Crossing, Level 3, Qwest, WorldCom — ont fait faillite ou presque. Les investisseurs dans ces entreprises ont tout perdu.

La fibre elle-même a conservé sa valeur. L'infrastructure qui a détruit ses constructeurs a permis à leurs successeurs de prospérer. Netflix diffuse des vidéos sur des câbles que les actionnaires de WorldCom ont payés. Le cloud computing fonctionne grâce à de la fibre noire qui a mis en faillite ses propriétaires originaux. La valeur économique créée par cette infrastructure sur deux décennies dépasse les 2 billions de dollars investis d'au moins un ordre de grandeur.

Les perdants ont financé les gagnants. Les investisseurs en actions des télécoms de l'ère de la bulle ont assumé les pertes. L'économie au sens large a capté les gains. Amazon n'a pas construit l'infrastructure internet dont elle dépend ; elle s'est construite sur une infrastructure que les investisseurs d'autres entreprises ont financée et perdue.

L'IA suit le même schéma avec une différence cruciale : le ratio entre le coût de l'infrastructure et la valeur créée est encore plus favorable. La fibre nécessitait une installation physique à travers les continents. L'infrastructure de l'IA se concentre dans des centres de données qui servent des bases d'utilisateurs mondiales. L'efficacité du capital de l'infrastructure IA dépasse l'efficacité du capital de l'infrastructure de réseau physique par une marge substantielle.

L'investissement actuel dans l'infrastructure IA produira des perdants. Des startups valorisées à des milliards ne rapporteront rien. Certaines infrastructures construites de manière spéculative resteront sous-utilisées pendant des années. Les entreprises qui su

[Contenu tronqué pour la traduction]