Le PDG d'IBM : « Impossible » que les investissements en infrastructure IA des hyperscalers soient rentables
10 décembre 2025 Rédigé par Blake Crosley
Le PDG d'IBM, Arvind Krishna, a publiquement remis en question l'économie de l'infrastructure IA des hyperscalers le 3 décembre 2025, déclarant qu'un simple calcul révèle qu'il est « impossible » que les investissements massifs des entreprises technologiques dans les centres de données soient rentables.1 « Je suis d'avis qu'il est impossible d'obtenir un retour sur investissement, car 8 000 milliards de dollars de capex signifient qu'il faut environ 800 milliards de dollars de profit rien que pour payer les intérêts », a déclaré Krishna.[^2] Krishna a également soutenu que la dépréciation des GPU représente le risque le plus sous-estimé : « Il faut tout utiliser en cinq ans, car à ce moment-là, il faut tout jeter et recommencer. »[^3]
Les commentaires de Krishna arrivent alors que les hyperscalers engagent des capitaux sans précédent dans l'infrastructure IA. Les quatre géants prévoient collectivement des dépenses d'investissement dépassant 380 milliards de dollars en 2025, CreditSights projetant un capex cumulé atteignant 602 milliards de dollars d'ici 2026.[^4]
Engagements CapEx 2025 des hyperscalers :
| Entreprise | CapEx 2025 | Variation annuelle | Focus IA |
|---|---|---|---|
| Amazon (AWS) | 125 Mds $ | +35 % | Infrastructure IA/cloud |
| Google (Alphabet) | 91-93 Mds $ | +40 % | Centres de données, calcul IA |
| Microsoft | 80-89 Mds $ | +25 % | Infrastructure Azure IA |
| Meta | 70-72 Mds $ | +28 % | Clusters d'entraînement IA |
| Total | 380 Mds $+ | +32 % | ~75 % lié à l'IA |
Les calculs créent une tension fondamentale : les revenus cloud IA combinés de 2025 atteindront probablement 50 à 60 milliards de dollars tandis que le capex dépasse 380 milliards de dollars — un ratio investissement/revenus de 6:1 nécessitant des années de croissance à trois chiffres pour se justifier.[^5]
L'argument de Krishna
La critique de Krishna se concentre sur les mathématiques financières de base plutôt que sur les capacités technologiques, s'articulant autour de trois préoccupations interconnectées : les coûts d'intérêt, les délais de dépréciation et l'incertitude autour de l'AGI.
Analyse des coûts d'intérêt
La référence de Krishna à 8 000 milliards de dollars de capex cumulé et 800 milliards de dollars de profit requis met en lumière le fardeau des intérêts sur l'investissement en infrastructure. Construire un seul gigawatt de capacité de centre de données coûte environ 80 milliards de dollars en dollars actuels.[^6] Les engagements mondiaux totaux visant l'AGI approchent les 100 gigawatts, fixant la facture à environ 8 000 milliards de dollars.
Aux taux d'intérêt actuels, 8 000 milliards de dollars de capital nécessitent environ 800 milliards de dollars de profit annuel simplement pour couvrir les frais de financement — avant de générer des rendements pour les actionnaires. Pour contexte, le bénéfice net combiné de 2024 pour Microsoft, Google, Amazon et Meta totalisait environ 200 milliards de dollars.[^7] Les calculs exigent que l'IA génère quatre fois la rentabilité totale actuelle juste pour couvrir les intérêts.
La bombe à retardement de la dépréciation
Krishna a identifié la dépréciation comme « la partie du calcul la plus sous-estimée par les investisseurs ».[^3] Les hyperscalers amortissent l'infrastructure GPU sur cinq à six ans, mais NVIDIA lance désormais de nouvelles architectures annuellement contre un cycle précédent de deux ans.[^8]
Réalité de la dépréciation des GPU :
| Métrique | Traitement comptable | Réalité économique |
|---|---|---|
| Durée de vie utile | 5-6 ans | 1-3 ans |
| Taux de dépréciation | 17-20 %/an | 33-100 %/an |
| Valeur résiduelle | ~0 % en fin de vie | ~0 % à l'année 3 |
| Cycle d'architecture | Supposé stable | Sorties annuelles |
Michael Burry a soutenu que des entreprises comme Meta, Oracle, Microsoft, Google et Amazon surestiment la durée de vie utile des GPU et sous-estiment la dépréciation, estimant la durée de vie réelle à deux ou trois ans.[^9] Un architecte de Google aurait déclaré que les GPU de centres de données pourraient ne durer qu'un à trois ans selon l'utilisation, en raison du stress thermique plutôt que de l'obsolescence.[^10]
Le parallèle avec la bulle télécom
Les investissements en infrastructure technologique ont historiquement produit une surcapacité. Pendant le boom de la fibre optique (1995-2000), les entreprises ont dépensé environ 2 000 milliards de dollars pour construire 80 à 90 millions de miles de réseaux fibre.[^11] En 2001, 95 % restaient de la fibre noire — une capacité inutilisée attendant une demande qui ne s'est jamais matérialisée.[^12]
Bulle télécom vs infrastructure IA :
| Métrique | Télécom (1995-2000) | IA (2023-2025) |
|---|---|---|
| Investissement total | ~2 000 Mds $ | ~600 Mds $ (2024-2025) |
| Utilisation au pic | 5 % | Inconnue |
| Chute des actions | 98 % (Corning, Ciena) | À déterminer |
| Temps de récupération | 5-10 ans | À déterminer |
L'action Corning s'est effondrée de 100 $ à 1 $ en 2002. Global Crossing, WorldCom et 360networks ont déposé le bilan. Entre 2000 et 2002, les actions télécom mondiales ont perdu plus de 2 000 milliards de dollars en valeur de marché.[^13]
Scepticisme envers l'AGI
Krishna a questionné si les architectures actuelles permettront d'atteindre l'AGI, estimant la probabilité à « environ 0-1 % » sans une percée fondamentale.[^14] Si l'AGI reste hors de portée, l'infrastructure construite pour un calcul à l'échelle de l'AGI pourrait s'avérer surdimensionnée pour les applications réelles.
Contre-arguments
La direction des hyperscalers présente des contre-arguments substantiels à la critique de Krishna.
La demande dépasse l'offre
Le PDG d'Amazon, Andy Jassy, a déclaré que la capacité est consommée « aussi vite que nous l'installons ».[^15] L'activité IA d'AWS fonctionne avec une croissance « à trois chiffres en glissement annuel », s'étendant « plus de trois fois plus vite à ce stade de son évolution qu'AWS elle-même ne s'est développée ».[^16] La croissance des revenus cloud au T3 2025 est restée robuste : AWS +20 % à 33 Mds $, Azure +40 %, Google Cloud +34 % à 15,15 Mds $.[^17]
Les dépenses mondiales en infrastructure cloud ont atteint 95,3 milliards de dollars au T2 2025, marquant le quatrième trimestre consécutif dépassant 20 % de croissance.[^18] La demande semble réelle plutôt que spéculative.
L'argument de la cascade de valeur
Les défenseurs soutiennent que la durée de vie utile des GPU s'étend grâce à la « cascade de valeur » — la réaffectation des puces de l'entraînement à l'inférence puis aux charges de travail utilitaires.[^19] Le PDG de CoreWeave a noté que leurs puces A100 vintage 2020 restent entièrement réservées, avec les H100 récemment disponibles se réservant immédiatement à 95 % des prix originaux.[^20]
L'entraînement nécessite les architectures les plus récentes, mais les charges de travail d'inférence — à haut volume et très rentables — fonctionnent efficacement sur des puces plus anciennes. La progression de l'entraînement à l'inférence puis au fine-tuning prolonge potentiellement la vie économique à cinq ans.
Avantages stratégiques
L'investissement en infrastructure crée des barrières que les entrants tardifs ne peuvent pas répliquer. L'infrastructure Azure de Microsoft défend sa position IA en entreprise. Le calcul de Google protège la recherche des alternatives IA. La capacité d'entraînement de Meta permet le développement de modèles fondamentaux que les concurrents plus petits ne peuvent égaler.
Valeur stratégique au-delà du ROI :
| Entreprise | Impératif stratégique | Rôle de l'infrastructure |
|---|---|---|
| Microsoft | Leadership IA en entreprise | Différenciation Azure IA |
| Défense de la recherche | Capacité de développement Gemini | |
| Amazon | Domination cloud | Expansion des services AWS |
| Meta | Fonctionnalités IA sociales | Entraînement des modèles Llama |
Horizons temporels longs
Le côté positif de la bulle télécom est instructif : la fibre surconstruite en 2000 a permis YouTube (2005), le streaming Netflix (2007) et le cloud computing (2006+).[^21] La bande passante bon marché issue de la surcapacité a créé des modèles commerciaux entièrement nouveaux.
De même, la surcapacité de l'infrastructure IA — si elle se matérialise — réduirait les coûts de location de GPU et permettrait des applications IA actuellement non économiques. L'infrastructure pourrait s'avérer fondamentale même si les investisseurs initiaux subissent des pertes.
Cadre décisionnel pour la planification d'infrastructure
La critique de Krishna crée des implications actionnables pour les organisations évaluant les investissements en infrastructure IA.
Matrice de stratégie d'infrastructure :
| Scénario | Krishna a raison | Krishna a tort |
|---|---|---|
| Vous avez construit une infrastructure propre | Actifs échoués, mauvais ROI | Avantage compétitif |
| Vous louez aux hyperscalers | Les prix baissent, flexibilité préservée | Prix stables, capacité disponible |
| Vous attendez | Entrez à moindre coût | Manquez les avantages du pionnier |
Si Krishna a raison
Les organisations qui louent plutôt que construisent préservent leur optionalité. La surcapacité ferait baisser les prix des H100 en dessous des 2,85-3,50 $/heure actuels vers 1-2 $/heure.[^22] Les accords de location avec clauses de flexibilité surperforment les engagements à long terme.
Indicateurs à surveiller : - Taux d'utilisation des hyperscalers tombant sous 70 % - Baisse des prix spot des GPU >20 % trimestre sur trimestre - Révisions à la baisse des prévisions de capex dans les appels de résultats - Annulations ou reports de projets majeurs
Si Krishna a tort
Les organisations qui ont sécurisé une capacité tôt bénéficient des primes de rareté et des prix bloqués. Les avantages du pionnier dans les applications IA se composent avec le temps. Les contraintes d'infrastructure favoriseraient les opérateurs établis.
Indicateurs à surveiller : - Croissance soutenue des revenus IA à trois chiffres jusqu'en 2026 - Stabilisation ou augmentation des prix des GPU - Augmentation des prévisions de capex des hyperscalers - Retards dans les sorties de nouvelles architectures
Approche couverte
La plupart des organisations devraient couvrir plutôt que parier directionnellement :
- Louer 60-70 % des besoins actuels - préserver la flexibilité
- Sécuriser une capacité engagée pour 30-40 % - garantir la disponibilité pour les charges de travail critiques
- Négocier des clauses de flexibilité - droits de mise à l'échelle sans pénalités
- Surveiller trimestriellement - ajuster l'allocation selon les signaux du marché
Accompagnement professionnel
Les décisions d'infrastructure de cette magnitude et incertitude bénéficient d'une perspective expérimentée.
Le réseau de 550 ingénieurs terrain d'Introl accompagne les organisations évaluant l'économie de l'infrastructure IA à travers les stratégies de construction, location et hybrides.[^23] L'entreprise s'est classée 14e au classement Inc. 5000 2025 avec une croissance de 9 594 % sur trois ans, reflétant la demande de services de conseil en infrastructure.[^24]
L'expertise à travers 257 sites mondiaux offre une perspective sur l'investissement en infrastructure dans diverses conditions de marché.[^25] Introl gère des déploiements atteignant 100 000 GPU, fournissant un aperçu opérationnel sur l'optimisation de l'utilisation et la gestion des coûts.[^26]
Points clés à retenir
Pour les planificateurs d'infrastructure : - Modélisez les scénarios « Krishna a raison » et « Krishna a tort » avant d'engager du capital - Préférez la location avec clauses de flexibilité à l'infrastructure propre sauf si l'utilisation dépasse 80 % - Surveillez les taux d'utilisation des hyperscalers et les tendances de prix trimestriellement - Intégrez des clauses de sortie dans les engagements pluriannuels
Pour les analystes financiers : - Surveillez les changements de politique de dépréciation signalant une inquiétude de la direction - Comparez les durées de vie comptables de 5-6 ans aux réalités économiques de 1-3 ans - Suivez les taux de croissance des revenus IA par rapport aux taux de croissance du capex - Évaluez le risque d'actifs échoués dans les portefeuilles à forte intensité d'infrastructure
Pour les planificateurs stratégiques : - Reconnaissez que la surcapacité profite aux consommateurs même si elle nuit aux investisseurs - Considérez l'avantage du suiveur si les coûts d'infrastructure baissent de 30-50 % - Évaluez la dynamique concurrentielle si les pairs surinvestissent et font face à des dépréciations - Maintenez l'optionalité grâce aux architectures cloud hybrides
Perspectives
La critique de Krishna représente un point de vue minoritaire au milieu de l'enthousiasme de l'industrie, mais l'analyse mathématique mérite une considération sérieuse. Les 380 milliards de dollars de capex en 2025 nécessitent une génération de revenus sans précédent pour se justifier — une croissance des revenus qui doit se maintenir pendant des années face à des calendriers de dépréciation qui pourraient s'avérer optimistes.
La résolution du débat importe moins que la réponse : les organisations devraient couvrir plutôt que parier. Louez avec flexibilité, négociez les conditions, surveillez les signaux et préservez l'optionalité. Que Krishna s'avère prophète ou simple voix contraire, les organisations préparées bénéficient de décisions d'infrastructure fondées sur l'analyse de scénarios plutôt que sur les hypothèses de consensus.
Comme Krishna lui-même l'a noté malgré son scepticisme envers l'infrastructure : « Je pense que cela va débloquer des milliers de milliards de dollars de productivité dans l'entreprise, pour être absolument clair. »[^27] La question n'est pas de savoir si l'IA crée de la valeur, mais si les niveaux actuels d'investissement en infrastructure correspondent au calendrier et à l'ampleur de cette création de valeur.
Références
[Contenu tronqué pour la traduction]
-
Fortune. "IBM CEO warns there's 'no way' hyperscalers like Google and Amazon will be able to turn a profit at the rate of their data center spending." 3 décembre 2025. ↩
