Le PDG d'IBM affirme que les calculs économiques de l'infrastructure IA ne fonctionnent pas

Mis à jour le 11 décembre 2025

Mise à jour de décembre 2025 : Le PDG d'IBM Arvind Krishna avertit que 100 GW d'infrastructure IA planifiée nécessitent 8 000 milliards de dollars de CapEx et 800 milliards de dollars de profit annuel pour être justifiés — « Il n'y a aucun moyen d'obtenir un retour sur investissement. » Krishna estime entre 0 et 1 % les chances que les architectures LLM actuelles atteignent l'AGI. La dépréciation des équipements, imposant un remplacement tous les 5 ans, aggrave le défi. L'IA d'entreprise réussit ; l'infrastructure spéculative pour l'AGI peine.

Arvind Krishna, directeur général d'IBM, a livré une évaluation sobre sur le podcast Decoder de The Verge : le déploiement d'infrastructures IA à plusieurs milliers de milliards de dollars ne peut pas générer de retours dans les conditions économiques actuelles.¹ L'analyse de Krishna repose sur une arithmétique simple que l'industrie a largement choisi d'ignorer.

Les chiffres fonctionnent ainsi. Un centre de données IA d'un gigawatt nécessite environ 80 milliards de dollars en matériel informatique.² Les plans actuels, annoncés publiquement et en privé, pointent vers environ 100 gigawatts de capacité dédiée à l'AGI.³ Cela totalise 8 000 milliards de dollars en dépenses d'investissement. Pour justifier cet investissement, les opérateurs ont besoin d'environ 800 milliards de dollars de profit annuel juste pour couvrir le coût du capital.⁴

« Il n'y a aucun moyen d'obtenir un retour sur investissement à mon avis », a déclaré Krishna sans détour.⁵

Le problème de la dépréciation dont personne ne parle

Krishna a identifié la dépréciation comme le calcul le plus sous-estimé par les investisseurs et les analystes. Les accélérateurs IA se déprécient sur cinq ans. Le rythme des changements architecturaux signifie que les opérateurs doivent remplacer des flottes entières plutôt que de les prolonger. Les équipements achetés aujourd'hui deviennent obsolètes avant de s'être rentabilisés.

« Vous devez tout utiliser en cinq ans car à ce stade, vous devez tout jeter et recommencer », a expliqué Krishna.⁶ Chaque génération de matériel apporte des améliorations de performance substantielles. Faire tourner de l'inférence sur des GPU vieux de cinq ans signifie payer plus en électricité que ce que le calcul produit en valeur. Le cycle de dépréciation force un réinvestissement continu qui multiplie les besoins en capital.

Les hyperscalers qui construisent ces installations comprennent les mathématiques de la dépréciation. Ils construisent quand même, pariant que la croissance des revenus de l'IA dépassera les coûts d'infrastructure. Krishna questionne si ce pari peut être rentable à l'échelle actuellement planifiée. L'écart entre les besoins en capital et les revenus plausibles reste trop important.

Krishna diverge des croyants de l'AGI

Le PDG d'IBM a exprimé son scepticisme quant à la réalisation de l'intelligence artificielle générale par les approches actuelles. Krishna a estimé la probabilité que les architectures actuelles de grands modèles de langage atteignent l'AGI entre zéro et un pour cent.⁷ L'AGI « nécessitera plus de technologies que la voie actuelle des LLM », a-t-il argumenté.

Lorsque Nilay Patel, présentateur de Decoder, a fait remarquer que le PDG d'OpenAI Sam Altman croit qu'OpenAI peut générer des retours sur ses dépenses d'investissement, Krishna a offert une réponse directe : « C'est une croyance. C'est ce que certaines personnes aiment poursuivre. Je comprends cela de leur point de vue, mais c'est différent d'être d'accord avec eux. »⁸

Ce désaccord met en lumière une division fondamentale dans l'industrie de l'IA. Un camp croit que l'AGI émergera de la mise à l'échelle des architectures actuelles, justifiant n'importe quel niveau d'investissement en infrastructure. L'autre camp, incluant Krishna, croit que le chemin vers l'AGI nécessite des percées au-delà des modèles plus grands et de plus de puissance de calcul. Cet écart de croyance génère des calculs d'investissement radicalement différents.

L'opportunité de l'entreprise reste réelle

Le scepticisme de Krishna concernant l'économie de l'infrastructure AGI ne s'étend pas à l'IA d'entreprise. Le PDG d'IBM maintient que l'IA « va débloquer des milliers de milliards de dollars de productivité dans l'entreprise. »⁹ La distinction est importante : l'IA d'entreprise opère à des échelles où les coûts d'infrastructure génèrent des retours clairs.

Une entreprise déployant l'IA pour automatiser le service client, optimiser les chaînes d'approvisionnement ou accélérer la découverte de médicaments peut calculer le retour sur investissement avec une précision raisonnable. Les besoins en calcul restent bornés. La valeur générée revient directement à l'organisation qui déploie la technologie. L'économie de l'IA d'entreprise fonctionne à échelle humaine.

L'économie de l'AGI fonctionne différemment. Construire une infrastructure pour atteindre l'intelligence artificielle générale nécessite un investissement initial massif avec un rendement incertain. Le calendrier s'étend au-delà des horizons d'investissement normaux. Les dynamiques concurrentielles encouragent la surconstruction, chaque acteur courant pour atteindre des capacités révolutionnaires en premier. L'analyse rationnelle de l'investissement cède la place à une compétition existentielle.

Le positionnement stratégique d'IBM reflète la vision de Krishna. L'entreprise se concentre sur le déploiement de l'IA en entreprise plutôt que sur le développement de modèles de pointe. L'acquisition de Confluent pour 11 milliards de dollars, annoncée quelques jours après l'apparition de Krishna dans le podcast, renforce cette orientation.¹⁰ IBM construit l'infrastructure de données dont les entreprises ont besoin pour déployer l'IA, laissant la poursuite de l'AGI à d'autres prêts à accepter des probabilités plus faibles.

Et si Krishna avait raison ?

Le déploiement de l'infrastructure IA continue indépendamment des avertissements de Krishna. Microsoft, Google, Amazon et Meta prévoient collectivement des centaines de milliards d'investissements dans les centres de données. OpenAI, via son partenariat Stargate, vise 500 milliards de dollars de dépenses d'infrastructure.¹¹ Le capital continue d'affluer.

Si l'analyse de Krishna s'avère correcte, le moment de vérité arrive dans le cycle de dépréciation. Les installations construites en 2025 doivent générer des retours d'ici 2030 ou faire face à des dépréciations. Les entreprises qui ont trop construit rationaliseront leur capacité. Le marché de l'infrastructure IA se consolidera autour des survivants ayant une économie durable.

Ce scénario n'exige pas que l'IA échoue. L'IA peut apporter une valeur énorme tandis que l'investissement en infrastructure à l'échelle de l'AGI s'avère toujours non rentable. L'IA d'entreprise prospère pendant que la poursuite de l'AGI consomme du capital sans retours adéquats. La distinction entre technologie précieuse et investissement judicieux reste importante.

Si l'analyse de Krishna s'avère fausse, les croyants de l'AGI remportent le plus gros pari de l'histoire de la technologie. Une AGI réussie justifierait n'importe quel investissement en infrastructure et récompenserait les premiers constructeurs avec des capacités transformatrices. OpenAI, xAI et d'autres organisations axées sur l'AGI opèrent sur cette thèse.

Le marché tranchera

IBM occupe une position différente des entreprises que Krishna critique implicitement. Big Blue n'a pas les ressources pour concourir dans la course à l'infrastructure AGI et a choisi de ne pas essayer. Les avertissements de Krishna pourraient refléter un positionnement stratégique autant qu'une conviction analytique. IBM bénéficie si l'IA d'entreprise capte plus d'attention et de capital que la poursuite de l'AGI.

Ce positionnement n'invalide pas l'analyse. L'arithmétique que Krishna présente nécessite une réfutation, pas un rejet. Huit mille milliards de dollars de capital nécessitent des centaines de milliards de retours annuels. Les revenus actuels de l'IA, bien qu'en croissance rapide, sont loin du compte. L'écart doit se réduire pour que les investissements soient rentables.

La volonté de Krishna d'exprimer publiquement son scepticisme fournit un contrepoids utile à l'enthousiasme dominant. L'industrie de l'IA bénéficie de dirigeants qui remettent en question les hypothèses et exigent une analyse financière rigoureuse. Que Krishna ait raison ou tort, la discipline de répondre à son défi renforce les décisions d'investissement dans tout l'écosystème.

La question à mille milliards de dollars reste ouverte : l'infrastructure IA peut-elle générer des retours à l'échelle actuellement planifiée ? Krishna dit non. Les constructeurs ne sont pas d'accord. Les cinq prochaines années révéleront quelle vision s'avère correcte.

Références

1. 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. https://fortune.com/2025/12/03/ibm-ceo-no-way-hyperscalers-google-amazon-turn-profit-data-center-spending/

2. Tom's Hardware. "IBM CEO warns that ongoing trillion-dollar AI data center buildout is unsustainable." 4 décembre 2025. https://www.tomshardware.com/tech-industry/ibm-ceo-warns-trillion-dollar-ai-boom-unsustainable-at-current-infrastructure-costs

3. Tom's Hardware. "IBM CEO warns that ongoing trillion-dollar AI data center buildout is unsustainable."

4. Fortune. "IBM CEO warns there's 'no way' hyperscalers will be able to turn a profit."

5. Fortune. "IBM CEO warns there's 'no way' hyperscalers will be able to turn a profit."

6. TechRadar. "IBM CEO warns trillion-dollar AI data center expansions risk catastrophic losses if hardware refresh cycles stay relentlessly fast." Décembre 2025. https://www.techradar.com/pro/there-is-no-way-ibm-ceo-says-current-ai-data-center-trends-are-unsustainable-and-he-would-know

7. CXO Digital Pulse. "IBM's Arvind Krishna Warns of Unsustainable Economics Behind AGI-Scale Data Center Race." Décembre 2025. https://www.cxodigitalpulse.com/ibms-arvind-krishna-warns-of-unsustainable-economics-behind-agi-scale-data-center-race/

8. Fortune. "IBM CEO warns there's 'no way' hyperscalers will be able to turn a profit."

9. Fortune. "IBM CEO warns there's 'no way' hyperscalers will be able to turn a profit."

10. IBM. "IBM to Acquire Confluent to Create Smart Data Platform for Enterprise Generative AI." IBM Newsroom, 8 décembre 2025. https://newsroom.ibm.com/2025-12-08-ibm-to-acquire-confluent-to-create-smart-data-platform-for-enterprise-generative-ai

11. Annonces du partenariat OpenAI Stargate, 2025.

Titre SEO (57 caractères) : PDG IBM : Le pari de 8 000 milliards sur l'IA ne paiera pas

Description SEO (155 caractères) : Arvind Krishna d'IBM questionne l'économie des centres de données IA : 8 000 Md$ de dépenses prévues nécessitent 800 Md$ de profit annuel. Analyse des préoccupations de durabilité.

Slugs URL : - Principal : ibm-ceo-krishna-ai-infrastructure-trillion-unsustainable - Alt 1 : arvind-krishna-ai-data-center-economics-warning-2025 - Alt 2 : ibm-ceo-8-trillion-ai-infrastructure-returns - Alt 3 : ai-data-center-spending-sustainability-ibm-warning

Points clés à retenir

Pour les planificateurs stratégiques : - Un centre de données IA de 1 GW nécessite ~80 Md$ en matériel informatique ; 100 GW de capacité AGI planifiée = 8 000 Md$ de capex - 800 Md$ de profit annuel nécessaires juste pour couvrir le coût du capital sur 8 000 Md$ d'investissement en infrastructure - Krishna estime entre 0 et 1 % la probabilité que les architectures LLM actuelles atteignent l'AGI

Pour les équipes financières : - Les accélérateurs IA se déprécient sur 5 ans ; les changements architecturaux forcent le remplacement complet des flottes - Faire tourner de l'inférence sur des GPU vieux de 5 ans coûte plus en électricité que ce que le calcul produit en valeur - L'écart entre les besoins en capital et les revenus plausibles reste trop important selon Krishna

Pour les équipes IA d'entreprise : - Krishna distingue la poursuite de l'AGI de l'IA d'entreprise : besoins en calcul bornés, ROI calculable - L'acquisition de Confluent par IBM pour 11 Md$ renforce l'accent sur l'infrastructure de données d'entreprise plutôt que sur les modèles de pointe - L'économie de l'IA d'entreprise fonctionne à échelle humaine ; l'économie de l'AGI nécessite un investissement initial massif avec un rendement incertain

Pour les investisseurs : - Si Krishna a raison, le moment de vérité arrive dans le cycle de dépréciation de 5 ans (les installations construites en 2025 doivent être rentables d'ici 2030) - Le partenariat OpenAI Stargate vise 500 Md$ d'infrastructure ; Microsoft/Google/Amazon prévoient des centaines de milliards de plus - IBM positionné pour le déploiement de l'IA d'entreprise plutôt que pour le développement de modèles de pointe