Les géants américains de la tech investissent toujours plus massivement dans l’intelligence artificielle. Les montants engagés atteignent des niveaux inédits, les annonces se succèdent, et la course à la puissance de calcul est présentée comme une évidence stratégique. À première vue, cette dynamique semble traduire une confiance totale dans l’IA comme moteur de croissance future. Mais cette lecture est trompeuse. L’accélération permanente des investissements ressemble moins à un pari maîtrisé qu’à un aveu : celui d’un secteur qui ne dispose plus d’autre horizon crédible.
Cette unanimité apparente masque toutefois un malaise plus profond. L’IA n’est pas seulement présentée comme une opportunité majeure, mais comme la seule trajectoire encore capable de donner une cohérence au futur du secteur. Ce glissement, discret mais décisif, mérite d’être interrogé.
Le fait marquant n’est pas que l’IA attire des capitaux. Toute rupture technologique majeure provoque ce type de mouvement. Ce qui est inédit, c’est qu’elle soit devenue le seul récit économique capable de soutenir à la fois la valorisation, la stratégie et la projection future des grandes entreprises technologiques. L’IA n’est plus un levier parmi d’autres ; elle est devenue le point de fixation exclusif.
Une IA devenue produit unique plutôt que levier
Le discours dominant entretient une confusion constante entre innovation technologique et modèle économique viable. L’IA est présentée comme une finalité en soi, alors qu’elle n’est fondamentalement qu’un outil. Or un outil ne crée pas mécaniquement de la valeur ; il n’en crée que s’il s’insère dans une structure productive déjà solide.
En traitant l’IA comme un produit autonome, la tech renonce implicitement à ce qui faisait sa force historique : la combinaison de plusieurs leviers complémentaires. Plateformes, usages, écosystèmes et modèles économiques s’effacent au profit d’un objet unique censé tout résoudre. Cette réduction stratégique traduit moins une vision qu’un appauvrissement des options disponibles.
En faire un produit autonome censé justifier, à lui seul, des investissements massifs relève d’une logique fragile. Cette fragilité est masquée par une assimilation abusive entre progrès technique et création automatique de richesse. Le raisonnement implicite est simple : puisque l’IA est impressionnante, elle finira nécessairement par être rentable. Or rien ne garantit une telle trajectoire.
Cette dérive est d’autant plus visible que les géants de la tech ne proposent plus de récits alternatifs. Il n’est plus question de nouvelles plateformes structurantes, de nouveaux usages de masse comparables au smartphone ou aux réseaux sociaux, ni de modèles publicitaires réellement disruptifs. L’IA absorbe tout, non parce qu’elle serait objectivement la solution à tout, mais parce qu’elle est devenue la seule chose vendable comme avenir.
Scalabilité illusoire et coûts exponentiels
Contrairement au logiciel classique, l’IA générative ne bénéficie pas d’un coût marginal décroissant. Chaque nouvelle génération de modèles nécessite davantage de puissance de calcul, davantage d’énergie, davantage de matériel spécialisé. Les coûts ne se stabilisent pas : ils augmentent. Plus le modèle est performant, plus il est cher à entraîner et à exploiter.
Cette dynamique rompt avec la logique économique qui a porté les grandes réussites du numérique. Le logiciel, les réseaux sociaux ou le cloud reposaient sur une baisse progressive des coûts unitaires à mesure que l’usage augmentait. L’IA inverse ce schéma : plus elle est performante et sollicitée, plus elle exige de ressources physiques, énergétiques et financières, sans garantie de compensation proportionnelle.
La promesse selon laquelle « l’échelle réglera le problème » repose sur une hypothèse fragile : celle d’une croissance de la valeur créée plus rapide que celle des coûts engagés. Or cette hypothèse est de plus en plus contestée. L’augmentation du nombre d’utilisateurs ne garantit pas une amélioration de la rentabilité ; elle peut même aggraver les déséquilibres si les coûts d’inférence explosent.
C’est ce qui explique pourquoi certains produits d’IA très visibles sont perçus comme non scalables par une partie croissante des investisseurs. Leur succès d’usage ne se traduit pas automatiquement en succès économique. L’IA devient alors un produit spectaculaire, mais structurellement sous tension.
Google et Amazon, exception structurelle
Tous les acteurs ne sont pas placés dans la même situation. Google et Amazon constituent une exception majeure. Pour eux, l’IA n’est pas un produit autonome censé porter seul la croissance, mais une couche d’optimisation intégrée à des infrastructures déjà dominantes.
Chez Google, Gemini n’a pas besoin d’être rentable en tant que tel. Il suffit qu’il améliore la recherche, renforce la captation publicitaire, optimise les services cloud et verrouille davantage les usages. L’entreprise possède déjà les data centers, les réseaux, la distribution et les utilisateurs. L’IA agit comme un multiplicateur de puissance.
Cette position n’est toutefois pas généralisable. Elle repose sur des avantages cumulés – infrastructures, données, distribution, capital – que peu d’acteurs peuvent reproduire. Pour les autres, tenter d’imiter ce modèle revient à supporter les coûts sans disposer des amortisseurs structurels qui en rendent l’équilibre possible.
Apple constitue, à cet égard, un cas à part. L’entreprise n’a pas refusé l’intelligence artificielle par retard ou par incompréhension, mais par calcul. Tim Cook a très tôt identifié le déséquilibre économique du modèle : coûts massifs, rentabilité incertaine, dépendance à des infrastructures lourdes et énergivores. Plutôt que d’entrer dans une course à la puissance de calcul sans issue claire, Apple a choisi de limiter l’IA à des usages ciblés, intégrés, et subordonnés à son écosystème matériel. Ce refus de la fuite en avant n’est pas un pari technologique, mais une décision financière rationnelle.
La métaphore est parlante : l’IA n’est pas la voiture, c’est le carburant. Google et Amazon ont déjà le véhicule, l’infrastructure et la route. L’IA augmente leur vitesse, elle ne conditionne pas leur existence. Cette intégration verticale leur permet d’absorber des coûts que d’autres ne peuvent pas supporter.
La fuite en avant comme signal d’alerte
Pour les autres acteurs, la situation est radicalement différente. Lorsque Microsoft, Meta ou Tesla investissent toujours plus massivement dans l’IA alors que les interrogations sur sa rentabilité se multiplient, ce comportement ne traduit pas une confiance sereine. Il traduit une dépendance stratégique.
Ces entreprises ont engagé trop de capital, construit trop d’infrastructures et bâti trop de promesses pour pouvoir ralentir sans provoquer une sanction immédiate des marchés. Ralentir serait interprété comme un aveu. Diversifier serait reconnaître l’absence de moteur clair. Le seul choix restant est donc d’accélérer.
Dans ce contexte, l’accélération permanente tient davantage de la discipline imposée que du choix stratégique. Les annonces successives servent autant à rassurer les marchés qu’à convaincre en interne. L’investissement devient performatif : il faut montrer que l’on y croit, faute de pouvoir proposer une alternative crédible.
Ce mécanisme relève moins d’une conviction que d’une contrainte. L’IA devient un impératif existentiel, non parce qu’elle garantit le succès, mais parce que son abandon rendrait visible le vide stratégique.
Un risque macroéconomique sous-estimé
Le danger principal ne réside pas dans l’éventualité que l’IA soit une bulle. Il réside dans le fait qu’elle soit devenue systémique. Lorsque l’essentiel du capital, de l’innovation et des infrastructures se concentrent sur un seul levier, la moindre déception prend une ampleur macroéconomique.
Cette concentration assèche l’innovation hors IA, surdimensionne les infrastructures et rend l’ensemble du secteur technologique vulnérable à un choc de réallocation brutal. Si les gains de productivité promis tardent à se matérialiser, ce ne sont pas seulement quelques entreprises qui seront touchées, mais l’ensemble de l’écosystème technologique.
Une accélération dans le gouffre
Le débat n’est donc pas de savoir si l’intelligence artificielle « fonctionnera » ou non. Le véritable problème est de constater que, pour une partie croissante des géants de la tech, elle est devenue le seul horizon stratégique disponible. Quand une technologie cesse d’être un outil parmi d’autres pour devenir l’unique promesse d’avenir, elle ne relève plus de l’innovation, mais du symptôme.
Le problème n’est donc pas l’intelligence artificielle en tant que telle, mais la concentration extrême des attentes qu’elle cristallise. Lorsqu’un secteur n’est plus capable d’imaginer plusieurs futurs possibles, la technologie cesse d’être un moteur et devient un révélateur.
Bibliographie sur les IA
McKinsey Global Institute, The economic potential of generative AI: The next productivity frontier, McKinsey & Company, 2023.
→ Rapport de référence sur les promesses de productivité de l’IA générative, utile pour mesurer l’écart entre le discours stratégique et les conditions réelles de création de valeur.
Goldman Sachs Research, Generative AI: Too much spend, too little benefit?, Equity Research Report, Goldman Sachs Group, 2024.
→ Analyse financière critique mettant en lumière le déséquilibre potentiel entre investissements massifs, coûts d’infrastructure et retours économiques attendus.
International Energy Agency (IEA), Electricity 2024 – Analysis and forecast to 2026, IEA Publications, Paris, 2024.
→ Données essentielles sur la consommation énergétique des data centers et les tensions structurelles liées à l’explosion des besoins en calcul.
The Economist, Why Big Tech is spending billions on AI — and why it might not pay off, dossier « Technology Quarterly », 2024.
→ Synthèse accessible mais rigoureuse sur la logique de fuite en avant, les incertitudes de rentabilité et les risques systémiques de la course à l’IA.
Benedict Evans, AI and the problem of cost curves, Evans Analysis, essais et newsletters, 2023–2024.
→ Réflexion structurelle sur la rupture des courbes de coûts introduite par l’IA, et sur les limites économiques d’un modèle fondé sur une puissance de calcul toujours croissante.
Comprendre le monde à sa racine entre éclats d’histoire, failles stratégiques, mémoires tues et formes vivantes de culture.
Une traversée des siècles pour retrouver ce qui, dans le tumulte, nous tient encore debout.
Voir au-delà des discours là où se forment les véritables structures du pouvoir.
Revenir aux lignes de fracture pour comprendre ce que le passé laisse en héritage.
Entrer dans un monde en construction un espace où les récits se tissent.
Suivre les lignes de force de l’imaginaire entre arts, formes, symboles et récits.
Le pouvoir n’est jamais là où on le montre.
Si quelque chose a grincé ici, d’autres textes en décalent encore les lignes.
Quand tout s’effondre sans bruit, il faut parfois remonter les flux. le fil est la, il attend
L’empire doute, mais continue de frapper. la suite de cette tension est encore visible ailleurs.