Sommes-nous dans une bulle d’IA ? Un regard clair sur l’infrastructure par rapport à l’hype

L’essor de l’IA a déclenché des investissements massifs, une innovation rapide et une attention publique intense. Ces conditions soulèvent presque inévitablement une question familière : sommes-nous dans une bulle d’IA ?

C’est une préoccupation légitime. Les périodes d’excitation technologique ont souvent été suivies de corrections douloureuses, surtout lorsque les attentes dépassent les fondamentaux. Mais pour répondre à cette question, il faut séparer l’hype visible de la infrastructure moins visible qui se trouve en dessous et ancrer la discussion dans l’histoire, l’économie et la réalité de la couche d’infrastructure qui alimente réellement l’IA.

Lorsque vous faites cela, l’image apparaît beaucoup plus nuancée que ce que suggère le récit de la bulle.

1. La distinction clé : Infrastructure vs. Applications

La plupart des conversations sur une « bulle d’IA » se concentrent sur ce que les gens voient à la couche d’application. Cela inclut les tours de financement à gros titres des entreprises comme OpenAI, Anthropic et xAI, avec des annonces de financement rapides qui ne sont séparées que de quelques mois. Il y a également des démos d’agents d’IA qui inondent les flux sociaux et des affirmations grandioses sur l’intelligence artificielle générale ou les résultats d’un trillion de dollars, bien avant que les revenus ne rattrapent.

Cette couche de l’industrie évolue rapidement parce qu’elle est alimentée par des histoires, des attentes et la psychologie des investisseurs. Les entreprises d’applications peuvent connaître un essor rapide dans l’attention, tout comme elles peuvent tomber en disgrâce. Les récits s’étendent souvent plus vite que les fondamentaux commerciaux sous-jacents, et comme c’est la partie la plus visible de l’économie de l’IA, elle devient le point de référence par défaut pour les allégations selon lesquelles l’ensemble du secteur est surchauffé.

Mais l’infrastructure de calcul fonctionne dans une réalité complètement différente, régie par la physique, l’économie et les contraintes de capacité réelles.

L’infrastructure de calcul est façonnée par des forces mesurables : les GPU générant des revenus horaires en exécutant des charges de travail d’IA, la disponibilité et le coût de l’énergie, le rythme de construction de centres de données, l’augmentation des demandes de formation et d’inférence à mesure que les modèles grandissent en taille. L’utilisation, et non le sentiment, détermine si cette couche fonctionne.

Là où les applications montent et descendent en fonction de la perception, l’infrastructure est ancrée dans une demande soutenue. C’est pourquoi la couche d’infrastructure ne se comporte pas comme une classe d’actifs typiquement sujette aux bulles. Elle se comporte plus comme le réseau électrique pendant l’électrification ou la fibre pendant l’essor d’Internet. Il s’agit d’un système fondamental dont la courbe de demande est alimentée par le progrès technologique plutôt que par les caprices des investisseurs.

2. Ce que montre réellement l’histoire

En regardant les technologies à usage général précédentes, on découvre un modèle constant et répétitif : les grands changements technologiques commencent par une vague énorme d’investissements dans l’infrastructure, longtemps avant que les gains de productivité n’apparaissent dans l’économie.

Les chemins de fer nécessitaient des investissements massifs bien avant de transformer le commerce. L’électricité exigeait des raccordements de réseau coûteux avant que les usines puissent se réorganiser pleinement autour de l’énergie électrique. Les réseaux de télécoms, l’infrastructure de backbone Internet, les réseaux mobiles et l’informatique en nuage ont tous suivi la même trajectoire. Dans chaque cas, les dépenses d’infrastructure ont augmenté en premier, tandis que les améliorations de la productivité ont suivi.

De l’extérieur, ces périodes ressemblaient souvent à des bulles. En regardant en arrière, ils étaient des phases d’installation. Des déploiements nécessaires et coûteux en capital qui ont jeté les bases de décennies de croissance économique.

Ce graphique Goldman Sachs largement diffusé illustre clairement ce phénomène :

Les investissements dans l’infrastructure explosent des années avant que les gains de productivité mesurables n’apparaissent. L’IA d’aujourd’hui suit cette même courbe presque exactement.

Beaucoup de l’essor actuel de l’IA est impulsé par des entreprises qui sont fondamentalement différentes de celles de l’ère du point com. À la fin des années 90, de nombreuses entreprises Internet à forte valorisation n’avaient que peu ou pas de revenus. En revanche, les plus grandes forces derrière l’actuel essor de l’infrastructure d’IA, comme Microsoft, Google, Meta et Amazon, sont des entreprises très rentables avec des flux de trésorerie importants et récurrents provenant d’activités établies comme l’informatique en nuage, la publicité et les logiciels d’entreprise.

Leurs dépenses en IA sont en grande partie financées par les bénéfices d’exploitation, et non par une dette spéculative. Cette distinction est importante. Elle réduit considérablement la fragilité systémique et repositionne les dépenses en capital actuelles non comme un excès imprudent, mais comme un investissement délibéré à long terme.

3. La demande de calcul est structurelle, et non dictée par le sentiment

Ce qui rend le cycle actuel d’IA exceptionnellement résilient, c’est que la demande de calcul n’est pas principalement dictée par l’enthousiasme narratif. Elle est dictée par des exigences techniques qui continuent de s’étendre, indépendamment du sentiment du marché.

Les moteurs principaux de la demande de calcul continuent d’accélérer :

• La « taxe de réflexion » : les nouveaux modèles d’IA ne se contentent pas de récupérer des réponses, mais raisonnent réellement à travers des milliers de possibilités avant de répondre. Cela crée une nouvelle réalité où une seule invite utilisateur peut consommer 100 fois le calcul d’une recherche traditionnelle.

• La production de données synthétiques : nous avons effectivement épuisé les données humaines de haute qualité sur lesquelles nous pouvons nous former. Pour continuer à améliorer, des flottes de GPU fonctionnent 24h/24, 7j/7, juste pour écrire les données de formation pour la prochaine génération de modèles.

• L’infrastructure souveraine : les gouvernements achètent désormais du calcul pour la sécurité nationale comme ils achètent des réserves d’énergie ou des systèmes de défense. Cela crée un plancher massif et permanent de demande qui est insensible au sentiment du marché.

Ces forces existent indépendamment de la manière dont les startups d’IA sont valorisées dans un quartier donné. Même pendant les retraits du marché, l’utilisation des GPU reste élevée parce que les charges de travail elles-mêmes continuent de grandir en complexité et en volume.

Cette construction est tangible d’une manière dont de nombreuses bulles spéculatives ne l’étaient pas. Les GPU, les serveurs, les centres de données, les infrastructures d’alimentation et les applications d’IA déployées sont des actifs réels qui livrent déjà des gains de productivité mesurables. Contrairement à de nombreux concepts du point com qui étaient à des années de l’utilisation pratique, les systèmes d’IA sont déjà intégrés dans les flux de travail à travers le développement de logiciels, la recherche, le support client, la conception, la logistique et la prise de décision.

Il y a également une dynamique concurrentielle en jeu qui va au-delà des marchés. L’IA est devenue une « course aux armements » stratégique entre les entreprises et les nations. Les gouvernements et les entreprises ne peuvent pas simplement opter pour l’investissement sans risquer leur compétitivité à long terme. Tomber en retard dans la capacité de calcul signifie de plus en plus tomber en retard dans l’innovation, l’attraction des talents et l’accès au capital.

4. Bulle ou point d’inflexion ?

Certains économistes distinguent deux types de bulles. Les bulles financières ne laissent rien derrière elles une fois qu’elles éclatent. Les bulles d’inflexion, en revanche, accélèrent la construction d’une infrastructure fondamentale qui change de manière permanente le paysage économique, même si le capital est mal alloué en cours de route.

Les chemins de fer, l’électrification et l’Internet naissant ont tous présenté des éléments d’excès spéculatif. Pourtant, ils ont également remodelé la société de manière irréversible. Le gaspillage n’a pas négé le progrès.

Le cycle d’IA présente des caractéristiques d’une bulle d’inflexion. Il y a sans aucun doute de l’hype aux marges et certains investissements échoueront. Mais l’infrastructure en construction est réelle, durable et de plus en plus indispensable. Même si les valorisations se compressent, le marché se consolide et des applications spécifiques échouent, l’infrastructure sous-jacente restera.

5. Le problème de sous-estimation humaine

Enfin, il y a une tendance récurrente à sous-estimer l’impact profond des nouvelles technologies sur la vie quotidienne. Il y a juste 18 mois, la plupart du public était introduit à l’IA à travers des outils comme ChatGPT. Aujourd’hui, pour de nombreux travailleurs de la connaissance, il est difficile d’imaginer travailler sans l’aide de l’IA.

Ce changement s’est produit de manière remarquablement rapide et il en est encore aux premiers stades.

De ce point de vue, appeler cela une bulle d’IA manque le point plus large. Ce que nous sommes en train de voir ressemble moins à un excès spéculatif détaché de la réalité et plus à la phase d’installation coûteuse en capital d’une révolution de la productivité qui est déjà en cours.

Le sentiment public fluctuera. Les prix seront corrigés. L’infrastructure et l’innovation qu’elle permet resteront.