L’euphorie avant le dur retour à la réalité ? Depuis deux ans, tout semble sourire à l’intelligence artificielle. Chaque annonce de nouveau modèle, chaque performance inédite provoque une envolée boursière ; chaque mise à jour alimente la certitude qu’une nouvelle révolution industrielle est en marche. Aux États-Unis, le Nasdaq et le S & P 500 ont aveuglément suivi la tendance : en quelques trimestres, les géants de la tech y ont pris un poids qu’on n’avait plus vu depuis les années 1970.
Cet enthousiasme repose pourtant sur une équation fragile. Les gains de productivité promis par l’IA générative tardent à se matérialiser à grande échelle, tandis que les usages réels restent cantonnés à quelques secteurs – développement logiciel, marketing, automatisation de tâches répétitives. La disproportion entre l’espoir projeté et les résultats observables s’accroît chaque mois.
Un emballement tiré par une poignée d’acteurs
La dynamique actuelle est portée par un club ultra-restreint : Nvidia pour les puces, Microsoft, Amazon et Google pour le cloud, et quelques laboratoires comme OpenAI ou Anthropic pour les modèles. Cette concentration extrême n’a rien à voir avec la bulle Internet, éclatée entre des milliers de start-up souvent déconnectées les unes des autres. Aujourd’hui, un choc sur l’un de ces acteurs-clés pourrait suffire à faire tanguer l’ensemble du marché.
Car tout est lié : les grands modèles réclament toujours plus de puissance de calcul, laquelle dépend des capacités de production de Nvidia ; les gros fournisseurs d’infrastructure numérique – Microsoft Azure, Amazon Web Services, Google Cloud – construisent des centres de données à un rythme effréné ; et les laboratoires d’IA signent des contrats colossaux qui misent sur une demande future jamais garantie. Une chaîne où tout le monde dépend de tout le monde, et où le moindre accroc peut provoquer un effet domino.
Une économie circulaire… de dettes
Derrière les innovations, un autre phénomène moins visible s’installe : le recours croissant au financement par la dette. Pour suivre la course aux modèles géants, les acteurs de l’IA s’appuient désormais sur des montages complexes mêlant prêts, garanties croisées et investissements circulaires. Microsoft illustre parfaitement cette logique : après avoir investi plus de 13 milliards de dollars dans OpenAI, l’entreprise voit aujourd’hui ce même partenaire devenir l’un de ses plus gros clients pour louer de la puissance de calcul sur Azure. Autrement dit, l’argent investi revient alimenter la demande… qui justifie de nouveaux investissements. Le système fonctionne tant que les valorisations continuent de grimper et que les investisseurs y croient.
Mais ce levier financier renforce la vulnérabilité de l’ensemble. Si les revenus promis tardent à arriver, si les besoins en puissance de calcul diminuent ou si l’expansion des data centers ralentit, alors la mécanique peut se gripper très vite. C’est le scénario que redoutent plusieurs économistes : un retournement où les acteurs se mettent à vendre ou à se désengager par anticipation, déclenchant la correction qu’ils craignaient.
Une bulle matérielle autant que financière
La bulle IA ne vit pas seulement dans les bilans comptables : elle s’incarne dans des infrastructures physiques gigantesques. Chaque nouveau modèle nécessite des milliers de serveurs, des mégawatts d’électricité et des volumes d’eau impressionnants pour le refroidissement. Partout, les projets de data centers se multiplient. Certains États américains évoquent déjà des tensions sur leurs réseaux, quand d’autres s’inquiètent du prélèvement sur leurs nappes phréatiques.
Et plus la compétition s’intensifie, plus l’empreinte écologique augmente. L’entraînement d’un modèle phare peut consommer autant d’électricité que des milliers de foyers pendant plusieurs mois, sans parler des énormes quantités d’eau nécessaires pour refroidir les centres de données. Le paradoxe est bien là : au nom d’une technologie censée optimiser le monde, on étend des infrastructures dont l’impact reste difficilement justifiable sans bénéfices concrets et massifs.
Les doutes gagnent même les convaincus
Ce qui frappe aujourd’hui, c’est que le scepticisme n’est plus cantonné aux détracteurs habituels. Des dirigeants de la tech, des investisseurs et même certains architectes de l’IA reconnaissent désormais que l’emballement pourrait dépasser la réalité technique. Même Peter Thiel, pourtant l’un des plus fervents soutiens de l’IA, a commencé à retourner sa veste : au cours du troisième trimestre 2025, selon Bloomberg, son fonds spéculatif Thiel Macro LLC a revendu la totalité de ses actions Nvidia, soit près de 100 millions de dollars. Même son de cloche du côté du groupe japonais SoftBank, qui a vendu en octobre dernier l’ensemble de sa participation dans Nvidia. La valorisation ? 5,8 milliards de dollars. Rien d’anodin.
Les déclarations récentes de dirigeants du secteur trahissent d’ailleurs une nervosité qu’on ne percevait pas il y a encore un an : promesses qui tardent, coûts qui explosent, complexité qui augmente plus vite que les capacités des modèles. Même Sam Altman, pourtant incarnation de l’optimisme IA, multiplie les prises de parole ambiguës : il parle lui-même de “bulle”, s’agace lorsqu’on l’interroge sur les dépenses colossales nécessaires et laisse transparaître un doute inédit dans ses interventions publiques.
Certains comparent la situation à une scène de cartoon : tant que personne ne regarde en bas, tout tient. Mais dès que l’on réalise que le sol manque, la chute s’amorce. Et cette prise de conscience peut venir d’un détail : un modèle moins performant qu’espéré, un retard industriel, une panne massive ou une simple inflexion de la demande.
Une bulle nourrie par le contexte économique mondial
Il serait pourtant trop simple de voir dans cette surchauffe un phénomène propre à l’IA. La réalité est plus large : depuis plus d’une décennie, les marchés financiers baignent dans une liquidité abondante, héritage des politiques monétaires post-crise de 2008 puis de l’ère Covid. Quand l’argent circule vite et cherche un nouveau moteur de croissance, il s’accroche à la promesse la plus spectaculaire.
L’IA arrive dans un contexte idéal : elle est impressionnante, mystérieuse, souvent mal comprise – donc parfaite pour nourrir l’imaginaire d’une rupture historique. D’ailleurs, les start-up ne s’y sont pas trompées et ont très vite compris qu’il fallait, d’une manière ou d’une autre, saupoudrer leur business model d’IA pour espérer lever des fonds. Jusqu’à présent, l’intelligence artificielle a tout eu pour elle ou presque. Son potentiel réel n’a quasiment pas été remis en question malgré ses nombreuses faiblesses. Mais l’ampleur des capitaux qu’elle mobilise tient autant de la technologie que d’un système financier qui réclame son nouveau récit fédérateur.
Ralentir pour mieux tenir la trajectoire
Rien ne dit que la bulle éclatera demain, mais les nuages semblent néanmoins s’amonceler. Et même si elle éclate, l’IA continuera certainement à transformer des secteurs entiers, à améliorer des processus et à ouvrir de nouveaux horizons industriels. L’emballement actuel montre aussi les limites d’une course où tout repose sur la vitesse : modèles toujours plus gros, data centers toujours plus vastes, investissements toujours plus massifs.
Ce moment de tension pourrait, paradoxalement, ouvrir une voie plus saine : privilégier les modèles frugaux, renforcer la transparence, diversifier les acteurs, réduire la dépendance à quelques fournisseurs, aligner l’innovation sur les besoins réels plutôt que sur les promesses les plus tapageuses. Bref, construire une IA durable avant que l’excès ne rattrape tout le monde.