IA : révolution économique ou fragilité des marchés ?
Le boom de l’IA attire des milliards d’investissements et transforme l’économie, mais fait émerger de nouveaux risques pour les marchés financiers.
Centres de données, semi-conducteurs, production d’électricité, logiciels : l’ampleur des investissements est spectaculaire, et les entreprises liées à l’IA sont devenues parmi les principaux moteurs des marchés actions mondiaux.
L’enthousiasme se comprend. L’IA pourrait transformer la productivité, réduire les coûts et faire émerger de nouveaux modèles économiques. Mais une question plus difficile se pose désormais aux marchés financiers.
L’IA crée-t-elle assez de valeur économique pour justifier l’ampleur des capitaux engagés, ou les investisseurs intègrent-ils déjà trop d’avenir dans les prix actuels ?
La nuance compte. Une véritable révolution de productivité peut soutenir des bénéfices plus élevés, une croissance plus forte et des valorisations justifiées.
Mais si l’investissement va plus vite que la monétisation, le même essor peut créer des surcapacités, de l’endettement, une concentration excessive du marché et, à terme, une correction brutale des actifs financiers.
En 2026, le débat sur l’IA a dépassé la seule technologie : il est devenu une question de macroéconomie et de stabilité financière.
1. Un mur d’investissement de 725 milliards de dollars
L’ampleur de la construction des infrastructures liées à l’IA est sans doute l’indicateur le plus parlant.
Selon Jamie Dimon, directeur général de JPMorgan, les cinq plus grands hyperscalers ont dépensé environ 450 milliards de dollars en dépenses d’investissement et de construction liées à l’IA en 2025. Pour 2026, il anticipe un montant proche de 725 milliards de dollars.
Dimon établit une distinction importante : il estime que l’IA augmentera clairement la productivité avec le temps, mais que ce programme de dépenses massif pourrait, dans l’intervalle, se révéler inflationniste, en raison de la demande qu’il crée pour l’énergie, la construction, les équipements et d’autres ressources rares.
L’IA agit ainsi simultanément comme un choc de productivité, potentiellement bénéfique pour l’économie, et comme un choc d’investissement, qui soulève une question purement financière : quel rendement ces investissements doivent-ils générer pour justifier leur ampleur ?
La réponse déterminera si le cycle actuel de l’IA restera l’une des vagues d’investissement les plus productives de l’histoire économique récente, ou s’il deviendra l’un des plus grands épisodes de mauvaise allocation du capital des dernières décennies.
2. Une promesse de productivité bien réelle
Il serait pourtant trop simple de rejeter cet essor au seul motif que les valorisations sont élevées.
Contrairement à nombre de technologies spéculatives du passé, les grandes entreprises de l’IA génèrent déjà des revenus et des profits substantiels, et l’IA s’intègre directement dans les entreprises existantes.
Les banques l’utilisent pour la détection de fraude et la gestion des risques, les industriels pour la logistique et la production, les cabinets de conseil pour la recherche et l’analyse.
Le rapport 2026 de la Banque mondiale sur le développement décrit l’IA comme une technologie à usage général capable d’augmenter la productivité, et le FMI pointe lui aussi un potentiel de gains économiques significatifs.
Le problème n’est donc pas de savoir si l’IA fonctionne, mais à quelle vitesse ces gains arriveront et qui parviendra à les capter.
3. Le cycle d’investissement va plus vite que les chiffres de productivité
C’est là que le débat se complique.
Construire un écosystème d’IA exige des dépenses initiales considérables : il faut bâtir des centres de données, étendre les réseaux électriques, fabriquer des puces, déployer des infrastructures cloud et développer des logiciels spécialisés.
Or, l’essentiel de ces dépenses intervient avant que les bénéfices économiques finaux ne puissent être mesurés.
Les marchés valorisent aujourd’hui des profits futurs, alors que les gains de productivité peuvent mettre des années à apparaître dans les statistiques nationales.
Cela ne rend pas les valorisations actuelles fausses en soi, mais cela augmente considérablement l’incertitude qui les entoure.
4. Le FMI identifie un nouveau risque de concentration
Le FMI a déjà mis le doigt sur une fragilité importante.
Les valeurs liées à l’IA sont devenues un moteur majeur de la performance des marchés actions, alors que le boom d’investissement reste concentré sur un nombre restreint de grandes entreprises technologiques.
Dans son rapport d’avril 2026 sur la stabilité financière mondiale, le FMI estime que les hyperscalers pourraient représenter environ 70 % des 3 400 milliards de dollars de dépenses d’investissement liées à l’IA prévues d’ici 2029, et relève une interconnexion croissante entre géants technologiques, fabricants de puces et sociétés spécialisées en IA.
Un petit nombre d’acteurs devient ainsi, à la fois, investisseur majeur, client majeur, fournisseur de capacité de calcul et émetteur de dette de plus en plus important.
Cette concentration peut accélérer l’essor, mais tout autant accélérer un retournement.
5. Financement circulaire et avertissement sur les logiciels
Le FMI souligne un phénomène notable : le développement d’arrangements de financement et d’achats circulaires au sein de l’écosystème de l’IA, où des entreprises deviennent simultanément clientes, investisseuses et financeuses les unes des autres.
Un fabricant de puces investit dans un développeur d’IA, qui achète ensuite de la capacité de calcul auprès d’une autre société financée par une grande plateforme technologique.
Rien de tout cela n’est nécessairement anormal, mais cela pose une vraie question : quelle part de la croissance apparente reflète une demande finale réelle, et quelle part correspond à des capitaux qui circulent au sein du même écosystème ?
Le FMI avertit que cette interconnexion peut créer de l’opacité et contribuer à des valorisations excessives.
Jamie Dimon a par ailleurs soulevé une inquiétude précise en matière de crédit, rappelant que chaque cycle en comporte un secteur inattendu qui se révèle vulnérable, et suggérant que cette fois, ce pourrait être celui du logiciel, à cause de l’IA.
Si un système d’IA accomplit des tâches qui nécessitaient auparavant un logiciel spécialisé, certains modèles économiques pourraient subir une pression sur les prix ou une perte de clients, ce qui fragiliserait les entreprises les plus endettées du secteur.
Le FMI a identifié ce risque de façon indépendante, notant qu’une large part de la dette logicielle arrive à échéance d’ici 2028.
Une étude de la Banque des règlements internationaux publiée en juillet 2026 estime que les sociétés de développement d’entreprises présentent une exposition de près de 115 milliards de dollars aux sociétés de logiciels, soit un cinquième de leur encours total, une exposition qui n’a pas encore été repricée malgré des écarts de crédit déjà étroits.
6. La dette et l’énergie, deux contraintes qui s’additionnent
Le cycle d’investissement dans l’IA devient de plus en plus une histoire de financement.
Le FMI estime que les hyperscalers ont levé plus de 100 milliards de dollars en financement obligataire depuis janvier 2025, et le crédit privé pourrait jouer un rôle croissant.
Si les revenus progressent assez vite, cette dette se sert sans difficulté ; si l’adoption déçoit, la structure financière devient beaucoup moins indulgente, surtout si les taux d’intérêt restent structurellement plus élevés qu’au cours de la décennie précédente.
À cela s’ajoute une contrainte physique : l’IA exige d’énormes quantités d’électricité, et les infrastructures énergétiques ne se construisent pas du jour au lendemain.
Le résultat pourrait être paradoxal. L’IA pourrait, à terme, se révéler déflationniste en augmentant la productivité, mais sa phase de construction, elle, est inflationniste, car elle crée une demande extraordinaire d’électricité, de semi-conducteurs, de main-d’œuvre qualifiée et de financement.
Cela nourrit une boucle supplémentaire : plus d’investissement dans l’IA, c’est plus de demande d’énergie et de capital, donc plus de pression inflationniste à court terme, des anticipations de taux plus élevées, et davantage de pression sur les valorisations boursières à duration longue.
7. Le dilemme des banques centrales
Pour les responsables de la politique monétaire, l’IA pose un problème inhabituel.
Si elle augmente significativement la productivité, elle pourrait réduire les pressions inflationnistes et permettre des taux plus bas.
Mais l’investissement nécessaire pour bâtir cette économie peut générer, à court terme, des pressions inflationnistes avant même l’arrivée des gains de productivité.
Resserrer trop tôt risque de freiner l’investissement nécessaire à ces gains futurs ; rester trop accommodant trop longtemps risque de nourrir des valorisations excessives.
L’incertitude sur le calendrier compte presque autant que l’ampleur des effets attendus.
8. La vraie question des marchés
C’est là que le débat sur l’IA revient à Wall Street.
Les investisseurs n’achètent pas un progrès technologique : ils achètent des flux de trésorerie futurs attendus.
Une technologie révolutionnaire peut rester un mauvais investissement si ses bénéfices futurs sont déjà pleinement intégrés dans le prix de l’action. C’est toute la différence entre une excellente technologie et un excellent investissement.
Le FMI a déjà averti que la vulnérabilité du marché américain à une correction technologique pourrait être significative, même si sa surévaluation estimée reste inférieure à celle de la bulle internet, en partie parce que la capitalisation boursière américaine rapportée à l’activité économique est aujourd’hui bien plus élevée.
La question clé n’est donc plus de savoir si l’IA est une bulle, mais quel niveau de croissance des bénéfices liée à l’IA est déjà intégré dans les prix.
9. Révolution ou fragilité ?
L’erreur la plus dangereuse serait de croire que le débat ne comporte que deux réponses : soit l’IA est une révolution, soit elle est une bulle.
La réalité sera probablement plus nuancée.
L’IA peut être véritablement transformatrice tout en voyant certaines parties de son écosystème d’investissement devenir surévaluées ; elle peut créer une richesse économique considérable tout en générant des pertes de crédit dans les secteurs perturbés.
JPMorgan estime que les cinq hyperscalers pourraient dépenser environ 725 milliards de dollars en investissement et construction liés à l’IA cette seule année, et le FMI évalue à près de 3 400 milliards de dollars les dépenses prévues d’ici 2029, les hyperscalers représentant environ 70 % de ce total.
Dans le même temps, le système financier devient de plus en plus dépendant des mêmes fournisseurs technologiques et des mêmes modèles d’IA.
Conclusion : la révolution de l’IA est réelle, mais à quel prix ?
Pour les investisseurs, la question n’est plus de savoir si l’intelligence artificielle va transformer l’économie, elle le fera presque certainement, mais si ses rendements arriveront assez vite pour justifier l’ampleur des engagements financiers pris aujourd’hui.
Si c’est le cas, le boom actuel pourra un jour être retenu comme le socle d’une nouvelle ère de productivité.
Si ce n’est pas le cas, la correction viendra non pas parce que la technologie a échoué, mais parce que les marchés sont allés trop vite.
La révolution de l’IA est peut-être bien réelle. La vraie question, elle, porte sur son prix.
SOURCES
• JPMorgan Chase Chairman and CEO Letter to Shareholders, 6 avril 2026
• Fonds monétaire international Global Financial Stability Report, avril 2026
• Banque des règlements internationaux Annual Economic Report 2026
• Banque mondiale World Development Report 2026: Decoding AI
• Banque mondiale Digital Progress and Trends Report: Strengthening AI Foundations