I. Le moment IA

Ce que vit l’économie mondiale avec l’intelligence artificielle est une fièvre : chaque trimestre apporte sa ruée de milliards, ses prophéties (et donc ses prophètes) de rupture, ses promesses de productivité infinie. Microsoft, Nvidia, Amazon, Google, Meta : les géants accumulent les investissements colossaux, près de 350 milliards de dollars en dépenses d’infrastructure sur les douze derniers mois selon Bloomberg[1][2].

Pour comprendre la séquence en cours, on prendra comme point de départ un mystère comptable, qui a ceci de remarquable qu’il persiste envers et contre l’emballement narratif : plus le récit promet la révolution cognitive, plus s’obstine l’absence de profits. Sauf quelques exceptions (on y reviendra), les acteurs de l’IA génèrent peu de revenus, leurs coûts explosent, et pourtant leurs valorisations montent.

II. Une énigme comptable

Les producteurs d’IA (ceux qui codent, entraînent et opèrent les modèles) exhibent aujourd’hui une signature comptable paradoxale : des revenus croissants, mais des pertes persistantes. L’emblématique OpenAI, leader du secteur, tourne désormais autour d’un run-rate (chiffre d’affaire projeté pour l’année en cours) de 12,5 milliards de dollars selon HSBC[3]. Mais la colonne des coûts annule toute lecture optimiste : en 2025, la société de Sam Altman affiche 17,7 milliards de pertes opérationnelles. Et l’hémorragie ne semble pas se résorber : en 2030, malgré 213 milliards de revenus projetés, les pertes d’exploitation culminent encore à plus de 76 milliards. Autrement dit, OpenAI perd plus qu’un dollar pour chaque dollar encaissé, et la dynamique s’annonce persistante.

Dans un secteur dominé par des entreprises non cotées, les données financières restent opaques : les revenus sont parfois annoncés, mais les pertes et profits le sont rarement. On sait qu’Anthropic, créatrice du modèle large de langage (LLM) Claude, prépare une introduction en bourse visant une valorisation supérieure à 300 milliards de dollars, avec un revenu annualisé estimé à 9 milliards[4], sans la moindre indication publique sur sa rentabilité.

Des rumeurs persistantes (fondées sur des analyses indépendantes et des données d’usage) laissent penser que le constat établi pour OpenAI vaudrait pour l’ensemble du secteur : partout, les coûts d’entraînement, de compute (capacité de calcul souvent louée à des géants comme Amazon ou Google), d’infrastructure, d’ingénierie et d’annotation semblent excéder massivement les recettes, y compris pour les offres premium destinées aux entreprises. La demande d’usage, côté utilisateurs, croît, mais lentement : elle n’a pas encore trouvé son modèle économique stable et les prix d’abonnement plafonnent.

Côté macroéconomie, prudence : un rapport de Bank of America[5], pourtant riche en données agrégées, se limite à noter que l’IA aurait ajouté jusqu’à 1,3 point de croissance au PIB américain au second trimestre 2025, sans fournir aucune estimation, même approximative, de son effet sur les profits agrégés des entreprises. Sur ce point, et sans surprise, les grands cabinets de conseil accompagnent l’essor de l’IA d’un discours volontiers enthousiaste, mettant en avant la diffusion rapide des usages dans les organisations. De fait, l’adoption progresse : une majorité d’entreprises déclarent aujourd’hui intégrer des outils d’IA dans leurs processus de travail. Mais cette généralisation de l’usage ne se traduit pas mécaniquement par une création de valeur mesurable.

Ainsi, le Boston Consulting Group souligne lui-même le paradoxe d’une IA de plus en plus utilisée, mais dont les effets sur la rentabilité restent largement indéterminés[6]. Seule une fraction réduite des entreprises parvient à tirer une valeur significative de ses investissements en IA, tandis que la majorité n’enregistre que des effets marginaux, difficilement isolables dans les comptes. Une étude du Massachusetts Institute of Technology[7] confirme le diagnostic : bien que l’IA soit largement déployée, seules 17 % des entreprises interrogées attribuent à ces technologies une contribution d’au moins 5 % à leur EBIT (earnings before interest and taxes, une mesure courante du profit) — un ordre de grandeur faible au regard des promesses de transformation radicale.

Cette fragilité apparaît plus coriace encore à l’examen du taux d’échec des projets d’adoption en entreprise : jusqu’à 95 % des outils déployés n’aboutiraient à aucun impact opérationnel durable. On est alors bien au-delà d’un rendement simplement décevant: ce chiffre désigne un échec massif de leur intégration à ce stade, un gouffre entre la prolifération des agents et leur capacité à générer les gains de productivité annoncée.

Donc : l’impact anticipé reste modeste, et largement insuffisant pour justifier l’ampleur des valorisations actuelles. Les usages d’IA ne produisent pas encore de gains économiques nets substantiels; ils déplacent des lignes, streamlinent des workflows, réduisent des temps, mais ne produisent pas de profits massifs. Une vue d’ensemble émerge donc : le cœur du secteur IA, c’est à dire les entreprises qui produisent des modèles, opèrent des API et vendent des fonctionnalités, demeure structurellement déficitaire. Et il n’existe pas aujourd’hui de preuve que l’IA, en tant que service final pour les entreprises, soit un moteur de profit et de croissance. C’est cette dissociation entre revenus croissants mais des pertes abyssales, un usage massif mais une rentabilité introuvable, qui constitue l’énigme comptable centrale du moment IA.

III. Quelques oasis

Il existe malgré tout quelques zones où l’IA génère de véritables profits, mais elles se situent dans des segments très spécifiques de la chaîne matérielle et logicielle. Nvidia est l’exemple le plus frappant: elle ne fabrique pas les puces, mais en conçoit l’architecture et l’ensemble des bibliothèques logicielles qui permet de les utiliser et en retire l’essentiel de la marge grâce à une position quasi monopolistique sur le secteur. On peut ici évidemment parler de rente.

En aval, TSMC, Samsung ou Intel fabriquent physiquement les puces : ce sont des activités capitalistiques, lourdes, à marges plus modestes, mais stables. Elles profitent du boom IA par le volume produit. En amont, des acteurs comme ASML vendent les machines de lithographie nécessaires à la fabrication des puces : ce sont des entreprises rentables, avec des marges industrielles élevées mais sans l’explosion observée chez Nvidia. Autrement dit, dans toute la chaîne, un seul maillon capte une rente exceptionnelle : celui qui contrôle la conception des GPU et l’écosystème logiciel qui les rend indispensables. À côté de ce bloc matériel, les profits existent aussi dans les infrastructures cloud (AWS, Azure, Google Cloud), et dans quelques niches industrialo-militaires ou médicales où l’IA résout des problèmes précis.

Ce n’est donc pas la découverte d’un nouveau gisement de valeur qui fait aujourd’hui profitdans l’IA, mais l’occupation de positions stratégique dans la chaîne de valeur. Ainsi, les bénéfices censés justifier les capitalisations ne viennent pas (ou pas encore) d’une productivité nouvelle massivement diffusée, mais se concentrent chez ceux qui contrôlent les goulets d’étranglement matériels et logiciels.

IV. Enfin l’Économie Circulaire

Difficile de passer à côté du schéma Morgan Stanley intitulé AI Ecosystem Capital Flows qui offre une image saisissante de la situation financière du secteur [8]. Au centre, Nvidia, dont les flux d’investissement et de ventes forment une boucle. Un accord est particulièrement spectaculaire : l’engagement d’investir jusqu’à 100 milliards dans OpenAI, entièrement indexé sur les achats de puces. Chaque tranche de GPU commandée débloquera une part de l’investissement, ce qui revient à transformer une fraction du prix des puces en participations OpenAI.

On peut y voir un rabais implicite sur les GPU. Dans la foulée, OpenAI signe un contrat d’hébergement de 300 milliards avec Oracle ; pour le délivrer, Oracle doit acheter des dizaines de milliards de GPU… auprès de Nvidia. Autour de ce noyau, le même schéma se répète. Les participations de capital-risque de Nvidia alimentent des acteurs comme xAI, Figure ou Mistral, qui convertissent quasi immédiatement ces investissements en commandes de GPU Nvidia. Sur un autre maillon, Nvidia sécurise la demande de CoreWeave via des clauses « take-or-pay » et des engagements de location : si CoreWeave ne parvient pas à tout vendre, Nvidia absorbera la capacité excédentaire. Même Microsoft, pourtant client final solvable, apparaît inséré indirectement via des intermédiaires financés par Nvidia pour des volumes substantiels de puces.

Si la demande pour les puces Nvidia était réellement organique, tirée par un marché final solvable et en expansion, pourquoi voit-on Nvidia déployer autant de mécanismes pour soutenir elle-même cette demande ? Les faits, mis côte à côte, composent un motif étrange. Nvidia investit dans les mêmes entreprises qui achètent ensuite massivement ses puces, transformant ces opérations en subvention de ses propre ventes.

Tout cela ressemble davantage à une distribution stratégique qu’à une dynamique purement marchande. Ce comportement n’est pas celui d’une entreprise qui ferait face à une demande autonome quasi exclusive, tirée par l’usage : une position de monopole appelle la rationalisation, pas la stimulation. C’est celui d’un acteur qui entretient activement son propre carnet de commande pour verrouiller sa position, stabiliser ses prévisions et soutenir une valorisation. La demande existe, sans doute, mais elle est largement cultivée, accélérée, achetée, garantie.

Le produit réel, justifiant tout cela (les services d’IA vendus aux entreprises et aux particuliers) ne génère encore, nous l’avons dit, aucun profit significatif : les dépenses d’infrastructures dépasse d’un ordre de grandeur le carnet de commandes. Autrement dit, le système crée sa propre demande de puces en finançant ses fournisseurs, pendant que la recette finale reste maigre.

Morgan Stanley parle explicitement de circular financing. Traduction : une endogamie comptable qui peut mimer une « traction de marché », alors qu’il s’agit souvent d’achats intra-écosystème. Au final, le mécanisme est clair : les investissements et les contrats croisés entretiennent la demande de GPU, renforcent les revenus des vendeurs de matériel et soutiennent les valorisations de tous les maillons, alors même que le marché final des services IA reste trop petit pour justifier l’ensemble.

V. Voilà la relève

À ce stade, impossible de trancher clairement sur l’impact de l’IA sur l’emploi. Une analyse récente et extensive souligne que les travaux disponibles ne convergent pas — non parce qu’ils se contredisent, mais parce qu’ils portent sur des pays, des secteurs et des méthodologies différentes[9]. Les effets observés relèvent moins d’une destruction nette d’emplois que d’une recomposition : certaines tâches routinières sont automatisées, d’autres sont fragmentées ou déqualifiées, et une partie du travail est déplacée vers des formes précaires et invisibles : annotation, nettoyage et tri de données, modération de contenu, souvent localisées dans des pays du Sud, loin des centres où se conçoivent les modèles[10].

Mais une lecture trop centrée sur une supposée suppression d’emplois rate un point essentiel. L’IA ne se déploie pas d’abord comme une technologie d’éviction du travail, mais comme une technologie de décuplement de la productivité cognitive. La suppression éventuelle d’emplois ne serait qu’un effet secondaire : des salariés plus productifs réduisent mécaniquement les besoins en main-d’œuvre. A ce stade, l’IA ne remplace pas tant les travailleurs qu’elle accroît la puissance cognitive de ceux qui restent : plus de textes produits, plus de décisions traitées, plus de codes générés, plus de flux informationnels absorbés. Comme les combustibles fossiles ont, depuis la machine à vapeur, démultiplié notre force physique, l’IA multiplie notre capacité à manipuler et transformer l’information.

La menace n’est donc pas une substitution généralisée, mais une intensification du travail : une augmentation du volume de tâches qu’un même individu peut désormais accomplir. L’idée d’une économie capable de se passer largement du travail humain reste, à ce stade, spéculative[11]. Faute de consensus empirique sur une suppression massive d’emplois, il est plus rigoureux de partir de ce qui est observable : l’IA fonctionne avant tout comme un multiplicateur de productivité, et non comme une force d’extinction du travail. Le Communisme Luxueux Entièrement Automatisé [12] attendra…

L’analyse qui suit s’appuie donc moins sur l’hypothèse d’une disparition du travail humain que sur la dynamique, déjà visible, d’un travail reconfiguré, intensifié et accéléré par la puissance des agents IA. Une distinction s’impose toutefois : si la réalité matérielle est celle d’une densification algorithmique, c’est bien le récit de l’élimination future du travail — et le fantasme de marges affranchies du coût salarial — qui structure aujourd’hui les anticipations financières.

VI. La bulle comme compensation de la crise d’accumulation

Quelques signes peuvent être annonceurs une bulle financière: des investissement disproportionnés par rapport aux revenus, des valorisations déconnectées, un recours massif aux leviers financiers, et enfin une narration collective qui rend ces excès acceptables.

Ce que nous observons semble correspondre à ce schéma. Les jeunes entreprises du secteur se valorisent vingt à trente fois leurs revenus, les montants investis dépassent de très loin les profits existants, les fonds souverains et les caisses de retraite se repositionnent agressivement, et une idée s’impose comme une évidence : l’intelligence artificielle serait la prochaine révolution industrielle. Il ne s’agit pas simplement d’un emballement irrationnel, mais de la traduction d’un problème plus profond : dans un contexte où les rendements de l’économie réelle s’affaiblissent, le capital se reporte sur la promesse de profits futurs.

C’est précisément ce qu’on appelle capital fictif[13], des masses de liquidités cherchant à se valoriser dans la capitalisation de revenus espérés plutôt que dans des revenus effectivement produits. Les grandes firmes de la tech en donnent une illustration nette : elles ont accumulé depuis dix ans des centaines de milliards d’épargne interne, souvent logée dans des filiales irlandaises pour échapper à l’impôt fédéral sur les sociétés[14].

Le Tax Cuts and Jobs Act de 2017 leur a finalement permis de rapatrier une partie de ces liquidités. Et l’IA leur offre enfin une soupape de décharge: des centres de données colossaux, des cycles d’investissement lourds et un récit d’expansion. La dynamique actuelle n’est pas tirée par les profits réalisés mais par l’existence de capitaux en excès cherchant une valorisation. La disproportion entre revenus et valorisations cesse alors d’être un problème et devient un pari sur le futur.

On aurait tort de penser qu’il s’agit là d’une aberration. Le capital se tourne vers l’IA parce qu’il ne trouve plus d’opportunités suffisantes ailleurs. La machine d’accumulation rencontre ses limites. Les taux de profit réels stagnent, les gains de productivité plafonnent et la planète n’offre plus de nouvelles zones de pillage. Alors il investit dans la promesse d’une valeur à venir. L’IA sert de terrain d’atterrissage pour des masses de capital qui ne peuvent plus se valoriser dans la production réelle. Cette logique n’est pas nouvelle : les subprimes hier, internet avant eux, puis les cryptomonnaies ont déjà joué ce rôle de recyclage du capital oisif à divers degrés et avec des spécificités propres.

La bulle n’est donc pas un accident mais une forme normale de régulation dans un régime en saturation. L’IA ne provoquera pas la crise à venir : elle en est une manifestation anticipée. Le signe qu’à mesure qu’avance le processus d’automatisation, la capacité à produire de la valeur réelle se raréfie et qu’il ne reste plus que la spéculation sur l’avenir pour maintenir la fiction de la croissance. Les valorisations actuelles (50 à 100 fois supérieures aux revenus, afflux massif de capitaux sans retour tangible) ne sont pas une anomalie: elles reflètent la stratégie de survie d’un capital qui ne peut plus se valoriser autrement que dans la fiction.

Mais une telle dynamique ne peut durer qu’aussi longtemps que la croyance tient. Il suffit d’un retournement, d’un ralentissement des flux, d’une déception pour que la spirale s’inverse. Le scénario sera: un, la chute des cours de la tech ; deux, l’évaporation des valorisations de start-up ; trois, la coupure des dépenses d’investissement. Et derrière, en chaîne courte : des fonds sautent, le crédit se retire, l’État vient à la rescousse des géants[15].  

L’État américain est déjà positionné pour cette intervention : les géants de la tech sont profondément intégrés aux fonctions régaliennes. Par ses contrats de défense, de renseignement, d’infrastructures critiques avec Palantir, Google, Microsoft, il garantit en permanence un socle de revenus publics, c’est-à-dire une demande administrée, indépendante des cycles du marché. Ce maillage institutionnel fait des géants technologiques des quasi-extensions de l’appareil d’État[16] ; lorsque la bulle éclatera, il ne s’agira plus de sauver des entreprises, mais de maintenir les maillons critiques de celui-ci. Cette immunité anticipée nourrit la prise de risque, l’envolée des valorisations et, en dernier ressort, la bulle elle-même.

VII. La bulle en deux temps

Si l’on rassemble les éléments dispersés dans l’économie de l’intelligence artificielle, une hypothèse se dessine : la dynamique spéculative autour de l’IA et la pression à l’automatisation ne relèvent pas de phénomènes séparés, mais constituent deux faces d’un même mouvement. Cette hypothèse ne prétend ni décrire une loi ni annoncer une nécessité historique ; elle propose un cadre d’analyse susceptible d’être discuté et corrigé à mesure que les données s’accumulent.

Le premier élément tient à l’afflux exceptionnel de capitaux en quête de rendement. Dans une économie où les gains de productivité stagnent et où les opportunités d’investissement réellement profitables s’épuisent, des masses de capitaux cherchent désespérément des débouchés capables d’absorber des promesses de croissance.

L’IA apparaît alors comme un réceptacle idéal : elle offre un horizon suffisamment large pour accueillir des anticipations de marges futures, même quand les usages actuels restent peu rentables. Dans ce contexte, l’automatisation ne découle pas d’une efficacité démontrée, mais d’un environnement financier qui pousse à investir dans des technologies susceptibles de créer de la productivité future. On automatise parce que le capital est là, disponible, et doit trouver un emplacement.

Le deuxième élément est l’inversion de la causalité économique. Les valorisations du secteur IA reposent moins sur les revenus présents que sur une promesse : l’idée que l’IA permettra d’augmenter fortement la productivité et donc, demain, les profits. La promesse attire les capitaux ; ceux-ci financent le développement des modèles, ce qui accroît à son tour la probabilité qu’ils produisent effectivement des gains de productivité.

Ce n’est pas tant l’élimination du travail humain qui structure le récit, mais la perspective de travailleurs rendus infiniment plus efficaces. Comme les énergies fossiles avaient démultiplié la puissance physique du travail industriel, l’IA promet de multiplier la puissance cognitive du travail informationnel. Peu importe que les études empiriques sur l’impact réel de l’IA sur l’emploi restent contradictoires ou limitées ; c’est la projection d’un avenir hyper-productif qui soutient les multiples de valorisation. La promesse joue ici le rôle qu’Evgeny Morozov [17] attribue aux récits techno-solutionnistes : un mécanisme d’anticipation qui stimule les flux financiers autant qu’il décrit des capacités techniques réelles.

Le troisième élément est la boucle que ces deux processus forment ensemble. Les capitaux disponibles poussent les entreprises à investir dans des infrastructures d’IA ; ces investissements nourrissent la narration d’une augmentation massive de la productivité ; cette narration justifie de nouveaux apports de capital ; et la boucle se maintient tant que cette anticipation reste crédible. Dans cette configuration, l’investissement précède l’usage, et les profits attendus précèdent leur propre possibilité. La tension entre des dépenses présentes gigantesques et des revenus futurs incertains devient elle-même un moteur de la spéculation.

Reste un quatrième élément, plus délicat. Si l’IA augmente effectivement la productivité des travailleurs, elle risque aussi d’intensifier la production plus vite que la capacité de la société à absorber ce surplus. L’histoire économique montre que les gains de productivité ne servent pas spontanément à libérer du temps, mais à produire davantage.

Le risque n’est pas une disparition du travail, mais une expansion continue de la production dans un contexte où la demande solvable n’augmente pas au même rythme, voire se contracte sous l’effet même de l’automatisation et de la compression de la masse salariale. L’économie peut produire toujours plus, mais rien ne garantit que les revenus, et donc la capacité d’achat, suivront. Ajoutons enfin l’hypothèse classique selon laquelle une part des profits procède du travail humain. On voit dès lors comment sa disparition, si elle devait s’étendre à l’ensemble de l’économie, finirait par miner la possibilité même de leur réalisation.

L’idée peut alors être formulée ainsi : la bulle IA naît (en partie) d’un problème de valorisation (elle fournit un horizon de croissance à un capital en quête de rendements) mais elle l’alimente en retour en entretenant l’idée que l’avenir passera par une réduction massive du travail humain. Cette promesse de substitution, indispensable pour justifier les multiples de valorisation, devient elle-même un moteur de la spéculation : elle attire les capitaux, qui financent les technologies censées rendre cette substitution possible, renforçant ainsi le récit qui les a attirés[18].

La bulle apparaît dès lors comme un double mouvement : elle compense les difficultés actuelles d’accumulation tout en exacerbant la dynamique qui les produit, cause et conséquence mêlées d’une même tension autour du travail et de sa place dans l’économie automatisée.

Formulée ainsi, cette idée ne prédit rien. Elle éclaire seulement une configuration où les dynamiques financières, techniques et organisationnelles se trouvent étroitement imbriquées. Elle propose un cadre pour penser ensemble l’afflux de capitaux, la dépendance aux anticipations, la promesse d’hyper-productivité et la reconfiguration du travail tout en laissant ouverte la possibilité que de nouveaux usages, ou de nouvelles données, obligent à revoir ce schéma.

Épilogue : la mort du progrès

Le moment IA révèle un point de tension centrale du capitalisme numérique. Si la machine est conçue pour nous remplacer, elle n’engendre pas pour autant une valeur nouvelle : elle augmente la production potentielle, mais sans acheteurs solvables supplémentaires. L’IA est donc prise dans un paradoxe : indispensable pour maintenir le rythme de l’accumulation, mais destructrice pour la logique même de la valorisation.

Ce qui se joue est l’avenir de la croyance dans le progrès technologique comme moteur du capitalisme. Alors oui, on automatise des diagnostics, on prédit des pannes, on optimise des flux : autant d’avancées réelles, susceptibles d’apporter des bénéfices collectifs. Mais la masse de capitaux engagés excède de plusieurs ordres de grandeur la valeur effectivement créée, tandis que le réel fournit juste assez d’usage pour donner corps au récit. La rentabilité sera massive, nous dit-on, mais plus tard. Plus tard, c’est-à-dire peut-être jamais, mais d’ici là les récompenses auront été distribuées.

La fièvre est une élévation de température d’un système qui lutte. L’emballement de capitaux, les visions messianiques, l’euphorie boursière confinent à l’hallucination: tout cela ressemble moins à un moment de prospérité qu’à un état pathologique, une hyperthermie qui dit quelque chose de la maladie de fond de l’organisme porteur. L’intelligence artificielle n’est pas la solution du capital à sa crise de valorisation: elle en est un symptôme sophistiqué. Le capital ne valorise plus le travail : il valorise la promesse qu’un jour le travail sera remplacé, et qu’il touchera quand même les dividendes.

Lorsque la température retombera, il faudra cesser de confondre la fièvre et la maladie. Et reconnaître que le délire n’annonce pas un avenir radieux, mais l’impasse d’un modèle économique qui lui demande plus qu’elle ne peut offrir. Faute de quoi il ne restera de cette révolution cognitive qu’une montagne de serveurs, des factures d’électricité, et un long silence.

*

Illustration : ENIAC (Electronic Numerical Integrator and Computer), the first programmable, electric and digital computer, finished in 1945 / Wikimedia Commons.