Le marché de l’IA relève-t-il surtout du discours publicitaire, ou existe-t-il une logique mathématique plus profonde derrière les gros titres ? Une analyse de marché menée par l’éditeur de logiciels d’IA Linkmate, anciennement Linkomo, affirme que la réponse se trouve dans un mélange de dynamique de l’endettement, de dépenses en capital et de demande commerciale mesurable.

La logique de l’endettement derrière le battage autour de l’IA

Selon The State of the Agentic Market, l’adoption de l’IA entre dans une phase de maturité plus avancée. En termes pratiques, Linkmate estime que le marché cesse de traiter l’IA comme une solution miracle et commence à l’utiliser comme un outil pour résoudre des problèmes commerciaux ordinaires.

Le rapport soutient que l’IA est souvent décrite comme un perturbateur majeur du marché du travail, mais qu’elle sert aussi de bouc émissaire. Selon Linkmate, un facteur important de la faiblesse du marché de l’emploi est la combinaison des prêts contractés pendant le COVID et des hausses de taux de la Réserve fédérale.

En 2019, les grandes entreprises technologiques ont commencé à réévaluer leur empreinte immobilière, en se demandant pourquoi elles devraient payer pour quatre étages de bureaux à New York ou dans la Silicon Valley si elles n’en avaient plus besoin. Ce changement a constitué une première mesure de réduction des coûts. La période de confinement a également entraîné une hausse de l’endettement des entreprises, celles-ci contractant davantage de dettes à des taux plus faibles.

Entre 2019 et 2020, le taux de la Réserve fédérale est descendu à 0.05%, rendant les emprunts moins chers qu’ils ne l’avaient été depuis plus de 70 ans. Linkmate cite des déclarations de la Réserve fédérale et des données de FRED montrant que les prêts aux entreprises en 2020 étaient de 0.25%, ce que l’analyse décrit comme signifiant que chaque dollar emprunté ne valait que 0.25 cent, et non 25 cents.

L’analyse indique que les emprunts des entreprises n’ont pas été utilisés avec modération. En temps normal, les entreprises ont tendance à contracter de petits prêts et à les rembourser rapidement, mais cela n’a pas été le cas ici. En l’espace de quelques années, le total des prêts aux entreprises est passé d’environ $2 trillions à $3.1 trillions au premier semestre 2020. Ce montant a ensuite reculé de $0.6 trillion, soit $600B, à $2.4 trillions en 2022, avant de repartir à la hausse.

Linkmate affirme que chaque cycle de marché a apporté de nouvelles façons pour les entreprises d’augmenter leurs profits et de réduire la pression de la dette. En 2023, OpenAI a présenté un modèle de langage de grande taille et un chatbot interactif capable de répondre dynamiquement aux questions. Selon Linkmate, cela a donné aux investisseurs l’espoir qu’ils pourraient non seulement remplacer une partie des coûts, mais aussi réduire fortement les effectifs pour économiser sur les salaires et dégager des profits.

Cette révélation a rendu les investisseurs excessivement confiants, ce qui a été suivi de vagues de licenciements massifs dans les grandes entreprises technologiques : Oracle, Google, Amazon, Payoneer, Intel, HP, Meta, Fiverr, xAI, Salesforce, CISCO, Peloton. TechCrunch a publié une liste complète pour 2025. Selon Linkmate, chaque année depuis 2023 a enregistré davantage de licenciements, ce qui confirme l’hypothèse d’un marché de l’IA au sommet du cycle de l’engouement de Gartner.

Où se situe l’IA dans le cycle de l’engouement de Gartner ?

Le modèle de Gartner sur l’engouement de marché postule que chaque technologie traverse des étapes de maturité. Après le pic des attentes excessives, ce qui suit généralement est une réévaluation de la situation et une analyse plus lucide du marché et de la manière dont la technologie s’y applique réellement.

L’un des cas d’usage les plus prometteurs de l’IA consiste à résoudre l’équivalent, dans le monde réel, de tâches NP-complètes. Les cas d’usage réels de l’IA se situent dans la résolution de chaînes protéiques, la découverte de nouveaux traitements pour d’anciennes maladies, l’avancement de la recherche contre le cancer de plusieurs décennies, la sauvegarde de vies par des moyens non conventionnels, la découverte de nouveaux matériaux auxquels personne n’avait pensé, et la réduction du coût des soins médicaux. Sans être une solution miracle, l’IA, en particulier le ML et les LLM, peut résoudre des tâches trop lourdes pour des approches conventionnelles.

Une fois que le marché sort de la phase des attentes gonflées et de la sobriété décevante, les cas d’usage réels commencent à apparaître et sont largement reconnus comme des solutions délibérées à des problèmes existants.

L’un des constats auxquels le marché de l’IA se confronte est que les humains restent moins chers que l’IA. Le « tokenmaxxing », une tendance consistant à maximiser l’usage des tokens, est apparu comme le sommet des attentes excessives selon lesquelles l’IA pouvait tout résoudre à la place des humains. En réalité, la facture des tokens d’IA est bien plus élevée que le salaire moyen d’un ingénieur logiciel.

Selon les propres mots de Microsoft : « Using tech is more expensive than paying human employees ». D’autres données sont venues d’Uber, dont les dirigeants ont publiquement décidé de réduire le département RH après avoir réalisé qu’ils avaient épuisé leur budget IA en 4 months. Selon le vice-président actif de Nvidia, l’IA coûte « far more than humans ».

Selon les projections de Goldman Sachs, au rythme actuel, l’usage de l’IA pourrait atteindre 120 quadrillion tokens d’ici 2030. Bank of America a renforcé la prévision haussière de Goldman Sachs en indiquant que les dépenses liées à l’IA pourraient atteindre $155B d’ici 2030.

Que disent les chiffres sur l’usage de l’IA ?

Comparer les dépôts auprès de la SEC aux affirmations publiques donne une image plus claire. Selon les analystes de Linkmate, l’engouement pour l’IA est réel et mesurable à travers trois indicateurs distincts :

• Le prix moyen de l’électricité PJM, ou prix par MW-day, a augmenté de +833% ;
• La mémoire HBM est entièrement vendue en avance sur le marché ;
• Les dépenses d’investissement projetées des hyperscalers pour 2026 sur l’IA devraient atteindre $660B.

Mais il existe un décalage entre les capex promis et le free cash flow réel enregistré dans les dépôts auprès de la SEC. En particulier, Amazon et Google affichent des flux de trésorerie négatifs, tandis que Microsoft présente, d’une manière ou d’une autre, des chiffres positifs.

L’un des signaux les plus préoccupants concerne l’état du principal acteur du marché — OpenAI. Selon la communication publique, l’objectif projeté d’APR pour 2026 est de $40B, tandis que la perte opérationnelle annuelle réelle est de -$20B en 2025 et projetée à -$14B en 2026. Cet écart entre les indicateurs fondamentaux et les données communiquées pourrait devenir problématique à l’avenir si les cas d’usage réels de l’IA ne se matérialisent pas.

Le discours actuel du marché suggère que l’usage principal de l’IA consiste à être un assistant, à lire des e-mails et à produire des résumés issus de la recherche Google. Or, les chiffres montrent que la demande existe, mais que l’application réelle se trouve ailleurs — dans le domaine de la résolution de tâches équivalentes à des problèmes NP-complete dans le monde réel.

Les métriques d’adoption sont bien présentes, tout comme le capital-risque, avec au moins $510B de dépenses. Par secteur, près de 80% du capital-risque mondial du Q1 2026 est allé à des startups de l’IA, soit environ $242B sur $300B.

Selon les meilleures estimations du marché, le marché de l’IA pour 2026 est valorisé entre $375B et $0.9T, avec un CAGR projeté de 14% à 39%.

Les analyses de Linkmate suggèrent que les chiffres confirment une demande concrète et largement présente, mais que l’offre de propositions réellement adaptées au marché et utilisables dans des scénarios du monde réel fait défaut. En substance, le marché de l’IA pourrait, dans un avenir proche, entrer dans une phase de correction, où tous les acteurs fragiles seraient remplacés par ceux qui proposent des cas d’usage applicables au marché réel. Les meilleures estimations de Linkmate situent cette correction possible entre 2027 et 2028 si aucun cas d’usage largement applicable dans le monde réel n’émerge.

L’article 2026 AI Market Claims Vs SEC Filings: Linkmate Analysis est apparu en premier sur Metaverse Post.