Dans un article de blog publié vendredi, l'économiste en chef d'Apollo, Torsten Slok, a mis en évidence un déséquilibre structurel frappant dans la chaîne de valeur de l'intelligence artificielle : les segments affichant les marges bénéficiaires les plus élevées — les fabricants de puces et les fournisseurs d'équipements — sont soutenus par des capitaux levés auprès d'investisseurs plutôt que par des revenus tirés des clients finaux. Cette conclusion remet en cause la logique commerciale conventionnelle selon laquelle les entreprises vendant des produits finis aux consommateurs dégagent les marges les plus solides.

Slok a classé les entreprises de l'IA en quatre catégories : les modèles et applications, le cloud et le calcul, l'énergie et le réseau, ainsi que le silicium et les équipements. En s'appuyant sur des données de Pitchbook et Bloomberg pour des entreprises telles qu'OpenAI, Anthropic, Microsoft, Amazon, Constellation Energy, Nvidia, AMD et Micron, il a calculé que les entreprises de silicium et d'équipements — comme les fabricants de puces — détiennent la marge bénéficiaire la plus élevée de la chaîne de valeur de l'IA, à 41 %. Les entreprises de modèles et d'applications — la couche la plus proche des utilisateurs finaux, où ChatGPT, Claude et d'autres produits grand public se concurrencent — affichent une marge opérationnelle de -59 %. Cet écart souligne une réalité que les chiffres de revenus phares de l'industrie de l'IA masquent souvent : l'argent qui coule vers les fabricants de semi-conducteurs provient en grande partie du financement-risque, de l'émission de dette et des budgets d'investissement des entreprises plutôt que des clients payants.

Cette divergence marquée, a prévenu Slok, reflète le fait que l'argent affluant vers le boom de l'IA provient non pas d'une demande organique pour les applications d'IA, mais d'investisseurs pariant sur la prochaine révolution technologique.

« Les profits du boom de l'IA sont actuellement financés par les investisseurs plutôt qu'issus des clients », a écrit Slok dans son analyse Apollo. « Les marges en amont sont réelles, mais elles sont payées sur le capital levé par la couche qui perd de l'argent, et non sur la trésorerie générée par la demande finale. »

Goldman Sachs prévoit désormais que les investissements en IA dépasseront 1 000 milliards de dollars en 2026 — une somme rivalisant avec l'investissement fixe non résidentiel total des États-Unis dans les équipements de traitement de l'information et les logiciels au cours d'une année typique. Jusqu'à présent, cependant, la technologie n'a produit aucun changement significatif de la productivité économique ou de la croissance des marges bénéficiaires en dehors des Magnificent Seven — Apple, Microsoft, Nvidia, Amazon, Alphabet, Meta et Tesla — qui représentent ensemble environ un tiers de la capitalisation boursière du S&P 500. Si le financement de l'IA venait à ralentir, a averti Slok, cette structure de marges déséquilibrée pourrait déstabiliser toute l'industrie.

« La conclusion est que la partie la plus rentable de la chaîne de valeur de l'IA dépend de la partie la moins rentable continuant à croître ses revenus ou à lever des capitaux », a-t-il conclu. « Les capitaux peuvent combler le fossé pendant un certain temps, mais pas indéfiniment. C'est là que réside le risque : le retour sur investissement apparaîtra-t-il suffisamment rapidement pour les clients finaux de l'IA pour soutenir les dépenses qui génèrent ces marges en amont ? »

Préoccupations plus larges concernant une expansion insoutenable de l'IA

Slok n'est pas seul à souligner la forte dépendance de l'IA à l'égard des capitaux d'investissement. Dans son rapport annuel publié en juin, la Banque des règlements internationaux — l'institution basée à Bâle qui sert de banque centrale des banques centrales — a observé que les dépenses d'IA — principalement portées par les cinq grands hyperscalers — dépassent les bénéfices et les flux de trésorerie disponibles, poussant ces entreprises à émettre de la dette pour lever des financements supplémentaires. Une analyse de Bank of America de novembre dernier a révélé qu'en 2025, ces cinq hyperscalers ont émis 121 milliards de dollars de dette, soit quatre fois les niveaux d'endettement annuels moyens émis par ces entreprises au cours des cinq années précédentes.

« Une déception quant aux rendements pourrait déclencher un retrait soudain des financements et transformer le boom des dépenses d'investissement en un effondrement prolongé de l'investissement, avec des effets d'entraînement potentiels sur les conditions financières », a déclaré la BIS dans son rapport. « Si les hyperscalers ralentissaient ou arrêtaient le rythme agressif de déploiement des dépenses d'investissement, de nombreux emprunteurs tout au long de la chaîne d'approvisionnement pourraient avoir du mal à compenser la perte de revenus et à assurer le service de leur dette. »

Le commentateur technologique Ed Zitron a poussé cet argument plus loin, affirmant que les dépenses d'IA sont encore plus précaires qu'elles n'y paraissent en surface. Dans un article sur Substack publié en juin, il a cité Oracle comme cas d'étude : l'entreprise a affiché un flux de trésorerie négatif de 23,7 milliards de dollars à la fin de l'exercice 2026, avec près de 130 milliards de dollars de dette en cours et 260 milliards de dollars d'engagements de location pour des projets d'infrastructure d'IA qui n'ont pas encore commencé. L'importante expansion de l'IA d'Oracle est au service d'OpenAI, avec laquelle elle a signé un accord de 300 milliards de dollars en septembre dernier.

« L'existence d'Oracle — et la richesse personnelle de Larry Ellison — dépend de la capacité d'OpenAI à honorer sa promesse de dépenser 300 milliards de dollars en puissance de calcul », a écrit Zitron.

Il a décrit cette dynamique comme « la partie la plus évidente et la moins discutée de la bulle de l'IA ». Alors que les dépenses d'investissement à 13 chiffres des hyperscalers alimentent un boom des semi-conducteurs, il y a peu de preuves jusqu'à présent que l'actuel boom de l'IA se traduira par des applications généralisées de la technologie suffisantes pour justifier toutes ces dépenses.

Plus alarmant que l'éventuelle incapacité d'Oracle à honorer son engagement de 300 milliards de dollars, a soutenu Zitron, est la perspective que d'autres grandes entreprises technologiques réduisent leurs propres dépenses d'IA somptuaires.

« Si Microsoft, Google, Amazon et Meta décident qu'il est temps d'arrêter de dépenser 30 milliards de dollars ou plus par trimestre en GPU, RAM, stockage et construction de centres de données », a-t-il déclaré, « cela creusera un trou dans ce que les gens considèrent comme un supercycle permanent. »