Bain & Company a présenté à l'industrie mondiale de l'intelligence artificielle une facture qui, selon le propre calcul du cabinet, ne pourra être réglée qu'avec des produits qui n'existent pas encore. Le septième Global Technology Report, récemment publié, conclut que l'industrie doit générer 6 000 milliards de dollars de chiffre d'affaires annuel d'ici 2031 pour justifier les capitaux qui affluent actuellement vers les centres de données — et environ 70 % de ce montant dépend de sources de revenus qui restent à construire.

Selon le rapport, les services d'IA existants destinés aux consommateurs et aux entreprises pourraient représenter jusqu'à 1 800 milliards de dollars du total, laissant 4 200 milliards de dollars de nouveaux revenus à créer. Tout ce que la technologie vend aujourd'hui, des chatbots aux copilotes professionnels, couvre moins d'un tiers du montant projeté.

Bain attend le complément de segments émergents : machines autonomes et robotique, découverte de médicaments, santé mentale et production d'énergie. Ce sont des secteurs qui restent petits, fortement réglementés ou encore confinés aux laboratoires, et l'industrie compte sur eux pour produire des milliers de milliards dans les cinq ans.

David Crawford, auteur principal du rapport, a reconnu l'ampleur de l'exigence. Il a déclaré que l'industrie a besoin d'une vague d'innovation plus importante que tout ce que le mobile et le cloud ont débloqué, et que financer durablement la construction nécessiterait d'ajouter environ 1 % au taux de croissance annuel du PIB mondial — une accélération que les économies réalisent rarement simplement parce qu'une industrie l'exige.

Le rapport n'est pas la première estimation de l'écart par Bain. En septembre dernier, le cabinet avait calculé que les entreprises d'IA auraient besoin de 2 000 milliards de dollars de chiffre d'affaires annuel d'ici 2030 et prédit un déficit de 800 milliards de dollars. Le nouvel objectif est trois fois plus important et arrive un an plus tard. Si les deux rapports peuvent définir leur périmètre différemment, la direction est cohérente : le coût de la construction augmente plus vite que les preuves que quelqu'un paiera pour l'utiliser.

Le volet des coûts est saisissant. Bain projette entre 5 000 et 6 500 milliards de dollars de dépenses en centres de données d'ici 2030, ajoutant au moins 150 gigawatts de capacité. La taille et le coût des centres de données doublent environ tous les 12 à 16 mois, en partie en raison de la flambée des prix des puces. Le financement peut être organisé, mais les transformateurs, l'eau et les raccordements au réseau ne peuvent pas être obtenus dans le mêmelai. Les pénuries de ces trois éléments, combinées à une forte opposition locale, ont bloqué ou retardé 68 milliards de dollars de projets américains au deuxième trimestre.

D'autres analystes sont parvenus à des conclusions similaires. Goldman Sachs a indiqué cette semaine que le point d'équilibre des cinq plus grands hyperscalers américains — les géants du cloud computing — se situe à environ 300 milliards de dollars de revenus annuels liés à l'IA, à comparer aux 800 milliards de dollars de dépenses d'infrastructure en 2026. Avec un chiffre d'affaires cloud IA supérieur d'environ 70 milliards de dollars à sa tendance pré-IA, Goldman estime un écart d'environ 230 milliards de dollars par an.

Le critère de Goldman est plus étroit que celui de Bain, ne couvrant que les hyperscalers et seulement les constructions de cette année, mais il pointe dans la même direction. David Cahn de Sequoia a calculé un écart d'environ 600 milliards de dollars par an, et Allianz Research évalue la divergence entre les dépenses en capital liées à l'IA et la croissance des revenus à environ 46 % — au-dessus des 32 % enregistrés lors de l'excès des télécoms de 2001, lorsque les opérateurs ont construit des réseaux en fibre bien plus vite que la demande ne pouvait l'absorber.

Les deux séries de chiffres comportent des réserves. Goldman lui-même met en garde contre un risque de double comptage et suppose que la quasi-totalité des dépenses en capital au-dessus des niveaux de 2022 est liée à l'IA, puisque pratiquement chaque dollar investi par les hyperscalers compte désormais comme dépense IA. Le chiffre de Bain, pour sa part, est un taux de rentabilité minimale plutôt qu'une prévision : il décrit ce qui doit se produire, non ce qui se produira.

La dynamique la plus préoccupante est qu'aucun hyperscaler n'est susceptible de réduire unilatéralement ses dépenses et de céder du terrain à ses concurrents, ce qui rend le cycle d'investissement auto-entretenu indépendamment des rendements à court terme. Une course dans laquelle s'arrêter est inabordable est précisément le contexte où les mauvais rendements s'accumulent sans être remarqués, car la décision de dépenser ne dépend plus des rendements.

Bain a transformé une ambiance en un test mesurable. La question de l'utilité de l'IA n'est plus d'actualité depuis quelque temps ; la question est désormais de savoir si cette utilité peut être monétisée à une échelle dépassant l'économie du smartphone, sur des marchés qui n'existent quasiment pas, avant que le réseau électrique et le marché obligataire ne perdent patience.

Deux indicateurs montreront comment l'équation évolue jusqu'en 2027. Le premier est de savoir si les entreprises de robotique et de découverte de médicaments commencent à afficher de véritables lignes de revenus. Le second est de savoir si les prévisions de dépenses en capital continuent de grimper sans elles. Si le second se produit sans le premier, l'industrie ne serait plus en train d'investir dans un marché éprouvé — elle parierait simplement qu'un tel marché apparaîtra.