Meta relève ses prévisions de dépenses en IA pour 2026 à 130-145 milliards de dollars alors que le bénéfice du deuxième trimestre chute de 14 %

Meta Platforms a publié un robuste deuxième trimestre avec des revenus grimpant de 28 % d'une année sur l'autre pour atteindre 60,8 milliards de dollars, propulsés par une forte demande en publicité numérique et des améliorations axées sur l'IA de sa plateforme publicitaire. Malgré cette hausse des revenus, les résultats n'ont pas réussi à rassurer les investisseurs. Les actions de l'entreprise cotée au Nasdaq, négociées sous le symbole META, ont fortement chuté lors des échanges post-clôture, alors que le bénéfice net diminuait et que les dépenses en infrastructure d'intelligence artificielle continuaient d'augmenter. (Sources : BBC News, CNBC)

Baisse des bénéfices face à l'augmentation des coûts

Le bénéfice net a baissé de 14 % par rapport à la même période de l'année précédente, Meta absorbant des coûts juridiques plus élevés, des frais d'indemnisation de départ et des investissements substantiels dans l'intelligence artificielle. L'entreprise a également révisé à la hausse ses prévisions de dépenses d'investissement pour 2026, les portant à une fourchette de 130 à 145 milliards de dollars, renforçant la détermination du PDG Mark Zuckerberg à développer la capacité de l'infrastructure d'IA, même si les bénéfices à court terme et les flux de trésorerie en pâtissent. Ce chiffre révisé représente une augmentation significative par rapport aux directives précédentes et place Meta aux côtés de Microsoft, Alphabet et Amazon comme les plus grands dépensiers en infrastructure d'IA parmi les géants technologiques américains, une grande partie des dépenses étant dirigée vers les centres de données, les semi-conducteurs spécialisés et la capacité de calcul nécessaires pour former et déployer des modèles d'IA à grande échelle.

Le flux de trésorerie disponible sous pression

Les lourdes dépenses en IA ont considérablement réduit le flux de trésorerie disponible de Meta, soulignant le fardeau financier croissant de la concurrence dans la course mondiale à l'intelligence artificielle. La publicité numérique reste le principal générateur de revenus de Meta, mais les investisseurs se concentrent de plus en plus sur le calendrier des moments où les investissements en IA de l'entreprise commenceront à produire des rendements financiers significatifs. Les dépenses de Meta englobent sa famille de grands modèles de langage open-source Llama, que l'entreprise distribue gratuitement dans le cadre d'une stratégie visant à favoriser l'adoption de l'écosystème et à différencier son approche de celle de concurrents aux modèles fermés comme le GPT d'OpenAI et Gemini de Google.

La base d'utilisateurs continue de s'étendre

La famille d'applications de Meta a maintenu sa trajectoire de croissance des utilisateurs, atteignant environ 3,6 milliards de personnes actives quotidiennes. Instagram a dépassé les 2 milliards d'utilisateurs quotidiens, tandis que Threads a augmenté pour atteindre environ 500 millions d'utilisateurs actifs mensuels. Cette base d'utilisateurs en expansion offre à Meta un public plus large sur l'ensemble de ses plateformes pour la monétisation via la publicité et les services alimentés par l'IA.

Les investisseurs attendent la monétisation de l'IA

Bien que l'activité publicitaire de Meta ait fait preuve de résilience, les investisseurs réclament des preuves plus claires que les investissements massifs de l'entreprise en IA se traduiront par une croissance durable des bénéfices. Avec des dépenses d'investissement qui devraient rester élevées, les prochains résultats trimestriels seront probablement évalués autant sur les progrès de la monétisation de l'IA que sur la performance publicitaire de base. Le cycle de dépenses intensifié attire également l'attention sur la chaîne d'approvisionnement plus large des semi-conducteurs, en particulier la demande de GPU hautes performances de la part de fournisseurs tels que Nvidia, qui est devenu un intrant critique pour Meta et ses pairs alors qu'ils font évoluer les charges de travail d'entraînement et d'inférence des modèles.

Source : Economic Times Markets