Meta Platforms aborde sa prochaine publication de résultats avec des investisseurs concentrés sur deux lignes centrales du modèle : les revenus publicitaires et les dépenses d’investissement. La publicité reste le moteur de l’activité, tandis que les dépenses consacrées à l’infrastructure d’intelligence artificielle continuent d’augmenter.

La question clé est de savoir si la machine publicitaire de Meta, désormais rétablie, peut financer confortablement un déploiement de l’IA dont le périmètre, le calendrier et le budget continuent de s’élargir. La configuration est claire : une demande publicitaire solide rencontre un cycle d’investissement agressif. Pour les actionnaires, la question est de savoir combien de temps cet équilibre restera acceptable.

La stratégie actuelle de Meta ressemble fortement à son manuel historique : améliorer la performance publicitaire, générer un excédent de trésorerie, puis réinvestir cet argent dans le prochain changement de plateforme. Aujourd’hui, ce changement est l’IA. L’investissement ne porte pas seulement sur la recherche ou des fonctionnalités destinées aux consommateurs. Il vise aussi des moteurs économiques tels qu’un meilleur ciblage, une pertinence accrue et des coûts unitaires plus bas dans l’ensemble des systèmes de l’entreprise.

Dans le même temps, les investisseurs gardent en mémoire le précédent grand cycle de dépenses de Meta. Les pertes de Reality Labs n’ont pas disparu ; elles coexistent désormais avec les dépenses d’infrastructure d’IA. Comme Meta comptabilise la majeure partie de l’activité de ses applications sociales dans Family of Apps tout en séparant Reality Labs, le débat autour des résultats porte souvent sur la capacité du cœur publicitaire à absorber les pertes et les investissements ailleurs sans affaiblir les marges consolidées. Le marché sera plus enclin à tolérer de gros chèques pour des GPUs et des centres de données si la croissance publicitaire reste stable et si les fonctionnalités d’IA commencent à apparaître dans les lignes de revenus, et pas seulement dans les démonstrations de produits.

D’où vient la croissance publicitaire de Meta

Les revenus de Meta proviennent encore très majoritairement de la publicité sur Facebook et Instagram. Les évolutions les plus importantes concernent moins les nouveaux formats que la tarification, l’infrastructure et les systèmes qui déterminent la performance publicitaire. Trois domaines sont particulièrement pertinents ce trimestre.

Reels passe d’un puits de temps à une ligne de revenus

Reels diluait auparavant la monétisation par minute. Au cours de l’année écoulée, Meta a indiqué à plusieurs reprises que l’écart de monétisation entre Reels et Feed ou Stories s’était réduit à mesure que les modèles d’enchères et les formats publicitaires s’amélioraient au fil des cycles d’entraînement de ses systèmes publicitaires. Les commentaires récents lors des conférences de résultats ont suggéré que l’écart continue de se resserrer, même s’il n’est pas entièrement comblé. Les tendances du temps de visionnage et les commentaires sur la tarification devraient donc être évalués ensemble.

La messagerie reste un levier de croissance sous-estimé

Les publicités click-to-message sur WhatsApp, Messenger et Instagram DM ont été décrites par Meta comme une activité à plusieurs milliards de dollars en rythme annualisé et ont été mises en avant à plusieurs reprises lors des conférences de résultats, notamment dans des transcriptions publiées par The Motley Fool. Le modèle repose sur des conversations mesurables pouvant conduire à des conversions, en particulier sur les marchés où de nombreuses vitrines commerciales sont d’abord accessibles par téléphone. L’automatisation est également pertinente, notamment les flux de discussion par IA capables de gérer les premiers échanges avec un client avant qu’un humain ne prenne le relais.

La perte de signaux a été compensée par des outils pilotés par l’IA

Les outils Advantage+ de Meta ont contribué à reconstruire la performance publicitaire après que les changements App Tracking Transparency d’Apple ont affaibli certains signaux de données. La création dynamique, le ciblage large et l’allocation budgétaire pilotée par des modèles assurent désormais une plus grande part du travail, selon Meta for Business. Les annonceurs peuvent accorder moins d’importance aux contrôles explicites de ciblage lorsque les résultats restent stables ou s’améliorent. Ce changement compte, car le système publicitaire de Meta dépend moins d’un signal déterministe unique lorsque les modèles peuvent inférer l’intention à partir de schémas comportementaux et créatifs plus larges.

Dépenses d’IA : des GPUs à Llama dans le fil

Le chiffre des dépenses d’investissement attire l’attention parce qu’il est facile à suivre. L’histoire sous-jacente est plus large. Meta investit dans des grappes d’entraînement, une capacité d’inférence proche des utilisateurs et la pile logicielle nécessaire pour transformer la puissance de calcul en meilleures recommandations et en meilleurs résultats publicitaires.

La courbe des dépenses d’investissement et ses composantes

En 2024, Meta a relevé ses prévisions de dépenses d’investissement pour l’ensemble de l’année afin de donner la priorité à l’infrastructure d’IA, en indiquant des investissements plus lourds dans les centres de données et le silicium via Meta Investor Relations. Les reportages externes de l’époque mettaient l’accent sur un déploiement pluriannuel intensif en GPUs alors que l’entreprise développait ses systèmes de recommandation et l’entraînement de ses modèles, Reuters figurant parmi les médias couvrant cette poussée plus large dans l’infrastructure d’IA. Cette position ne s’est pas assouplie. Des modèles plus grands et une demande d’inférence croissante continuent d’augmenter le coût du déploiement.

Llama n’est plus seulement un projet de recherche

La sortie de Llama 3 par Meta a montré un engagement envers des modèles de type ouvert et une portée auprès des développeurs, et pas seulement des outils internes, selon le blog Meta AI. Cette stratégie peut bénéficier à Meta en permettant à un écosystème plus large de tester et d’améliorer les modèles, tandis que l’entreprise applique ces gains à ses systèmes de classement, ses couches de sécurité et ses produits publicitaires. La boucle opérationnelle est simple : de meilleurs modèles peuvent améliorer la pertinence du contenu, un contenu plus pertinent peut soutenir l’engagement, et l’engagement peut soutenir la performance publicitaire.

Comment les dépenses d’IA affectent les finances

Les dépenses d’investissement initiales vont aux bâtiments, aux réseaux et aux accélérateurs, et apparaissent d’abord dans le tableau des flux de trésorerie. L’amortissement passe ensuite par le compte de résultat sur plusieurs années, élargissant l’écart entre les bénéfices GAAP et le flux de trésorerie disponible.

Les charges d’exploitation peuvent également augmenter avec les embauches et le travail d’exploitation des modèles, notamment l’évaluation, le red-teaming, la sécurité, la confiance et le support. Le coût des revenus peut subir une pression à mesure que l’inférence monte en puissance, car la personnalisation et les fonctionnalités d’IA générative ne sont pas gratuites à servir. Le bénéfice potentiel apparaîtrait principalement à deux endroits : un rendement publicitaire plus élevé et de nouvelles lignes de revenus telles que les outils d’entreprise, l’utilisation d’API ou les services additionnels liés aux abonnements.

Marges, rachats d’actions et patience des investisseurs

L’arbitrage est connu : investir tout au long du cycle ou optimiser les marges à court terme. L’approche récente de Meta a consisté à investir d’abord, puis à utiliser les rachats d’actions pour soutenir les indicateurs par action lorsque la génération de trésorerie est forte. Le calendrier est l’enjeu central. Si les dépenses d’investissement continuent de progresser alors que la croissance publicitaire se stabilise plus près du milieu de la fourchette des dizaines, la trajectoire de marge opérationnelle peut encore paraître gérable, mais la tolérance des investisseurs peut se réduire lorsque les perspectives semblent ouvertes.

Les sensibilités de marge sous surveillance

Deux sensibilités structurent de nombreux modèles financiers : la dynamique des prix publicitaires par rapport à la croissance du temps utilisateur, et la courbe d’amortissement liée au déploiement de l’IA. Une meilleure monétisation de Reels et l’adoption de la messagerie peuvent compenser une partie de la pression. Toutefois, une nouvelle tranche de dépenses d’investissement destinée à de nouvelles implantations de centres de données prolongerait la traîne d’amortissement. Des perspectives reliant directement les dépenses à des opportunités de revenus tirées de l’IA seront probablement interprétées différemment d’un discours général sur l’investissement.

Reality Labs reste dans le tableau

Même si les investisseurs se montrent plus indulgents envers l’IA qu’envers la VR, les résultats consolidés incluent toujours toutes les unités opérationnelles. Tout creusement des pertes de Reality Labs devrait susciter des questions. Meta a décrit la VR et l’AR comme des paris à cycle plus long, mais la marge de tolérance se réduit si les dépenses d’investissement en IA s’allongent aussi. Les analystes pourraient pousser la direction à préciser les seuils de rentabilité attendus, les jalons ou la discipline de dépenses.

Éléments à surveiller le jour des résultats

Le récit autour des résultats peut changer rapidement une fois les chiffres et les perspectives publiés. Plusieurs éléments devraient faire l’objet d’une attention particulière :

• Croissance publicitaire hors effets de change : un ralentissement significatif renforcerait l’examen des autres postes.
• Prévisions de dépenses d’investissement par rapport aux commentaires précédents : tout changement de fourchette ou de langage peut modifier sensiblement la façon dont les investisseurs évaluent le cycle de dépenses.
• Monétisation de Reels par rapport au temps passé : la poursuite du resserrement de l’écart de monétisation soutiendrait le récit publicitaire ; un blocage soulèverait des questions sur les marges.
• Mises à jour sur le click-to-message : des exemples précis d’adoption sont plus utiles que des références générales à un fort intérêt.
• Liens avec les produits d’IA : les exemples où l’IA a directement amélioré un KPI publicitaire ou créé une opportunité de revenus sont les plus pertinents.
• Discipline des charges d’exploitation : le rythme des embauches et les domaines de priorité peuvent fournir davantage d’informations que le seul effectif total.
• Rachats d’actions et flux de trésorerie : un flux de trésorerie disponible solide peut rendre un investissement plus lourd plus facile à absorber.

Pourquoi les publics crypto et fintech suivent le dossier

Les dépenses d’infrastructure d’IA de Meta comptent pour la crypto et la fintech pour deux raisons. Premièrement, elles mobilisent les mêmes chaînes d’approvisionnement que les entreprises Web3 et les sociétés de trading quantitatif utilisent de plus en plus pour l’inférence et le trading assisté par modèle. Des accélérateurs haut de gamme plus rares et une inférence cloud plus coûteuse peuvent affecter les budgets dans tout le secteur.

Deuxièmement, la poussée de Meta autour de Llama peut aider les startups et les protocoles à intégrer l’IA dans les wallets, les flux de support et les outils pour créateurs sans dépendre d’un fournisseur propriétaire unique. Cela peut accélérer les usages pratiques de l’IA dans les produits Web3.

Il existe aussi un angle publicitaire. Lorsque les marques concentrent leurs dépenses sur des canaux de performance capables de prouver la conversion, les sociétés de jeux, les projets NFT et les applications fintech disposant de métriques claires de coût par acquisition peuvent se disputer des budgets supplémentaires. Si le commerce click-to-message devient plus automatisé, davantage d’expérimentations de flux de paiement pourraient se rapprocher de la finance intégrée. Dans certaines régions, les passerelles d’accès aux cryptomonnaies pourraient se trouver à proximité de parcours d’achat par chat, même si Meta reste prudente sur la conservation d’actifs.

Carte des scénarios pour le trimestre

Il n’est pas nécessaire de disposer de prévisions précises pour évaluer le trimestre. Les principaux scénarios dépendront de ce que la direction communiquera sur la croissance publicitaire, les dépenses d’investissement et les bénéfices mesurables de l’IA.

Risques et ce qui pourrait mal tourner

Plusieurs risques pourraient compliquer la configuration des résultats de Meta. Un ralentissement macroéconomique de la publicité pourrait survenir au moment où les dépenses d’IA s’accélèrent, comprimant les marges des deux côtés. Les coûts d’inférence pourraient dépasser les attentes si les nouvelles fonctionnalités d’IA sont fortement utilisées sans monétisation compensatoire. La pression réglementaire autour de l’utilisation des données ou de la politique de concurrence pourrait compliquer l’entraînement des modèles et le ciblage publicitaire.

Des contraintes de chaîne d’approvisionnement ou d’énergie pourraient retarder la construction de centres de données et pousser les dépenses vers des alternatives moins efficaces. Les pertes de Reality Labs pourraient éclipser le récit autour de l’IA si les cycles matériels déçoivent. Une fatigue de l’économie des créateurs pourrait réduire le temps passé sur Reels et affaiblir le pouvoir de tarification.

Le plus grand risque n’est pas seulement un trimestre faible. Il s’agit d’une révision des perspectives suggérant que la courbe des dépenses d’investissement continuera de monter alors que les vents porteurs des revenus s’estompent.

Questions fréquentes

Pourquoi les investisseurs se concentrent-ils autant sur les prévisions de capex de Meta ?

Le capex est l’indicateur le plus clair des ambitions de Meta en matière d’IA et a un effet à long terme sur les marges. Un capex plus élevé signifie généralement davantage d’amortissement par la suite, et les investisseurs veulent des preuves que les dépenses se traduiront par un meilleur rendement publicitaire ou de nouvelles lignes de revenus, plutôt que seulement par de plus grands clusters de calcul.

Qu’est-ce qui montrerait que les dépenses d’IA fonctionnent ?

Des liens concrets incluraient des améliorations de la conversion et de la tarification publicitaires attribuées à des mises à niveau de modèles, une baisse des coûts de modération de contenu grâce à de meilleurs classificateurs, ou des premiers revenus provenant d’outils d’IA proposés aux entreprises. Des exemples précis et répétés pèsent davantage que des affirmations générales.

Quelle est l’importance de Reels ce trimestre ?

Reels est important parce qu’il absorbe une part substantielle du temps utilisateur. Si la monétisation par minute continue de rattraper Feed et Stories, l’activité peut croître sans nécessiter une hausse soudaine du temps total passé.

Le commerce par messagerie est-il une véritable ligne d’activité ou seulement un effet de mode ?

Le commerce par messagerie est significatif dans les régions où les acheteurs préfèrent les achats fondés sur le chat. Meta a souligné à plusieurs reprises que les publicités click-to-message représentaient une catégorie à plusieurs milliards de dollars en rythme annualisé lors des conférences, et les flux de chat assistés par IA peuvent améliorer la conversion et les temps de réponse, des éléments suivis de près par les annonceurs.

Qu’est-ce qui pourrait être considéré comme une surprise positive ?

Des prévisions de capex stables ou plus faibles, associées à une tarification publicitaire plus forte, constitueraient la surprise favorable la plus nette. Des indicateurs reliant directement les fonctionnalités d’IA aux revenus, ainsi que des rachats d’actions réguliers, apporteraient un soutien supplémentaire.

Reality Labs compte-t-il encore pour la réaction de l’action ?

Oui. Même si les investisseurs sont plus réceptifs aux dépenses d’IA, un creusement des pertes de Reality Labs peut affecter la valorisation si les actionnaires estiment que plusieurs grands paris concurrencent les rendements à court terme.

Où trouver les commentaires officiels sur Llama et les plans d’IA de Meta ?

Le blog IA de Meta couvre les sorties de Llama et l’orientation de la recherche sur Meta AI, tandis que Meta Investor Relations publie les prévisions et les documents liés aux conférences de résultats.

Avertissement : Cet article est fourni à titre informatif uniquement. Il n’est pas proposé ni destiné à être utilisé comme conseil juridique, fiscal, d’investissement, financier ou autre.