On savait que l’IA coûtait cher à produire
Pendant deux ans, les marchés ont célébré l'IA comme une révolution logicielle à coût marginal quasi nul. Ce temps est révolu. Entre budgets plafonnés chez Microsoft et Uber, explosion des factures d'infrastructure et IPO imminentes d'Anthropic et OpenAI, l'IA entre dans sa troisième phase : celle de la rentabilité. Une bascule qui oblige investisseurs et entreprises à décomposer la chaîne de valeur et à se montrer bien plus sélectifs.
Les marchés ont longtemps regardé l’IA comme une rupture technologique : modèles plus puissants, productivité en hausse, revenus cloud en accélération. Tout cela reste vrai mais ce n’est plus toute l’histoire. L’IA générative n’est pas un logiciel classique : chaque requête consomme du calcul, chaque agent mobilise des puces, de l’électricité, des data centers. Et cette facture remonte désormais jusqu’aux directions financières. Les grands acteurs du numérique changent de métier : ils ne sont plus de simples éditeurs de logiciels, ils deviennent des industriels de l’intelligence artificielle. Un industriel ne se valorise pas comme un logiciel.
Pendant longtemps, les grandes firmes technologiques étaient valorisées comme des entreprises à coût marginal quasi nul. Avec l’IA, ce modèle ne tient plus et cette bascule change tout pour l’investisseur.
Le coût caché de l’adoption
Microsoft annonce 37 Md$ de revenus IA annualisés, mais plusieurs grandes entreprises encadrent désormais strictement leurs usages. Microsoft a mis fin au pilote Claude Code d’ici fin juin. Chez Uber, 5 000 ingénieurs équipés affichent 95 % d’adoption mensuelle, mais le budget IA 2026 est consommé en quatre mois. GitHub (Microsoft) est passé au 1er juin à un modèle à la consommation par tokens : le forfait fixe ne masque plus les écarts entre utilisateurs. Pris ensemble, ces signaux racontent la même chose : le prix payé pour l’IA rejoint son coût réel, au moment précis où Anthropic et OpenAI s’approchent de leur IPO. Anthropic projette 10,9 Md$ de revenus au T2 2026 et discute d’une levée à 900 Md$ de valorisation.
La fin de l’illusion
Pendant 2 ans, l’écart entre prix payé et coût réel a été absorbé : Anthropic brûlait plusieurs dollars de compute par dollar d’abonnement, Microsoft perdait plus en infrastructure qu’il ne facturait sur certaines configs Copilot. Côté client, les forfaits fixes donnaient l’impression d’un usage illimité. Ce qui change, c’est qui assume désormais la charge. Chaque requête mobilise une infrastructure physique et plus l’usage est avancé (un agent qui lit, teste, corrige et recommence), plus cette consommation est élevée. Les développeurs sont parmi les utilisateurs les plus intensifs et donc les plus coûteux à servir.
Le paradoxe des tokens
Le prix de l’inférence a été divisé par 280 en 3 ans (de 20$ à 0,07$ par million de tokens). Pourtant les factures explosent : c’est le paradoxe de Jevons. Quand le coût unitaire s’effondre, les usages explosent et la consommation totale augmente. Les agents IA travaillent en continu (lire, tester, corriger, recommencer) : un usage qui n’existait pas en 2022 et qui peut coûter des centaines d’euros par mois. De plus, les entreprises migrent vers les modèles haut de gamme (Claude Opus, GPT-5 à 15 - 30$ par million de tokens) pour débloquer de nouveaux cas d’usage. Goldman Sachs estime que les agents IA pourraient multiplier la consommation globale de tokens par 24 d’ici 2030.
Le vrai sujet : qui paie ?
Deux options s’offrent au marché. Première option : les clients plafonnent leur usage, Microsoft, Uber et ServiceNow l’ont déjà fait. C’est sain pour la gestion, mais défavorable à la trajectoire de revenus des laboratoires, qui soutient leurs valorisations. Deuxième option : les laboratoires baissent leurs prix pour préserver l’adoption avant leur IPO mais au prix de marges dégradées au pire moment. Dans les deux cas, la question économique revient au centre. L’adoption est nécessaire, mais elle n’est plus suffisante.
Les hyperscalers changent de métier
Microsoft, Amazon, Alphabet, Meta et Oracle captent une grande part de la valeur IA via l’infrastructure et le cloud. Mais en 2026, ces 5 groupes investiront ~650 Md$ en capex, dont 75 % liés à l’IA. Ils deviennent des opérateurs d’infrastructure un autre métier, et potentiellement une autre valorisation. Et ils ne peuvent pas s’arrêter : ne pas investir serait plus risqué encore que d’investir. Quand tout le monde va dans la même direction, il y a presque toujours des surcapacités et des perdants. Il va donc falloir se montrer bien plus sélectif.
La chaîne de valeur se fragmente
Il ne faut plus traiter l’IA comme un bloc. Les laboratoires purs (OpenAI, Anthropic, xAI) captent la croissance mais supportent des coûts énormes. Les hyperscalers sont mieux placés grâce à leur infrastructure, mais portent un risque de capex massif. Les fabricants de puces et équipements bénéficient de la course à l’infrastructure, mais dépendent des budgets des hyperscalers. Les éditeurs logiciels sont les plus délicats : certains renforceront leur produit, d’autres verront leurs marges se réduire, d’autres encore seront remplacés par des agents, c’est ici que le stock picking devient indispensable. Enfin, les bénéficiaires indirects (énergie, câbles, cuivre, refroidissement, data centers) vendent ce dont l’IA a besoin pour exister, une exposition souvent plus lisible. L’IA devait être l’histoire ultime du logiciel : elle ramène finalement les marchés vers des sujets physiques.
Ce que cela change pour les marchés
L’IA n’est pas une bulle, elle entre dans une phase plus mature, donc plus exigeante. Trois phases : démonstration (les modèles fonctionnent), déploiement (les entreprises adoptent), rentabilité (qui gagne vraiment de l’argent ?). C’est cette troisième phase qui commence. Acheter l’IA en bloc, les Sept Magnifiques sans distinction ou un ETF logiciel devient moins pertinent. Il faut décomposer la chaîne : qui vend le calcul, qui le paie, qui possède l’infrastructure, qui finance le capex. L’IA reste une révolution, mais elle devient un vrai sujet de marché : marges, capital investi, énergie, retour sur investissement.
