IA, bulle ou pas bulle ? Moi, je n’y crois pas. Et voilà pourquoi.
Une technologie peut être utile, une entreprise peut être mal valorisée et un centre de données peut être construit trop tôt. Ces trois choses peuvent arriver en même temps. C’est là que je me sépare de Romaric Godin*. Il voit dans la correction du 5 novembre le signe qu’une bulle bâtie sur la fuite en avant supporte de moins en moins le moindre frein. J’y vois d’abord des investisseurs qui révisent le prix qu’ils sont prêts à payer pour des bénéfices futurs. Pour juger de l’économie de l’IA, je regarderais aussi ce que les entreprises facturent déjà, les gains que leurs clients en tirent et l’évolution du coût d’usage.
La demande commence à se traduire en recettes. Au troisième trimestre 2026, Google Cloud a réalisé 30,7 milliards de dollars de chiffre d’affaires et 11,1 milliards de résultat opérationnel, contre respectivement 15,2 et 3,6 milliards un an plus tôt. Alphabet attribue cette croissance à l’infrastructure et aux solutions d’IA, ainsi qu’à ses services cloud classiques.
De son côté, Microsoft rapporte une accélération de la croissance des revenus de Copilot. Le résultat de Google Cloud couvre plusieurs activités et une partie des dépenses communes de recherche en IA est comptabilisée au niveau d’Alphabet. Il serait donc abusif d’y lire la marge propre à l’IA. Ces comptes donnent néanmoins un premier élément de réponse à la question de Romaric Godin. Des clients paient déjà pour des services qui intègrent cette technologie.
L’intérêt économique se mesure aussi chez le client. Une étude publiée dans le Quarterly Journal of Economics, menée auprès de 5 172 agents de service client, a mesuré une hausse moyenne de 15 % du nombre de problèmes résolus par heure après l’introduction d’un assistant d’IA. Les gains étaient plus marqués chez les agents moins expérimentés. Ce résultat porte sur un métier précis, mais il éclaire la décision d’achat. Une entreprise peut trouver un intérêt à payer pour un outil dès lors que le temps gagné couvre son coût de déploiement, de formation et de contrôle.
Le coût de l’usage peut baisser pendant que la facture des infrastructures augmente. Stanford estime que le prix pour interroger un modèle atteignant un niveau comparable à GPT‑3.5 sur un test de référence a été divisé par plus de 280 entre novembre 2022 et octobre 2024. La comparaison porte sur un niveau de performance précis. Elle montre néanmoins pourquoi il faut distinguer la course aux modèles les plus puissants de l’économie des usages courants. Une entreprise qui veut classer des demandes ou résumer des dossiers peut choisir le modèle le moins coûteux qui atteint la qualité attendue. La diffusion de l’IA peut donc se poursuivre même si les investisseurs deviennent plus sélectifs sur les grands projets.
Je prends au sérieux le financement circulaire, le point le plus solide de l’analyse de Godin.
En février 2026, OpenAI a annoncé un tour de table comprenant 30 milliards de dollars de Nvidia et 50 milliards d’Amazon, deux partenaires qui lui fournissent aussi des ressources de calcul. Et chez Amazon, le flux de trésorerie disponible sur douze mois est passé de +14,8 à −42,4 milliards de dollars à fin septembre 2026, principalement sous l’effet de la hausse des investissements, largement liée à l’IA selon le groupe. Ces chiffres justifient une question précise. Quelle part de la demande restera solvable lorsque les fournisseurs financeront moins leurs propres clients ? La réponse peut être très différente selon les entreprises et les projets.
Ma conviction est que le marché peut avoir surestimé la vitesse à laquelle l’IA rapportera de l’argent, tout en sous-estimant le nombre d’usages qui deviendront rentables à mesure que son coût baisse. Le test décisif sera le renouvellement des contrats. Quand les entreprises auront mesuré ce que l’IA leur rapporte, combien continueront de payer avec leur propre budget ? C’est à leurs réponses, sur plusieurs trimestres, que je mesurerai la solidité de cette économie.
La demande commence à se traduire en recettes. Au troisième trimestre 2026, Google Cloud a réalisé 30,7 milliards de dollars de chiffre d’affaires et 11,1 milliards de résultat opérationnel, contre respectivement 15,2 et 3,6 milliards un an plus tôt. Alphabet attribue cette croissance à l’infrastructure et aux solutions d’IA, ainsi qu’à ses services cloud classiques.
De son côté, Microsoft rapporte une accélération de la croissance des revenus de Copilot. Le résultat de Google Cloud couvre plusieurs activités et une partie des dépenses communes de recherche en IA est comptabilisée au niveau d’Alphabet. Il serait donc abusif d’y lire la marge propre à l’IA. Ces comptes donnent néanmoins un premier élément de réponse à la question de Romaric Godin. Des clients paient déjà pour des services qui intègrent cette technologie.
L’intérêt économique se mesure aussi chez le client. Une étude publiée dans le Quarterly Journal of Economics, menée auprès de 5 172 agents de service client, a mesuré une hausse moyenne de 15 % du nombre de problèmes résolus par heure après l’introduction d’un assistant d’IA. Les gains étaient plus marqués chez les agents moins expérimentés. Ce résultat porte sur un métier précis, mais il éclaire la décision d’achat. Une entreprise peut trouver un intérêt à payer pour un outil dès lors que le temps gagné couvre son coût de déploiement, de formation et de contrôle.
Le coût de l’usage peut baisser pendant que la facture des infrastructures augmente. Stanford estime que le prix pour interroger un modèle atteignant un niveau comparable à GPT‑3.5 sur un test de référence a été divisé par plus de 280 entre novembre 2022 et octobre 2024. La comparaison porte sur un niveau de performance précis. Elle montre néanmoins pourquoi il faut distinguer la course aux modèles les plus puissants de l’économie des usages courants. Une entreprise qui veut classer des demandes ou résumer des dossiers peut choisir le modèle le moins coûteux qui atteint la qualité attendue. La diffusion de l’IA peut donc se poursuivre même si les investisseurs deviennent plus sélectifs sur les grands projets.
Je prends au sérieux le financement circulaire, le point le plus solide de l’analyse de Godin.
En février 2026, OpenAI a annoncé un tour de table comprenant 30 milliards de dollars de Nvidia et 50 milliards d’Amazon, deux partenaires qui lui fournissent aussi des ressources de calcul. Et chez Amazon, le flux de trésorerie disponible sur douze mois est passé de +14,8 à −42,4 milliards de dollars à fin septembre 2026, principalement sous l’effet de la hausse des investissements, largement liée à l’IA selon le groupe. Ces chiffres justifient une question précise. Quelle part de la demande restera solvable lorsque les fournisseurs financeront moins leurs propres clients ? La réponse peut être très différente selon les entreprises et les projets.
Ma conviction est que le marché peut avoir surestimé la vitesse à laquelle l’IA rapportera de l’argent, tout en sous-estimant le nombre d’usages qui deviendront rentables à mesure que son coût baisse. Le test décisif sera le renouvellement des contrats. Quand les entreprises auront mesuré ce que l’IA leur rapporte, combien continueront de payer avec leur propre budget ? C’est à leurs réponses, sur plusieurs trimestres, que je mesurerai la solidité de cette économie.
Romaric Godin est un journaliste économique et auteur français, né le 9 décembre 1973. Il travaille actuellement pour le journal d'investigation en ligne Mediapart, où il couvre principalement la macroéconomie et l'économie française