02Le paysage stratégique

Cinq dynamiques pèsent sur chaque décision d'investissement dans l'IA. Certaines se sont atténuées depuis 2024, d'autres se sont accentuées. Voici comment les lire, et comment décider.

Mis à jour en novembre 2026. Ce chapitre est révisé au fil de l'évolution du marché.

À quoi ressemblent les gros titres

Relevés dans la presse et les publications depuis 2024, de la bouche des éditeurs qui construisent la technologie et des analystes qui l'observent. Les cartes vertes poussent à investir, les cartes dorées dans l'autre sens. Les unes et les autres sont publiques et attribuées, et s'adressent aux mêmes dirigeants, souvent la même semaine.

Le parc mondial de centres de données, d'environ 1 000 milliards de dollars, doublera d'ici quatre à cinq ans.
Jensen Huang, PDG de Nvidia, World Government Summit, Dubaï, février 2024, propos rapportés
« Gen AI: too much spend, too little benefit? » (L'IA générative : trop de dépenses, trop peu de bénéfices ?)
Goldman Sachs Research, Top of Mind, juin 2024
L'investissement en équipements de traitement de l'information et en logiciels a représenté 92 % de la croissance du PIB américain au premier semestre 2025.
Jason Furman, économiste à Harvard, 2025, selon son estimation
« 95 % des organisations n'obtiennent aucun retour. »
MIT NANDA, The GenAI Divide: State of AI in Business, 2025, un chiffre très contesté
Le chiffre d'affaires d'Anthropic atteint un rythme annuel d'environ 30 milliards de dollars, dont 85 % auprès des entreprises.
Selon Forbes, mai 2026
Les quatre plus grands fournisseurs de cloud prévoient environ 730 milliards de dollars d'investissements en 2026, de plus en plus financés par la dette.
Prévisions des entreprises, résultats du troisième trimestre 2026

Lus à la suite, ces titres justifient deux conclusions à la fois : l'IA est l'investissement majeur de la décennie, et elle pourrait aussi en être la plus grande erreur d'allocation de capital. Les deux s'appuient sur des faits publics. Reste à savoir quoi en faire.

En bref

  • La question posée aux dirigeants a changé. Il s'agissait de savoir s'il fallait investir. La plupart des entreprises dépensent désormais dans l'IA, et la question est de savoir comment rentabiliser ces dépenses, et les maîtriser.
  • Cinq dynamiques pèsent toujours sur la réponse : les éditeurs envoient des messages contradictoires, une partie des capitaux du secteur est recyclée ou empruntée, les indicateurs du secteur mesurent les dépenses plutôt que la valeur, le coût de l'IA se déplace du prix du jeton vers le volume consommé, et la croissance américaine repose désormais sur les dépenses du secteur lui-même, devenues un sujet politique et plus difficiles à prévoir.
  • Les preuves sur le retour sur investissement sont contrastées. Le chiffre le plus cité, 95 % d'organisations sans aucun retour, provient d'une étude restreinte et contestée. Des gains mesurés existent, et ils vont aux organisations qui fixent leurs conditions avant de dépenser.
  • À la question « faut-il dépenser davantage dans l'IA ? », la réponse utile est oui, à des conditions fixées à l'avance. Ces conditions font l'objet de la suite de ce chapitre et des chapitres suivants.

De la question du « si » à celle du « comment »

Jusqu'à récemment, la plupart des dirigeants répondaient à la question de l'IA par « nous regardons le sujet », suivi d'une liste de préoccupations qui ne s'emboîtaient pas tout à fait. Cette hésitation était rationnelle : chaque signal reçu en contredisait un autre, et face à des signaux contradictoires, la réponse raisonnable à court terme est d'attendre.

Elle est en grande partie derrière nous. Les budgets ont été votés, les assistants déployés, les pilotes lancés. Anthropic réalise désormais environ 85 % d'un chiffre d'affaires annuel d'une trentaine de milliards de dollars auprès des entreprises, et plus de 500 d'entre elles y dépensent chacune plus d'un million de dollars par an. Un problème plus discret a remplacé l'hésitation : les dépenses ont souvent commencé avant que les conditions d'un retour soient fixées. Les factures augmentent plus vite que prévu, les pilotes se multiplient sans responsable, et peu d'organisations savent dire ce que l'argent a produit.

Les signaux contradictoires n'ont pas disparu. Ils portent désormais sur le montant à engager, sur quoi, et avec qui. Bien les lire ne demande pas davantage d'informations, mais une grille de lecture plus rigoureuse pour celles dont on dispose déjà. Chacune des cinq dynamiques qui suivent est connue. Ensemble, elles décrivent un environnement aux conséquences précises, et le chapitre se termine par quatre principes pour en tirer une décision.

Les signaux des éditeurs vont dans des sens opposés

Les mêmes voix qui pressent les dirigeants d'adopter l'IA générative avertissent, dans le même souffle, qu'elle pourrait menacer l'humanité. Sam Altman a déclaré publiquement que, dans le pire des cas, l'IA pourrait signifier « la fin pour nous tous », et chercherait, selon la presse, jusqu'à 7 000 milliards de dollars pour développer la production de puces destinées à cette même technologie. Dario Amodei a décrit l'IA comme potentiellement la plus grande transformation de l'histoire humaine, et a écrit sur les risques du travail de sa propre entreprise. Elon Musk a signé en 2023 la lettre ouverte appelant à une pause de six mois dans le développement des IA de pointe, puis a lancé sa propre entreprise d'IA quatre mois plus tard. Le phénomène ne se limite pas à trois personnes. Il traverse une grande partie de la communication publique des entreprises qui construisent cette technologie.

On est tenté de conclure que l'un des deux messages est sincère et l'autre tactique. Une lecture plus utile consiste à constater que les deux servent l'éditeur, quelle que soit l'intention. Le message d'adoption crée l'urgence et le chiffre d'affaires. Le message d'alerte plaide pour une réglementation que les grandes entreprises bien financées peuvent supporter, et leurs concurrents plus petits non. Certains observateurs y voient un calcul, d'autres prennent ces alertes au pied de la lettre. Pour un acheteur, la conclusion est la même.

Les signaux des éditeurs renseignent fidèlement sur leur stratégie. Sur l'état réel de la technologie, ils renseignent beaucoup moins. La bonne attitude consiste à séparer les deux : lire les déclarations des éditeurs comme des informations sur leur positionnement, et chercher ailleurs ce que vaut la technologie. Le meilleur « ailleurs » est presque toujours un petit pilote interne, au périmètre étroit et rigoureusement mesuré, sujet du chapitre 04.

Une partie des capitaux est recyclée, une part croissante est empruntée

La circularité des flux de capitaux de l'IA Un schéma montrant deux boucles de capital. Nvidia prend des participations dans des entreprises d'IA, qui dépensent ensuite cet argent en achetant des GPU Nvidia. Microsoft investit dans OpenAI, qui dépense ensuite cet argent en capacité de calcul sur Microsoft Azure. BOUCLE 1 Nvidia puces + investisseur Entreprises d'IA CoreWeave, xAI, Lambda… prise de participation achats de GPU (revenus) BOUCLE 2 Microsoft cloud + investisseur OpenAI fournisseur de modèles engagement ~13 Md$ calcul Azure (revenus) L'EFFET Le capital investi revient en chiffre d'affaires. Une partie de la croissance affichée par le secteur de l'IA reflète de l'argent que les investisseurs se versent à eux-mêmes via leurs participations.
Figure 1. Deux des boucles de capitaux du secteur. Des participations ou des engagements d'achat sortent, du chiffre d'affaires revient. Ces boucles sont légales et rendues publiques.

Nvidia a pris des participations dans de nombreuses entreprises d'IA dont le premier poste de dépense est l'achat de puces Nvidia, et une partie de l'argent investi revient sous forme de chiffre d'affaires en quelques trimestres. Microsoft et OpenAI suivent un schéma voisin : en renégociant leur partenariat en octobre 2025, OpenAI s'est engagé à acheter quelque 250 milliards de dollars de services cloud Azure supplémentaires.

Certaines de ces boucles se sont desserrées. L'investissement de jusqu'à 100 milliards de dollars annoncé par Nvidia dans OpenAI en septembre 2025 n'est jamais devenu un engagement ferme, et OpenAI aurait ramené ses engagements d'infrastructure d'ici 2030 de 1 400 à environ 600 milliards de dollars. C'est la dette qui a pris le relais. Les quatre plus grands fournisseurs de cloud prévoient environ 730 milliards de dollars d'investissements en 2026, et empruntent de plus en plus pour les financer : la dette à long terme d'Amazon est passée de 66 à 173 milliards de dollars au cours des neuf premiers mois de l'année. Les acteurs plus petits paient plus cher, les obligations de CoreWeave, fournisseur de cloud spécialisé dans les GPU, se négociant autour de 15 % de rendement.

En 2024, David Cahn, de Sequoia, estimait que le chiffre d'affaires de l'IA auprès des utilisateurs finaux devrait atteindre environ 600 milliards de dollars par an pour justifier la puissance de calcul déjà engagée. Ce chiffre d'affaires a fortement progressé depuis : OpenAI a terminé 2025 à un rythme annuel d'environ 20 milliards de dollars, et Anthropic a dépassé 30 milliards au printemps 2026. Les dépenses ont progressé plus vite encore, et l'écart demeure. Les chiffres de croissance du secteur sont réels, mais une partie provient de capitaux recyclés ou d'argent emprunté. Tout scénario devrait être calculé en mettant cette part à zéro, pour voir ce qu'il en reste.

Les indicateurs du secteur mesurent la mauvaise chose

Les chiffres les plus répétés dans les comités de direction sont des chiffres de dépenses : investissements, taille du marché, taux d'adoption. Ils viennent des éditeurs, des analystes et des services d'études des banques, et sont présentés comme des signaux de marché, avec ce sous-entendu : vos pairs investissent, faites de même. Les mêmes rapports accordent rarement autant de place à la seule mesure qui compte : de toutes ces dépenses, quelle part a produit un retour mesurable ?

Ce que l'on cite

730 Md$ en 2026

Les investissements prévus par les quatre plus grands fournisseurs de cloud pour 2026. Présentés comme un élan.

Ce que l'on cite rarement

? de retour mesuré

La part de ces dépenses qui a produit un retour mesurable. La plupart des rapports ne la mesurent pas. La réponse la plus citée, 5 % des organisations (MIT NANDA, 2025), repose sur 52 entretiens et reste contestée.

Dépenser n'est pas créer de la valeur. Déployer n'est pas rentabiliser. L'intention d'adopter n'est pas un bénéfice obtenu. Les analystes le savent, mais les rapports les plus diffusés mettent en avant le chiffre le plus susceptible de déclencher la prochaine mission ou le prochain renouvellement, et la mesure qui protégerait l'acheteur se trouve une page plus loin, quand elle existe. Un dirigeant qui lit « le marché de l'IA atteindra X 000 milliards de dollars » et agit en conséquence réagit à un signal de dépense déguisé en signal de valeur. C'est dans cet écart que naissent la plupart des programmes décevants.

La réponse pratique consiste à lire les rapports du secteur avec une seule question en tête : quelle part des dépenses citées a produit un bénéfice mesurable ? Si le rapport ne répond pas, supposez que la réponse est peu flatteuse, et tournez-vous vers les travaux indépendants qui y répondent : enquêtes universitaires, retours d'expérience sans complaisance, et les rares entreprises qui publient des résultats mesurés. C'est un effort. C'est aussi le seul moyen fiable de transformer « le marché progresse » en élément utile pour une décision d'investissement.

Le coût de l'IA se déplace du prix vers le volume

Jusqu'à récemment, l'ensemble des modèles de pointe était vendu à perte. Ce n'est plus uniforme. OpenAI prévoit encore de perdre environ 14 milliards de dollars en 2026. Anthropic, dont le chiffre d'affaires provient surtout des entreprises, prévoit son premier bénéfice d'exploitation. Dans le même temps, le prix du jeton a nettement baissé, d'environ deux tiers en un an selon certaines estimations, sous la pression de la concurrence et des modèles à poids ouverts, dont beaucoup sont chinois.

La baisse des prix unitaires n'a pas rendu l'IA bon marché. Les agents et la recherche documentaire multiplient les appels au modèle derrière chaque action d'un utilisateur, et de nombreuses entreprises constatent des factures d'IA supérieures à leurs prévisions. Les modes de facturation changent aussi : en juin 2026, GitHub a remplacé l'abonnement forfaitaire de Copilot par des crédits à l'usage.

Je l'ai constaté sur mon propre travail. Pour le produit décrit dans Claude + BMAD, j'ai payé un abonnement Claude de 20 € par mois. Au tarif public, treize jours de ce travail représentent entre 310 et 380 dollars de jetons, et 97 % du volume était du contexte relu par le modèle, pas du code qu'il écrivait. J'ai pourtant atteint les limites d'usage sept fois en six jours. Le forfait masquait cette consommation, et rien ne garantit qu'il restera un forfait.

Deux conséquences en découlent pour les décisions d'investissement. D'abord, chaque business case doit être éprouvé sur le volume autant que sur le prix. Que se passe-t-il si l'usage triple, ou si un forfait devient une facturation à la consommation ? Ensuite, le choix d'un éditeur reste une décision sur son pouvoir de fixer les prix. Bâtir un processus critique sur l'API d'un seul éditeur revient à accepter ce qu'il facturera, et sous quelle forme, dans trois ou cinq ans. La réponse n'est pas d'éviter les modèles de pointe. Elle consiste à garder une porte de sortie crédible, le plus souvent un modèle plus petit et spécialisé, hébergé sur une infrastructure que l'organisation maîtrise. C'est l'option d'« IA frugale » présentée au chapitre 01 : une assurance, pas un compromis.

La croissance américaine repose sur les dépenses d'IA, et leur essor est devenu politique

En 2025, les sommes consacrées par les entreprises technologiques américaines à la construction de centres de données pour l'IA sont devenues l'un des principaux moteurs de la croissance du pays. L'économiste Jason Furman, de Harvard, estime qu'elles ont représenté la quasi-totalité de la croissance américaine au premier semestre. Les économistes divergent sur la part exacte, car la plupart des puces et des serveurs sont importés, mais pas sur la tendance. En 2026, le mouvement s'est encore accéléré, et les investisseurs ont commencé à faire le tri : en octobre 2026, les actions d'Alphabet et de Meta ont perdu environ 10 % après leurs résultats, les marchés se demandant si les flux de trésorerie couvraient encore les dépenses. L'économiste en chef d'Apollo, Torsten Sløk, ajoute l'avertissement le plus important : ces dépenses progressent près de deux fois plus vite que la bulle immobilière d'avant 2008, et un cycle construit aussi vite peut se retourner aussi vite.

Cet essor dépend désormais aussi de la politique et de l'énergie. L'opposition aux nouveaux centres de données s'est étendue dans les deux grands partis américains : lors des élections de novembre 2026, les électeurs ont rejeté presque toutes les mesures locales destinées à faciliter leur construction. Les mêmes élections ont donné aux démocrates le contrôle des deux chambres du Congrès à partir de janvier 2027, ce qui devrait se traduire par un contrôle plus étroit de l'IA et des grandes entreprises technologiques, même si le président conserve son droit de veto. En Europe, l'omnibus numérique sur l'IA a reporté les obligations de l'AI Act pour les systèmes à haut risque à décembre 2027 et août 2028. Rien de tout cela n'arrête l'essor. Cela ajoute un risque politique et énergétique à un cycle déjà tendu sur le plan financier.

Ces revirements montrent aussi à quelle vitesse le terrain peut bouger. En 2025, le gouvernement fédéral cherchait à accélérer cet essor, avec un plan d'action pour l'IA en juillet puis, en décembre, un décret présidentiel destiné à limiter les lois des États sur l'IA. Un an plus tard, les votes locaux sont allés dans l'autre sens et le Congrès a changé de majorité. L'environnement politique d'un programme d'IA pluriannuel peut basculer en un seul cycle électoral, aux États-Unis comme en Europe, et personne ne le prévoit de façon fiable. Un plan doit donc reposer sur des scénarios auxquels il résiste et sur des options qu'il garde ouvertes, plus que sur une prévision.

Pour un dirigeant européen, la conséquence est inconfortable. Les entreprises européennes ont peu investi dans cet essor, et en ont donc peu profité. Si le cycle se retourne, le choc les atteindra malgré tout, par les cours de bourse, les taux d'intérêt et les taux de change. Il ne s'agit pas de céder à la panique, mais de reconnaître qu'une décision d'investir dans l'IA est aussi un pari sur le climat économique et politique, et que tout plan pluriannuel doit tenir si cet essor ralentit.

Comment décider

Les cinq dynamiques sont réelles, et les preuves de rentabilité restent inégales. Une précaution de plus n'aiderait pas un dirigeant. Ce qui aide, c'est un cadre de décision assez solide pour produire une réponse. Appliqués ensemble, les quatre principes suivants suffisent à y voir clair.

  1. Principe 01 Décider sous conditions, pas par principe La réponse est « oui, à des conditions fixées à l'avance » : un responsable nommé, une difficulté chiffrée, un périmètre borné, une mesure de référence, un critère d'arrêt, un budget à la mesure de l'apprentissage.
  2. Principe 02 Partir du principe que l'éditeur changera Certains éditeurs de modèles de pointe seront rachetés, changeront leurs conditions ou disparaîtront. Prévoir une fine couche d'abstraction, un modèle plus petit en solution de repli, et des formats ouverts partout où c'est possible. Une discipline familière depuis l'ère du cloud.
  3. Principe 03 Calculer le retour face au volume et aux changements de tarif Chiffrer chaque business case de trois façons : aux prix actuels, avec deux à trois fois l'usage prévu, et avec une facturation à la consommation. S'il ne tient pas, revoir le déploiement avant de le financer.
  4. Principe 04 Prévoir un ralentissement Un investissement dans l'IA est aussi un pari sur le climat économique et politique. Tout plan pluriannuel doit inclure un scénario où les dépenses d'IA ralentissent, pour des raisons financières, énergétiques ou politiques, et rester rentable dans ce scénario.

Appliqués ensemble, ces quatre principes produisent une décision claire et justifiable. Dans la plupart des cas, la réponse est de s'engager dans l'IA générative de façon délibérée, à coût borné, avec une gouvernance dès le premier jour, et une porte de sortie si l'économie du projet ou l'éditeur changent. Cette posture est connue : c'est celle qui a fonctionné lors des trois cycles technologiques précédents. Le moment actuel est plus bruyant, mais la discipline qu'il exige n'est pas nouvelle. L'IA générative vaut ce qu'en fait l'organisation qui la déploie, et les garde-fous sont le prix de son utilité.

Je me suis appliqué ces principes avant de bâtir un produit avec l'IA, comme le raconte Claude + BMAD. La décision est passée par des jalons : une position sur la technologie, devenue cet article, puis un test de 48 heures où Claude a construit le même serveur selon trois architectures, puis une méthode pour compenser ses faiblesses, puis une première tranche fonctionnant de bout en bout. Chaque jalon était une question tranchée avant que l'étape suivante ne reçoive mon temps. Une condition m'a manqué : une référence mesurée. Je n'annonce donc aucune économie, et je donne les chiffres pour que chacun puisse les comparer aux siens.

À retenir

  • La question de l'IA est passée du « si » au « comment ». Traitez-la comme une affaire de conditions, de maîtrise des coûts et de retour mesuré, pas comme un oui ou un non.
  • Lisez la communication des éditeurs comme une information sur leur positionnement. Ce que vaut la technologie se mesure dans les pilotes de l'organisation, par rapport à une mesure de référence.
  • Dans tout chiffre de croissance du secteur, retranchez la part de capitaux recyclés ou empruntés. Le marché réel est plus petit que les gros titres.
  • Les indicateurs du secteur mesurent les dépenses et l'adoption, pas la valeur. Face à un chiffre de dépenses, demandez quelle part a produit un bénéfice mesurable. Si le rapport ne le dit pas, supposez qu'elle est faible.
  • Éprouvez chaque business case sur le volume et le mode de facturation, pas seulement sur le prix. S'il ne tient pas, revoyez le déploiement avant de le financer.
  • Prévoyez dans tout plan pluriannuel un scénario de ralentissement, pour des raisons financières, énergétiques ou politiques.
  • Décidez sous conditions. Un programme qui ne remplit pas les six conditions (un responsable nommé, une difficulté chiffrée, un périmètre borné, une mesure de référence, un critère d'arrêt, un budget à la mesure de l'apprentissage) n'est pas prêt.