IA vs .com :
là où l'histoire rime et là où elle diverge

L’arbitrage entre masse salariale et puissance de calcul dont je parlais dans mon dernier billet repose sur une croyance sous-jacente. C’est cette croyance que je veux décortiquer aujourd’hui. Pour que l’équation fonctionne, il faut que le calcul reste rare, utile et cher assez longtemps pour amortir ce qu’il coûte. Mais cela suppose aussi une autre hypothèse, plus discrète : que les clients qui paient le prix fort aujourd’hui soient encore là lorsque ces actifs arriveront à maturité. Si la première hypothèse accapare l’attention, c’est la seconde qui pourrait décider des survivants.

La fibre était bien réelle. Pas les rendements.

L’analogie avec la bulle Internet (dot-com) est souvent brandie avec paresse, comme un simple synonyme d’enthousiasme irrationnel. Pourtant, l’histoire réelle est bien plus instructive.

Le trafic Internet a continué de croître pendant le krach, à un rythme de 76 % à 107 % par an, selon l’analyse d’Andrew Odlyzko en 2003.¹ La technologie fonctionnait, la demande était là, et pourtant les investisseurs des télécoms ont vu s’envoler près de 2 000 milliards de dollars de capitalisation boursière, tandis que le secteur détruisait environ 500 000 emplois. Global Crossing a englouti près de 15 milliards de dollars pour bâtir un réseau qui acheminait un trafic bien réel, avant de revendre son contrôle pour seulement 250 millions de dollars en 2003.²

Les bâtisseurs ont été terrassés par un triple fléau : le timing, l’effet de levier, et un choc d’offre invisible caché au cœur même des infrastructures déjà déployées. Le multiplexage en longueur d’onde (DWDM) a multiplié la capacité d’une paire de fibres par 64 à 160 en l’espace de sept ans. L’offre a explosé sans qu’il soit nécessaire de creuser une seule nouvelle tranchée. On estime que 90 % de la fibre posée pendant le boom est restée inutilisée (d’où le terme de « fibre noire »). Il aura fallu environ douze ans pour résorber cet excédent.³

Les prévisions de demande étaient gonflées artificiellement. Les opérateurs finançaient mutuellement leurs achats. Lucent et Nortel prêtaient de l’argent à leurs propres clients pour qu’ils leur achètent des équipements (crédit-vendeur). WorldCom est allé encore plus loin en comptabilisant ses dépenses de fonctionnement (opex) en dépenses d’investissement (capex), gonflant artificiellement ses bénéfices de plus de 11 milliards de dollars. Ses dirigeants ont fini en prison pour avoir fabriqué cette même asymétrie entre opex et capex dont nous parlions dans le dernier billet.⁴

Rien de tout cela n’a rendu Internet moins crucial. Cela a simplement rendu insolvables les propriétaires des mauvais actifs, financés aux mauvaises conditions.

Pourquoi l’essor actuel semble plus solide

L’argumentaire en faveur des infrastructures d’IA n’est pas difficile à défendre.

Les contraintes ici sont physiques. Google s’attend à ce que l’offre reste tendue jusqu’en 2026. Pour Amazon, l’accès à l’électricité est le principal goulet d’étranglement.⁵ Le taux de vacance des centres de données en Amérique du Nord avoisine les 1 %, et près des trois quarts des nouvelles capacités sont déjà loués avant même d’ouvrir.⁶ Les mémoires à haute bande passante (HBM) affichent complet jusqu’en 2027, avec des commandes qui courent déjà sur 2028. Quant aux turbines à gaz de GE Vernova, leur carnet de commandes est plein jusqu’en 2030.⁷

De plus, cette histoire ne repose pas uniquement sur des projections de demande futures. L’activité IA de Microsoft a franchi la barre des 37 milliards de dollars de revenus annualisés (run rate). Anthropic affirme tourner à 47 milliards, OpenAI autour de 25 milliards. Google Cloud a généré 58,7 milliards de dollars de chiffre d’affaires avec une marge opérationnelle de 24 %.⁸ Les clients paient, la capacité est saturée, et les plus grands constructeurs peuvent encore autofinancer une grande partie de leur expansion grâce à leurs activités historiques.

Ce sont des différences majeures par rapport aux télécoms de 1999, mais cela ne garantit en rien l’issue. La rareté à elle seule ne rend pas un investissement sain. Quatre conditions doivent être réunies :

1. l’offre doit rester sous tension,
2. la demande doit se traduire par une utilisation payante (monétisable),
3. l’actif doit résister à la banalisation (commoditisation), et
4. les clients qui souscrivent à ce déploiement doivent rester solvables et engagés.

1. La pénurie se déplace (de goulet en goulet)

Les puces d’IA étaient extrêmement rares en 2023. Les délais de livraison des H100 atteignaient onze mois. En un an, ils sont tombés à une fourchette de huit à douze semaines. La capacité de production de CoWoS (Chip-on-Wafer-on-Substrate, une technologie avancée d’encapsulation de puces de TSMC) a été multipliée par environ 9 en trois ans, tandis que le temps nécessaire pour déployer de nouvelles capacités a été presque divisé par deux.⁹

C’est la réaction classique de l’offre : une nouvelle puce s’arrache, les fournisseurs augmentent leur production, les délais se normalisent, et le goulet d’étranglement se déplace vers le composant suivant.

Aujourd’hui, il s’est déplacé vers la mémoire et l’électricité. Les mémoires à haute bande passante (HBM) sont vendues bien avant leur production, ce qui a permis à Micron d’afficher une marge brute de 84,6 % lors de son dernier trimestre.¹⁰ L’électricité, elle, met plus de temps à répondre. Les enchères de capacité de PJM en juillet 2026 ont atteint leur prix plafond pour la troisième année consécutive, avec un déficit projeté de 6 831 mégawatts. Les centres de données ont ajouté environ 2 000 mégawatts de demande, alors que seulement 525 mégawatts de nouvelle production ont été mis en service.¹⁰

On peut fabriquer du silicium plus rapidement, étendre des lignes d’encapsulation, mais on ne modernise pas un réseau électrique sur le cycle produit de 18 mois de la tech. Si le boom de l’IA possède une source durable de rareté, c’est bien celle-ci.

Cependant, la rente revient toujours au goulet d’étranglement actuel, et non automatiquement à l’entreprise qui s’est construite autour du précédent. C’est là toute la nuance.

2. Les revenus sont réels

La réalité de la demande est bien plus solide que lors de l’ère dot-com. La difficulté consiste à séparer le chiffre d’affaires réel des promesses.

Microsoft, Google et Oracle affichent plus de 1 700 milliards de dollars de carnet de commandes contractuel (backlog). À lui seul, Oracle dispose de 638 milliards de dollars d’obligations de performance restantes (RPO). Seuls 12 % environ de cette somme devraient se transformer en chiffre d’affaires d’ici un an. Environ 75 milliards de dollars concernent des clients qui ont prépayé ou fourni leurs propres GPU.¹¹

Le carnet de commandes est un indicateur précieux, mais ce n’est ni de la trésorerie, ni du profit, ni de l’utilisation réelle.

Le taux d’utilisation (la part de la capacité existante réellement exploitée) est rarement divulgué. Oracle affirme que ses GPU tournent à 97,5 %, mais c’est un chiffre non audité fourni par le vendeur.¹¹ Les prix offrent un signal plus fiable, et les premiers signes de discipline budgétaire apparaissent. Uber a plafonné ses dépenses d’IA après avoir consommé le budget d’une année entière en quatre mois. Lindy a migré son trafic vers DeepSeek.¹² Les entreprises qui cherchaient autrefois à maximiser l’utilisation des tokens commencent aujourd’hui à l’optimiser.

Cela ne signifie pas que la demande s’effondre. Cela signifie que la demande a un prix.

3. La performance devient de moins en moins chère

Nvidia reste la preuve la plus éclatante que la puissance de calcul n’est pas sur le point de se banaliser. Des marges brutes proches de 75 % montrent que la couche de valeur la plus cruciale reste rare et continue de capter la rente.¹³

Pourtant, un étage plus bas, les prix ont chuté brutalement, bien que pas de manière aussi linéaire que ne le suggèrent les gros titres. Les tarifs à la demande, qui reflètent le marché locatif global, ont glissé d’environ 6,60 dollars de l’heure fin 2023 à un plateau proche de 2,80 dollars à la mi-2025 (une baisse d’environ 60 %), avant de se stabiliser plutôt que de rebondir. Le célèbre point bas de 1,70 dollar, atteint en octobre 2025, et le rebond à 2,35 dollars en mars 2026 concernent le marché plus restreint des contrats d’un an. Les tarifs officiels des hyperscalers, situés entre 7 et 12 dollars, n’ont quant à eux jamais bougé.¹⁴ Une forte demande a absorbé une partie de l’excédent sans pour autant le faire disparaître.

Le silicium sur mesure (custom silicon) ajoute une autre source de pression. Les revenus trimestriels de Broadcom dans l’IA ont atteint 10,8 milliards de dollars, en hausse de 143 %, et l’entreprise prévoit 16 milliards pour le trimestre suivant. OpenAI a signé des contrats pour 1,3 gigawatt de ses propres accélérateurs à l’horizon 2027.¹⁵

Et puis, il y a les modèles eux-mêmes. Sur l’index d’Artificial Analysis, l’écart entre les meilleurs modèles ouverts (open-weight) et fermés s’est réduit de treize à six points en un an. Un ajustement ultérieur prenant mieux en compte les tâches agentiques a élargi cet écart à neuf points, préservant l’avance des laboratoires propriétaires là où réside actuellement une grande partie de la valeur d’entreprise. L’écart de prix est en revanche moins flatteur. Un modèle ouvert proche de l’état de l’art peut exécuter une suite de tests pour environ quatre cents par tâche, alors que le modèle fermé de pointe coûte entre 0,99 et 1,78 dollar.¹⁶

Fait marquant : les dix modèles ouverts les plus performants du classement d’Artificial Analysis sont tous chinois. Les modèles chinois ont dépassé les modèles américains en part de jetons (tokens) sur OpenRouter début juin 2026.¹⁶ Même si les laboratoires fermés conservent une longueur d’avance en termes de capacités brutes, ils sont désormais en concurrence avec des alternatives open-source largement suffisantes pour la majorité des cas d’usage, et ce pour une fraction du prix.

C’est là la plus forte analogie avec l’ère dot-com : non pas un effondrement de l’utilisation, mais une hausse fulgurante de la puissance par dollar dépensé.

4. Qui a signé le contrat ?

Le carnet de commandes d’Oracle paraît tout de suite moins rassurant dès lors que l’on examine l’identité des signataires. S&P a dégradé la note d’Oracle à BBB- en juillet 2026 (à un cran de la catégorie spéculative), estimant qu’OpenAI représente environ la moitié de ses obligations de performance restantes. Oracle a signé des baux de centres de données d’une durée de quinze à dix-neuf ans, garantis par des contrats clients qui n’en durent qu’environ cinq.¹⁷

Ce décalage de maturité est loin d’être anodin. HSBC estime qu’OpenAI aura besoin de 207 milliards de dollars de financements supplémentaires d’ici 2030. De plus, OpenAI a déjà revu à la baisse ses engagements annoncés, passant de 1 400 milliards de dollars à environ 600 milliards. De son côté, CoreWeave tire 67 % de ses revenus de Microsoft.¹⁸ Ce qu’il faut en retenir : un très petit nombre d’acheteurs soutient l’essentiel de l’infrastructure actuellement financée.

Ces acheteurs font également face à un nouveau problème : leurs clients d’entreprise préfèrent parfois posséder leur propre modèle.

Le PDG de Palantir, Alex Karp, a formulé cette crainte sans détour : « Est-ce que vous gardez nos données ? Allez-vous vous lancer sur notre marché ? »¹⁹ Palantir vendant une alternative, cette citation est loin d’être neutre, mais l’inquiétude est bien réelle. Anthropic a lancé plus d’une dizaine de produits verticaux depuis début 2025, dont Claude Design, qui concurrence directement Figma.²⁰ Les laboratoires de pointe affirment ne pas s’entraîner sur les données d’entreprise par défaut.²¹ Cela règle la question des contrats d’aujourd’hui, mais pas le conflit à long terme entre le rôle de fournisseur et celui de concurrent direct de son propre client.

Les entreprises ont d’autres cartes en main. Goldman Sachs fait tourner Llama à l’intérieur de son propre périmètre de conformité. Palantir et Nvidia vendent des systèmes où les clients conservent le contrôle exclusif des poids du modèle (model weights). Dell fait état d’un carnet de commandes d’IA de 51,3 milliards de dollars.²² Pour des volumes standards, les API gérées restent souvent moins chères que l’hébergement de modèles ouverts en interne, et une grande partie de l’usage open-weight se fait sur des serveurs cloud loués. Mais c’est le contrôle — et non le coût — qui pousse les entreprises à migrer en interne.

Cela ne mettrait pas fin au boom du calcul, mais cela en redirigerait les flux financiers. Les puces et l’électricité pourraient rester rares, tandis qu’un laboratoire ayant promis cinq ans de revenus verrait son client s’évaporer. Cette distinction est cruciale lorsque cette promesse de revenus a servi de caution pour signer un bail immobilier sur dix-sept ans.

Le paradoxe de Jevons est toujours bien présent

Il existe un contre-argument puissant à toute thèse de banalisation : lorsqu’une ressource utile devient moins chère, sa consommation peut augmenter à tel point que les dépenses totales finissent par s’accroître.

Google traitait 9 700 milliards de tokens par mois il y a deux ans. Il en traite aujourd’hui 3,2 quadrillions.²³ Les prix des tokens se sont effondrés, mais l’usage a progressé encore plus vite. La baisse du coût de l’inférence pourrait remplir chaque centre de données en cours de construction, même si aucun créateur de modèle ne parvient à conserver un pouvoir de fixation des prix (pricing power) significatif.

C’est exactement ce qui s’est produit à terme avec la bande passante. Le trafic Internet a fini par dépasser toutes les anciennes prévisions et a entièrement absorbé l’excédent de fibre optique. Mais c’est arrivé trop tard pour les actionnaires de Global Crossing. Jevons peut tout à fait sauver une classe d’actifs sans pour autant sauver l’entreprise qui a financé ces mêmes actifs sur une échelle de temps trop courte.

Pour les GPU, cette échelle de temps est particulièrement serrée. Leur durée de vie utile est d’environ quatre à six ans. Les dotations aux amortissements de Microsoft ont bondi de 146 % en deux ans, tandis que sa marge brute est redescendue à 67,6 %. Les amortissements immobiliers et matériels d’Oracle ont presque doublé en un an.²⁴ Si les prix de location chutent avant que ces actifs ne soient amortis, la réalité comptable rattrape très vite les entreprises.

La ligne de faille se situe à la périphérie

Il y a une différence majeure avec 1999 : Microsoft, Amazon, Alphabet et Meta possèdent des activités hautement rentables et des flux de trésorerie colossaux. Ce ne sont pas des Global Crossing.

Pour autant, la structure du financement évolue. Alphabet a levé environ 85 milliards de dollars de capitaux propres pour ses infrastructures d’IA. Les hyperscalers ont émis environ 159 milliards de dollars d’obligations en l’espace de cinq mois. Goldman Sachs estime que leurs dépenses d’investissement en 2026 absorberont la quasi-totalité de leur flux de trésorerie opérationnel.²⁵ L’affirmation selon laquelle ces investissements sont « autofinancés » mérite désormais un bémol.

Le risque le plus aigu se situe en dehors de ce noyau dur. Nvidia a accepté de garantir 6,3 milliards de dollars de capacités invendues chez un client, tout en prenant des participations dans les entreprises qui achètent ses puces. Meta a logé un centre de données de 27 milliards de dollars dans une coentreprise hors bilan (joint-venture), adossée à une garantie résiduelle de seize ans. Plus de 200 milliards de dollars de fonds de crédit privé financent les « neoclouds » (fournisseurs cloud spécialisés IA), via des prêts garantis par des GPU qui se déprécient à toute vitesse et par des contrats clients ultra-concentrés.²⁶

En juin, la Banque des règlements internationaux (BRI) a alerté sur le fait que le même actif physique pourrait être mis en gage plusieurs fois (re-hypothécation). De plus, Meta et SoftBank se lancent à leur tour dans la location de GPU, transformant d’importants clients de ces neoclouds en concurrents directs.²⁷

C’est là que l’analogie avec l’ère dot-com devient saisissante. Le danger n’est pas que la demande d’IA disparaisse. Il est que la durée des financements dépasse celle de la rente de rareté, que les garanties perdent leur valeur plus vite que prévu, ou qu’un seul client d’envergure décide de changer de trajectoire.

Ce qu’il faut surveiller

La question pertinente n’est pas de savoir si l’IA est une bulle. Ce mot englobe des réalités et des risques trop différents. Les vraies questions à se poser sont : Où se situe la pénurie ? À quelle vitesse l’offre y répond-elle ? Qui capte la rente ? Qui supporte l’amortissement ? Et quelle est la concentration de la base de clients ?

En 2026, les faits plaident en faveur des bâtisseurs. La capacité est saturée, l’électricité est rare et les revenus progressent à un rythme soutenu. Le risque consiste à croire que ces vérités sont immuables.

La fibre déployée lors du boom d’Internet est devenue une infrastructure indispensable. Pourtant, ses premiers financeurs y ont presque tout perdu. Le calcul lié à l’IA peut tout à fait suivre la première trajectoire sans pour autant épargner la seconde aux investisseurs. L’issue dépendra moins de l’efficacité de la technologie que de l’identité de celui qui détiendra l’actif physique le jour où la rareté cédera la place à l’abondance.