Bulle de l’IA : cinq indicateurs pour séparer emballement et investissement

Les investissements dans l’intelligence artificielle ne forment ni une bulle uniforme ni un bloc d’actifs nécessairement productifs. Le diagnostic dépend du segment observé : des infrastructures peuvent générer des revenus réels tandis que certaines valorisations, structures de financement ou projections reposent encore sur des bénéfices incertains.

Cinq indicateurs permettent de séparer ces situations : valorisation, financement, concentration, conversion des dépenses en activité payante et productivité. Aucun ne suffit isolément ; l’alerte devient sérieuse lorsque plusieurs se dégradent simultanément, par exemple si la dette et les valorisations progressent sans hausse correspondante des revenus, de l’utilisation des capacités ou des gains opérationnels.

1. Rapporter les valorisations à des revenus réalisables

Le premier indicateur mesure l’écart entre le prix d’un actif et ses fondamentaux. Il faut distinguer les semi-conducteurs, les centres de données, les développeurs de modèles et les logiciels applicatifs, puis comparer sur plusieurs années la valeur d’entreprise au chiffre d’affaires, aux flux de trésorerie disponibles, aux marges et aux commandes effectivement contractualisées.

La prépublication de Qianan Wang et Zen Chen combine valorisation fondamentale, tests d’exubérance, dynamique des prix, sentiment de marché, émissions de titres et délai de récupération des investissements ; elle conclut à une technologie réelle accompagnée de fragilités comparables à une bulle dans certains segments. Ce cadre ne constitue toutefois ni une validation par les pairs ni un consensus académique, et ses résultats dépendent des entreprises, des périodes et des méthodes retenues.

Le signal d’emballement apparaît lorsque les bénéfices attendus à long terme expliquent l’essentiel de la valorisation alors que les prévisions de revenus ou de marges cessent de progresser. À l’inverse, un multiple élevé peut rester cohérent avec un investissement productif si la demande payante, les revenus et les flux de trésorerie convergent vers les hypothèses retenues.

2. Additionner dette et engagements économiques

Le deuxième indicateur porte sur la manière dont l’expansion est financée. Sur au moins huit trimestres, le tableau de bord doit rapprocher dette brute, émissions obligataires, charges d’intérêt, loyers de longue durée, garanties et engagements d’achat de capacité des flux de trésorerie d’exploitation.

La Banque des règlements internationaux chiffre à plus de 100 milliards de dollars les émissions obligataires brutes des hyperscalers en 2025 et décrit des montages hors bilan dans lesquels une coentreprise ou une entité dédiée acquiert des centres de données, reçoit des capitaux de ses promoteurs et emprunte auprès d’investisseurs privés.

La dette ne prouve pas une bulle : elle peut répartir le coût d’un actif utilisé pendant plusieurs années. Le risque augmente cependant si les engagements croissent plus vite que les flux d’exploitation, si leur remboursement suppose un refinancement continu ou si des loyers et achats fermes transfèrent au locataire une grande partie du risque économique sans apparaître comme une dette ordinaire.

3. Cartographier concentration et financements circulaires

Le troisième indicateur examine qui finance, fournit et achète. Il faut suivre sur douze mois glissants le poids des principaux clients dans le chiffre d’affaires de chaque fournisseur, la concentration des dépenses entre quelques entreprises et les participations croisées associées à des contrats commerciaux.

Le rapport de la délégation aux entreprises du Sénat du 28 avril 2026 évoque une possible concentration accrue des marchés de la dette, des accords financiers endogames entre un nombre restreint d’acteurs qui s’alimentent mutuellement et de fortes barrières à l’entrée favorisant les entreprises établies dans l’IA générative.

Une participation d’un fournisseur dans un client n’est pas nécessairement artificielle : elle peut accélérer le développement d’un marché. Elle devient plus préoccupante lorsque le capital reçu revient au financeur sous forme d’achats, que ces achats représentent une part importante des revenus affichés et que le client doit lever de nouveaux fonds pour les maintenir. La comparaison France–États-Unis doit donc porter sur ces dépendances, pas seulement sur la capitalisation des entreprises cotées.

4. Relier les dépenses à une capacité réellement payante

Le quatrième indicateur sépare l’actif construit de l’actif rentable. Pour chaque cohorte d’investissement, il faut relier la dépense engagée à la capacité mise en service, puis au taux d’utilisation facturé, à la marge après énergie et amortissement, et enfin au flux de trésorerie disponible.

Un centre de données ou un processeur reste un actif tangible même s’il a été surévalué. Sa rentabilité dépend toutefois de la vitesse de raccordement, du coût de l’électricité, de la durée de vie économique du matériel, des prix du calcul et de la solidité financière des clients. Une capacité réservée ne vaut pas toujours consommation facturée ; le signal se détériore si l’offre disponible augmente pendant que l’utilisation, les prix ou les marges reculent.

L’utilisation se suit utilement chaque trimestre, tandis que le rendement du capital demande une période plus longue correspondant à la mise en service des installations. Comparer directement les dépenses d’une année aux recettes de la même année peut produire un faux signal, car une infrastructure en construction ne génère pas encore de revenus.

5. Mesurer la productivité plutôt que l’adoption

Le cinquième indicateur se situe chez les entreprises utilisatrices. Le nombre de licences, de requêtes ou de pilotes décrit l’adoption, non la valeur créée. Une mesure exploitable compare, avant et après le déploiement, la valeur ajoutée par heure, la durée des processus, les erreurs, les reprises manuelles, le coût complet et la marge, en contrôlant autant que possible les variations de demande et d’effectifs.

L’analyse publiée par l’Insee le 24 mars 2026 estime que l’investissement numérique a contribué pour 0,7 point à la croissance américaine de 2025, centres de données compris, contre environ 0,1 point pour l’investissement des entreprises françaises dans l’information et la communication. Les périmètres ne sont pas parfaitement symétriques : les dépenses exclusivement liées à l’IA ne peuvent pas être isolées et la France ne dispose pas d’une série sur les centres de données comparable à la série américaine.

Cet écart mesure donc une impulsion d’investissement plus forte aux États-Unis, pas une supériorité durable de productivité. À l’échelle d’une entreprise, un gain sur une tâche ne produit un rendement économique que s’il améliore le résultat global sans déplacer les coûts vers la vérification, la sécurité ou la correction.

Un faisceau de signaux, pas un score magique

Une valorisation tendue peut correspondre à une construction productive si elle s’accompagne de revenus, d’une capacité utilisée, d’un financement soutenable et de gains mesurables. La combinaison inverse — attentes lointaines, engagements opaques, revenus circulaires, capacité sous-utilisée et productivité non démontrée — caractérise plus solidement un emballement.

Le tableau de bord doit rester ventilé par segment, avec des périodes adaptées à chaque mesure. Il ne prévoit ni le moment d’une correction ni le destin de toute l’industrie ; il évite surtout de confondre la valeur potentielle d’une technologie avec le rendement de chaque entreprise et de chaque infrastructure financée en son nom.