L’intelligence artificielle est sans aucun doute la protagoniste incontestée des marchés financiers et technologiques des dernières années. Cependant, alors que l’enthousiasme autour de ses potentialités grandit, des signaux invitant à la prudence émergent également. La comparaison avec la bulle des dot-com du début du millénaire est de plus en plus fréquente parmi les analystes et les investisseurs, qui observent avec inquiétude la concentration de valeur dans les soi-disant Magnificent Seven : Alphabet, Amazon, Apple, Meta, Microsoft, Nvidia et Tesla.
Ces géants représentent aujourd’hui plus d’un tiers de l’indice S&P 500, une part bien supérieure aux 15 % détenus par les principales actions technologiques lors du pic de la bulle internet en 2000. Une telle concentration augmente inévitablement le risque systémique.
Ce n’est pas seulement une question de capitalisation. À l’époque de la bulle dot-com, la ruée vers les investissements dans les infrastructures de télécommunication a conduit à une expansion excessive des réseaux en fibre optique, culminant en des échecs catastrophiques lorsque la demande promise ne s’est pas matérialisée à court terme.
Aujourd’hui, l’histoire semble se répéter : les principales entreprises d’IA investissent des centaines de milliards de dollars dans la construction de nouveaux centres de données, avec une dépense totale qui s’approche des trillions de dollars, des chiffres autrefois associés uniquement au PIB des grandes nations. La question que tout le monde se pose est de savoir si cette course aux investissements est justifiée ou si l’on se trouve au bord d’une nouvelle crise.
Sommaire
La demande d’Intelligence Artificielle (IA) : au-delà du boom des consommateurs
L’attention médiatique est souvent dirigée vers l’adoption de masse d’outils comme ChatGPT, qui, rien qu’au mois de juillet, a dépassé les cinq milliards de visites. Cependant, le véritable impact économique de l’IA se mesurera sur la base de l’adoption tant par les consommateurs que par les entreprises.
Selon les données publiées par le National Bureau of Economic Research, environ 40% de la population américaine a utilisé des systèmes d’AI générative d’ici la fin de 2024, et 23% les ont utilisés au moins une fois pour le travail dans la semaine précédant le sondage. L’adoption de l’AI dans le monde du travail se fait à un rythme plus rapide que celui enregistré pour l’ordinateur personnel ou pour internet à leurs débuts respectifs, signe que nous sommes face à une technologie d’usage général destinée à transformer profondément l’économie.
Pourtant, le chemin vers un retour économique tangible est loin d’être simple. Une recherche menée par le MIT sur plus de 300 initiatives AI publiques, plus de 50 entreprises et des centaines de dirigeants, a révélé que 95% des entreprises n’obtiennent pas encore de retours sur les investissements en AI. Seuls 5% des entreprises analysées ont réussi, grâce à trois facteurs clés : préférer l’achat de solutions prêtes à l’emploi plutôt que le développement interne, intégrer l’AI directement dans les unités de business plutôt que dans des laboratoires centraux, et choisir des outils compatibles avec les flux de travail existants.
Malgré la difficulté à transformer l’IA en valeur concrète, 90% des entreprises envisagent sérieusement l’achat de solutions IA, confirmant un intérêt répandu qui suit le cycle de battage médiatique classique des technologies innovantes.
Un exemple emblématique est celui de Bank of America, la deuxième banque des États-Unis, qui a consacré quatre milliards de dollars à de nouvelles technologies comme l’IA. L’institution a développé un outil qui aide les banquiers à se préparer aux rencontres avec les clients, en récupérant des informations de différents systèmes et en réduisant drastiquement le temps de préparation.
Limites et perspectives des modèles AI actuels
L’expansion de l’utilisation de l’IA alimente le débat sur ses réelles potentialités et sur la durabilité du modèle de développement actuel. Jusqu’à présent, les progrès ont été entraînés par les large language models, qui s’améliorent avec l’augmentation de la puissance de calcul et de la quantité de données disponibles. Cependant, certaines voix autorisées du secteur appellent à la prudence.
Richard Sutton, pionnier de l’IA, avait déjà observé en 2019 que les méthodes générales exploitant la puissance de calcul surpassent celles basées sur l’ingéniosité humaine et sur des heuristiques complexes, définissant cette réalité comme “The Bitter Lesson”. Récemment, Sutton a critiqué l’accent excessif sur l’augmentation d’échelle, suggérant la nécessité d’un changement de paradigme vers des agents capables d’apprendre de manière continue.
Également, Gary Marcus, critique connu de l’engouement pour l’IA, a exprimé des doutes sur les dernières versions de ChatGPT, soutenant que le modèle de développement basé exclusivement sur l’échelle ne représente pas la bonne voie. Selon Marcus, des approches alternatives sont nécessaires, qui pourraient nécessiter des investissements encore plus importants en recherche et développement.
Bulle AI : entre excès d’optimisme et risque de correction
Le débat sur la possible bulle de l’IA devient de plus en plus intense, surtout lorsque des figures comme Sam Altman, l’un des principaux artisans du boom actuel, mettent en garde contre le risque d’un marché surchauffé. Altman et d’autres investisseurs signalent des évaluations astronomiques, des capitaux poursuivant des modèles d’affaires encore non éprouvés et le danger de construire des infrastructures à un rythme supérieur à la demande réelle. La crainte ne concerne pas tant le potentiel à long terme de l’IA, mais plutôt les attentes gonflées qui pourraient préparer le terrain à une correction brutale.
Le véritable risque, selon de nombreux observateurs, est de tomber dans une vision binaire, oscillant entre l’enthousiasme irrationnel et la peur d’une bulle imminente, sans saisir les nuances d’un phénomène complexe. Le potentiel à long terme de l’IA reste énorme, mais les marchés suivent rarement des trajectoires linéaires. Une correction pourrait ralentir temporairement la croissance, mais en même temps renforcer la discipline dans les investissements et pousser vers une plus grande attention à la qualité des modèles et à la valeur économique réelle.
Verso le futur : discipline, recherche et valeur concrète
L’avenir de l’intelligence artificielle dépendra de la capacité à dépasser l’actuelle phase de hype, en se concentrant sur la recherche avancée, l’amélioration de la qualité des modèles et les investissements ciblés pour générer une valeur mesurable pour les entreprises et les consommateurs. Ce n’est qu’ainsi qu’il sera possible d’éviter les erreurs du passé et de tirer pleinement parti des opportunités offertes par une technologie destinée à redéfinir notre façon de vivre et de travailler.




