Le boom de l’IA, qui coûte plus cher qu’il n’en rapporte

Les infrastructures d’IA basées sur le Cloud entraînent des coûts insoutenables et des distorsions du marché

Les entreprises spécialisées dans l’IA dépensent des milliards pour construire des centres de données à l’échelle mondiale destinés à alimenter les systèmes d’IA générative. Ces installations nécessitent une puissance de calcul, une capacité de stockage et une consommation d’énergie considérables. Une grande partie de ces dépenses est financée par le capital-risque, même si bon nombre de ces entreprises ne sont pas encore rentables. À court terme, ce développement semble être un progrès : plus de capacité, de meilleures performances, des temps d’entraînement plus courts. Mais un déséquilibre croissant se creuse entre l’ambition et la réalité économique.

Les fabricants de microprocesseurs réorientent leur production, délaissant les mémoires standard — celles utilisées dans les appareils courants tels que les ordinateurs portables et les smartphones — au profit de microprocesseurs spécialisés destinés aux serveurs d’IA, comme les composants 3D NAND. Cette décision réduit l’offre dans le secteur de l’électronique grand public, ce qui entraîne une hausse des prix et diminue le rapport qualité-prix pour les consommateurs. Les entreprises commercialisent des produits aux caractéristiques techniques moins performantes afin de compenser la hausse des coûts. Cette dynamique ne nuit pas seulement aux consommateurs ; elle affecte également l’équilibre à long terme du marché.

Les décideurs doivent en prendre pleinement conscience. Le modèle actuel immobilise des capitaux dans des infrastructures à grande échelle qui ne sont pas forcément rentables à court terme, voire pas du tout. La distorsion de la chaîne d’approvisionnement qu’il engendre met en évidence une inefficacité plus profonde : on mise trop sur une seule carte avant même que la viabilité économique ne soit prouvée. Réorienter une partie de ces investissements vers des systèmes d’IA plus modestes et localisés pourrait rééquilibrer la situation, en offrant un meilleur rapport coût-efficacité sans freiner l’innovation.

Selon Gartner, les livraisons d’ordinateurs personnels devraient reculer de 10,4 % et celles de smartphones de 8,4 % en 2026, avec des hausses de prix respectives de 17 % et 13 %. TrendForce prévoit que les prix de la mémoire augmenteront de 75 % en plus de la hausse de 100 % déjà observée. Il ne s’agit pas là de fluctuations temporaires, mais de tensions structurelles touchant l’ensemble du secteur. Si nous continuons à investir de manière déséquilibrée dans des infrastructures centralisées, l’écosystème tout entier deviendra fragile. Ce qu’il faut aujourd’hui, c’est une allocation plus judicieuse des ressources, et pas seulement davantage de dépenses.

La viabilité économique de l’IA basée sur le Cloud est fragile et pourrait ne pas être durable

Le modèle économique actuel qui sous-tend l’IA atteint ses limites. De nombreuses entreprises subventionnent leurs activités à une échelle qui n’est pas viable à long terme. Les chiffres sont sans appel : pour environ 200 dollars par mois, les utilisateurs peuvent consommer pour 8 000 dollars de jetons Anthropic ou pour 14 000 dollars de jetons OpenAI. Ce déséquilibre révèle une structure de coûts qui ne correspond pas à la création de valeur réelle.

Le critique technologique Ed Zitron a qualifié la situation d’« économie de l’IA déjà en faillite », laissant entendre que ce à quoi nous assistons pourrait bien être une bulle spéculative classique. OpenAI, Anthropic et même Meta envisagent déjà des baisses de prix et un resserrement des limites d’utilisation en interne. Un dirigeant de Cisco a admis publiquement que les coûts liés aux jetons sont supérieurs à la valeur commerciale qu’ils génèrent actuellement. Le Times a également rapporté que deux grandes banques mondiales avaient dépensé 1 milliard de dollars dans des expériences d’IA qui n’ont généré pratiquement aucun rendement mesurable. Ces exemples mettent en évidence un système financier sous pression, alimenté davantage par l’engouement que par une économie durable.

Pour les dirigeants de haut niveau, c’est un signal d’alerte. Le secteur doit dépasser sa mentalité initiale axée sur la croissance à tout prix. Il est temps de mesurer les progrès en termes de retour sur valeur. Les cas d’utilisation subventionnés peuvent donner lieu à des démonstrations impressionnantes, mais ne se traduisent pas toujours par une adoption significative au sein des entreprises. La prochaine vague dépendra de la capacité à rendre l’IA viable sans avoir à la subventionner pour qu’elle voie le jour.

Les dirigeants doivent réfléchir à la résilience. La technologie évolue rapidement, et des structures de coûts qui semblent aujourd’hui élevées pourraient baisser dès demain ; or, cette période de transition peut mettre à mal les bilans si la stratégie ne s’adapte pas. L’intelligence artificielle va transformer le monde des affaires, mais les entreprises qui s’imposeront seront celles qui se construiront avec rigueur.

L’IA embarquée (en périphérie) pourrait rendre obsolètes les investissements massifs dans les centres de données

L’IA évolue progressivement des serveurs centralisés vers des appareils qui traitent les informations localement. C’est ce qu’on appelle l’IA en périphérie (edge AI) : l’apprentissage automatique s’effectue directement sur le téléphone, l’ordinateur portable ou un appareil connecté, plutôt que dans un centre de données distant. Les implications sont considérables. Cela se traduit par une baisse des coûts d’exploitation, une latence réduite, une meilleure protection de la vie privée et une moindre dépendance vis-à-vis d’une infrastructure de serveurs à grande échelle.

Apple est à la pointe de cette évolution. En collaboration avec Google Gemini, l’entreprise a optimisé de grands modèles d’IA pour en faire des versions efficaces qui s’exécutent directement sur son matériel. Il en résulte une Siri plus performante, une assistante capable d’analyser des e-mails, des messages, des photos et même d’extraire des données pertinentes du Web, tout en conservant la majeure partie du traitement sur l’appareil. Ce travail s’inscrit dans la lignée de l’attention que porte Apple depuis longtemps à la sécurité et à la confidentialité. L’entreprise a également mis en place un écosystème de développeurs autour de son cadre « Foundation Models » et a lancé MLX Distributed, qui permet à différents appareils Apple de collaborer pour exécuter des tâches d’IA. Son acquisition de Liquid AI renforce encore davantage son engagement en faveur de cette vision.

Pour les dirigeants, cette transition revêt une importance particulière, car l’IA en périphérie répartit la charge de calcul sur des millions d’appareils. Cela modifie radicalement la dynamique des coûts, réduisant ainsi la nécessité d’investissements en capital considérables dans les infrastructures cloud. La consommation d’énergie, la gestion des données et les risques liés à la conformité sont également minimisés, puisque les données des utilisateurs restent stockées localement. Les entreprises qui s’appuient exclusivement sur l’IA basée sur le Cloud risquent de voir leur infrastructure devenir obsolète plus rapidement que prévu, un problème susceptible d’éroder leur rentabilité bien avant la fin des plans d’amortissement.

Tim Cook, PDG d’Apple, a déjà mis en garde contre la hausse des prix des composants, alimentée par une demande accrue en composants mémoire haut de gamme. Mais l’orientation d’Apple vers l’IA embarquée montre qu’il existe une voie plus efficace. Il ne s’agit pas d’abandonner le cloud, mais de reconnaître que la périphérie prendra en charge une part croissante des tâches d’IA dans le monde réel. Les entreprises qui en prendront conscience rapidement alloueront mieux leurs capitaux et mettront en place des modèles économiques plus durables à long terme.

La ruée vers le matériel dédié à l’IA contribue à l’inflation des prix à la consommation et à la perte de valeur des produits

L’importance considérable accordée par le secteur aux serveurs d’IA est en train de transformer le marché de l’électronique, ce qui a un coût élevé. Les fournisseurs de mémoire donnent la priorité aux composants liés à l’IA, ce qui entraîne des pénuries de pièces standard destinées aux appareils grand public. Cette pénurie pousse les fabricants à augmenter leurs prix ou à réduire discrètement les spécifications de performance afin de maintenir les produits à un prix abordable, une pratique souvent qualifiée de « shrinkflation ».

Les principaux acteurs ont déjà pris des mesures. Sony a augmenté le prix de la PlayStation 5 de 100 dollars, tandis que Microsoft, Nintendo et Samsung ont tous relevé les prix de leurs appareils sur l’ensemble de leurs gammes de produits. Même Apple, réputé pour sa rigueur en matière de maîtrise des coûts, prévoit une hausse de 100 à 150 dollars du prix du prochain iPhone 18 Pro. Ces évolutions sont directement liées aux contraintes de la chaîne d’approvisionnement. La capacité de production restant limitée, les fournisseurs peuvent pratiquer des prix plus élevés, et rares sont ceux qui sont disposés à augmenter leur production en raison de l’incertitude quant à la pérennité de la demande en matière d’IA.

Les dirigeants devraient considérer cette tendance à la fois comme un risque et comme un signal. La hausse des coûts de production peut nuire au moral des consommateurs, réduire les marges et limiter les cycles d’innovation. Lorsque des composants essentiels se font rares, les fabricants sont souvent contraints de faire des compromis qui réduisent la différenciation et la qualité des produits. Pour les entreprises à la tête de chaînes d’approvisionnement mondiales, atténuer ces effets implique de nouer des relations directes avec les fournisseurs, de diversifier la production ou d’investir en amont dans le développement des technologies de mémoire.

Tim Cook, PDG d’Apple, a clairement indiqué que les hausses de prix à venir sont liées à la forte augmentation de la demande en composants d’IA. Les prévisions de Gartner vont dans ce sens : les livraisons d’ordinateurs personnels devraient baisser de 10,4 % et celles de smartphones de 8,4 % en 2026, tandis que les prix moyens augmenteraient respectivement de 17 % et 13 %. La question de la mémoire revêt ici une importance cruciale. À mesure que l’IA s’intègre de plus en plus dans tous les secteurs de l’économie, le secteur technologique doit remédier aux déséquilibres de l’offre, sous peine de s’exposer à une période prolongée de prix élevés et de ralentissement de la croissance.

Pour les dirigeants d’entreprise, l’élément clé à retenir est le contrôle : le contrôle de la structure des coûts, de la stratégie en matière de composants et de l’orientation technologique. Les entreprises qui réussiront dans ce contexte seront celles qui sauront gérer la pénurie grâce à l’innovation et à un approvisionnement anticipé.

Le passage à l’IA en périphérie a des conséquences majeures pour les investisseurs dans les infrastructures basées sur le Cloud

L’évolution de l’IA vers le calcul en périphérie s’accélère plus rapidement que ne l’avaient prévu de nombreux investisseurs. À mesure que l’IA en périphérie gagne en performances, le besoin en infrastructures cloud massives pourrait diminuer considérablement. Les entreprises ont déjà investi des milliards dans la construction de centres de données conçus pour les grands modèles linguistiques et les charges de travail liées à l’IA générative. Ces investissements se justifiaient lorsque l’ensemble des calculs d’IA devaient être effectués sur des serveurs centralisés. Mais à mesure que les modèles locaux dépassent les attentes, le bien-fondé de ces dépenses d’infrastructure s’affaiblit.

Lorsque les charges de travail liées à l’IA sont transférées vers les appareils, la rentabilité des centres de données à grande échelle perd de son attrait. Les coûts de maintenance, la consommation d’énergie et les cycles de mise à niveau du matériel sont élevés, tandis que l’horizon de rentabilité ne cesse de s’allonger. Avec l’apparition fréquente de nouvelles générations de processeurs, même les serveurs de centres de données les plus récents, tels que ceux équipés du H200 de Nvidia, devront être mis à niveau plus tôt que prévu. Si le taux d’utilisation baisse avant que les investisseurs ne réalisent leurs bénéfices, ces actifs risquent de perdre rapidement de la valeur. Pour les organisations disposant d’une infrastructure cloud étendue, cela pourrait entraîner une baisse des revenus alors que les coûts d’exploitation restent élevés.

Pour les dirigeants et les investisseurs, le message est clair. L’avenir de l’IA réside dans la combinaison des capacités du cloud et de l’intelligence distribuée sur l’ensemble des appareils. Les entreprises qui continuent d’allouer leurs capitaux principalement à des infrastructures lourdes et centralisées pourraient se retrouver surexposées à des technologies en voie de maturité. L’accent doit désormais être mis sur des systèmes adaptables qui font le lien entre l’IA dans le cloud et l’IA en périphérie, tout en conservant une évolutivité suffisante sans immobiliser de ressources dans des infrastructures qui pourraient bientôt connaître une baisse de la demande.

Cette transition offre également des opportunités. Les entreprises qui développent du matériel optimisé pour l’IA locale ou des outils destinés au calcul décentralisé devraient en tirer profit. Les investisseurs devraient suivre cette tendance de près et adapter leurs portefeuilles en conséquence. Les gagnants seront ceux qui anticiperont cette évolution et s’y adapteront.

Dans l’ensemble, la transition vers l’IA en périphérie n’est pas un concept lointain, c’est une réalité en cours. Ceux qui s’accrochent à des stratégies centrées sur l’informatique Cloud sans diversification s’exposent à une dépréciation significative de leurs actifs. Pour les décideurs, la tâche consiste désormais à aligner les stratégies de transformation numérique sur l’évolution du calcul, en garantissant une agilité tant dans l’adoption des technologies que dans le déploiement des capitaux.

Principaux enseignements pour les décideurs

• Les investissements dans l’IA dans le cloud sont à l’origine d’un déséquilibre du marché : le surinvestissement dans les infrastructures cloud met à rude épreuve les chaînes d’approvisionnement et fait grimper les prix des appareils. Les dirigeants devraient réévaluer l’affectation de leurs capitaux en faveur de modèles d’IA évolutifs et durables qui ne faussent pas les marchés des composants.
• Le modèle économique de l’IA n’est pas viable dans les conditions actuelles : l’écart entre les coûts et la valeur ajoutée des services d’IA basés sur le Cloud ne cesse de se creuser. Les dirigeants devraient évaluer rigoureusement le retour sur investissement et s’orienter vers des solutions générant des retombées opérationnelles ou financières mesurables.
• L’IA en périphérie s’impose comme une approche plus intelligente et plus rentable : l’IA intégrée aux appareils réduit la dépendance vis-à-vis des centres de données, diminue les coûts et renforce la protection de la vie privée. Les décideurs devraient commencer à intégrer les capacités de l’IA en périphérie dans leurs stratégies relatives aux produits et aux infrastructures afin d’améliorer l’évolutivité et la résilience.
• Les pénuries de matériel entraînent une hausse des prix à la consommation et une baisse de la valeur ajoutée : la demande en mémoires de pointe, stimulée par l’intelligence artificielle, fait grimper les coûts des produits électroniques tout en réduisant la qualité des performances. Les dirigeants devraient diversifier leurs fournisseurs, s’assurer de disposer des composants essentiels suffisamment tôt et investir dans des matériaux alternatifs ou dans des capacités de production supplémentaires.
• Le passage de l’informatique Cloud à l’edge computing comporte des risques majeurs en matière d’investissement : les actifs existants des centres de données risquent de perdre de la valeur à mesure que le calcul d’IA se décentralise. Les dirigeants et les investisseurs devraient rééquilibrer leurs portefeuilles en privilégiant une infrastructure d’IA hybride et adaptable, qui s’inscrit dans une logique d’efficacité et de flexibilité à long terme.