La bulle de l’IA va-t-elle vraiment éclater

La bulle de l’IA devrait se dégonfler lentement plutôt que d’éclater de manière catastrophique

On entend beaucoup de choses en ce moment sur la question de savoir si le marché de l’IA est une bulle et s’il va éclater. C’est une question légitime. Les évaluations actuelles suggèrent que le marché se situe quelque part entre 1,5 et 46 000 milliards de dollars, selon la personne à qui vous posez la question. C’est nettement plus que ce que nous avons connu à l’époque des « dot-com ». Mais contrairement à la fin des années 90, il ne s’agit pas d’un château de cartes.

Ce qui maintient ce marché stable, c’est que les plus grands acteurs, Microsoft, Google, Meta, Amazon, ne sont pas des acteurs spéculatifs. Ce sont des entreprises rentables, riches en liquidités, qui s’appuient sur des écosystèmes entiers. Elles peuvent se permettre d’investir des milliards dans la R&D et l’infrastructure sans attendre de retour immédiat. Ces entreprises ne jouent pas aux jeux d’argent. Elles construisent, à long terme, des outils fondamentaux qui finiront par remodeler le fonctionnement des entreprises.

L’investissement dans l’IA n’est plus traité comme un pari à part. Ils sont intégrés dans les budgets informatiques et de R&D normalisés des différentes industries, ce qui signifie que le capital est plus solide et qu’il ne s’évanouit pas du jour au lendemain lorsque l’humeur baisse. Les gouvernements ont également leur mot à dire. La sécurité nationale, la compétitivité économique et la politique industrielle sont désormais toutes liées à l’IA. Cela renforce la résilience.

Mais cela ne veut pas dire que tout va bien. Les valorisations sont gonflées, les attentes sont en avance sur la réalité et, oui, une partie de cette inflation devra être corrigée. Mais nous ne sommes pas au bord d’une falaise. Nous assistons à une lente descente. Les entreprises ont ainsi le temps de s’adapter, d’apprendre et de se positionner de manière pertinente. Pour les dirigeants, la conclusion est simple : maintenez le cap, mais gardez vos attentes à la bonne place.

Selon l’OCDE, l’investissement mondial dans l’IA est une source essentielle de dynamisme économique face à des vents contraires plus importants tels que les tarifs douaniers. Ils contribuent à maintenir un sentiment de résilience macroéconomique, même si cette croissance ne repose pas encore sur des rendements réels.

Les entreprises d’IA générative (GenAI) sont confrontées à des problèmes de rentabilité et d’adoption

Ce qu’il faut bien comprendre, c’est qu’un investissement élevé ne garantit pas un rendement élevé. Cela n’est nulle part plus évident que dans l’IA générative. Les entreprises devraient investir entre 30 et 40 milliards de dollars dans l’IA générative d’ici à 2025. Environ 95 % de cette somme ne devrait pas générer de retour sur investissement. Cette statistique à elle seule devrait faire réfléchir les dirigeants.

Le problème n’est pas que la GenAI n’a pas de valeur. C’est que la voie de la monétisation est encore obscure. La plupart des modèles de GenAI sont incroyablement gourmands en ressources informatiques. Ils nécessitent une infrastructure coûteuse, des centres de données spécialisés, des GPU puissants et un recyclage constant. Et les résultats, bien que souvent impressionnants, ne se traduisent pas encore par un retour sur investissement cohérent pour les entreprises. Les cas d’utilisation sont encore exploratoires, la génération de contenu, l’automatisation du support client, les copilotes de codage, mais aucun d’entre eux n’est totalement mature.

Vous observez également des flux de capitaux circulaires qui gonflent artificiellement la demande. L’investissement de 100 milliards de dollars de NVIDIA dans OpenAI en est un bon exemple. Cet argent finance des infrastructures pour faire fonctionner les microprocesseurs de NVIDIA. Sur le papier, il s’agit de croissance. En réalité, il s’agit d’une vitesse interne, et non d’une preuve de l’attraction réelle du marché par les clients.

Les dirigeants doivent distinguer le signal du bruit. Dépenser beaucoup d’argent pour la GenAI ne fait pas automatiquement avancer l’aiguille. Vous voulez mesurer les résultats réels : réduction des coûts, accélération des temps de cycle, amélioration de la précision, nouvelles recettes. Et si ces résultats ne sont pas au rendez-vous, vous devez changer d’approche. Il n’est pas temps de se retirer complètement, il est temps d’être plus précis.

L’IA est couronnée de succès lorsqu’elle est directement liée à un problème commercial, clairement défini, clairement mesuré et clairement résolu. Continuez à explorer, mais ne dérivez pas. La consommation de capital peut être pardonnée si elle est au service de la construction de quelque chose de transformationnel. Elle ne peut pas être justifiée si elle n’est que le fruit d’un battage médiatique.

La stagnation technologique dans le domaine de l’IA pourrait tempérer les attentes trop optimistes des investisseurs

L’IA a connu un essor considérable au cours des dernières années. Nous sommes passés d’une automatisation de base à des systèmes capables de générer du code, de rédiger du contenu et d’analyser instantanément de grands blocs de données. Mais nous entrons maintenant dans une phase où les progrès commencent à ralentir, du moins en ce qui concerne les capacités fondamentales. Les principaux modèles actuels n’affichent pas les mêmes progrès exponentiels que ceux observés dans un passé récent.

Les investisseurs qui parient sur des bonds rapides vers l’intelligence généralisée, ou même vers des assistants beaucoup plus intelligents, sont probablement en avance sur la réalité. La technologie ne dispose pas encore des capacités nécessaires pour perturber les entreprises à grande échelle. Les limites du modèle, telles que les hallucinations, le manque de conscience du contexte, les problèmes de mémoire à long terme ou l’incapacité à expliquer le raisonnement, ne sont toujours pas résolues en termes pratiques. Ces problèmes ne sont pas mineurs, et leur résolution nécessitera plus de temps, plus de données et plus de percées, dont aucune n’est programmée à l’avance.

Le PDG d’OpenAI, Sam Altman, a été clair à ce sujet. Il a récemment prévenu que l’enthousiasme des investisseurs était exagéré et a déclaré que « quelqu’un allait perdre une quantité phénoménale d’argent ». Lorsque la personne à la tête de l’une des entreprises d’IA les plus en vue au monde fait ce genre de déclaration, cela a de l’importance. C’est un signal.

Ce qu’il faut maintenant, c’est de la patience et de la précision. Il est facile de prévoir que l’IA va tout transformer, mais les entreprises doivent construire en tenant compte de la réalité d’aujourd’hui. Il est important de suivre la R&D, mais il est encore plus important de déployer ce qui fonctionne réellement et de suivre les résultats mesurables. C’est ainsi que vous pourrez suivre le rythme sans vous surmener.

Pour les cadres dirigeants, la solution pratique consiste à redéfinir les délais. Réduisez votre dépendance à l’égard de percées présumées et concentrez-vous plutôt sur des cas d’utilisation évolutifs et très fiables dès maintenant. Vous voulez que votre organisation soit prête à bénéficier de la prochaine génération de modèles lorsqu’elle arrivera, mais vous ne devez pas tout miser sur le moment ou la manière dont elle apparaîtra.

Les investissements dans l’IA sont de plus en plus motivés par des engagements stratégiques à long terme plutôt que par des spéculations à court terme.

La manière dont l’IA est prise en compte dans les dépenses des entreprises est un changement majeur qui se produit actuellement. Elle n’est plus traitée comme une tendance. Elle devient une infrastructure, intégrée dans des portefeuilles plus larges d’informatique, de transformation numérique et d’innovation. C’est important car cela indique un alignement à long terme au lieu de l’opportunisme à court terme que nous avons vu avec les cycles technologiques passés.

Les entreprises intègrent déjà les coûts de l’IA dans leurs budgets annuels, attribuent des rôles en matière d’IA aux équipes opérationnelles et reconfigurent les plateformes pour gérer les charges de travail natives de l’IA. Il ne s’agit pas d’un comportement à court terme. Il s’agit d’un investissement fondamental. Cela montre que l’on comprend que la différenciation concurrentielle dans les cinq prochaines années dépendra de la manière dont l’IA améliorera le flux de travail, la prise de décision et l’expérience client, et non de l’aspect novateur de la technologie lors d’une démo.

Plus importante encore est la manière dont ces investissements sont déployés. Les organisations choisissent des stratégies pluriannuelles pour appliquer l’IA dans des domaines spécifiques, les opérations clients, la détection des fraudes, le support interne, ce qui rend les examens de performance plus structurés. Cela apporte de la stabilité. Si les hypothèses initiales ne se vérifient pas, les budgets peuvent s’adapter et se réorienter sans avoir à démanteler des pans entiers de l’activité.

Les dirigeants de la suite doivent garder deux choses à l’esprit. Tout d’abord, ne considérez pas l’IA comme un effort d’innovation distinct. Elle doit être intégrée à la stratégie opérationnelle. Deuxièmement, visez des résultats progressifs. Toute initiative en matière d’IA ne doit pas nécessairement être une réinvention complète. Certains des cas d’utilisation les plus efficaces offrent des gains progressifs mais cumulés.

Ce changement d’état d’esprit, qui s’éloigne de l’expérimentation et s’oriente vers la réalisation de la valeur, permettra à votre entreprise de résister aux cycles du marché et de se positionner en vue d’une croissance plus résistante.

La fragmentation du marché dans l’écosystème de l’IA permet de se prémunir contre un effondrement catastrophique

L’écosystème de l’IA n’est pas un marché uniforme. C’est un ensemble de segments distincts mais interconnectés, l’infrastructure cloud, les modèles fondateurs, le matériel, les outils d’entreprise et les startups de niche dans le domaine de l’IA. Chaque segment a sa propre courbe de performance, et cette répartition de l’activité réduit le risque d’un effondrement généralisé. Si un secteur est moins performant, les autres peuvent conserver leur élan.

Cette fragmentation est importante. Elle permet d’absorber la pression à différents niveaux de l’écosystème. Par exemple, si une startup axée sur les applications ne répond pas aux attentes des utilisateurs ou aux objectifs de revenus, il est peu probable que l’impact se répercute sur les fournisseurs qui gèrent l’infrastructure de calcul ou les plateformes de déploiement de modèles. Les hyperscalers comme AWS, Microsoft Azure et Google Cloud constatent toujours une demande de compute d’IA, indépendamment des fluctuations des outils orientés vers le consommateur.

Pour les chefs d’entreprise, cela signifie que le marché de l’IA n’est pas alimenté par un seul point de défaillance. Cette séparation le rend plus résilient. Certaines start-ups spécialisées dans l’IA échoueront. Certains outils ne tiendront pas leurs promesses. Mais la colonne vertébrale de l’infrastructure et la demande des entreprises pour des fonctionnalités spécifiques et fiables restent intactes. C’est là que la stratégie doit se concentrer.

Les dirigeants devraient donner la priorité à des stratégies spécifiques à chaque segment. Investir dans des capacités au niveau de l’infrastructure comporte des risques et des rendements différents de l’investissement dans l’innovation au niveau de l’application. Reconnaître cette différence aide les dirigeants à concentrer les budgets là où l’alignement opérationnel existe. Cela permet également d’accélérer les boucles de rétroaction lors de l’évaluation de l’adoption et de la mise à l’échelle. Cette structure ne fait pas que rendre le marché plus sain, elle vous offre plus d’options.

Les professionnels doivent améliorer leur capacité d’adaptation et leur connaissance de l’IA pour se frayer un chemin dans le paysage évolutif de l’IA.

Ce sont les équipes au sein de votre organisation qui détermineront si votre stratégie d’IA crée de la valeur ou si elle s’enlise. À l’heure actuelle, les professionnels qui ont le plus d’impact ne sont pas seulement ceux qui écrivent les modèles ou intègrent l’API. Ce sont eux qui comprennent les limites techniques de l’IA, ses atouts pratiques et sa pertinence pour l’entreprise.

Kesha Williams, AWS Machine Learning Hero et Senior Director of Enterprise Architecture and Engineering chez Slalom, le dit clairement. Les dirigeants d’aujourd’hui doivent être « à la fois un constructeur et un traducteur », ce qui signifie que la capacité à créer des solutions d’IA n’a de valeur que si l’on est capable de les expliquer et de les appliquer dans le cadre d’un véritable cas d’entreprise. En d’autres termes, les personnes qui comprennent à la fois la conception technique et le contexte commercial prendront de l’avance.

Cela devient encore plus pertinent à mesure que la maturité de l’IA augmente. Selon Kamran Ayub, expert Pluralsight et spécialiste de l’architecture logicielle, la plupart des investissements dans l’IA risquent de ne pas produire de retour sur investissement. Il s’attend à une correction, suivie d’un rééquilibrage des embauches, plus d’humains se concentrant sur l’affinement de l’endroit et de la manière dont l’IA s’intègre dans les flux de travail réels. Cela signifie que le développement des compétences n’est pas facultatif, il est essentiel à l’exécution ajustée au risque.

Pour les dirigeants, cela signifie que les programmes de recyclage et d’amélioration des compétences doivent être rapides et ciblés. Allouez des ressources pour développer la maîtrise de l’IA, en particulier dans les fonctions hybrides qui touchent à la fois aux opérations et à l’architecture des systèmes. Placez vos meilleurs éléments dans des rôles où ils peuvent diriger le développement de cas d’utilisation de l’IA en gardant à l’esprit les résultats de l’entreprise. C’est là que réside votre avantage stratégique sur le marché actuel.

Principaux enseignements pour les dirigeants

• Perspectives de la bulle de l’IA : Il est peu probable que le marché s’effondre brutalement en raison des géants de la technologie aux poches profondes et du soutien des pouvoirs publics ; les dirigeants doivent se préparer à une lente déflation et adapter leurs stratégies d’investissement dans l’IA en conséquence.
• Limites de l’IA générative : Malgré des dépenses importantes, la plupart des initiatives d’IA générative ne parviennent pas à produire un retour sur investissement ; les dirigeants devraient réorienter les ressources vers des cas d’utilisation ayant un impact clair et mesurable.
• Plateau de progrès : Les progrès des modèles d’IA ralentissent et les attentes exagérées pourraient entraîner des pertes ; les décideurs devraient revoir les échéances à court terme et redoubler d’efforts pour les applications qui ont fait leurs preuves.
• Réorientation stratégique des dépenses : L’investissement dans l’IA évolue de spéculatif à structurel, intégré dans des programmes informatiques plus larges ; les dirigeants devraient aligner les dépenses d’IA sur les objectifs de transformation à long terme de l’entreprise.
• Résilience des marchés fragmentés : La fragmentation des secteurs de l’IA réduit le risque systémique ; les dirigeants devraient diversifier les investissements entre les infrastructures, les plateformes et les applications pour gérer la volatilité.
• Capacité de la main-d’œuvre : La stabilité du marché dépendra d’équipes adaptables et familiarisées avec l’IA ; les dirigeants devraient investir dans le développement des compétences qui relient les outils d’IA à la valeur commerciale et à l’exécution opérationnelle.