L’intelligence artificielle change d’échelle. Selon Goldman Sachs Research, les dépenses d’investissement des géants du numérique pourraient dépasser 500 milliards de dollars dès 2026. Mieux, l’addition pourrait grimper bien au-delà si l’appétit des « hyperscalers » reste intact et si les goulets d’étranglement s’estompent. Cette dynamique n’est pas uniquement une affaire de puces et de centres de données : elle recompose la hiérarchie boursière, redessine les chaînes d’approvisionnement de l’énergie et accélère la diffusion des gains de productivité dans l’économie réelle.
Un capex qui s’emballe, des prévisions régulièrement dépassées
Depuis deux ans, les analystes sous-estiment la force du cycle d’investissement. À chaque saison de résultats, les anticipations repartent à la hausse. Pour 2026, le consensus de marché pointe désormais 527 milliards de dollars de capex chez les principaux acteurs – Amazon, Google, Meta, Microsoft, Oracle et quelques autres –, contre 465 milliards estimés encore à l’automne. Le troisième trimestre 2025 a donné le ton : 106 milliards de dollars investis en trois mois, en hausse de 75 % sur un an. Or, d’après le rappel historique de Goldman Sachs, les cycles technologiques peuvent culminer à des niveaux plus élevés : il faudrait atteindre environ 700 milliards de dollars en 2026 pour reproduire, en poids relatif, le pic de la bulle télécoms de la fin des années 1990. Autrement dit, le plafond théorique n’est pas encore en vue.
Cette escalade n’est pas financée à crédit à tout-va. Les bilans des « Big Tech » sont solides, avec des trésoreries abondantes et une génération de cash récurrente qui rend le cycle plus résilient qu’auparavant. Les limites tiennent plutôt aux contraintes d’offre – disponibilité des GPU, mémoire HBM, baies de stockage, réseaux optiques – et à la capacité des utilities à livrer l’électricité requise, plus qu’à la capacité à lever des fonds.
L’IA infrastructure d’abord, mais l’histoire avance
Jusqu’ici, les gains boursiers se sont concentrés sur la « couche » infrastructure : fabricants de semiconducteurs, opérateurs de data centers, équipementiers et groupes de l’énergie. Goldman Sachs estime que le panier « AI infrastructure » affiche un gain moyen de 44 % depuis le début de l’année alors que les anticipations de bénéfices à deux ans pour ce même panier ne progressent que de 9 %. La valorisation s’est donc tendue, ce qui expose ces titres à tout ralentissement du capex. Dans le même temps, les investisseurs arbitrent : ils sanctionnent les profils qui dépensent beaucoup sans traction claire du chiffre d’affaires et privilégient les plateformes cloud capables de transformer l’effort d’investissement en revenus récurrents.
Le marché regarde désormais au-delà des pelleteuses et des racks. Les « AI Platform » – éditeurs d’outils de données, bases et environnements de développement – commencent à tirer leur épingle du jeu. Quant aux « productivity beneficiaries », ces entreprises des secteurs traditionnels susceptibles d’augmenter leurs marges grâce à l’IA, elles restent en retrait en Bourse malgré des perspectives qui s’améliorent. Ce décalage crée, selon les analystes, un point d’entrée : s’exposer à des gains de productivité futurs à des multiples encore raisonnables, c’est accepter de patienter mais aussi de diversifier le risque au-delà du seul équipement.
Pourquoi investir autant ? Trois moteurs
D’abord, la demande de calcul explose. Les modèles s’étoffent, les usages s’étendent et l’inférence – c’est-à-dire l’exécution des modèles au quotidien – devient l’essentiel de la facture. Chaque nouveau cas d’usage – agent conversationnel, copilote métier, moteur de recherche enrichi, automatisation documentaire, vision industrielle – appelle des grappes de GPU, des réseaux plus denses et des mémoires plus rapides. Ensuite, la compétition stratégique entretient l’effort : entre hyperscalers, personne ne veut laisser passer une génération d’architecture. Enfin, l’économie réelle entre dans le jeu : banques, assureurs, santé, industrie, distribution et services publics testent, déploient puis industrialisent. Une fois les « proofs of concept » digérés, les projets basculent en production et exigent des capacités réelles, non plus des bacs à sable.
La conséquence est mécanique : le besoin d’énergie des data centers s’envole. Goldman Sachs prévoit une hausse de 160 % de la demande électrique des centres de données d’ici 2030, avec une part de l’électricité mondiale absorbée par ces infrastructures qui pourrait doubler pour atteindre 3 à 4 %. Cette trajectoire, déjà visible aux États-Unis et en Europe, ouvre un cycle d’investissement massif dans les réseaux et le parc de production, tout en posant la question de l’empreinte carbone si l’addition n’est pas couverte par de nouvelles capacités bas carbone.
Le défi énergétique : de la capacité… et de la qualité
Le goulot d’étranglement se déplace du silicium vers les mégawatts. Plusieurs campus dépasseront le gigawatt de puissance crête d’ici 2026, un seuil jadis impensable. Les opérateurs sécurisent des contrats d’achat d’électricité sophistiqués, souvent de long terme, et combinent l’éolien, le solaire, le nucléaire, mais aussi du thermique pilotable pour garantir la continuité de service. Cette sophistication s’étend : la localisation, la « fermeté » de la production, la flexibilité horaire et l’additionnalité des projets deviennent des critères aussi structurants que le prix facial. Les territoires capables d’offrir une énergie décarbonée, abondante et prévisible capteront la prochaine vague d’implantations. À l’inverse, les zones saturées ou trop carbonées perdront du terrain malgré des incitations fiscales parfois généreuses.
Productivité : l’IA ne sera pas un « one-off »
Le débat n’est pas clos, mais le capex ne se justifie pas uniquement par l’effet de mode. L’histoire économique montre que les vagues d’investissement technologique s’accompagnent de gains de productivité diffus mais mesurables, avec un décalage. Dans les entreprises, les premiers déploiements réduisent des coûts ponctuels ; puis, au fil des réorganisations, l’IA reformate des processus entiers : relation client, conformité, achat, maintenance, logistique, R&D. Les directions financières cadrent mieux les cas d’usage, imposent des métriques et se montrent plus sélectives : moins de « pilotes » marketing, plus de chantiers à fort retour sur capital.
À ce stade, un réalisme s’impose. Les méthodes d’IA générative restent coûteuses en calcul et en données labellisées. Elles exigent une gouvernance stricte, des garanties de sûreté, une maîtrise des droits sur les contenus utilisés pour l’entraînement et une traçabilité des résultats. Pourtant, l’outillage progresse sans cesse, les modèles deviennent plus efficients et les pipelines MLOps se banalisent. L’analogie avec le cloud des années 2010 s’impose : après l’exploration vient l’industrialisation, puis la normalisation comptable et réglementaire.
Marchés : dispersion, sélectivité et gestion des risques
La rotation observée depuis l’été indique un régime de marché moins grégaire. La corrélation des cours entre grands acteurs de l’IA a glissé d’environ 80 % à 20 %. Les opérateurs qui lient clairement capex et revenus conservent leur prime ; ceux qui financent par la dette ou tardent à convertir l’investissement en ventes subissent des décotes. Pour l’épargnant, ce changement appelle trois réflexes. D’abord, diversifier l’exposition au-delà de l’infrastructure pure pour capter la seconde jambe du cycle : plateformes logicielles et bénéficiaires de productivité. Ensuite, surveiller la sensibilité aux cycles d’approvisionnement : pénurie de HBM, délais de raccordement électrique, friction réglementaire. Enfin, tenir compte de la politique énergétique des pays d’implantation, devenue un facteur de valorisation à part entière.
Cette sélectivité se lit aussi dans les bénéfices : le panier infrastructure a progressé beaucoup plus vite que ses estimations de résultats. À court terme, la prudence s’impose sur les segments où la valorisation suppose un capex perpétuellement accéléré. À moyen terme, la visibilité reste bonne pour les plateformes qui monétisent l’IA via des abonnements et des services complémentaires, car leur chiffre d’affaires suit la base installée plutôt que la seule livraison de matériel.
Quelles implications pour les patrimoines ?
Pour un investisseur particulier, l’IA n’est ni un pari unique ni un gadget tactique. C’est un thème structurel qui irrigue plusieurs poches d’actifs : actions globales, infrastructures cotées, crédit corporate lié à l’énergie et à l’immobilier de data centers, voire private equity pour ceux qui y ont accès. La clé consiste à doser l’exposition et à maîtriser les risques idiosyncratiques. Une approche cœur-satellite fonctionne bien : un noyau diversifié d’indices actions mondiaux capte la tendance de fond ; des satellites thématiques ciblent l’infrastructure IA, les semi-conducteurs ou les logiciels de données, en gardant une discipline de rééquilibrage. Dans les enveloppes ISR, la vigilance doit porter sur l’intensité carbone et sur la qualité des plans d’alimentation électrique ; la préférence va à des opérateurs capables de sécuriser des contrats de fourniture décarbonés et de justifier l’additionnalité de leurs projets.
Côté risques macro, trois points à garder à l’esprit. Premièrement, une détente des prix des puces ou des mémoires n’annulerait pas la thèse : elle accélérerait même l’adoption en abaissant le coût marginal de l’inférence. Deuxièmement, une tension persistance sur l’électricité pourrait freiner certains sites, rallongeant les délais d’ouverture de capacité ; les groupes les mieux dotés en contrats long terme garderaient l’avantage. Troisièmement, le régulateur s’invite dans le débat : conformité sur les données, sécurité des modèles, gestion de la propriété intellectuelle. Autant d’éléments qui n’arrêtent pas le cycle mais imposent une exécution plus professionnelle.
France et Europe : des atouts et des angles morts
Le Vieux Continent dispose d’ingénieurs, d’énergéticiens et d’un socle nucléaire qui peut redevenir un atout concurrentiel. La France, en particulier, conjugue un mix bas carbone et un réseau de RTE robuste, même si les raccordements restent longs. À l’inverse, le coût du foncier, la lenteur des procédures et l’incertitude réglementaire pèsent. L’enjeu consiste à fluidifier l’urbanisme data center, à sécuriser des PPA compétitifs et à ancrer un écosystème de semi-conducteurs de pointe autour des projets soutenus par l’Union. Sinon, l’Europe captera l’usage sans capter la valeur ajoutée industrielle.
Et maintenant ?
La montée en puissance de l’IA ne s’arrêtera pas aux murs des data centers. Elle infusera les organisations, réécrira des logiciels vieillissants et transformera la relation client. Les marchés, eux, passeront d’un premier acte « infrastructure » à un deuxième acte « plateformes », puis à un troisième : la productivité sectorielle. Or, chaque acte exige des capitaux. Le chiffre de 500 milliards de dollars en 2026 n’est pas une ligne d’arrivée : c’est le ticket d’entrée pour une décennie où l’IA deviendra, pour les entreprises, un coût de production aussi banal que l’électricité ou le cloud. Pour l’épargnant, la discipline fera la différence : ne pas courir après la mode, mais s’exposer intelligemment à un mouvement de fond.
Sources : FT Visual Journalism & Goldman Sachs
Disclaimer
Les informations présentées ont un caractère strictement informatif et pédagogique. Elles ne constituent ni un conseil en investissement personnalisé, ni une recommandation, ni une offre d’achat ou de vente d’instruments financiers. Toute décision d’investissement doit être prise de façon autonome, après examen des documents réglementaires et, le cas échéant, avec l’appui d’un conseiller habilité.
Les données, opinions et estimations reflètent la situation au 31 décembre 2025 et sont susceptibles d’être modifiées sans préavis. Elles proviennent de sources réputées fiables, mais Centaure Investissements et l’auteur ne garantissent ni leur exhaustivité ni leur exactitude et ne peuvent être tenus responsables d’éventuelles erreurs ou omissions.
La performance passée ne présage pas des performances futures. Les marchés financiers et les thématiques liées à l’intelligence artificielle comportent des risques spécifiques (perte en capital, volatilité, risques de marché, de crédit, de liquidité, de change, de taux, risques opérationnels et technologiques, y compris cybersécurité et disponibilité énergétique, ainsi que risques réglementaires).
Centaure Investissements, ses partenaires ou ses clients peuvent détenir des positions sur certains actifs évoqués. Cette publication est destinée à un public large en France. Toute reproduction, totale ou partielle, est interdite sans autorisation préalable. Pour le traitement des données personnelles, veuillez vous référer à la politique de confidentialité disponible sur notre site.
