Investir et l'exposition économique dans une économie d'IA

Deux expositions distinctes, pas une seule inquiétude

« L’IA est-elle une bulle, et y suis-je exposé » recouvre en réalité deux questions en une. La première est l’exposition de portefeuille : les comptes de retraite et les fonds indiciels se sont-ils concentrés de façon inhabituelle sur une poignée d’entreprises liées à l’IA, et que se passe-t-il si les dépenses qui soutiennent cette concentration déçoivent. La seconde est l’exposition du marché du travail — si le revenu d’un foyer, pas seulement son épargne, dépend d’un travail que l’IA pourrait remodeler — que les pages planifier le revenu du foyer et déplacement de l’emploi traitent en profondeur. Cette page aborde la première question : ce que disent les voix reconnues des deux côtés du débat sur la « bulle de l’IA », à quoi ressemblent les dépenses qui sous-tendent l’argument en dollars divulgués, et comment les principaux gestionnaires d’actifs présentent actuellement le risque de concentration.

L’argument selon lequel c’est une bulle

Le camp sceptique inclut des personnes payées pour avoir raison. L’investisseur Michael Burry a divulgué d’importantes positions vendeuses contre Nvidia et Palantir dans son dernier dépôt 13F avant de faire annuler l’enregistrement de Scion comme conseiller auprès de la SEC, et a depuis mis en garde contre une possible chute « façon 1987 » des actions de l’IA — bien que ses chiffres récents les plus marquants proviennent de sa propre lettre d’information, non de nouveaux dépôts auprès de la SEC. L’économiste en chef d’Apollo Global Management, Torsten Slok, calcule que les dépenses en capital liées aux centres de données de l’IA passent de 1,4% du PIB en 2025 à environ 3% d’ici 2027 — presque deux fois le rythme du boom immobilier des années 2000 — et soutient qu’un cycle qui se construit aussi vite peut se dénouer à un rythme similaire. Le cofondateur de GMO, Jeremy Grantham, qualifie le marché porté par l’IA du plus cher de l’histoire américaine en rapport capitalisation boursière/PIB et, en appliquant son propre cadre de bulle « à deux sigmas », envisage une baisse plausible du sommet au creux d’environ 70%, avec un moment d’occurrence véritablement incertain.

Des voix institutionnelles font écho à cette préoccupation avec moins de théâtralité. L’économiste du MIT Daron Acemoglu, lauréat du prix Nobel 2024, soutient que ni la théorie ni les données n’étayent les prévisions de croissance les plus exubérantes, modélisant l’effet de l’IA à environ 1,1%-1,6% ajouté au PIB sur dix ans, bien en dessous d’autres estimations. La Banque des règlements internationaux, l’organisme faîtier des banques centrales du monde, a constaté que l’investissement dans l’IA bondit en part du PIB et a conclu que le risque de stabilité financière ne paraît modéré que si les entreprises d’IA atteignent des objectifs de profit substantiels, tout en signalant un écart croissant entre valorisation des actions et de la dette et une dépendance grandissante à la dette pour financer la construction. La gouverneure de la Réserve fédérale Lisa Cook a averti qu’un essor soutenu et financé par la dette pourrait devenir en soi une préoccupation de stabilité, tout en créditant par ailleurs la croissance portée par l’IA de soutenir la stabilité au net. La directrice générale du FMI Kristalina Georgieva a dit aux auditoires de se préparer à des turbulences, comparant les valorisations actuelles à l’exubérance de l’ère des dot-com et avertissant qu’une correction brutale pourrait resserrer les conditions financières bien au-delà de la technologie.

L’argument selon lequel ça ne l’est pas — ou pas encore

Les positions haussières et mitigées viennent de certains des mêmes bureaux de recherche qui lancent les alertes ci-dessus, ce qui est en soi révélateur. Goldman Sachs Research a estimé qu’environ 19 000 milliards de dollars de valeur boursière anticipent déjà le rendement économique de l’IA en avance sur les gains de productivité mesurés — un chiffre au son véritablement baissier — tandis que la même firme a par ailleurs soutenu que les dépenses en capital liées à l’IA restent une part plus petite du PIB américain que lors des cycles technologiques précédents, et que la plupart des entreprises dépensières en IA, à la différence de leurs prédécesseurs de l’ère dot-com, génèrent encore un important flux de trésorerie disponible, rachètent leurs actions, et versent des dividendes. Même le PDG d’OpenAI lui-même défend une position mitigée : Sam Altman a dit que les investisseurs sont « surexcités » à propos de l’IA et a comparé le moment actuel à la bulle des dot-com, tout en maintenant que l’IA compte parmi les développements les plus importants depuis très longtemps, et a ensuite prédit que certains investisseurs perdront des sommes énormes tandis que d’autres feront fortune. Rien de tout cela ne se lit comme une industrie qui ferait front autour d’un seul récit — le désaccord traverse les mêmes bâtiments, il ne se limite pas à opposer les uns aux autres.

À quoi ressemblent réellement les dépenses

Quelle que soit la conclusion sur les valorisations, les dépenses sous-jacentes sont réelles, divulguées, et considérables. Microsoft a déclaré des dépenses d’investissement de 41 milliards de dollars pour le quatrième trimestre fiscal 2026, environ deux tiers en CPU et GPU à vie courte, avec des dépenses pour l’exercice 2027 censées continuer de croître. L’appel de résultats du deuxième trimestre 2026 de Meta a révélé 31,1 milliards de dollars de dépenses d’investissement trimestrielles contre un flux de trésorerie disponible de seulement 784 millions de dollars, avec des prévisions annuelles resserrées à 130-145 milliards de dollars et aucun chiffre encore offert pour 2027. Alphabet et Amazon ont chacun relevé plus d’une fois leurs prévisions de dépenses d’investissement pour 2026 cette année, selon leurs résultats du deuxième trimestre 2026 et l’appel de juillet d’Amazon, et le carnet de commandes cloud d’Oracle a atteint 638 milliards de dollars parallèlement à ses propres dépenses d’investissement nettement plus élevées.

Plusieurs chiffres de méga-accords qui font les gros titres méritent la prudence : ce sont des lettres d’intention et des carnets de commandes annoncés, non des contrats conclus. La propre annonce de Nvidia de « jusqu’à 100 milliards de dollars » vers OpenAI était explicitement non contraignante ; en fin d’année, le directeur financier de Nvidia lui-même a déclaré qu’aucun accord définitif n’existait, et des reportages ultérieurs ont établi que l’accord réellement conclu était bien inférieur à ce chiffre. L’accord Stargate d’OpenAI et Oracle, également rapporté à 300 milliards de dollars sur cinq ans, remonte de même à des termes d’accord rapportés, non à un contrat public entièrement détaillé. L’économiste Noah Smith a par ailleurs soulevé la question du financement circulaire — l’investissement de l’industrie des puces dans des laboratoires d’IA qui revient sous forme de revenus d’achat de calcul — et bien qu’une estimation pour de tels arrangements dépasse « les 800 milliards de dollars », ce chiffre remonte à des sites agrégateurs de marché, non à une banque, un économiste, ou un régulateur nommé, et devrait être lu comme illustratif, non confirmé.

Concentration : pourquoi « le marché » signifie de plus en plus une poignée d’entreprises

L’exposition de portefeuille à l’IA est rarement un choix délibéré ; elle arrive habituellement par l’exposition indicielle ordinaire. Les Sept Magnifiques ont atteint environ 34,3% de la capitalisation boursière du S&P 500 en décembre 2025, contre environ 12,3% en 2015, et ont contribué à environ 42% du rendement total de l’indice pour la seule année 2025 — ce qui signifie qu’un fonds indiciel S&P 500 « diversifié » constitue, en pratique, un pari de plus en plus concentré sur l’IA. Pourquoi si peu d’entreprises se trouvent au cœur de ce pari — contrôle des puces, capacité des centres de données, et modèles de pointe — est traité séparément dans concentration du pouvoir : pourquoi quelques laboratoires comptent.

Les principaux gestionnaires d’actifs ont commencé à le dire explicitement, en des termes similaires malgré leur concurrence mutuelle. Vanguard distingue le véritable potentiel économique haussier de l’IA — sa propre modélisation accorde de réelles probabilités à un scénario de croissance du PIB de 3% — de ce qu’elle considère comme des valorisations excessives des actions technologiques, projetant des rendements moyens modestes de 4-5% pour les actions technologiques américaines sur cinq à dix ans, même dans un scénario haussier. BlackRock avertit qu’une concentration élevée érode le bénéfice de diversification de l’exposition indicielle, attachant les portefeuilles à un ensemble étroit de résultats, et recommande de combiner l’exposition aux leaders de l’IA avec une diversification plus large. J.P. Morgan Asset Management le formule le plus directement : l’argument structurel en faveur de l’IA reste intact, mais l’exposition au niveau de l’indice concentre le risque, et recommande de se diversifier vers des secteurs, géographies, et marchés privés adjacents à l’IA. Aucun des trois n’appelle à se retirer des actions ; tous les trois qualifient la concentration elle-même de risque, indépendamment de ce que l’IA délivrera réellement.

Le côté de la fiche de paie

L’autre exposition — si le revenu du foyer dépend d’un travail exposé à l’IA — repose sur une base de recherche plus mince que le débat sur la concentration de marché ci-dessus, et ce manuel préfère le dire ainsi plutôt que d’emprunter une fausse précision à l’un ou l’autre camp. La preuve directe la plus citée est une étude danoise des économistes Anders Humlum et Emilie Vestergaard, qui a relié les réponses d’enquête d’environ 25 000 travailleurs dans des professions exposées à ChatGPT aux registres administratifs de revenus du Danemark et a constaté des effets nuls estimés avec précision sur les revenus et les heures travaillées, excluant des effets supérieurs à environ 2% dans les deux années suivant le lancement de ChatGPT. C’est un seul jeu de données, un seul pays, une seule fenêtre temporelle — un point de données, non un verdict sur la façon dont cela se résoudra ailleurs ou sur un horizon plus long. Pour des preuves américaines plus récentes et plus précises sur le pipeline d’embauche, et des étapes concrètes de planification du foyer, voir planifier le revenu du foyer pour un marché du travail incertain et déplacement de l’emploi : ce que montrent réellement les données.

Un cadre, pas une prévision

Alignez les noms ci-dessus et un motif plus utile émerge que l’affirmation phare de l’un ou l’autre camp : cet argument traverse les mêmes institutions, il ne les oppose pas nettement. Goldman Sachs a publié à la fois l’argument de la bulle et sa réfutation ; les gouverneurs de la Réserve fédérale créditent l’IA de soutenir la croissance dans une phrase et la signalent comme un risque de stabilité financé par la dette dans la suivante ; le PDG même d’OpenAI défend les deux positions sur sa propre industrie à la fois. Ce n’est pas la preuve que le débat est un bruit insoluble — c’est la preuve que personne, y compris ceux qui ont le meilleur accès aux données sous-jacentes, ne dispose actuellement d’un modèle validé de la façon dont cela se résoudra. Une réponse raisonnable pour un foyer n’est pas de parier sur le camp qui aura raison, mais de remarquer où la concentration s’est glissée par défaut dans les comptes de retraite, et de soulever la question avec un conseiller agréé — selon ses propres termes, pas ceux d’un titre de presse.