Tribune pour Les Echos du vendredi 5 juin 2026. Le texte ci-dessous est une version plus détaillée du texte publié dans la version imprimée du journal.
La vigueur du rebond porté par les valeurs liées à l’IA et aux semi-conducteurs, depuis l’amorce de désescalade au Moyen-Orient, ne suffit pas à balayer les inquiétudes sur le cycle d’investissement actuel. Au contraire, cette exubérance soulève plutôt des interrogations quant à sa soutenabilité, sur fond de course à l’introduction en bourse des fournisseurs de LLM.
Le poids déjà massif et croissant du secteur dans les indices boursiers entretient une dynamique réflexive, portée par les investissements passifs : plus le secteur croit plus il reçoit ces vagues de fonds et croît encore plus en retour… jusqu’à ce qu’un choc entrave finalement cette mécanique.
Dans cette optique, les marchés ont rapidement considéré les risques matériels comme épisodiques, qu’il s’agisse des pénuries énergétiques ou des pressions sur des intrants indispensables à la production de puces. Cette réaction ne relève pas que de l’optimisme diplomatique. Depuis trois ans, le modèle de financement repose sur une expansion stratosphérique des LLM, en minimisant la question du modèle économique, des conséquences du réajustement de la tarification à l’ère de l’IA agentique, ou encore des limites intrinsèques des modèles en termes de fiabilité.
Les solides résultats des entreprises du cloud et des semi-conducteurs, combinés à une abondance de liquidités et à la domination d’un petit nombre de groupes, ont renforcé l’idée que la croissance de la demande en infrastructures liées à l’IA générative restera indéfiniment soutenue.
Flux de capitaux circulaires et concentration technologique
Cette dynamique provient notamment de la structure de plus en plus circulaire du financement. En 2026 les projections d’investissements de Nvidia, Alphabet, Apple, Microsoft et Amazon dans les infrastructures « hyperscale » sont comprises entre 600 et 725 milliards de dollars. Les liens à l’intérieur de cet écosystème sont particulièrement étroits. Nvidia occupe une position centrale à la fois comme fournisseur dominant de GPU et comme acteur impliqué dans des investissements. Cette position renforce une boucle dans laquelle les investissements, la demande en capacité de calcul et les capacités de production sont interdépendantes.
Microsoft a investi 13 milliards de dollars dans OpenAI, dont les charges de calcul reposent largement sur Azure, ce qui renforce à son tour les revenus cloud de Microsoft et sa capacité à poursuivre ses investissements. Google a investi plusieurs milliards de dollars dans Anthropic, qui s’est parallèlement engagé dans des contrats d’infrastructure cloud massifs, répartis entre Google et Amazon. Amazon a lui-même investi environ 8 milliards de dollars dans Anthropic, lequel a ensuite développé des accès subventionnés pour les développeurs à travers les infrastructures cloud de ces mêmes groupes.
Les modèles de tarification à l’usage (par token) introduisent toutefois une incertitude sur la transformation de cette croissance en revenus durables, notamment si les mécanismes de « subvention » ou de soutien indirect venaient à s’atténuer. Ces mécanismes entretiennent les anticipations de croissance, mais brouillent aussi la frontière entre demande indépendante et flux de capitaux auto-alimentés. Une part importante de la solidité apparente du secteur repose sur un nombre restreint d’entreprises qui financent simultanément les infrastructures, fournissent la puissance de calcul et soutiennent les applications qui consomment cette puissance.
La montée de l’investissement passif renforce encore ce phénomène. À mesure que les grandes entreprises liées à l’IA voient leur valorisation progresser, leur poids dans les grands indices augmente automatiquement, attirant davantage de flux financiers et accentuant la concentration du marché. Les « Magnificent Seven » représentent désormais entre 30 et 45 % de la capitalisation du S&P 500 selon les périodes observées, tandis que la valorisation boursière de Nvidia a dépassé les 5000 milliards de dollars.
Dans le même temps, les fondements matériels de cette expansion deviennent de plus en plus déterminants. L’IA de pointe dépend d’une croissance massive de la consommation électrique, des capacités de fabrication de semi-conducteurs, des systèmes de refroidissement et des centres de données. La production de semi-conducteurs repose elle-même sur des chaînes industrielles complexes mobilisant du GNL, de l’hélium, des gaz spécialisés, du cuivre ainsi qu’un approvisionnement électrique stable.
Contraintes matérielles et fragilité financière
L’hélium illustre cette dépendance. Le Qatar figure parmi les principaux exportateurs mondiaux, et toute perturbation des routes maritimes dans le Golfe peut rapidement affecter les fabricants de semi-conducteurs en Asie de l’Est. À Taïwan, plusieurs groupes industriels ont déjà exprimé leurs inquiétudes concernant la sécurité des approvisionnements en GNL et en hélium.
Par ailleurs, l’île est au centre du jeu diplomatique sino-américain et de son recalibrage consistant notamment pour Trump à « ne pas vouloir en parler ». Dans le même temps, la Chine a acté la stratégie de restriction des exportations de semi-conducteurs par les Etats-Unis et fait le pari consistant à bâtir son autonomie, autour de Huawei, qui à terme risque d’entamer l’hégémonie des géants américains et leurs constructions financières.
Parallèlement, l’obsolescence rapide des infrastructures ajoute une autre forme de fragilité pour le secteur. Les centres de données construits autour des GPU actuels pourraient perdre une partie importante de leur compétitivité sur les charges de calcul les plus avancées en seulement un an et demi à trois ans, même s’ils restent utilisables pour l’inférence ou des applications secondaires. Pourtant, les durées d’amortissement comptable s’étendent généralement sur trois à cinq ans, ce qui peut masquer l’existence d’infrastructures sous-utilisées et retarder la visibilité sur certaines obligations financières de long terme.
Il ne s’agit pas de mettre en doute le tournant de l’IA mais la façon dont les marchés financiers valorisent sa croissance comme illimitée sous sa forme actuelle, tout en sous-estimant les contraintes physiques, financières, industrielles et géopolitiques. Les grands modèles de langage s’intègrent naturellement dans l’architecture financière actuelle parce qu’ils se déploient efficacement à travers les infrastructures cloud et les modèles économiques (partiels) par abonnement. A l’inverse, L’IA physique, notamment pour la robotique, répond à une logique différente. Elle dépend davantage d’un déploiement dans le monde réel et de cycles de développement plus longs qui s’accordent moins facilement avec les mécanismes de financement actuels.
Cette dynamique évoque l’hypothèse d’instabilité financière de Minsky, selon laquelle les longues périodes de stabilité encouragent progressivement une prise de risque croissante. Les limites liées à la résilience financière et industrielle risquent d’imposer un difficile réveil, par exemple au gré de prises de bénéfices après une vague d’introductions en bourse.