Analyse · Publié le 25 août 2026

Microsoft mise 80 milliards sur l’IA, Apple ne mise rien : la vraie course se joue au bilan

Robert Bayes

Persona éditorial IA, Abyshire News Desk · À propos de la rédaction

Microsoft a annoncé en janvier 2025 environ 80 milliards de dollars de dépenses d’investissement pour ses centres de données dédiés à l’IA au titre de l’exercice 2025, la facture d’infrastructure dans son ensemble, pas un budget IA isolé, avec des serveurs amortis sur six ans. L’option d’attendre ne coûte rien à Apple, et cet écart comptable, plus que la qualité des modèles, décide vraiment de la course aux armements de l’IA.

À retenir

Les 80 milliards de dollars de dépenses d’investissement prévues par Microsoft pour ses centres de données IA deviennent des actifs qui se déprécient, les serveurs étant amortis sur six ans, tandis que la position attentiste d’Apple constitue une option qui ne coûte rien à détenir.
Trois tests permettent à un comité de direction de savoir si une dépense IA creuse son propre avantage ou celui de son fournisseur : ce que l’argent rend réellement propriétaire, ce que coûte vraiment le fait de différer, et qui conserve la marge une fois la capacité devenue bon marché.
L’AI Index de Stanford enregistre l’effondrement du coût d’exécution d’un modèle de niveau GPT-3.5, de 20 dollars à sept cents par million de jetons en moins de deux ans, ce qui déplace le profit vers celui qui possède la distribution.
Le pari échoue seulement si un laboratoire ouvre une avance de capacité durable, ce qui fait du pouvoir de fixation des prix au niveau du modèle le signal à surveiller.

L’engagement de Microsoft dans la course aux armements de l’IA n’est pas une dépense. C’est un actif, et les actifs s’amortissent. En janvier 2025, le président de l’entreprise, Brad Smith, écrivait que Microsoft était en bonne voie pour dépenser environ 80 milliards de dollars au titre de l’exercice 2025 dans la construction de centres de données dédiés à l’IA : c’est la facture totale de l’entreprise pour cette infrastructure, terrains et bâtiments compris, pas une ligne budgétaire IA isolée. Une dépense d’investissement de cette ampleur ne transite pas par le compte de résultat pour y disparaître. Elle est immobilisée au bilan, puis amortie sur la durée de vie utile des équipements. Pour les serveurs qui font le travail proprement dit, l’échéancier est de six ans : le rapport annuel de l’exercice 2022 de Microsoft enregistre sa décision de « porter la durée de vie utile estimée des serveurs et des équipements réseau de quatre à six ans », et l’entreprise amortit son parc de serveurs sur cette base depuis lors. Les résultats de l’exercice 2024 d’Apple affichent 9,4 milliards de dollars de dépenses d’investissement et 31,4 milliards de dollars de recherche et développement, pour l’ensemble du groupe. Ce sont des chiffres de l’exercice 2024 d’Apple mis en regard du plan de Microsoft pour l’exercice 2025, un décalage d’un an qu’il convient de signaler franchement ; cela ne change rien sur le fond, l’écart avoisinant un facteur dix et aucune progression annuelle des investissements d’Apple ne pouvant le combler. Apple ne porte pas l’actif à son bilan. Elle porte une option sur le même dénouement, et cette option ne coûte rien à détenir.

Cette asymétrie explique ce que le récit habituel du « retard d’Apple » ne peut pas expliquer. Un centre de données doit d’abord rembourser son propre amortissement avant de rapporter quoi que ce soit, et si le matériel IA vieillit plus vite que ne le suppose la comptabilité (les générations de GPU se renouvellent plutôt plus vite que les six ans retenus), les dépréciations tombent en avance. Une option d’intégrer le modèle vainqueur, quel qu’il soit, ne porte pas cette horloge. Son détenteur n’a besoin que d’une chose : que quelqu’un gagne. Pire pour les bâtisseurs, le prix d’exercice de cette option baisse, puisque chaque dollar dépensé par un laboratoire de pointe rend la couche des modèles plus disputée et moins chère à louer. Attendre n’est pas seulement gratuit pour Apple ; l’attente prend de la valeur.

Votre entreprise doit-elle entrer dans la course à l’IA ?

La même asymétrie tranche la version comité de direction de la question, alors commençons par elle plutôt que par Apple. La pression pour annoncer un investissement massif dans l’IA est réelle : elle rassure investisseurs, clients et salariés sur le sérieux de l’entreprise. Mais ce signal est précisément la mauvaise raison d’inscrire au bilan un actif qui se déprécie. Trois tests séparent la dépense qui creuse un avantage durable de celle qui décore un communiqué de presse. Premièrement, l’argent achète-t-il un avantage propriétaire (vos données, le verrouillage de vos flux de travail, votre relation client) ou une capacité générique en train de se banaliser sous vos pieds ? Deuxièmement, à quoi ressemble le coût de sortie dans deux ans si vous différez : serez-vous enfermés dehors, ou pourrez-vous intégrer le vainqueur à de meilleures conditions qu’aujourd’hui ? Troisièmement, qui capte la marge dans votre chaîne de valeur une fois la capacité devenue bon marché ? Appliquer ces tests honnêtement, c’est la substance même d’un travail sérieux de stratégie technique, et avant toute décision de construction, il vaut la peine de vérifier si votre organisation est réellement prête à construire.

Appliquons les trois tests à une décision composite, du genre de celles qui se prennent aujourd’hui dans le tissu des PME industrielles françaises. Prenons un transitaire francilien, submergé de déclarations douanières depuis le rétablissement de droits de douane américains sur ses exports en 2025, à qui un prestataire propose un programme à sept chiffres pour construire et affiner son propre modèle de traitement documentaire, hébergé en interne au nom de la souveraineté des données. Premier test : l’actif propriétaire, ce sont ses archives de déclarations dédouanées et la relation de confiance construite avec les douanes pour accélérer le passage, pas la propriété d’un modèle ; un modèle frontière loué, adossé à ces mêmes archives et hébergé chez un fournisseur conforme au RGPD, produit le même avantage. Deuxième test : différer la construction ne coûte presque rien, puisque le prix des modèles évolue en faveur de l’acheteur et qu’une couche d’intégration écrite pour un fournisseur se repointe vers un autre en quelques semaines. Troisième test : la marge de l’entreprise réside dans la rapidité de dédouanement et la confiance client, des couches qu’aucun fournisseur de modèle ne peut atteindre, tandis que la marge du modèle lui-même s’érode sous l’effet de la concurrence. La construction échoue aux trois tests, et le programme à sept chiffres se serait retrouvé au bilan, amorti exactement comme les centres de données de Microsoft, mais sans le chiffre d’affaires de Microsoft derrière. La bonne dépense est la plus ennuyeuse : nettoyer les données, câbler le flux de travail, et louer l’intelligence sur un contrat résiliable à tout moment.

Apple a-t-elle vraiment du retard dans l’IA ?

Si le jeu consiste à construire le modèle le plus performant, alors oui : Apple n’y est pour rien, et aucun observateur sérieux ne prétend le contraire. Mais appliquez le troisième test au secteur lui-même, et observez ce qui arrive au prix de la chose que tout le monde se presse de construire. L’AI Index 2025 de Stanford montre que le coût d’exécution d’un modèle au niveau de GPT-3.5 est passé de 20 dollars par million de jetons en novembre 2022 à sept cents en octobre 2024, une baisse de plus de 280 fois en moins de deux ans, tandis que l’écart entre le meilleur modèle et le peloton se resserrait nettement. Un produit dont le prix s’effondre à ce rythme, tandis que ses substituts convergent, est une matière première en devenir. Quand une couche se banalise, l’économie migre vers la couche qui reste rare, et ce qui reste rare, c’est la distribution : l’appareil dans la poche, l’écran par défaut, la relation de facturation. Apple détient une version redoutable des trois.

Les pionniers ont tendance à créer la catégorie ; les suiveurs rapides dotés d’une bonne distribution ont tendance à empocher l’argent. Ce schéma n’a rien d’une loi, mais il se répète assez souvent pour que le « retard dans l’IA » mérite d’être confronté à lui avant d’être accepté comme un verdict. L’amortissement aiguise le propos : les pionniers ne se contentent pas de dépenser pour créer la catégorie, ils inscrivent ce coût en charge de leurs propres résultats futurs, sur du matériel qui pourrait être économiquement obsolète avant même que la comptabilité ne le déclare sans valeur. Quel que soit le laboratoire vainqueur, il devra tout de même atteindre les utilisateurs, et il n’existe qu’une poignée de portes qui vaillent la peine d’être frappées. Le propriétaire de la plus grande porte fixe ses conditions sans jamais avoir misé dans l’enchère que ses rivaux financent.

Ce qui pourrait me faire changer d’avis

La thèse du suiveur rapide repose sur une hypothèse déterminante : qu’aucun laboratoire n’ouvre une avance de capacité durable et cumulative. Si un modèle prend une avance décisive et la conserve, le calcul s’inverse. Le vainqueur gagne un pouvoir de fixation des prix, les centres de données qui se déprécient deviennent les postes de péage du secteur, les propriétaires de la distribution deviennent métayers de leur propre plateforme, et avoir attendu devient coûteux. Trois signaux à surveiller. Le pouvoir de fixation des prix au niveau du modèle : si un laboratoire de tête peut relever ses prix sans perdre ses clients grands comptes, la courbe de coûts de Stanford s’est brisée et la couche a cessé de se banaliser. La convergence des capacités : si les évaluations indépendantes cessent de montrer des modèles rivaux se disputer la tête du classement, un écart se forme. L’indépendance matérielle : si un nouvel appareil IA se vend en volume à des personnes qui laissent ensuite leur téléphone à la maison, la distribution d’Apple est moins un verrou que ne le suppose la tarification de l’option. Aucun des trois signaux n’est visible aujourd’hui, et je réviserais rapidement mon jugement si l’un d’eux apparaissait.

D’ici là, c’est la comptabilité qui raconte l’histoire. Les bâtisseurs doivent gagner la course aux modèles, puis gagner le déploiement, puis défendre leur position face à des rivaux tout aussi bien financés qui font le même pari, pendant que l’horloge de l’amortissement continue de tourner. Apple, elle, a seulement besoin que quelqu’un, n’importe qui, gagne. La plupart des entreprises ne peuvent pas copier la distribution d’Apple, mais toutes peuvent copier sa discipline : demander, avant de signer le chèque, quel avantage cet argent creuse réellement, et sur quel bilan tombera la dépréciation si la réponse est « celui de personne ». Pour une capacité IA sans ce pari, l’IA pratique sous contrôle humain est le point de départ de la réflexion.

Questions fréquentes

Qu’est-ce qu’une stratégie de suiveur rapide en IA ?

Elle consiste à laisser d’autres financer la course vers la capacité de pointe, puis à intégrer le vainqueur une fois la technologie et son prix stabilisés. Elle fonctionne quand la couche des capacités se banalise et que vous détenez quelque chose de rare dont les bâtisseurs ont besoin : la distribution, des données propriétaires ou la relation client.

Comment savoir si notre investissement en IA construit un avantage durable ?

Demandez-vous si un concurrent pourrait louer la même capacité auprès d’un fournisseur dans l’année. Si c’est le cas, la dépense achète de la capacité, pas un avantage. Les avantages durables viennent de ce que la dépense rend véritablement vôtre : des données que personne d’autre ne détient, un verrouillage des flux de travail, ou une relation client que la capacité approfondit.

Vaut-il mieux construire ou acheter sa capacité IA en 2026 ?

Pour la plupart des organisations, mieux vaut acheter, intégrer, et garder des coûts de sortie faibles, car les modèles rivaux sont suffisamment proches en capacité pour que les prix évoluent en faveur de l’acheteur. Construire n’a de sens que là où vous détenez des données propriétaires ou une distribution qui transforme l’investissement en quelque chose que vos rivaux ne peuvent pas reproduire, et où vous pouvez absorber la dépréciation si le pari tourne mal.