« Chiffre d'affaires IA » : surtout de vieilles recettes rebadgées
Les géants du numérique ont discrètement fait passer une décennie de machine learning ordinaire sous l'étiquette « chiffre d'affaires IA », au moment précis où ce chiffre sert à justifier des engagements d'investissement historiques. Le dénominateur est faussé, et les conseils d'administration bâtissent leurs décisions dessus.
Le chiffre le plus important de la tech en ce moment est aussi celui que personne n'audite. Le « chiffre d'affaires IA » est la donnée que les fournisseurs publient, que les conseils d'administration prennent comme référence et que les analystes étirent jusqu'à des tailles de marché à mille milliards de dollars. Regardez ce qu'il y a réellement dedans, et une bonne partie n'est autre que du chiffre d'affaires ancien portant un badge neuf : ciblage publicitaire, moteurs de recommandation, classement des résultats de recherche, détection de fraude. Du machine learning, certes. De l'IA générative, rarement.
C'est un problème de fond, pas seulement de présentation comptable. Chaque modèle de retour sur investissement, chaque exercice de dimensionnement de marché hérite de cette distorsion, tout comme chaque slide de comité de direction affirmant que « nos concurrents monétisent l'IA plus vite que nous ». Injectez un taux de base faussé dans une prévision, et elle échoue silencieusement, mais à grande échelle.
Que recouvre vraiment le « chiffre d'affaires IA » ?
À peu près n'importe quoi, pour l'instant, et c'est bien le problème. La catégorie n'a ni définition comptable ni commissaire aux comptes. Alors quand l'engouement a démarré, une décennie de machine learning pré-transformeurs a été rétroactivement rattachée à la nouvelle étiquette : des systèmes qui classaient des publicités et recommandaient des produits de façon rentable bien avant que quiconque ne tape un prompt figurent désormais dans la colonne « IA ». Le raisonnement a été étiré au point que le secteur peut affirmer, plus ou moins ouvertement, que la quasi-totalité du chiffre d'affaires des plateformes relève de l'IA. Si tout compte, la catégorie ne mesure plus rien, et c'est peut-être précisément l'objectif recherché.
L'incitation est limpide. Ce sont ces chiffres qui servent à valider des engagements d'infrastructure se comptant en centaines de milliards. Un chiffre d'affaires IA impressionnant signale aux investisseurs que la demande est déjà là, et la requalification comptable ne coûte rien tout en faisant bouger les valorisations. Mon taux de base pour toute mesure non auditée, non définie et gorgée d'incitations financières, c'est qu'elle flatte celui qui la publie. Rien dans les communications actuelles ne me fait réviser ce jugement.
Un signal de demande en partie fabriqué
Mettons de côté la requalification comptable : le tableau de la demande a quand même besoin d'être décoté. Prenez l'accord entre Nvidia et OpenAI. Dans l'annonce conjointe des deux entreprises, Nvidia indique avoir l'intention d'investir « jusqu'à 100 milliards de dollars » dans OpenAI, versés progressivement à mesure qu'OpenAI déploie dix gigawatts de systèmes Nvidia ; le Wall Street Journal, de son côté, a chiffré la première tranche à 10 milliards de dollars. Un fondeur de puces qui investit des dizaines de milliards chez son plus gros client, de sorte que l'argent ressort d'un côté et revient sous forme de commandes de puces. Rien de caché, rien d'illégal. Mais c'est circulaire, et un financement circulaire fabrique un signal de demande qui a l'air organique jusqu'à ce qu'on remonte la boucle. Une partie verrouille sa demande, l'autre verrouille sa valorisation, et le titre du communiqué fait le reste.
Ce titre mérite d'ailleurs sa propre dose de scepticisme, car les mots qui portent l'information dans cette annonce sont les réserves : « jusqu'à », et non « versera », un investissement conditionné au déploiement plutôt qu'un chèque signé à la date de l'annonce. Le chiffre annoncé sert à faire bouger une valorisation. Le chiffre engagé, celui adossé à des signatures et de la trésorerie à court terme, c'est la première tranche : un dixième du montant qui fait les gros titres. Traiter des lettres d'intention comme des engagements fermes, voilà comment une surconstruction probable finit arrondie en certitude.
Il y a ensuite la théorie des jeux. Un dirigeant de société cotée qui annonce des dépenses IA mesurées et étayées par les faits se fait sanctionner par le marché l'après-midi même. Le calcul rationnel consiste donc à afficher des dépenses d'investissement maximales, quoi qu'en disent les tableaux de bord internes de rentabilité, et chaque acteur sait que tous les autres font face à la même matrice de gains.
C'est un dilemme du prisonnier, et son résultat est une dépense déconnectée du rendement : non pas parce que les dirigeants sont naïfs, mais parce que la structure d'incitation les paie pour surconstruire en public.
À partir de quand la dépense IA devient-elle un problème collectif ?
Voici la distinction qui compte davantage que n'importe quel débat sur la bulle : le mode de financement de cette construction. Tant qu'elle est payée sur la trésorerie d'exploitation, une correction reste un problème d'actionnaires, douloureux mais contenu. Le jour où le centre de données marginal se finance par la dette, la nature du risque change, car la dette est le mécanisme de transmission qui transforme la dépréciation d'un secteur en choc pour toute l'économie. L'ampleur est désormais documentée. Le décompte d'Axios sur la vague de dépenses 2026 chiffre les investissements cumulés en IA des grandes entreprises technologiques, Oracle comprise, à près de 800 milliards de dollars, tout en relevant qu'aucune d'entre elles ne publie le chiffre d'affaires ou les profits qui y sont directement attribuables. Meta indique à elle seule à ses actionnaires, dans son rapport trimestriel (10-Q) du premier trimestre 2026, s'attendre à environ 125 à 145 milliards de dollars d'investissements cette année. Rapportez ce rythme au flux de trésorerie d'exploitation que publient chaque trimestre Microsoft, Alphabet, Amazon et Meta, et selon mes calculs, la construction absorbe l'essentiel de cette trésorerie, sans doute la totalité une fois les rachats d'actions et les dividendes sortis. Considérez ce ratio comme mon estimation, non comme un chiffre publié : aucune entreprise ne le communique, ce qui en dit long en soi. Quand la trésorerie interne ne suffit plus à couvrir la facture, le solde arrive sous forme d'emprunt.
Le calendrier aggrave le problème. Les documents comptables amortissent ce matériel avec beaucoup d'indulgence : dans son rapport annuel de l'exercice fiscal 2022, Microsoft acte sa décision de « porter la durée de vie utile estimée des serveurs et des équipements réseau de quatre à six ans », et ses pairs retiennent des barèmes comparables. Ma propre estimation de la durée de vie économique d'un accélérateur de pointe, la période avant que du silicium plus récent ne le rende obsolète pour la tâche qu'il devait accomplir, est plus sévère : peut-être trois à quatre ans, soit à peu près une génération de produit. Reportez cette hypothèse plus dure sur l'ampleur des engagements de dépense annoncés, et le chiffre d'affaires nécessaire pour les justifier suppose l'apparition d'un nouveau marché logiciel à mille milliards de dollars en l'espace d'une seule génération de puces. C'est possible. Est-ce suffisamment probable pour lever de la dette sur un bilan ? C'est une autre question, et personne ne la pose à voix haute.
Il existe en dessous une asymétrie technique plus discrète. La thèse des dépenses d'investissement repose sur des cycles d'entraînement toujours plus massifs, alors que l'essentiel de l'action visible s'est déplacé vers le post-entraînement, le calcul au moment de l'inférence et une recherche d'efficacité radicale, des modèles à poids ouverts reproduisant des capacités coûteuses pour une fraction du coût d'origine. Si la capacité par euro dépensé continue de baisser, la demande de calcul peut continuer de croître alors même que le pouvoir de fixation des prix nécessaire pour rembourser ce millésime précis de matériel, lui, ne suit pas. C'est le scénario qu'aucun chiffre en une ligne ne provisionne.
Ce qui me ferait changer d'avis
La position étant posée, voici les preuves qui la feraient basculer : une segmentation vérifiable de façon indépendante montrant qu'un chiffre d'affaires réellement incrémental et attribuable au génératif croît plus vite que la base requalifiée. Des ratios d'investissement qui se stabilisent par rapport à la trésorerie d'exploitation plutôt que de la dépasser. Des engagements annoncés qui se convertissent en trésorerie à taux élevé plutôt que de s'éteindre discrètement. Montrez-moi deux de ces trois signaux, et l'histoire ennuyeuse, celle d'un cycle d'investissement en infrastructure inhabituellement bruyant mais fondamentalement ordinaire, devient le meilleur pari. Pour l'instant, les publications disent l'inverse.
Pour un conseil d'administration, tout ceci se résume à un seul geste de vigilance. Quand un fournisseur, un cabinet de conseil ou votre propre présentation stratégique cite un chiffre d'affaires IA, exigez la part incrémentale : le chiffre d'affaires qui n'existerait pas sans l'IA générative, net de tout ce qui se vendait déjà sous une autre étiquette. Traitez le total requalifié comme du marketing. C'est la même discipline qui consiste à évaluer sa maturité IA avant d'investir : déterminer ce que la technologie change réellement pour votre modèle économique avant d'engager du capital, idéalement avec le regard d'une stratégie technique indépendante, non rémunérée pour gonfler le dénominateur.
L'asymétrie à retenir est celle-ci : si les sceptiques ont tort, les acheteurs prudents perdent un peu de temps. Si les chiffres qui font les gros titres ont tort, les bâtisseurs surendettés perdent une décennie. Tarifez le capital pour la seconde erreur, pas pour la première.
Questions fréquentes
Le chiffre d'affaires IA correspond-il au chiffre d'affaires de l'IA générative ?
Non. La majeure partie du « chiffre d'affaires IA » publié inclut des produits de machine learning antérieurs à l'IA générative, comme le ciblage publicitaire, le classement ou les systèmes de recommandation. Le chiffre d'affaires génératif réellement incrémental est un sous-ensemble bien plus restreint, que les fournisseurs détaillent rarement sans y être contraints.
Comment un conseil d'administration doit-il tester les chiffres d'affaires IA annoncés par un fournisseur ?
Demandez la part incrémentale attribuable au génératif : le chiffre d'affaires qui n'existerait pas sans l'IA générative, net des lignes anciennes requalifiées. Demandez comment la catégorie est définie, si les périodes antérieures ont été retraitées, et considérez tout refus de détailler comme une réponse en soi.
Un plateau dans la montée en puissance des modèles IA signifie-t-il l'arrêt des dépenses ?
Pas nécessairement. L'investissement se déplace vers le post-entraînement, le calcul au moment de l'inférence et l'efficacité, plutôt que vers des cycles d'entraînement toujours plus massifs. La demande de calcul peut continuer de croître alors que les rendements de cette génération précise de matériel déçoivent, ce qui explique pourquoi le mode de financement compte plus que le volume.
À lire aussi
- Les primes de rétention ne réduisent pas le risque de l'homme-clé. La doctrine, si.
- La moitié de votre trafic est un robot, et elle décide de votre budget publicitaire
- La croissance IA de votre cloud est en partie un aller-retour financier. Passez au crible avant de signer
- Data & Strategy
Rédigé par un persona éditorial IA du système éditorial propriétaire d'Abyshire et relu par notre équipe.