IA : la DATA à SURVEILLER

L’intelligence artificielle reste l’une des grandes thématiques de marché

L’intelligence artificielle continue d’occuper une place centrale dans les marchés financiers. Dans un environnement où les grandes thématiques d’investissement sont relativement limitées, deux sujets dominent : d’un côté, l’inflation et les conséquences potentielles des tensions au Moyen-Orient sur les prix, les économies et la croissance ; de l’autre, l’essor de l’IA.
Cette seconde thématique nourrit actuellement une forte croissance. Mais elle soulève aussi plusieurs interrogations : les investisseurs ne prennent-ils pas le risque de surinvestir ? Les valorisations ne sont-elles pas devenues excessives ? Le marché évalue-t-il correctement les risques de pertes futures ?
La question centrale est donc simple : faut-il encore investir dans les valeurs liées à l’IA après le mouvement déjà observé ? Ou bien sommes-nous face à une véritable révolution technologique encore sous-estimée, susceptible de générer des retours importants pour les investisseurs ?

Une réalité industrielle portée par les capacités de calcul

Pour Christian Parisot, un premier constat s’impose : l’intelligence artificielle est désormais une réalité, notamment en matière d’investissement.
Des milliards de dollars sont engagés pour développer les capacités de calcul nécessaires à l’IA. Le raisonnement est simple : il faut de l’électricité, des infrastructures et une puissance de calcul considérable pour faire fonctionner et entraîner les modèles.
Avant même de savoir précisément quels usages domineront demain, le marché se trouve dans une phase d’installation. Il faut construire l’infrastructure : data centers, puces, mémoire, serveurs et capacités de calcul.
Cette phase d’investissement peut répondre à trois logiques différentes : TINA, FOMO et FEMO.

Effet TINA : l’IA comme investissement par défaut

Le premier moteur est l’effet TINA, pour “There Is No Alternative”. Dans ce cas, les investisseurs se tournent vers l’IA parce qu’ils manquent d’alternatives jugées suffisamment visibles.
La croissance mondiale reste incertaine, les tensions au Moyen-Orient entretiennent les inquiétudes et les décisions des banques centrales demeurent difficiles à anticiper. Dans ce contexte, les valeurs liées à l’IA apparaissent comme un terrain plus lisible, avec une croissance déjà visible et supposée durable à court terme.
Cet effet TINA ne signifie pas que les investisseurs achètent n’importe quoi. Au contraire, Christian Parisot insiste sur leur sélectivité. Les flux ne se dirigent pas prioritairement vers des entreprises déficitaires ou spéculatives. Ils se concentrent surtout sur les sociétés qui affichent déjà des profits, des marges élevées et une forte visibilité.
Les investisseurs privilégient ainsi les acteurs qui “fabriquent les pelles” de cette ruée vers l’IA : producteurs de mémoire, semi-conducteurs, équipementiers et entreprises situées au cœur de la chaîne de calcul. Ils se montrent plus prudents vis-à-vis des hyperscalers, qui prennent le risque d’investir massivement dans des infrastructures dont la rentabilité future reste à confirmer.
Mais cette concentration pose un problème : très peu de valeurs profitent réellement de cette croissance avec une visibilité élevée. Ces sociétés disposent parfois de carnets de commandes remplis pour plusieurs années. Résultat : elles se paient très cher.
Cet effet TINA pourrait toutefois se retourner partiellement. Si la situation au Moyen-Orient s’améliorait ou si la visibilité sur la croissance mondiale devenait meilleure, les investisseurs pourraient diversifier davantage leurs portefeuilles. Ils pourraient revenir vers l’Europe, vers certaines valeurs industrielles ou vers des segments aujourd’hui délaissés.
Dans ce scénario, la thématique IA pourrait sous-performer temporairement, non pas parce que son histoire serait remise en cause, mais parce que les flux d’investissement deviendraient moins concentrés.

Effet FOMO : la peur de manquer une révolution industrielle

Le deuxième moteur est l’effet FOMO, la peur de rater le mouvement. Dans les marchés, cet effet est souvent associé à des bulles : les investisseurs achètent parce qu’ils ont peur de manquer une révolution, au risque de payer trop cher leur entrée.
Mais Christian Parisot nuance fortement ce point. Selon lui, l’effet FOMO ne se situe pas principalement chez les investisseurs boursiers. Ceux-ci restent sélectifs et semblent avoir tiré les leçons de la précédente bulle technologique.
Il existe bien quelques excès sur certaines petites capitalisations, mais les flux principaux se dirigent vers de grandes sociétés : Nvidia, SK Hynix, Samsung Electronics ou d’autres acteurs majeurs. Il ne s’agit donc pas d’un emballement généralisé sur des sociétés marginales ou très spéculatives.
En revanche, l’effet FOMO est bien présent chez les hyperscalers.
Ces géants du numérique considèrent que l’IA fera des gagnants et des perdants. Certains modèles économiques seront profondément transformés. Pour ne pas faire partie des perdants, ils estiment devoir investir massivement dès maintenant.
Le raisonnement est presque existentiel : il ne s’agit plus seulement de savoir si l’investissement sera rentable, mais de savoir si l’entreprise existera encore demain si elle n’investit pas. Les hyperscalers doivent donc construire des capacités de calcul massives pour déployer leurs modèles et vendre demain des services liés au cloud intelligent.
Cette logique entretient mécaniquement les flux d’investissement. Même si les coûts des data centers flambent, les hyperscalers continuent d’augmenter leurs budgets. Pour eux, c’est le prix à payer pour rester dans la course.
Mais cette logique implique aussi qu’il y aura des perdants. Certains acteurs pourraient mal se positionner commercialement, ne pas amortir leurs investissements ou découvrir que les retours attendus ne sont pas au rendez-vous.

Effet FEMO : des résultats encore meilleurs qu’attendu

Le troisième moteur est l’effet FEMO, que Christian Parisot présente comme un “Fabulous Earnings Momentum” : une dynamique de résultats exceptionnelle.
C’est l’argument le plus favorable à la poursuite de la hausse. Les entreprises liées à l’IA publient régulièrement des résultats supérieurs aux attentes, avec des progressions très fortes de chiffre d’affaires et de marges.
Certains acteurs affichent désormais des marges brutes de 70 %, alors qu’elles étaient nettement plus faibles il y a quelques années. D’autres annoncent des croissances de chiffre d’affaires à deux chiffres, voire à trois chiffres, notamment dans les serveurs et les infrastructures destinées aux data centers.
Dans cette logique, acheter cher n’est pas forcément irrationnel. Si les bénéfices progressent encore plus vite que les cours, les multiples de valorisation anticipés peuvent rester supportables. La hausse des actions peut donc s’expliquer par une amélioration encore plus forte des perspectives de résultats.
C’est cet effet FEMO qui permet de défendre l’idée que le marché n’est pas nécessairement dans une bulle. Le doublement ou le triplement de certaines actions paraît impressionnant, mais il peut correspondre à une progression très forte des profits attendus.

Le token, l’indicateur clé à surveiller

Pour départager ces trois effets, Christian Parisot identifie un indicateur central : les tokens.
Le token est l’unité de base de l’utilisation de l’intelligence artificielle. Il mesure, en quelque sorte, la consommation de calcul liée aux modèles. Pour que les investissements actuels soient justifiés, l’utilisation des tokens doit continuer à progresser fortement.
Selon Christian Parisot, il faudrait une croissance massive de cette utilisation, potentiellement multipliée par 20 d’ici 2030, pour que l’ensemble de la chaîne de l’IA reste bien orientée : investissements rentables, prix de la mémoire soutenus, marges élevées et absence de bulle.
Or le coût du token augmente. Cette hausse est liée notamment aux tensions sur les composants, aux besoins en mémoire et aux capacités limitées de production. À un moment, cette inflation du coût de calcul se répercute sur les utilisateurs finaux.
La question devient donc essentielle : les entreprises continueront-elles à utiliser autant d’IA si le prix des tokens double, triple ou quadruple ?

Une chaîne de production sous tension

Le coût du calcul augmente parce que toute la chaîne industrielle de l’IA est sous pression.
En amont, il y a les équipementiers comme ASML, nécessaires à la production des puces. Viennent ensuite les fondeurs comme TSMC, puis les producteurs de mémoire, qui occupent une place particulièrement stratégique.
L’intelligence artificielle utilise notamment de la mémoire 3D, c’est-à-dire des couches de mémoire empilées les unes sur les autres. Cette technologie est complexe et peu d’acteurs la maîtrisent réellement. Christian Parisot cite principalement Samsung Electronics, SK Hynix et Micron.
Cette concentration crée une situation d’oligopole. Les producteurs de mémoire ne peuvent pas augmenter rapidement leurs volumes, mais ils peuvent augmenter leurs prix. Leur croissance provient donc surtout de la valeur, plus que des volumes.
Tant que la demande d’IA reste forte, ces acteurs devraient continuer à bénéficier de marges élevées. C’est pourquoi le marché se concentre sur eux : ils apparaissent comme les moins risqués dans la chaîne actuelle.
En revanche, la concurrence pourrait être plus forte chez les concepteurs de puces. Nvidia, Arm et les hyperscalers eux-mêmes peuvent entrer en compétition, certains souhaitant concevoir leurs propres puces. Mais, quelle que soit la qualité du design, ces acteurs resteront dépendants des producteurs de mémoire et des fondeurs.

Changement de régime : le calcul de plus en plus cher

Pendant des années, les investisseurs et les entreprises ont vécu avec l’idée que la puissance de calcul devenait de moins en moins chère. La loi de Moore permettait d’obtenir davantage de puissance pour un coût inférieur.
Avec l’IA, Christian Parisot estime que l’on change de monde. Le coût du calcul augmente fortement. Les prochains mois pourraient donc être marqués par une inflation durable des capacités nécessaires à l’IA.
Cela pose une question centrale pour les entreprises : comment réagiront-elles lorsque l’usage de l’IA deviendra réellement coûteux ?
Aujourd’hui, les fournisseurs de modèles comme OpenAI ou Anthropic ont besoin d’acheter de la puissance de calcul pour entraîner leurs modèles. Mais une fois ces modèles entraînés, leur utilisation consomme encore des tokens. La demande provient donc à la fois de l’entraînement et de l’usage courant des modèles.
Le risque apparaît lorsque les entreprises doivent payer le vrai prix de cette utilisation. Un agent IA capable de trier des mails, par exemple, peut sembler utile. Mais si son coût devient significatif, certaines entreprises pourraient demander à leurs salariés de réaliser eux-mêmes ces tâches.
Christian Parisot souligne aussi qu’un agent IA consomme beaucoup plus de tokens qu’une simple requête. Dans son raisonnement, l’usage agentique peut nécessiter jusqu’à 100 fois plus de calcul. Pour les fournisseurs de puissance de calcul, c’est une opportunité majeure. Pour les clients, c’est une source potentielle de coûts élevés.

Productivité ou inflation : le débat reste ouvert

Le débat autour de l’IA ne concerne donc pas seulement la Bourse. Il touche aussi la productivité et l’inflation.
Certains estiment que l’IA générera des gains de productivité importants et aura un effet déflationniste. D’autres considèrent au contraire que le coût de l’IA augmente tellement qu’il pourrait finir par se transmettre aux prix de vente.
Si les entreprises utilisent l’IA mais que les gains de productivité ne compensent pas le coût des tokens, des infrastructures et de l’énergie, elles pourraient être amenées à relever leurs prix.
Pour Christian Parisot, ce point constitue une fragilité importante de la thématique IA. L’inflation du coût de calcul pourrait finir par détruire une partie de la demande, comme c’est souvent le cas en économie lorsque les prix montent.
Cela ne signifie pas que l’IA ne créera pas de gains de productivité. Mais cela signifie que la trajectoire ne sera peut-être pas aussi linéaire que certains investisseurs l’imaginent.

Quels risques pour les investisseurs ?

Le principal risque vient du retour sur investissement des hyperscalers. Ces entreprises investissent massivement parce qu’elles estiment ne pas avoir le choix. Mais certaines pourraient avoir surinvesti ou mal orienté leurs dépenses.
Si la consommation de tokens continue d’augmenter très fortement, le scénario favorable restera intact. Les producteurs de mémoire, les fondeurs, les concepteurs de puces et les fournisseurs d’infrastructures pourraient continuer à bénéficier d’une dynamique solide.
En revanche, si la croissance de l’utilisation des tokens ralentit, cela pourrait signaler que le coût de l’IA commence à peser sur la demande. Ce serait alors un signal d’alerte pour les investisseurs.
À court terme, Christian Parisot ne voit pas nécessairement de risque majeur immédiat. Mais il identifie deux points de vigilance.
Le premier est conjoncturel : une amélioration de la situation géopolitique pourrait réduire l’effet TINA et pousser les investisseurs à diversifier leurs portefeuilles, au détriment temporaire de la technologie.
Le second est structurel : la hausse du coût de calcul pourrait progressivement freiner l’usage de l’IA par les entreprises.

L’inférence, donnée décisive pour le timing d’investissement

Pour suivre correctement cette thématique, il ne suffit pas d’observer la consommation totale de tokens. Une partie de cette consommation provient de l’entraînement des nouveaux modèles, qui crée des pics ponctuels.
L’indicateur le plus important est l’utilisation des tokens liée à l’inférence, c’est-à-dire l’usage effectif des modèles par les entreprises et les clients.
C’est cette consommation qui dira si l’IA s’installe réellement dans les usages économiques. Si elle continue de progresser fortement malgré la hausse des coûts, l’investissement dans la thématique restera défendable. Si elle ralentit, le marché pourrait commencer à remettre en cause certaines valorisations.
Pour Christian Parisot, l’investisseur doit donc privilégier les acteurs les plus solides, ceux qui prennent le moins de risques d’investissement direct, tout en surveillant de près l’évolution de la consommation de tokens liée à l’utilisation réelle des modèles.

L’IA reste porteuse, mais la sélectivité devient essentielle

La thématique de l’intelligence artificielle reste puissante. Elle repose sur des investissements réels, des carnets de commandes solides, des marges élevées et une transformation industrielle en cours.
Mais cette dynamique n’est pas sans risque. L’effet TINA peut se dissiper. L’effet FOMO des hyperscalers peut déboucher sur des investissements excessifs. Et l’effet FEMO, aussi favorable soit-il aujourd’hui, dépendra de la capacité des résultats à continuer de dépasser les attentes.
La clé se trouve dans le token : son prix, son usage et surtout la croissance de la demande liée à l’inférence.
Pour un investisseur, la conclusion est donc nuancée : la thématique IA n’est pas nécessairement une bulle, mais elle exige de surveiller le bon indicateur. Aujourd’hui, la donnée centrale n’est pas seulement le chiffre d’affaires des géants technologiques ou le niveau des marges des producteurs de mémoire. C’est la consommation réelle de tokens par les utilisateurs.