Deux scénarios : une même impasse ?

Énergie, taux longs et intelligence artificielle : une équation économique de plus en plus complexe
Les perspectives économiques et boursières pour les prochains mois deviennent particulièrement difficiles à appréhender. Plusieurs facteurs se conjuguent et pourraient remettre en cause la résistance dont les marchés actions font preuve jusqu’à présent.
Le premier est le choc énergétique, dont les conséquences se diffusent progressivement dans l’économie. La hausse des prix de l’énergie pèse sur le pouvoir d’achat des ménages et sur les coûts supportés par les entreprises.
Le deuxième concerne les taux d’intérêt à long terme, qui connaissent une remontée particulièrement marquée. Leur évolution constitue désormais une source d’inquiétude majeure pour les perspectives de croissance.
Mais un troisième facteur vient compliquer l’analyse : la poursuite des investissements massifs dans l’intelligence artificielle.
Pour l’instant, ces investissements constituent un puissant soutien à l’activité. Les entreprises construisent des capacités de calcul à un rythme soutenu, même si la question d’un éventuel surinvestissement commence à se poser. Un excès d’optimisme n’est pas à exclure, mais les dépenses engagées produisent déjà des effets économiques tangibles.
Christian Parisot rappelle notamment les indications de l’Organisation mondiale du commerce, selon lesquelles près de la moitié de la croissance du commerce international cette année serait liée aux composants électroniques associés à l’intelligence artificielle. L’évolution de la balance commerciale de la Corée du Sud illustre également l’ampleur de ce phénomène.
L’effet de l’IA dépasse donc largement le seul secteur technologique. Il est devenu macroéconomique.
Cette dynamique contribue à expliquer pourquoi certaines parties de l’économie mondiale continuent d’afficher de bonnes performances, tandis que les enquêtes de conjoncture ne présentent pas, dans leur ensemble, de signes de dégradation aussi prononcés qu’on aurait pu le craindre.
Deux menaces demeurent néanmoins : les prix élevés de l’énergie, qui affectent directement les ménages, et la hausse des taux longs, dont les conséquences pourraient être beaucoup plus profondes.
Toute la question est de savoir si le marché obligataire finira par compromettre la croissance.
Un environnement associant inflation soutenue et activité économique robuste n’est pas nécessairement défavorable aux actions. Lorsque les prix augmentent sans provoquer de ralentissement majeur, les entreprises peuvent enregistrer une progression importante de leur chiffre d’affaires en valeur, ce qui soutient leurs bénéfices.
L’inflation peut ainsi constituer un facteur favorable aux marchés boursiers, à condition que la croissance reste solide.
Deux conditions doivent toutefois être réunies. D’une part, les banques centrales ne doivent pas provoquer un ralentissement excessif de l’activité en durcissant leur politique monétaire. Elles semblent, pour l’instant, relativement prudentes. D’autre part, la réaction du marché obligataire ne doit pas compromettre les perspectives économiques.
La question devient alors déterminante : la hausse des taux longs constitue-t-elle un simple ajustement après une période de taux anormalement faibles ou annonce-t-elle un scénario beaucoup plus défavorable pour la croissance ?

Pourquoi les investissements dans l’IA contribuent à la hausse des taux longs
La remontée des taux longs peut s’expliquer par de nombreux facteurs. Christian Parisot choisit toutefois de se concentrer sur un mécanisme qui prend, selon lui, une importance croissante : le financement des investissements dans l’intelligence artificielle.
Les dépenses consacrées à l’IA passent de plus en plus par les marchés obligataires. Cette évolution attire l’attention des investisseurs en obligations, qui cherchent à en mesurer les conséquences sur l’équilibre entre l’offre et la demande de capitaux.
Plus les entreprises développent leurs capacités de calcul, plus elles ont besoin de financement. Lorsqu’une part croissante de ces ressources est levée sur le marché obligataire, la pression sur les taux d’intérêt peut s’accentuer.
Ce mécanisme introduit un paradoxe dans les perspectives économiques.
Les investissements dans l’IA stimulent l’activité, soutiennent la croissance et favorisent les bénéfices de nombreuses entreprises technologiques. Mais les besoins de financement qu’ils engendrent peuvent aussi renchérir le coût du capital pour l’ensemble de l’économie.
Cette relation entre développement de l’intelligence artificielle, financement obligataire et hausse des taux est essentielle pour comprendre les scénarios économiques envisagés pour les prochains mois.

IA agentique : l’explosion des besoins en capacités de calcul
Le premier moteur de cette dynamique reste la croissance spectaculaire des besoins en capacités de calcul.
L’intelligence artificielle connaît une évolution technologique particulièrement rapide. Les premiers modèles génératifs étaient principalement conçus pour entretenir des conversations, produire des textes ou répondre à des questions.
Mais le développement de l’IA agentique transforme profondément la nature de la demande.
Les nouveaux agents ne se contentent plus d’interagir avec leurs utilisateurs. Ils sont appelés à réaliser directement des opérations : naviguer sur Internet, ouvrir des pages, identifier les informations pertinentes, cliquer sur des sites, comparer des offres ou engager différentes actions.
Ils doivent pouvoir fonctionner de manière autonome, parfois en permanence, tout en comprenant l’environnement numérique dans lequel ils évoluent.
Cette autonomie suppose des besoins de calcul considérables.
Un agent doit être capable d’observer l’organisation d’un site, d’en analyser le contenu, de comprendre les possibilités d’interaction, de déterminer où cliquer et de rester disponible pour exécuter de nouvelles tâches.
Il s’agit d’une évolution majeure par rapport aux modèles conversationnels classiques.
Jusqu’à présent, l’essentiel de la puissance de calcul mobilisée par l’IA reposait notamment sur des processeurs graphiques, initialement développés pour les applications de rendu visuel.
L’essor des agents modifie cet équilibre.
La virtualisation d’environnements informatiques, notamment de systèmes Windows sur des serveurs, accroît également les besoins en processeurs plus classiques, comparables à ceux utilisés dans les ordinateurs personnels.
À cela s’ajoute une demande croissante en mémoire.
Les infrastructures doivent donc mobiliser davantage de processeurs, davantage de mémoire et davantage de composants électroniques, avec une consommation énergétique elle aussi plus élevée.
La différence entre les modèles conversationnels, comme ChatGPT ou Claude, et les agents capables d’exécuter des tâches autonomes devient particulièrement importante.
La généralisation de ces agents pourrait entraîner une explosion des besoins en puissance de calcul.
Ces perspectives restent toutefois tributaires d’une inconnue majeure : leur vitesse réelle d’adoption.
Les prévisions reposent sur des hypothèses souvent très favorables, qui supposent une diffusion massive des agents auprès des entreprises et des particuliers.
Or, plusieurs obstacles pourraient ralentir ce mouvement.
Pour les entreprises, les premières interrogations concernent la sécurité et la responsabilité juridique. Un agent autonome ne doit pas pouvoir réaliser des opérations susceptibles de mettre en danger les systèmes informatiques ou d’engager la responsabilité de son utilisateur.
La fiabilité des décisions prises, les risques de sécurité et les conséquences juridiques constituent autant de difficultés susceptibles de retarder le déploiement de ces technologies.
Cette incertitude concerne directement les investissements nécessaires pour répondre à la demande future.
Si l’adoption des agents progresse moins rapidement que prévu, les besoins de calcul pourraient également être inférieurs aux anticipations.
Du côté des particuliers, Christian Parisot évoque la réussite commerciale récente d’un agent d’intelligence artificielle proposé par Meta Platforms. Ce type de succès contribue à renforcer les anticipations de diffusion à grande échelle.
Mais la pérennité de cet engouement reste à confirmer.
Le marché des agents destinés aux consommateurs pourrait aussi évoluer vers une structure oligopolistique, dominée par un nombre limité d’acteurs, tandis que certaines mesures pourraient restreindre leurs possibilités d’action.
La situation apparaît donc paradoxale.
Les prévisions intègrent une croissance extrêmement rapide des besoins de calcul, alors que les conditions de diffusion et d’utilisation de ces technologies demeurent encore incertaines.
Pour l’instant, les marchés financiers privilégient néanmoins le scénario d’une adoption massive.
Selon Christian Parisot, les succès commerciaux enregistrés dans l’IA agentique ont contribué à renforcer les anticipations de besoins en infrastructures. Cette évolution aurait également joué un rôle dans la dégradation des marchés obligataires, les investisseurs prenant conscience de l’ampleur des financements qui pourraient être nécessaires.

Semi-conducteurs et mémoire : une inflation qui fait exploser les profits
Cette augmentation attendue de la demande constitue un puissant moteur pour les marchés actions.
Les fabricants de composants électroniques, et particulièrement les producteurs de mémoire, bénéficient directement de la multiplication des besoins en équipements informatiques.
L’essor des applications d’intelligence artificielle provoque des tensions sur l’ensemble de la chaîne d’approvisionnement.
Or, l’offre de semi-conducteurs et de mémoire est relativement peu flexible à court terme.
Il s’agit d’industries particulièrement capitalistiques. La construction de nouvelles capacités de production nécessite des investissements lourds et des délais importants. Les entreprises ne peuvent donc pas répondre immédiatement à une accélération brutale de la demande.
Cette situation favorise les hausses de prix.
Mais l’inflation qui en résulte n’affecte pas tous les acteurs de la même manière. Pour certains fabricants, elle se traduit au contraire par une augmentation spectaculaire des marges et des bénéfices.
Christian Parisot souligne l’ampleur des progressions enregistrées ces derniers mois dans plusieurs segments de l’industrie électronique.
Ces tensions entre une demande en forte croissance et des capacités de production limitées nourrissent la rentabilité d’un grand nombre d’entreprises liées aux composants.
La question est désormais de savoir si cette dynamique peut se poursuivre et, surtout, si la hausse du coût du financement est susceptible de ralentir les investissements qui l’alimentent.

Les hyperscalers peuvent-ils continuer à investir malgré la hausse des taux ?
Pour répondre à cette question, il faut comparer deux éléments fondamentaux : la rentabilité du capital investi et son coût de financement.
Les principaux acteurs concernés sont les grands fournisseurs d’infrastructures informatiques et de services cloud, généralement désignés sous le terme d’hyperscalers.
Microsoft, Meta, Alphabet, Amazon ou encore Oracle réalisent des investissements considérables pour développer les capacités de calcul nécessaires à l’intelligence artificielle.
Ces groupes constituent aujourd’hui l’un des principaux moteurs de la demande mondiale en composants électroniques.
Ils assument également une grande partie du risque économique associé à ces investissements.
Leur capacité à poursuivre leurs dépenses dépend donc, en premier lieu, de la rentabilité qu’ils peuvent en attendre.
À partir des comptes des principaux acteurs, Christian Parisot estime que le retour sur capital investi se situe actuellement autour de 20 %.
Cette estimation peut varier selon les trimestres et les méthodes de calcul. Elle témoigne néanmoins d’une rentabilité particulièrement élevée.
Les capacités de calcul bénéficient pour l’instant d’une demande supérieure à l’offre, ce qui permet de maintenir des marges importantes.
Dans ces conditions, les entreprises disposent d’une forte incitation à poursuivre la construction de centres de données et à augmenter leurs investissements.
Cette situation pourrait toutefois évoluer.
Lorsque les capacités installées auront fortement progressé, les marges actuelles pourront-elles être maintenues ?
Une adoption plus lente que prévu de l’intelligence artificielle pourrait-elle entraîner un essoufflement de la demande ?
Ces interrogations restent ouvertes.
À ce stade, la rentabilité demeure suffisamment élevée pour attirer des capitaux importants.
Face à cette rentabilité, les investisseurs doivent cependant prendre en compte le coût du capital.
Celui-ci correspond au coût moyen pondéré des différentes ressources financières mobilisées par une entreprise. Il intègre notamment les exigences de rendement des actionnaires et les intérêts versés sur les financements obligataires.
Son estimation n’est pas simple.
Le coût de la dette varie en fonction des conditions de marché et des émissions réalisées. Une entreprise peut avoir emprunté une partie importante de ses ressources à des taux beaucoup plus faibles que ceux désormais pratiqués.
Il faut donc distinguer le coût des financements historiques, les rendements observés sur le marché secondaire et les conditions auxquelles de nouvelles émissions pourraient être réalisées.
Dans ses estimations, Christian Parisot retient des hypothèses qu’il juge prudentes, avec un coût du capital situé dans la partie haute de la fourchette possible.
Il aboutit ainsi à un coût moyen du capital d’environ 12 %.
La comparaison avec un retour sur capital investi proche de 20 % fait apparaître un écart significatif.
Selon les hypothèses utilisées, cet écart représenterait entre 7 et 10 points de pourcentage.
Cette différence est essentielle pour apprécier l’effet potentiel d’une remontée des taux.

Pourquoi les taux longs devraient monter très fortement pour freiner l’IA
Une rentabilité du capital largement supérieure à son coût signifie que les hyperscalers disposent encore d’une marge importante pour absorber un renchérissement de leurs financements.
Même si les taux longs continuent de progresser, leurs investissements peuvent rester économiquement attractifs.
Christian Parisot estime ainsi que, dans le cadre de son raisonnement, il faudrait envisager des niveaux de taux d’intérêt de l’ordre de 15 % pour commencer à remettre véritablement en question certains projets d’investissement dans l’intelligence artificielle.
Il ne s’agit pas d’une prévision de taux, mais d’une illustration de l’ampleur de la rentabilité actuellement observée.
Le contraste avec le reste de l’économie est considérable.
La plupart des entreprises industrielles et des secteurs traditionnels ne disposent pas de niveaux de rentabilité comparables. Une hausse des taux suffisamment importante pour freiner les hyperscalers aurait déjà provoqué des difficultés majeures dans de nombreuses autres activités.
Les taux longs pourraient donc fragiliser profondément l’économie avant de ralentir significativement les investissements dans l’IA.
Cette particularité constitue l’un des principaux déséquilibres du scénario actuel.
La remontée des taux ne paraît pas, à elle seule, suffisante pour empêcher les grandes entreprises technologiques de continuer à emprunter et à construire de nouvelles capacités de calcul.
Un endettement plus coûteux réduit certes l’écart entre la rentabilité attendue des investissements et leur coût de financement. Il augmente ainsi les risques supportés par les entreprises.
Mais cet effet ne semble pas encore assez puissant pour remettre en cause leurs intentions d’investissement à court terme.
Cela ne signifie pas que les conditions de rentabilité resteront durablement aussi favorables.
Les graphiques présentés par Christian Parisot suggèrent que le retour sur capital investi pourrait avoir atteint un point haut et entrer progressivement dans une phase de ralentissement.
La concurrence s’intensifie à mesure que de nouvelles capacités de calcul arrivent sur le marché.
Oracle apparaît, dans son analyse, comme l’un des acteurs les plus fragiles parmi les grands groupes étudiés. Sa situation pourrait l’inciter à adopter une politique commerciale plus agressive, susceptible d’exercer une pression sur les prix et sur les marges de ses concurrents.
À mesure que l’offre de puissance de calcul se développera, la concurrence pourrait donc réduire les niveaux de rentabilité actuellement observés.
Dans le même temps, le coût du capital de ces grandes entreprises tend globalement à augmenter depuis plusieurs années.
La combinaison d’une rentabilité potentiellement moins élevée et d’un financement plus coûteux commence ainsi à créer une pression.
Mais cette pression demeure, pour l’instant, insuffisante pour entraîner un arrêt des investissements.
Un autre facteur pourrait cependant changer beaucoup plus rapidement les perspectives.

Puces, mémoire HBM et data centers : le risque d’obsolescence technologique
Au-delà de la comparaison entre rentabilité et coût du capital, Christian Parisot identifie un risque qu’il estime largement sous-évalué par les marchés : le déclassement technologique des investissements.
Les évolutions rapides de l’intelligence artificielle peuvent modifier en profondeur la valeur économique des infrastructures actuellement construites.
L’industrie des processeurs dédiés à l’IA en offre une illustration.
La concurrence s’intensifie entre différentes architectures de puces, dans un environnement marqué par des tensions d’approvisionnement et par l’inflation des composants.
L’un des principaux goulets d’étranglement concerne aujourd’hui la mémoire, et particulièrement la mémoire HBM (High Bandwidth Memory), utilisée avec les processeurs destinés aux applications les plus exigeantes.
Les solutions développées par Nvidia occupent une place majeure dans cet écosystème.
Les processeurs graphiques du groupe présentent une grande polyvalence. Ils peuvent être utilisés aussi bien pour des applications graphiques, notamment les jeux en trois dimensions, que pour les calculs nécessaires aux modèles d’intelligence artificielle.
Mais d’autres architectures commencent à émerger.
Certaines solutions cherchent à intégrer directement une quantité considérable de mémoire au sein d’une même puce.
Cette approche permet de stocker davantage d’informations à proximité immédiate des unités de calcul et de réduire la dépendance à la mémoire externe.
Elle présente toutefois une limite importante : la taille du modèle doit rester compatible avec la capacité de mémoire disponible sur la puce.
Si les besoins d’un nouveau modèle dépassent cette capacité, l’équipement peut perdre une partie importante de son intérêt économique.
Les choix technologiques deviennent ainsi déterminants.
D’autres fabricants développent des architectures reposant sur des processeurs de très grande taille.
Christian Parisot évoque notamment Cerebras, dont les solutions reposent sur des architectures intégrant un très grand nombre d’unités de calcul.
L’objectif est d’augmenter fortement les performances et de répondre aux besoins croissants des modèles d’intelligence artificielle.
Ces technologies présentent néanmoins des contraintes.
La fabrication de composants de très grande taille peut être coûteuse. Elle est exposée aux difficultés inhérentes aux procédés de production des semi-conducteurs et nécessite des systèmes de refroidissement particulièrement performants.
Le choix d’une telle architecture peut également accroître la dépendance à un fournisseur technologique.
D’autres solutions spécialisées apparaissent parallèlement, notamment autour de l’organisation de la mémoire et de son intégration aux processeurs.
Google développe également ses propres puces, adaptées aux besoins spécifiques de ses applications d’intelligence artificielle.
Cette diversité témoigne d’un marché encore en pleine évolution.
Les entreprises explorent plusieurs solutions techniques pour répondre aux contraintes de puissance de calcul, de consommation énergétique et de disponibilité de la mémoire.
La mémoire constitue aujourd’hui une contrainte majeure, à la fois par son coût et par ses capacités de production limitées.
Mais rien ne garantit que les architectures actuellement dominantes conserveront durablement leur avantage.

Des investissements qui pourraient perdre rapidement de leur valeur
Cette incertitude technologique introduit un risque financier supplémentaire pour les exploitants de centres de données.
Le choix d’une technologie peut s’avérer rentable au moment de l’investissement, puis devenir beaucoup moins avantageux quelques années plus tard si une solution concurrente offre de meilleures performances à un coût inférieur.
Dans un tel scénario, les équipements existants pourraient subir une dépréciation accélérée.
Les durées d’amortissement retenues pour les investissements risqueraient alors de ne plus correspondre à leur durée réelle d’utilisation économique.
Christian Parisot prend l’exemple d’un centre de données ayant adopté une architecture particulière, comme celle proposée par Cerebras.
Si une nouvelle technologie beaucoup plus performante et moins coûteuse s’imposait rapidement, la valeur des équipements installés pourrait diminuer brutalement.
Le problème ne se limiterait donc plus au coût de financement des investissements.
Il concernerait directement leur valeur et leur rentabilité future.
Une entreprise peut aujourd’hui afficher un retour sur capital investi proche de 20 % et considérer qu’une hausse des taux d’intérêt reste parfaitement supportable.
Mais cette rentabilité peut être profondément remise en cause si la technologie utilisée devient obsolète plus rapidement que prévu.
Le risque lié au rythme de renouvellement technologique pourrait ainsi être bien plus important que ne le suggèrent les indicateurs financiers actuels.
L’histoire récente de l’intelligence artificielle invite à la prudence.
Les modèles évoluent rapidement, de nouvelles solutions apparaissent et la concurrence chinoise, notamment à travers le développement de modèles librement accessibles, contribue à modifier les conditions du marché.
Les processeurs eux-mêmes pourraient connaître des ruptures technologiques majeures.
La combinaison aujourd’hui privilégiée de processeurs Nvidia et de mémoire HBM ne constitue pas nécessairement le modèle dominant de demain.
D’autres types de processeurs pourraient s’imposer, entraînant une révision des choix technologiques et des besoins d’équipements.
Cette perspective concerne également les fabricants de composants.
Des groupes comme Nvidia, Samsung, SK hynix ou Micron bénéficient actuellement d’une forte visibilité commerciale.
Christian Parisot souligne que certains producteurs disposent de commandes couvrant jusqu’à deux années de production, avec des prix garantis.
Cette situation sécurise leurs perspectives à court et moyen terme et leur permet de financer leurs investissements dans les prochaines générations de composants et de mémoire.
Mais cette visibilité commerciale ne supprime pas le risque technologique.
Si de nouvelles architectures venaient à réduire les besoins de certains types de mémoire ou à modifier les équilibres du marché, les engagements pris aujourd’hui pourraient ne plus produire la rentabilité initialement anticipée.
Les entreprises auraient alors mobilisé des capitaux importants dans des capacités de production susceptibles d’être moins rentables que prévu.
Pour Christian Parisot, ce risque est essentiel.
Les investissements actuels peuvent paraître sécurisés par les carnets de commandes, mais les évolutions technologiques sont si rapides qu’elles peuvent remettre en question les hypothèses économiques sur lesquelles reposent les décisions d’investissement.

L’intelligence artificielle accentue la concurrence sur les marchés obligataires
La poursuite des investissements dans l’intelligence artificielle exerce également une influence croissante sur le marché obligataire.
Celui-ci devient particulièrement sensible aux annonces des grandes entreprises technologiques concernant leurs dépenses d’investissement et leurs besoins de financement.
Tant que les hyperscalers ne signalent pas de ralentissement de leurs projets ou de réduction de leurs émissions obligataires, les tensions peuvent persister.
Cette situation pose un problème plus large : la concurrence pour mobiliser l’épargne mondiale.
Les investissements nécessaires à la construction des capacités de calcul absorbent une quantité considérable de capitaux.
Ces ressources financières ne sont pas illimitées.
Lorsqu’une part croissante de l’épargne est mobilisée pour financer les infrastructures de l’intelligence artificielle, le coût de financement des autres emprunteurs peut augmenter.
Ce mécanisme concerne les entreprises dans leur ensemble, mais il affecte plus particulièrement les États.
Les investissements privés restent en effet très concentrés sur quelques secteurs.
En dehors de l’intelligence artificielle et de certaines activités spécifiques, de nombreuses entreprises demeurent relativement prudentes. Depuis plusieurs années, elles modèrent leurs investissements et cherchent à gérer leur endettement.
La situation est différente pour les États.
Leurs besoins de financement demeurent particulièrement importants, notamment en raison de niveaux de dette publique élevés par rapport au produit intérieur brut.
Dans plusieurs pays, les émissions obligataires restent donc massives.
Cette situation devient d’autant plus délicate que les conditions de financement ont profondément changé.
Pendant la pandémie de Covid-19, les États ont fortement augmenté leur endettement dans un environnement de taux d’intérêt exceptionnellement faibles.
Aujourd’hui, une partie de cette dette doit progressivement être refinancée à des conditions beaucoup moins avantageuses.
Le renouvellement des emprunts anciens par de nouvelles émissions plus coûteuses exerce une pression croissante sur les finances publiques.
Christian Parisot s’appuie notamment sur des données de l’OCDE pour illustrer ce phénomène.
Il cite les États-Unis et la France, deux pays dont les finances publiques sont exposées aux tensions actuelles.
À mesure que la dette arrive à échéance, son refinancement devient plus coûteux.
Cette augmentation des charges d’intérêt réduit les marges de manœuvre budgétaires et pose la question de la soutenabilité des dépenses publiques.
Elle peut également contribuer à accroître les primes de risque souverain exigées par les investisseurs.
Dans cette perspective, le développement de l’intelligence artificielle produit un effet indirect sur les finances publiques.
Les investissements qui soutiennent la croissance technologique mobilisent une part croissante de l’épargne et contribuent, selon le mécanisme présenté par Christian Parisot, à maintenir des conditions de financement plus exigeantes pour les États.
La contrepartie du dynamisme de l’IA pourrait donc être une augmentation du coût de la dette publique.
Les conséquences sont particulièrement importantes pour les pays très endettés.
Plus la dette doit être refinancée à court terme, plus les finances publiques sont exposées rapidement à l’évolution des taux de marché.
La hausse des charges d’intérêt finit alors par exercer une pression supplémentaire sur les budgets publics.

Une économie à deux vitesses : des secteurs florissants et d’autres sous pression
Cette remontée des taux contribue à accentuer les divergences entre les différents secteurs économiques.
Les activités traditionnelles, généralement plus sensibles au coût du crédit, commencent à subir les conséquences des conditions financières plus restrictives.
Les ménages sont particulièrement exposés.
Ils doivent faire face à un double choc : la hausse des prix de l’énergie et le renchérissement de l’endettement.
Christian Parisot évoque notamment, pour les États-Unis, des taux d’intérêt pouvant atteindre en moyenne 22 % sur certains crédits à la consommation, contre environ 7,5 % pour les crédits automobiles.
Ces niveaux rendent les achats financés par emprunt plus coûteux et pèsent sur les perspectives de consommation.
L’immobilier et la construction résidentielle sont également concernés.
Les enquêtes de conjoncture commencent à signaler une dégradation des perspectives dans ces activités, particulièrement dépendantes du crédit.
Plus généralement, les secteurs dont le développement repose sur des investissements financés par emprunt sont fragilisés.
Les entreprises adoptent elles aussi une attitude prudente.
Mais cette prudence ne s’explique pas seulement par la hausse des taux.
Elle résulte également des interrogations concernant les transformations que l’intelligence artificielle pourrait provoquer dans leurs métiers.
Dans l’attente de ces changements, certaines entreprises préfèrent différer leurs décisions d’investissement.
Cette attitude concerne aussi les recrutements.
Les dépenses consacrées à l’IA et à la cybersécurité continuent de bénéficier d’une certaine priorité, alors que d’autres investissements sont reportés ou réduits.
L’exemple des machines-outils illustre cette situation.
Une entreprise peut hésiter à acquérir un nouvel équipement industriel si elle anticipe l’arrivée prochaine de technologies intégrant davantage d’intelligence artificielle.
De telles évolutions pourraient améliorer la productivité des machines, faciliter leur maintenance ou modifier leurs fonctionnalités.
Dans ces conditions, différer l’investissement peut paraître préférable à l’achat immédiat d’un équipement susceptible d’être rapidement dépassé.
L’IA produit ainsi un autre paradoxe : les investissements dans les infrastructures technologiques progressent fortement, tandis que les investissements plus traditionnels peuvent être freinés par l’attente de ses futures applications.
L’économie devient de plus en plus contrastée.
Certains secteurs souffrent des conditions financières et de l’attentisme des entreprises, alors que d’autres continuent de bénéficier d’une activité exceptionnelle.

Les secteurs qui échappent au ralentissement
Les activités les plus résistantes présentent souvent des caractéristiques particulières.
Certaines bénéficient de carnets de commandes constitués sur plusieurs années, ce qui leur confère une visibilité importante.
C’est notamment le cas de l’aéronautique.
La défense profite également des conséquences de la situation géopolitique et de la progression des dépenses publiques qui lui sont consacrées.
À ces deux secteurs s’ajoutent naturellement toutes les activités directement ou indirectement liées à l’intelligence artificielle.
Leur périmètre dépasse les seuls fabricants de semi-conducteurs.
Il comprend aussi les équipements informatiques, les infrastructures de calcul, ainsi que les activités énergétiques nécessaires au fonctionnement des centres de données.
Ces quelques secteurs tirent une part importante de la croissance économique.
Christian Parisot décrit une croissance en K, caractérisée par des divergences très prononcées entre des activités en forte expansion et d’autres en difficulté.
Le phénomène est particulièrement marqué aux États-Unis.
Selon les estimations qu’il présente, les activités liées à l’intelligence artificielle représenteraient environ 4 % du PIB américain, mais contribueraient à près de la moitié de sa croissance.
Cette disproportion traduit l’importance prise par un nombre relativement limité d’activités dans la dynamique économique globale.
Le phénomène est moins accentué en Europe.
La conjoncture européenne a néanmoins mieux résisté qu’anticipé aux différents chocs économiques.
Cette résilience s’explique notamment par le soutien des dépenses publiques et par les investissements réalisés dans certains secteurs, en particulier la défense et les infrastructures.
Plusieurs activités bénéficient ainsi de moteurs de croissance qui dépendent relativement peu de l’évolution des taux longs.
Elles continuent de se développer malgré le durcissement des conditions financières.
Le contraste avec le reste de l’économie est important.
Une partie de l’activité demeure dynamique, alors que les ménages, l’immobilier, la construction et de nombreuses entreprises subissent une pression croissante.
La poursuite des investissements dans les secteurs les plus résistants contribue elle-même à maintenir la demande de financement, tandis que les taux longs continuent de peser sur les activités qui y sont les plus sensibles.
Cette dissociation rend les perspectives économiques particulièrement difficiles à anticiper.

Premier scénario : une déception sur l’intelligence artificielle
Face à ces déséquilibres, Christian Parisot envisage deux grands scénarios pour les prochains mois.
Le premier repose sur une déception concernant les investissements dans l’intelligence artificielle.
Les marchés pourraient constater que le retour sur investissement des infrastructures de calcul est moins rapide que prévu.
Une telle évolution pourrait provoquer une correction importante des valeurs concernées.
Les investisseurs deviendraient alors plus prudents dans le financement de nouveaux centres de données.
Les capitaux mobilisés pour ces projets diminueraient, tandis que la mise en œuvre de nouvelles capacités de calcul serait ralentie.
Les entreprises pourraient également réviser leurs ambitions à la baisse.
Un tel retournement conduirait à s’interroger sur la possibilité que les besoins futurs d’investissement aient été surestimés.
Cette déception aurait toutefois des conséquences plus larges.
Une diminution de la demande de financement liée à l’IA pourrait contribuer à détendre les taux d’intérêt à long terme.
Les banques centrales seraient alors moins inquiètes des tensions inflationnistes associées aux investissements technologiques.
La croissance économique serait probablement moins dynamique, puisque les dépenses liées à l’IA constituent actuellement un soutien important à l’activité.
Mais le ralentissement des investissements permettrait également de mettre fin à une partie des phénomènes de surchauffe.
Ce premier scénario associerait donc une correction des marchés liés à l’intelligence artificielle, une réduction des investissements et une détente des conditions financières.
Il ne constituerait pas nécessairement une bonne nouvelle pour les marchés actions, même si la pression sur les taux pourrait s’atténuer.

Deuxième scénario : l’IA résiste, mais le reste de l’économie finit par céder
Le deuxième scénario est, aux yeux de Christian Parisot, potentiellement plus préoccupant.
Il n’implique pas nécessairement un échec de l’intelligence artificielle.
Au contraire, les investissements technologiques pourraient continuer de progresser à un rythme soutenu.
Mais la situation deviendrait de plus en plus difficile pour les autres composantes de l’économie.
Aux États-Unis, les activités qui ne bénéficient pas directement du dynamisme de l’IA représentent l’essentiel de l’économie.
Elles subissent déjà les conséquences de la hausse des taux et de l’érosion du pouvoir d’achat.
Les ménages américains pourraient finir par réduire leurs dépenses, faute de pouvoir continuer à puiser dans leur épargne.
La consommation a jusqu’à présent bénéficié d’un mouvement de désépargne.
Cette évolution a également été observée en Europe.
Les ménages européens ont en partie absorbé les conséquences du choc inflationniste en réduisant leur épargne pour préserver leur consommation.
Christian Parisot rappelle toutefois que les taux d’épargne américains et européens ne peuvent pas être comparés directement.
Les indicateurs européens reposent sur une mesure brute, alors que les statistiques américaines sont exprimées nettes de l’amortissement.
Les niveaux affichés ne sont donc pas strictement comparables.
La question reste néanmoins la même des deux côtés de l’Atlantique : pendant combien de temps les ménages pourront-ils continuer à compenser la hausse des prix en puisant dans leur épargne ?
Cette interrogation devient d’autant plus importante que le choc inflationniste pourrait se prolonger.
La hausse des prix alimentaires attendue dans les prochains mois risque d’entretenir les tensions sur le pouvoir d’achat.
L’inflation pourrait ainsi se révéler plus durable qu’une simple augmentation ponctuelle des prix des produits pétroliers raffinés.
Dans ce contexte, la consommation deviendrait progressivement plus fragile.
Le ralentissement de l’économie pourrait alors venir des secteurs traditionnels, malgré la poursuite des investissements dans l’intelligence artificielle.
Ce scénario ferait apparaître les limites d’une croissance portée par un nombre trop restreint d’activités.
La question ne serait plus celle d’un éventuel retournement de l’IA, mais celle de la capacité du reste de l’économie à supporter durablement les conditions financières et inflationnistes actuelles.

Le dilemme des investisseurs
Ces deux scénarios placent les investisseurs dans une situation particulièrement inconfortable.
Les secteurs les plus sensibles aux taux d’intérêt ne présentent pas nécessairement des perspectives attrayantes.
Un rebond de l’immobilier résidentiel paraît difficile à anticiper alors que les conditions de financement restent restrictives.
Les activités liées à la consommation cyclique sont également exposées à la dégradation du pouvoir d’achat des ménages.
Les valeurs industrielles dépendant des investissements traditionnels des entreprises se heurtent, de leur côté, au ralentissement des dépenses d’équipement.
Ces différents secteurs présentent donc des risques importants.
Mais se tourner vers l’intelligence artificielle ne constitue pas une solution évidente.
Les perspectives de croissance des entreprises technologiques restent impressionnantes.
Certains fabricants de composants électroniques et de mémoire affichent des résultats particulièrement dynamiques.
Toutefois, une partie de ces bonnes perspectives est déjà intégrée dans les valorisations boursières.
La moindre déception pourrait provoquer une correction importante des cours.
Les investisseurs doivent également tenir compte des risques spécifiques supportés par les hyperscalers.
Ces entreprises doivent choisir les bonnes technologies, poursuivre leurs investissements et absorber la hausse des prix des composants électroniques.
Cette dernière contrainte devient de plus en plus importante.
Christian Parisot insiste notamment sur un mécanisme qui pourrait compliquer les perspectives d’investissement.
Lorsque les prix des équipements informatiques augmentent fortement, maintenir constant le montant des dépenses d’investissement ne signifie pas maintenir les capacités de calcul supplémentaires obtenues.
À budget inchangé, une entreprise peut acheter moins d’équipements si leur prix augmente.
Pour continuer à accroître ses capacités au même rythme, elle doit donc investir davantage.
Les hyperscalers sont ainsi confrontés à une inflation des coûts qui les oblige à relever régulièrement leurs budgets d’investissement.
Il ne suffit plus de maintenir les dépenses prévues : il faut les augmenter pour préserver la progression des capacités installées.
Cette dynamique peut entretenir l’envolée des montants annoncés, mais elle finit également par peser sur la rentabilité des projets.
Dans un environnement aussi inflationniste, un simple ralentissement de la croissance des dépenses peut devenir préoccupant.
Même une stabilisation des budgets d’investissement pourrait se traduire par une réduction des capacités nouvelles acquises en volume.
Si les hyperscalers commencent à limiter leurs dépenses, le marché pourrait donc y voir le signe d’un essoufflement.
Et si les investissements nécessaires continuent d’augmenter plus rapidement que leur rentabilité, les acteurs concernés pourraient progressivement constater une dégradation du retour sur capital investi.
Ce mécanisme accroît encore les interrogations des investisseurs.

Inflation et croissance : un scénario durablement soutenable ?
La coexistence d’une inflation soutenue et d’une croissance relativement solide peut-elle se poursuivre durablement ?
Certains investisseurs restent optimistes.
L’inflation contribue à augmenter les chiffres d’affaires en valeur et peut soutenir la progression des bénéfices des entreprises.
Christian Parisot prend l’exemple d’une économie affichant 3 % d’inflation et 2 % de croissance réelle.
La croissance nominale atteint alors approximativement 5 %.
Dans un tel environnement, une progression des revenus des entreprises de cet ordre peut paraître satisfaisante.
La situation est encore plus favorable dans certains secteurs technologiques.
Les fabricants de composants électroniques peuvent enregistrer des rythmes de croissance exceptionnellement élevés, atteignant parfois 100 % dans les activités les plus porteuses évoquées par Christian Parisot.
Mais une croissance aussi déséquilibrée ne peut pas, selon lui, se prolonger indéfiniment.
Le dynamisme d’un nombre limité de secteurs ne saurait durablement compenser les difficultés rencontrées par une grande partie de l’économie.
Cette concentration constitue une source de fragilité croissante.

Bourse : faut-il réduire son exposition aux valeurs technologiques ?
Dans un tel contexte, déterminer les secteurs à privilégier devient particulièrement délicat.
Les valorisations des entreprises technologiques peuvent inciter à la prudence.
Toutefois, la croissance et l’activité restent soutenues dans plusieurs segments du secteur.
Sortir totalement des valeurs technologiques présente donc un risque : celui de sous-performer les marchés si leur progression se poursuit.
D’autant qu’il demeure difficile d’anticiper précisément le moment d’un éventuel retournement.
À l’inverse, se repositionner massivement sur les secteurs les plus cycliques de l’économie ne paraît pas davantage opportun.
L’immobilier et les activités dépendantes du crédit restent exposés aux tensions sur les taux longs.
Une partie des investissements à l’origine de ces tensions demeure peu sensible à leur hausse, ce qui rend particulièrement délicat un pari sur une détente rapide des conditions financières.
Les investisseurs peuvent alors se tourner vers des activités plus défensives.
Christian Parisot cite notamment la santé et les biens de consommation non cycliques.
Les marchés semblent d’ailleurs hésiter entre ces différentes orientations depuis plusieurs semaines.
Aux États-Unis, les mouvements sectoriels traduisent cette indécision.
Lorsque les valeurs technologiques progressent, les titres de la santé tendent à reculer.
À l’inverse, lorsque la technologie baisse, la santé peut figurer parmi les secteurs les plus performants.
Ces rotations témoignent des difficultés rencontrées par les investisseurs pour privilégier un scénario économique et boursier clairement identifié.
Certains acteurs commencent probablement à réduire leur exposition à la technologie.
La volatilité du secteur constitue, à elle seule, un argument en faveur d’un ajustement des pondérations.
Christian Parisot considère ainsi qu’il peut être judicieux de réduire progressivement l’exposition aux valeurs technologiques, sans nécessairement en sortir totalement.
Certains groupes devraient encore publier de très bons résultats.
Mais le risque d’une révision à la baisse de la rentabilité du capital justifie une plus grande sélectivité.

Hyperscalers, fabricants de mémoire et éditeurs de logiciels : où investir ?
Au sein même de l’écosystème technologique, les perspectives apparaissent très différentes selon les activités.
Christian Parisot estime que les opportunités de croissance des résultats pourraient désormais être davantage du côté des éditeurs de logiciels que de celui des hyperscalers.
Ces derniers supportent directement les risques économiques liés à la construction des infrastructures de calcul.
Ils engagent des montants considérables, doivent sélectionner les technologies les plus adaptées et restent exposés à une éventuelle déception sur la rentabilité de leurs investissements.
Les fabricants de mémoire présentent un profil différent.
Leur visibilité commerciale reste importante grâce aux contrats signés sur plusieurs années.
Christian Parisot estime qu’ils pourraient encore afficher des résultats exceptionnels au cours des deux ou trois prochaines années.
Sa principale inquiétude ne concerne donc pas nécessairement leurs bénéfices à court terme, mais leurs niveaux de valorisation boursière.
Les perspectives favorables de Samsung, SK hynix ou Micron ne doivent pas conduire à ignorer les risques technologiques et le danger d’une concentration excessive des investissements sur ces valeurs.
Leur exposition à une possible rupture dans les architectures des processeurs ou dans les besoins de mémoire reste significative.
Dans ces conditions, Christian Parisot privilégie plutôt les entreprises susceptibles de bénéficier de la diffusion de l’intelligence artificielle dans l’économie.
Certains éditeurs de logiciels pourraient profiter directement de l’adoption de nouveaux outils et de nouvelles applications.
D’autres secteurs pourraient également bénéficier, à terme, des gains de productivité rendus possibles par ces technologies.
Cette approche permettrait de s’exposer à la croissance future de l’IA sans supporter directement l’ensemble des risques liés à la construction des infrastructures.

Taux longs, risques technologiques et banques centrales : une situation particulièrement délicate
Les prochains mois s’annoncent donc complexes.
Christian Parisot considère que plusieurs risques sont insuffisamment intégrés par les marchés financiers.
Le premier concerne l’obsolescence technologique des investissements réalisés dans l’intelligence artificielle.
Le deuxième tient aux conséquences de la hausse des taux longs sur l’économie réelle.
Ces deux mécanismes évoluent simultanément, dans un environnement où les banques centrales disposent de marges de manœuvre limitées.
Les autorités monétaires peuvent considérer que la hausse des taux longs exerce déjà un effet restrictif sur l’activité, contribuant ainsi à réduire les tensions inflationnistes.
Mais elles doivent aussi préserver leur crédibilité dans la lutte contre l’inflation.
Si leur communication devient trop accommodante, les investisseurs obligataires pourraient craindre qu’elles laissent durablement progresser les prix.
Une telle perception risquerait d’entraîner une nouvelle hausse de la partie longue de la courbe des taux.
Les banques centrales ne peuvent donc pas adopter un discours excessivement accommodant sans prendre le risque d’accentuer les tensions obligataires.
À l’inverse, elles disposent de peu de moyens pour freiner directement les investissements dans l’intelligence artificielle.
La rentabilité élevée de ces projets limite l’efficacité de la hausse des taux pour ralentir leur développement.
Cette difficulté apparaît malgré les mises en garde formulées dans différents rapports institutionnels.
Christian Parisot évoque notamment des analyses attirant l’attention sur les mécanismes de financement circulaire dans l’écosystème de l’IA.
Certains investissements se soutiennent mutuellement, alimentant une dynamique qui pourrait entretenir des dépenses excessives.
Plusieurs autorités alertent ainsi sur les risques de surinvestissement et sur la possibilité d’une correction.
Pour l’instant, ces mises en garde ne paraissent toutefois pas suffisantes pour provoquer un changement de comportement majeur sur les marchés.
Le signal décisif pourrait venir des hyperscalers eux-mêmes.
Tant que ces entreprises ne commencent pas à annoncer des investissements moins importants, une plus grande prudence dans leurs projets ou une réduction de leurs besoins d’émissions obligataires, une correction majeure paraît moins susceptible de se produire.
Les marchés restent néanmoins nerveux et les incertitudes s’accumulent.
Deux possibilités continuent de se dessiner : soit les investissements liés à l’intelligence artificielle finissent par se retourner, soit l’économie qui ne bénéficie pas encore de ses applications subit un ralentissement plus prononcé.

L’intelligence artificielle tiendra-t-elle ses promesses de productivité ?
Un élément essentiel demeure encore absent de l’équation économique actuelle : les gains de productivité attendus de l’intelligence artificielle.
Pour l’instant, l’économie se situe essentiellement dans une phase de construction des capacités de calcul.
Cette phase nécessite des investissements considérables et provoque des tensions inflationnistes sur les équipements, les composants électroniques et les ressources nécessaires à leur fonctionnement.
Les bénéfices économiques liés à la diffusion de ces technologies ne se sont pas encore pleinement matérialisés.
En théorie, une adoption généralisée de l’intelligence artificielle pourrait produire des effets différents.
En améliorant la productivité du travail, elle pourrait permettre d’augmenter la croissance tout en contribuant à réduire certaines pressions sur les prix.
Mais cette perspective demeure incertaine.
Deux grandes interrogations subsistent.
La première concerne la vitesse de diffusion de l’IA dans l’économie.
Elle dépendra notamment de la formation des utilisateurs, de l’acceptation des nouvelles technologies et de leur intégration dans les différents métiers.
La deuxième porte sur la réalité des gains de productivité.
L’intelligence artificielle permettra-t-elle effectivement de produire davantage avec moins de ressources ?
Ou entraînera-t-elle, dans certains cas, une complexification des procédures, en rendant possible l’automatisation de tâches supplémentaires sans véritable amélioration de l’efficacité économique ?
L’expérience d’Internet illustre cette difficulté.
La révolution numérique a permis de dématérialiser de nombreuses activités et de réduire certains coûts.
Mais tous les bénéfices de ces transformations ne se sont pas nécessairement traduits par des gains de productivité clairement mesurables dans les statistiques économiques.
Une partie des avantages a concerné des activités ou des services qui ne génèrent pas directement de revenus marchands.
La disparition de certains coûts grâce à la dématérialisation peut ainsi représenter une amélioration réelle pour les utilisateurs sans apparaître intégralement dans les indicateurs traditionnels de productivité.
Ces interrogations compliquent encore les perspectives liées à l’intelligence artificielle.
Christian Parisot estime que la thématique boursière de l’IA pourrait se retourner avant que les effets négatifs de la hausse des taux sur le reste de l’économie ne finissent par provoquer un ralentissement plus général.
Mais aucun des deux scénarios ne lui paraît véritablement favorable.
Dans les prochains mois, il s’attend à la poursuite de rotations sectorielles importantes et considère que la prudence doit être renforcée face aux tensions sur les marchés obligataires.
Les marchés actions continuent certes de faire preuve d’une résistance remarquable.
Rien ne garantit toutefois que cette situation puisse perdurer.
À terme, l’économie devra supporter les conséquences cumulées du choc énergétique et de taux d’intérêt à long terme durablement plus élevés. C’est cette facture qui, selon Christian Parisot, risque de finir par peser sur les marchés et sur la croissance.