IA : la Bourse prise de court ?

L’intelligence artificielle peut-elle manquer d’électricité ?

Dès que l’on évoque la croissance de la consommation mondiale d’électricité, l’intelligence artificielle s’impose désormais au centre du débat. Les modèles nécessitent des capacités de calcul toujours plus importantes et consomment, en conséquence, des quantités croissantes d’énergie. Une question devient donc incontournable : cette trajectoire est-elle tenable pour les acteurs du système électrique ?

La contrainte énergétique pourrait-elle bloquer le développement de l’IA ? Plus les modèles deviennent puissants, plus leur fonctionnement coûte cher. Encore faut-il que la valeur ajoutée qu’ils produisent justifie les ressources mobilisées.

Cette interrogation est d’autant plus importante que les investissements sont à la fois massifs et rapides. De nombreux groupes engagent des sommes considérables dans de nouvelles capacités de calcul. Le risque existe donc de voir apparaître des infrastructures surdimensionnées ou, à l’inverse, des projets retardés par des contraintes purement énergétiques.

L’intelligence artificielle consiste, en quelque sorte, à transformer de l’énergie en intelligence grâce aux capacités de calcul. Mais faut-il pour autant commencer à « débrancher » l’IA ? Son développement va-t-il trop vite par rapport aux infrastructures disponibles ? Les tensions sur les réseaux électriques pourraient-elles devenir suffisamment fortes pour justifier une réduction de l’exposition des portefeuilles aux entreprises liées à cette thématique ?

La nervosité observée depuis quelques semaines sur les marchés montre que les investisseurs commencent à examiner ces questions avec davantage d’attention. Il paraît pourtant peu probable que les hyperscalers renoncent brutalement à leurs investissements. La demande existe, les entreprises veulent développer de nouveaux modèles et ces derniers nécessitent toujours davantage de puissance de calcul.

Le problème ne se situe cependant peut-être pas là où les marchés le recherchent.

Où se situe le véritable problème ?

La principale difficulté n’est peut-être ni la quantité totale d’électricité consommée par l’IA ni la capacité globale à produire cette énergie. Elle pourrait davantage résider dans la distribution de l’électricité et dans la faculté des réseaux à acheminer suffisamment d’énergie jusqu’aux data centers.

Ce maillon constitue potentiellement le point faible de toute la chaîne de développement de l’intelligence artificielle. Produire assez d’électricité à l’échelle mondiale est une chose ; la transporter en quantité suffisante jusqu’à quelques sites extrêmement énergivores en est une autre.

Si les réseaux électriques ne suivent pas, les investissements pourraient être réalisés beaucoup plus lentement et, finalement, se révéler moins importants qu’attendu sur une période donnée. Le secteur des semi-conducteurs, considéré comme le grand gagnant presque incontestable du boom de l’IA, serait alors directement exposé.

Les budgets d’investissement existent, mais leur calendrier compte autant que leur montant. Un projet déployé en un ou deux ans ne produit pas les mêmes effets économiques et boursiers qu’un investissement étalé sur cinq ans en raison d’un raccordement insuffisant au réseau électrique.

La demande de capacités de calcul resterait présente, mais son déploiement pourrait se révéler beaucoup plus lent qu’anticipé. Les entreprises qui se sont empressées d’accumuler des processeurs et des puces mémoire pourraient alors ralentir rapidement leurs achats.

Un tel scénario serait particulièrement défavorable à un secteur déjà très volatil. Les valeurs des semi-conducteurs ont récemment subi d’importants mouvements malgré de bons résultats et l’absence de véritables mauvaises surprises. Si des déceptions apparaissaient sur le rythme de développement des data centers, la réaction des marchés pourrait être extrêmement vive.

IA : une consommation électrique appelée à tripler d’ici 2030

Les projections relatives à la consommation électrique de l’IA sont impressionnantes. À l’horizon 2030, elle pourrait approcher 950 térawattheures. L’intelligence artificielle deviendrait ainsi le premier moteur de la croissance de la demande mondiale d’électricité.

Le nombre de serveurs destinés à l’IA pourrait progresser d’environ 30 % par an, contre seulement 9 % pour les serveurs classiques. La consommation d’électricité des data centers utilisés pour l’intelligence artificielle pourrait ainsi tripler d’ici à la fin de la décennie.

Ces chiffres doivent néanmoins être relativisés. Même en 2030, l’IA ne représenterait qu’environ 10 % de la consommation mondiale d’électricité. Les estimations restent par ailleurs entourées d’une forte incertitude, avec des écarts importants entre les différents scénarios.

L’intelligence artificielle constituera vraisemblablement la composante la plus dynamique de la demande, mais elle ne sera pas la seule. L’électrification de la mobilité et le développement des véhicules électriques nécessiteront également davantage d’énergie. Le réchauffement climatique alimentera, de son côté, la progression de la climatisation résidentielle.
Dans les projections de l’Agence internationale de l’énergie, la croissance de la consommation liée à l’IA apparaît donc très forte, tout en restant globalement gérable du point de vue de la production mondiale. La difficulté réside dans les caractéristiques particulières de cette demande.

IA : une demande très concentrée géographiquement

La croissance des besoins électriques liés à l’IA ne sera pas répartie uniformément à travers le monde. Elle se concentrera principalement dans les économies développées et, plus particulièrement, aux États-Unis.

L’intelligence artificielle ne représenterait qu’environ 5 % de la croissance de la demande d’électricité dans les pays émergents. Dans les économies développées, sa contribution pourrait en revanche approcher 20 %. Près de la moitié de la demande supplémentaire serait concentrée sur le seul marché américain.

Cette concentration géographique rend l’équation plus complexe. Il ne suffit pas que le monde dispose, dans son ensemble, de capacités de production suffisantes. Encore faut-il que l’électricité soit disponible au bon endroit et au moment où les nouveaux data centers en auront besoin.

La nature même de cette consommation renforce le problème. Les data centers concentrent d’immenses besoins électriques sur un nombre limité de sites. Il faut donc acheminer des quantités considérables d’énergie vers un seul point.

La situation est très différente de celle des véhicules électriques. Leur consommation cumulée peut être importante, mais elle reste répartie entre des millions d’utilisateurs sur l’ensemble du territoire. À l’inverse, un data center peut demander à lui seul un raccordement proche d’un gigawatt, un niveau sans véritable précédent industriel.

Historiquement, les infrastructures très consommatrices d’électricité étaient généralement implantées à distance des grandes zones urbaines. La demande des ménages et des entreprises restait, quant à elle, largement distribuée à l’intérieur des villes. Les data centers rompent avec ce schéma en concentrant une puissance considérable sur quelques points particuliers.

Il faut donc repenser non pas nécessairement la production d’électricité, mais surtout sa distribution. La croissance sera concentrée sur certains sites, dans quelques régions et essentiellement dans les pays développés. Les États-Unis se trouvent au cœur de ce bouleversement.

Les data centers se construisent plus vite que les réseaux électriques

Adapter le réseau nécessite des investissements massifs dans de nouvelles lignes électriques. Or le calendrier de ces projets n’a rien de comparable avec celui des data centers.

La construction d’un data center s’inscrit généralement dans un cycle de seulement un à deux ans. Une fois le bâtiment achevé, les capacités de calcul peuvent être installées rapidement. Le déploiement d’une nouvelle ligne à haute tension demande, en revanche, entre quatre et huit ans.

Cette différence de rythme constitue une source majeure de déséquilibre. Les besoins d’investissement dans les infrastructures à haute tension vont fortement augmenter au cours des prochaines années, alors que les réseaux souffrent déjà d’un sous-investissement persistant.

Aux États-Unis, les sommes engagées dans les lignes à haute tension restent relativement modérées. Les opérateurs privilégient les infrastructures existantes et les tronçons offrant la meilleure rentabilité. Une part importante des investissements sert à entretenir ou à moderniser les lignes déjà installées, plutôt qu’à financer de nouvelles capacités de transport.

Le rythme d’investissement dans le réseau électrique américain ne suit donc pas celui des dépenses consacrées à l’intelligence artificielle. Pour répondre aux futurs besoins, les montants engagés devront considérablement augmenter.
L’argent ne constitue toutefois pas l’unique obstacle. Les tensions concernent également les composants indispensables aux réseaux, notamment les transformateurs et les câbles. Les capacités industrielles disponibles sont déjà insuffisantes pour transporter de très grandes quantités d’électricité.

Jusqu’à présent, les investissements se sont davantage concentrés sur les réseaux à basse tension et les infrastructures proches du consommateur. Le développement de l’IA nécessitera au contraire de lourds investissements dans le transport à haute tension. Ces projets doivent être planifiés longtemps à l’avance et interviennent dans un environnement où les chaînes d’approvisionnement sont déjà sous pression.

Installer les data centers près des centrales : une fausse solution ?

Face à ces difficultés, une solution paraît évidente : construire les data centers à proximité immédiate des sites de production d’électricité.

Environ 62 % des investisseurs dans les data centers envisageraient de développer des capacités de production directement sur leurs sites. L’idée serait alors de s’affranchir du réseau national en installant les centres de calcul à côté d’une centrale nucléaire ou d’une turbine à gaz.

Cette réponse, apparemment simple, soulève pourtant plusieurs difficultés.
La première tient aux variations de la consommation. Les data centers connaissent des pointes très importantes, notamment pendant les phases d’entraînement et de calibration des modèles d’IA. Une fois ces opérations terminées, leurs besoins peuvent nettement diminuer.

Un data center fonctionnant indépendamment du réseau devrait donc disposer de capacités de production suffisamment importantes pour absorber ces pointes. Cela conduirait à construire des installations surdimensionnées, pleinement utilisées seulement pendant certaines périodes et largement sous-exploitées le reste du temps.

Le raccordement au réseau permet au contraire de mutualiser les capacités de production. Lors des phases de forte consommation, le data center peut mobiliser les ressources disponibles dans l’ensemble du système électrique. Lorsque ses besoins diminuent, cette énergie peut être redirigée vers d’autres utilisateurs.

Renoncer au réseau imposerait ainsi des investissements beaucoup plus lourds et économiquement moins efficaces.

Les turbines à gaz sont déjà difficiles à obtenir

La deuxième difficulté concerne la disponibilité des nouvelles capacités de production. La construction d’une centrale nucléaire nécessite des délais très longs. Les exploitants de data centers se tournent donc généralement vers les turbines à gaz, plus rapides à installer.

Or la production mondiale de ces équipements est concentrée entre trois grands acteurs. Leurs carnets de commandes sont déjà pleins et les prix des turbines ont fortement augmenté. Construire une unité de production dédiée à un data center devient donc particulièrement coûteux.

La troisième contrainte tient à la continuité du fonctionnement. Un data center doit être opérationnel 24 heures sur 24 et sept jours sur sept. Toute installation de production électrique nécessite cependant des opérations de maintenance.

Une centrale nucléaire doit notamment être arrêtée périodiquement pour le rechargement de son combustible. Les turbines à gaz nécessitent également des périodes d’entretien. Un data center totalement indépendant du réseau devrait donc interrompre son activité pendant ces opérations ou disposer d’importantes capacités de secours.

Les énergies renouvelables ne règlent pas entièrement le problème. Le solaire et l’éolien peuvent contribuer à l’alimentation des data centers, mais leur production intermittente nécessite un raccordement à un réseau central. Des capacités de calcul ne peuvent pas fonctionner en permanence uniquement avec des sources dont la disponibilité varie en fonction de la météo.

Installer un data center à côté d’un producteur d’électricité ou lui consacrer une unité de production spécifique ne suffit donc pas à résoudre l’équation.

Le risque de détourner des capacités existantes

Le raccordement direct à une centrale existante soulève également un problème politique et économique. L’électricité produite par cette infrastructure alimentait auparavant d’autres utilisateurs, qui ont souvent contribué à financer sa construction.

Consacrer une partie de cette production à un nouveau data center revient à détourner des capacités au profit d’un seul acteur. Plusieurs États américains commencent ainsi à limiter ou à refuser les raccordements directs aux centrales existantes.

Le data center peut alors être considéré comme un passager clandestin, utilisant à son profit une infrastructure financée pour répondre à d’autres besoins. Cette situation confirme que les centres de calcul ne pourront pas facilement échapper au réseau électrique national.

La nécessité d’adapter le réseau, d’en accroître les capacités et d’organiser la répartition de l’électricité demeure donc entière.

Les raccordements confrontés à un immense embouteillage

La file d’attente des demandes de raccordement constitue une autre difficulté majeure. Le nombre de projets a explosé, tout comme les puissances électriques réclamées.

Jusqu’à présent, le système reposait souvent sur une règle simple : le premier projet à déposer sa demande était le premier raccordé. Cette organisation a entraîné une multiplication de demandes largement surdimensionnées.

Les promoteurs savent qu’un raccordement peut nécessiter plusieurs années. Ils déposent donc leur dossier dès les premières phases d’un projet, parfois avant même d’avoir la certitude que celui-ci sera réalisé. Certains projets sont ensuite abandonnés ou retardés, mais continuent pendant un temps à occuper une place dans la file d’attente.

La situation observée au Texas illustre l’ampleur du décalage. Entre les capacités de raccordement demandées et l’électricité effectivement consommée, le taux de réalisation ne serait que de 1,7 %.

Le réseau se retrouve ainsi encombré par des projets dont la concrétisation reste incertaine. Le système de file d’attente ne reflète plus les besoins réels et peut retarder les data centers les plus avancés.

Cette difficulté est en partie réglementaire et peut donc être corrigée. En France, RTE a déjà modifié son mécanisme afin de mieux prendre en compte la maturité des différents dossiers. La priorité ne revient plus nécessairement au premier projet ayant déposé une demande, mais à celui qui est effectivement finalisé et prêt à être raccordé.

Une telle organisation permet d’éviter qu’un projet retardé bloque artificiellement l’accès au réseau pour d’autres acteurs. Elle ne supprime toutefois pas la complexité du problème.

Les gestionnaires doivent anticiper le calendrier réel de chaque investissement, déterminer quels projets seront achevés et arbitrer entre plusieurs clients en fonction de leur degré d’avancement. Ils doivent également estimer la consommation future de data centers dont les besoins pourraient profondément évoluer.

Des investissements freinés par le manque de visibilité

Les progrès technologiques peuvent modifier les besoins électriques avant même l’achèvement des infrastructures. La Chine développe déjà des modèles à bas coût, plus économes en ressources. Leur diffusion pourrait conduire à réviser à la baisse les estimations de consommation des data centers.

Les gestionnaires de réseaux et les régulateurs font donc preuve de prudence. Ils ne disposent pas d’une visibilité suffisante sur la quantité d’électricité qui sera réellement consommée une fois les raccordements achevés.
Cette incertitude pèse directement sur la rentabilité future des infrastructures. Une ligne à haute tension construite pour un projet qui serait finalement abandonné, réduit ou rendu moins énergivore par une innovation technologique risquerait d’être sous-utilisée.

Le manque de visibilité retarde ainsi les décisions d’investissement dans les réseaux électriques, alors même que ces infrastructures nécessitent plusieurs années de développement. Ce mécanisme peut renforcer le décalage entre la croissance annoncée des capacités de calcul et la possibilité physique de les alimenter.

Le réseau électrique, principal goulet d’étranglement de l’IA

Si une véritable déception devait apparaître autour de l’intelligence artificielle, elle pourrait donc venir d’investissements moins rapides ou moins importants qu’anticipé.
Le principal goulet d’étranglement ne serait alors ni la construction de nouvelles centrales, ni une pénurie de mémoires ou de processeurs, ni même l’édification des bâtiments destinés aux data centers. Il résiderait dans l’adaptation du réseau électrique.

Cette contrainte pourrait avoir un effet direct sur la valorisation des entreprises de semi-conducteurs. Les acheteurs se trouvent aujourd’hui dans une phase de FOMO, marquée par la crainte de manquer de capacités de calcul. Ils se précipitent pour acquérir des processeurs sans toujours tenir compte des futures évolutions technologiques ou de l’amélioration des modèles.

L’objectif consiste actuellement à sécuriser de la puissance de calcul presque à n’importe quel prix. Les entreprises ont passé des commandes pour l’année en cours, pour l’année suivante et parfois jusqu’en 2028.

Cette frénésie permet aux fabricants de semi-conducteurs d’afficher des carnets de commandes très fournis et de pratiquer des prix particulièrement élevés. Mais la situation pourrait changer à partir de 2029.

La demande pourrait alors ralentir, voire chuter brutalement, si les capacités accumulées se révélaient supérieures aux besoins ou si elles ne pouvaient pas être déployées dans les délais prévus. Certains opérateurs risqueraient de posséder des data centers achevés et des processeurs disponibles, mais toujours privés d’un raccordement électrique suffisant.

Ils réduiraient alors leurs nouvelles commandes. Les fabricants de semi-conducteurs pourraient subir un ralentissement brutal, non parce que l’IA aurait perdu son utilité ou que la demande finale aurait disparu, mais parce que le calendrier de déploiement serait beaucoup plus long qu’anticipé.

Bourse : des gagnants et des perdants ?

Pour les grands hyperscalers, un retard dans le développement des capacités de calcul représente un risque réel, mais financièrement absorbable.
Ces groupes peuvent toutefois avoir acheté des puces mémoire et des processeurs à des prix très élevés sans obtenir immédiatement le retour sur investissement espéré. Des infrastructures retardées ou sous-utilisées pourraient entraîner des dépréciations d’actifs et peser sur leur free cash-flow.

Tout report significatif serait probablement sanctionné en Bourse. Les hyperscalers disposent néanmoins de ressources financières suffisamment importantes pour attendre et réorganiser leurs investissements.

La situation est plus préoccupante pour des acteurs comme Oracle, CoreWeave et les autres néoclouds. Ces entreprises récentes ne bénéficient pas toujours de la même flexibilité financière que les géants technologiques.

Elles ont massivement investi et se sont engagées sur des dates précises de livraison de leurs capacités de calcul. Le moindre retard peut donc entraîner des conséquences financières considérables.
En l’absence de mise en service, les recettes attendues ne sont pas encaissées, alors que les intérêts et les dettes contractées pour financer les infrastructures continuent de peser. Ces acteurs apparaissent ainsi comme les plus vulnérables à un ralentissement du calendrier.

Les fabricants de turbines également exposés

D’autres entreprises, moins spontanément associées au risque lié à l’IA, pourraient également être touchées. C’est notamment le cas des producteurs de turbines à gaz et d’autres équipements de production électrique.

Ces groupes ont largement profité des commandes des hyperscalers et des exploitants de data centers. Leurs carnets de commandes sont remplis par des projets destinés à augmenter les capacités de production d’électricité.

Mais ces investissements restent souvent liés à des objectifs précis de raccordement au réseau. Si le goulot d’étranglement électrique retardait les projets de data centers, les calendriers de livraison des turbines pourraient également être repoussés.

La visibilité actuellement accordée à ces industriels pourrait donc se révéler moins solide qu’elle n’en a l’air. Un carnet de commandes plein ne garantit pas que toutes les livraisons seront réalisées à la date prévue.

La question du réseau électrique concerne ainsi l’ensemble de la chaîne : fabricants de semi-conducteurs, exploitants de data centers, néoclouds, hyperscalers et fournisseurs d’équipements énergétiques.

Secteur bancaire : une croissance liée à l’IA ?

L’exposition au cycle de l’intelligence artificielle ne se limite pas aux entreprises technologiques et énergétiques. Elle concerne également le secteur bancaire.

Les résultats du deuxième trimestre des grandes banques américaines ont été particulièrement solides. Mais une partie de cette croissance provient directement ou indirectement des investissements massifs réalisés dans l’IA.

L’ampleur exacte de cette contribution reste difficile à mesurer, car les effets se répartissent entre plusieurs activités. Les impacts les plus directs concernent les commissions des banques d’investissement et les revenus des activités de marché.
Les émissions obligataires destinées à financer des projets d’intelligence artificielle ont généré des commissions. Les introductions en Bourse et les autres levées de fonds ont également alimenté les revenus de placement et de conseil.

Cette dynamique financière a accompagné les dépenses considérables engagées dans les capacités de calcul. Les banques d’investissement ont donc directement profité du besoin de capitaux des entreprises liées à l’IA.

La progression des valorisations boursières a produit un deuxième effet. La hausse des actifs technologiques a soutenu les activités de marché et amélioré les performances de la gestion d’actifs, avec des répercussions positives sur les commissions perçues par les établissements financiers.

Les banques ont également accordé des prêts à des entreprises bénéficiant directement ou indirectement du boom des investissements dans les capacités de calcul. Les établissements américains ne fournissent pas de ventilation très précise, mais plusieurs estimations permettent d’évaluer leur prise de risque sur ces activités.

Au total, entre 25 % et 33 % de la croissance annuelle des bénéfices des banques américaines au deuxième trimestre pourrait être liée, directement ou indirectement, aux investissements consacrés à l’intelligence artificielle.

Cela ne signifie pas que l’ensemble de leurs performances dépend de l’IA. Les marges d’intérêt restent favorables et certains établissements continuent de profiter de la bonne santé financière des ménages américains ainsi que du dynamisme du crédit à la consommation.

La solidité de l’économie américaine demeure donc un facteur majeur. Mais les investissements dans l’IA et la hausse des marchés ont apporté une contribution non négligeable aux résultats bancaires.

Bourse : un retournement qui dépasserait largement la tech

Un ralentissement de l’investissement ou un choc boursier sur les valeurs de l’IA aurait plusieurs canaux de transmission.
La progression des marchés et l’enrichissement lié aux actions technologiques ont stimulé la consommation des ménages américains les plus aisés. Une correction réduirait cet effet de richesse et pourrait les conduire à diminuer leurs dépenses.
Mais l’impact ne se limiterait pas à la consommation. De nombreux secteurs profitent indirectement de l’augmentation des investissements dans l’intelligence artificielle. Les banques, les fournisseurs d’équipements, les sociétés de conseil, les gestionnaires d’actifs et les marchés de capitaux participent tous, à des degrés différents, à cette dynamique.

Un goulot d’étranglement sur les réseaux électriques pourrait provoquer un retournement de certains de ces effets. Or cette contrainte est difficile à supprimer rapidement. Construire une ligne à haute tension, produire davantage de transformateurs ou réorganiser les raccordements demande du temps.

Le marché sous-estime probablement cette rigidité et le risque qu’elle fait peser sur le calendrier de déploiement de l’IA au cours des prochaines années.

L’innovation peut-elle réduire la contrainte énergétique ?

L’innovation technologique peut naturellement contribuer à contourner une partie du problème. Des modèles moins consommateurs d’électricité réduiraient les besoins de calcul et atténueraient les tensions sur les réseaux.

Mais cette perspective ajoute également de l’incertitude. Les ruptures technologiques peuvent modifier très rapidement les besoins en infrastructures et remettre en cause des projets conçus sur la base de modèles plus énergivores.

Les agents IA constituent, par exemple, une véritable rupture susceptible de générer d’importants gains de productivité. Ils nécessitent toutefois beaucoup d’électricité.

Si l’énergie et les capacités de raccordement deviennent des ressources rares, l’utilisation de ces agents pourrait être moins généralisée que ne l’anticipe actuellement l’industrie. Les entreprises réserveraient alors les outils les plus puissants aux activités offrant le meilleur retour sur investissement.

Mobiliser un modèle extrêmement sophistiqué pour résumer des courriels n’a pas nécessairement la même valeur économique que l’utiliser dans la recherche médicale, l’innovation industrielle ou le développement de nouveaux traitements.

L’IA pourrait donc se concentrer progressivement sur des usages précis, dans lesquels les gains de productivité justifient réellement les dépenses énergétiques et informatiques.

IA : les modèles chinois et l’open source vont intensifier la concurrence

Pour Christian Parisot, les modèles généralistes d’intelligence artificielle ne bénéficient pas de véritables barrières à l’entrée. Les modèles open source et les solutions chinoises à bas coût pourraient rencontrer un succès considérable.

Une forte valeur ajoutée pourra subsister pour des modèles extrêmement spécialisés, notamment dans la cybersécurité, la recherche médicale ou certains domaines de l’aéronautique. Ces applications nécessitent une expertise, des données et des performances très spécifiques.

La situation sera différente pour les grands modèles généralistes. Des acteurs comme OpenAI ou Anthropic feront face à une concurrence toujours plus intense, nourrie par des innovations rapides et des solutions moins coûteuses.

La demande globale de capacités de calcul ne disparaîtra pas. La montée en puissance de l’intelligence artificielle et les gains qu’elle permet continueront à soutenir les besoins. Mais l’économie de ces services changera lorsque les utilisateurs devront en payer le coût réel.

IA : un problème de taille

Selon l’estimation avancée par Christian Parisot, les utilisateurs ne paieraient aujourd’hui qu’environ 15 % du coût réel de l’intelligence artificielle.

Lorsque les services seront facturés à leur véritable coût, les entreprises deviendront beaucoup plus sélectives. Or cette facture ne peut qu’augmenter si l’accès à l’énergie et aux réseaux demeure contraint.

La principale barrière physique ne viendra pas nécessairement des puces Nvidia ou des mémoires. Elle se situera dans le réseau électrique et dans l’accès effectif à l’électricité.

Une fois ces coûts pleinement répercutés, l’IA sera prioritairement utilisée dans les domaines où elle crée le plus de valeur. Les usages accessoires ou insuffisamment rentables pourraient être abandonnés ou limités.

Cette sélection entraînerait un ralentissement du développement et de l’adoption de l’intelligence artificielle. Certains modèles économiques joués aujourd’hui en Bourse pourraient alors être profondément remis en cause, avec des perspectives de croissance et de rentabilité revues à la baisse.

L’allongement du calendrier réduirait mécaniquement le rendement des sommes engagées. Plus les retours sur investissement tardent à apparaître, plus la valeur actuelle des projets diminue. L’effet sur les valorisations boursières pourrait donc être significatif.

Le choc toucherait directement les entreprises liées à l’IA, mais ses ramifications s’étendraient à d’autres secteurs, en premier lieu aux valeurs financières.

La faible corrélation actuelle entre l’indice des banques du S&P et celui des valeurs technologiques pourrait ainsi augmenter au cours des prochains mois. Une correction des valorisations liées à l’intelligence artificielle finirait également par peser sur le secteur bancaire.

Le développement de l’IA repose sur une chaîne complexe dont le réseau électrique constitue l’un des maillons les plus fragiles. Cette faiblesse pourrait coûter cher en matière de valorisations et affecter l’ensemble de la Bourse américaine.

Ce qu’il faut retenir !

Il ne s’agit pas d’abandonner complètement la thématique de l’intelligence artificielle, mais d’intégrer ses goulots d’étranglement dans les décisions d’investissement. Ces freins devraient devenir de plus en plus visibles. Ils représentent désormais un véritable caillou dans la chaussure des indices boursiers, notamment américains, dont la progression pourrait être fragilisée par une remise en cause des valorisations accordées aux entreprises liées à l’IA.