Written by Alphabet (Google) a annoncé hier ses résultats financiers. À première vue, ces résultats sont spectaculaires : le chiffre d’affaires a augmenté de 24 %, avec une hausse de 82 % dans son activité de cloud computing. Le bénéfice par action s’est élevé à 9,11 dollars, un chiffre très élevé. Cependant, plus des deux tiers de ces bénéfices provenaient de la comptabilisation de 77 milliards de dollars de plus-values latentes liées à l’acquisition d’actions d’Anthropic, une importante entreprise spécialisée dans les modèles d’IA. En d’autres termes, ces bénéfices ne sont que théoriques et dépendent du maintien de la tendance haussière des actions d’Anthropic.
Google fait partie de ce qu’on appelle les « hyperscalers », ces méga-entreprises technologiques qui investissent des sommes colossales dans l’IA, dans l’espoir que cela se traduise par une forte augmentation de leurs bénéfices à long terme. Les investissements de Google dans l’IA ont injecté tant d’argent dans des entreprises spécialisées comme Anthropic et OpenAI, ainsi que dans des centres de données destinés à faire fonctionner l’IA à l’aide de puces coûteuses fabriquées par Nvidia, que ses énormes recettes en espèces ne couvrent plus le coût de ces investissements. Le « flux de trésorerie disponible », comme on l’appelle, est devenu négatif pour la première fois dans l’histoire d’Alphabet.
Google augmente massivement ses investissements dans l’IA cette année, tout comme ses rivaux Meta, Microsoft et Amazon, afin de développer des infrastructures d’IA, et les quatre géants technologiques du cloud devraient dépenser plus de 725 milliards de dollars d’ici 2026. Avant la publication des résultats de mercredi, Google était considéré comme le géant technologique du cloud le mieux placé pour résister à la course à l’armement de l’IA, car les flux de trésorerie générés par son vaste activité de recherche devaient amortir la pression financière. Mais désormais, ses besoins en liquidités pour financer les dépenses d’investissement dans l’IA nécessiteront de contracter des emprunts et/ou d’émettre des actions. Alphabet s’est déjà endetté à hauteur de près de 100 milliards de dollars, et a levé en juin environ 85 milliards de dollars lors de sa première vente d’actions depuis plus de deux décennies.
Tout cela indique que la bulle boursière de l’IA, car c’est bien de cela qu’il s’agit, est sur le point d’éclater. Les grandes entreprises technologiques sont extrêmement rentables, grâce à leurs activités actuelles, avec des bénéfices dépassant la tendance de 59 %. Mais l’ampleur de la vague d’investissements dans l’IA menée par ces entreprises est telle que même ces bénéfices s’évaporent comme l’eau qui disparaît dans le désert du Sahara.
Comme nous l’avons souligné dans des articles précédents, l’économie américaine mise massivement sur l’IA. La valeur boursière des entreprises « hyperscale » représente actuellement environ 40 % de la capitalisation boursière totale du S&P 500. Si l’on observe le moindre signe indiquant, d’une part, qu’elles ne peuvent pas maintenir leur rythme actuel de croissance des investissements et, d’autre part, qu’elles épuisent leurs bénéfices sans obtenir de retour sur ces investissements dans l’IA, la valeur de leurs actions pourrait s’effondrer et entraîner dans son sillage l’ensemble du marché boursier.
L’économie capitaliste américaine repose sur l’intelligence artificielle. Tout ira bien si : premièrement, les modèles d’IA deviennent très demandés et commencent à être utilisés par les entreprises aux États-Unis et dans le monde entier, stimulant ainsi la rentabilité des grandes entreprises technologiques et, en fin de compte, du reste du secteur des entreprises. Deuxièmement, l’utilisation généralisée de la technologie d’IA dans tous les secteurs de l’économie entraîne également un changement radical du niveau de productivité, ce qui peut conduire l’économie américaine vers une nouvelle ère de prospérité.
Avant l’essor de l’IA, les technologies de l’information aux États-Unis étaient déjà devenues le moteur d’une croissance économique relativement plus rapide par rapport aux autres économies du G7 pendant la longue récession des années 2010.
Mais au cours des années 2010, toutes les économies du G7, y compris les États-Unis, ont connu un ralentissement de la croissance du PIB réel, de l’investissement et de la productivité. Puis, à la suite de la récession provoquée par la pandémie, l’inflation a refait son apparition dans la plupart des économies, menaçant d’instaurer une nouvelle période de stagflation (croissance faible, voire nulle, associée à une inflation élevée et galopante) comme on n’en avait plus vu depuis les années 1970. Aujourd’hui, la guerre avec l’Iran accélère l’inflation des prix de l’énergie. La politique monétaire des banques centrales n’a pas réussi à relancer les économies dans les années 2010 avec des taux d’intérêt bas, voire nuls, et des injections de liquidités (assouplissement quantitatif). Et la politique monétaire des banques centrales n’a pas réussi à contenir la hausse de l’inflation depuis 2020 par le biais de taux d’intérêt plus élevés (BCE) et de resserrement quantitatif (Banque d’Angleterre). En effet, la seule façon pour les économies de croître sans faire grimper l’inflation consiste à accroître la croissance de la productivité du travail.
Le nouveau président de la Réserve fédérale, nommé par Trump, prévoit un essor de la productivité grâce à l’IA. Kevin Warsh affirme que « l’IA est peut-être le changement le plus significatif de notre économie depuis que je suis adulte. L’IA sera une force désinflationniste majeure, qui augmentera la productivité et renforcera la compétitivité américaine ». Il estime que les gains de productivité découlant de l’IA entraîneraient « des hausses significatives des salaires réels nets. Une augmentation d’un point de pourcentage de la croissance annuelle de la productivité doublerait le niveau de vie en une seule génération ». Il a raison. Même une augmentation d’à peine un point de pourcentage de la croissance actuelle de la productivité aux États-Unis sur une période de 20 ans permettrait non seulement de contenir l’inflation, mais aussi de générer des recettes susceptibles de résorber les déficits budgétaires publics, sans augmenter les impôts ni réduire les dépenses. Le ratio dette publique/PIB diminuerait.
Mais l’IA parviendra-t-elle à opérer ce changement radical en matière de productivité ? Entre 2005 et 2019, la croissance de la productivité aux États-Unis s’est établie en moyenne à environ 1,5 % par an. Ce rythme est resté tout aussi lent pendant et juste après la pandémie (2020-2022). Cependant, la productivité du travail aux États-Unis s’est accélérée depuis 2022. La production horaire a augmenté d’environ 2,5 % par an de fin 2022 à début 2026, dépassant de un point de pourcentage son rythme d’avant la pandémie.
L’IA porte-t-elle ses fruits ? La majeure partie de l’accélération de la croissance de la productivité du travail provient d’une croissance plus rapide de ce que l’économie conventionnelle appelle la productivité totale des facteurs (PTF). La PTF n’est pas une grandeur réelle mesurable ; il s’agit simplement d’un résidu mathématique issu de l’analyse des facteurs qui stimulent la croissance de la productivité. C’est le nombre accru de travailleurs qui travaillent plus dur, combiné à un nombre accru de machines fonctionnant plus longtemps, qui génère l’essentiel de la productivité du travail. La PTF est le résidu censé provenir de l’impact de l’« innovation » (par exemple, l’IA).
Cependant, la hausse de la productivité totale des facteurs (PTF) aux États-Unis n’est pas encore le résultat de l’application de l’IA dans l’économie. Selon les économistes de Barclays, l’adoption de l’IA a été progressive et constante, plutôt que rapide et transformatrice, et la plupart des ménages et des entreprises font encore état d’une exposition limitée à cette technologie. L’accélération de la croissance de la productivité observée depuis 2022 est en réalité due à une utilisation plus intensive des technologies existantes après la fin de la pandémie, et non à l’introduction de l’IA.
Comment le savons-nous ? Les économistes de Barclays ont analysé l’enquête nationale sur la population en temps réel (Real-Time Population Survey, ou RPS) de la Réserve fédérale de Saint-Louis, qui porte sur les adultes américains en âge de travailler. L’enquête la plus récente montre que, bien que l’IA ait été intégrée dans les routines de travail de 45 % des personnes interrogées, son utilisation en termes de temps est minime. En supposant une journée de travail de huit heures, l’utilisateur moyen de l’IA est passé d’environ 20 minutes d’utilisation fin 2024 à environ 30 minutes mi-2026, selon l’enquête RPS. On ignore toutefois si les travailleurs utilisent ces 2 % supplémentaires de leur temps de travail quotidien pour être globalement plus productifs, pour vérifier et corriger ce que l’IA a produit, ou pour paresser !
En effet, la plupart des enquêtes sur l’adoption de l’IA par les entreprises font état de progrès modestes. L’enquête bimensuelle « Business Trends and Outlook » du Bureau du recensement des États-Unis révèle que seules 21 % des entreprises utilisaient l’IA de manière consciente, 69 % ne l’utilisaient pas et 11 % n’étaient pas sûres. Un document de réflexion du Conseil des gouverneurs de la Réserve fédérale conclut que « les tendances de productivité aux trois niveaux ont été relativement constantes au fil du temps, ce qui suggère que les gains de productivité au niveau micro ne s’additionnent pas au niveau global ». Il semble que les expériences menées au niveau micro mesurent généralement la productivité au niveau de la tâche, comme la vitesse à laquelle un programmeur génère du code, plutôt que la production au niveau du poste ou de l’entreprise. Une amélioration de 10 % dans une tâche ne se traduit pas nécessairement par des gains proportionnels pour une entreprise si des coûts d’ajustement ou d’autres goulots d’étranglement se situent dans d’autres parties du processus de production et érodent les gains de productivité antérieurs.
Après avoir réalisé une série d’analyses de régression complexes à partir des données d’enquêtes sur le système de rémunération basé sur les ressources (RPS), la Réserve fédérale américaine a conclu qu’il n’existe aucune preuve que l’IA ait un impact positif : les corrélations entre les taux d’adoption au niveau sectoriel et les gains de productivité « ne sont pas statistiquement significatives », affirme-t-elle. Toute amélioration observable « reflète dans une large mesure des différences persistantes entre les secteurs, plutôt qu’une accélération mesurable de la croissance de la productivité attribuable à l’IA ».
Pourtant, les optimistes de l’IA restent précisément cela : des optimistes. Ils font référence à la « courbe en J » que suit généralement l’impact des nouvelles technologies sur la productivité. Dans un premier temps, on observe un effet lent, voire négatif, sur la productivité alors que les entreprises investissent massivement dans la technologie. Puis vient l’essor. Cette courbe en J a été observée dans la croissance de la productivité manufacturière aux États-Unis, qui a chuté au milieu des années 1980, puis, après la récession de 1991, s’est brusquement accélérée jusqu’au milieu des années 2000.
Mais même cette vision optimiste comporte des réserves. Tout d’abord, il semble que les travailleurs exposés à l’IA soient réticents à son utilisation. Une enquête menée en avril auprès de 2 400 travailleurs du savoir par les entreprises d’IA Writer et Workplace Intelligence — toutes deux ayant des intérêts commerciaux dans l’adoption de l’IA — a révélé que 29 % des employés ont admis saboter activement la stratégie d’IA de leur entreprise . Parmi les travailleurs de la génération Z (âgés de moins de 25 ans), ce chiffre s’élevait à 44 %, contre 41 % l’année précédente. Une autre enquête de WalkMe, menée le même mois auprès de cadres et d’employés de 14 pays, a révélé que plus de 54 % des travailleurs avaient contourné les outils d’IA de leur entreprise au cours des 30 derniers jours pour effectuer leur travail manuellement. Les auteurs de l’enquête ont découvert que la « crainte de devenir obsolète » est à l’origine d’une grande partie de cette résistance, qu’elle soit active, passive, voire passive-agressive. De même, The Economist a rapporté que l’utilisation de l’IA par les travailleurs américains, après un regain initial, a diminué à mesure que l’enthousiasme de départ s’est estompé.
Au début du XIXe siècle, au début de la révolution industrielle en Grande-Bretagne, un groupe de tisserands expérimentés a tenté de s’opposer à l’introduction du tissage mécanique par divers moyens, notamment le sabotage et la destruction des machines. On les appelait les luddites. Il semble aujourd’hui qu’une forme de luddisme ait refait surface avec l’intelligence artificielle. Tout comme les luddites défendaient leur gagne-pain, les travailleurs de la génération Z font de même aujourd’hui.
Les optimistes de l’IA, Erik Brynjolfsson de Stanford et ADP Research, suivent l’évolution de 4,6 millions de travailleurs dans plus de 730 métiers via leur tableau de bord Canaries. Ils constatent que les emplois des travailleurs âgés de 22 à 25 ans dans les métiers exposés à l’IA diminuent de plus de 4 % par an. Une analyse de Goldman Sachs suggère que les secteurs de l’information, des services professionnels, de l’assurance et de la finance sont les mieux placés pour bénéficier rapidement de gains de productivité, mais c’est précisément dans ces secteurs que les enquêtes sur le « sabotage » révèlent les taux de résistance les plus élevés.
Elsie Peng, économiste chez Goldman Sachs aux États-Unis, soutient la thèse de la courbe en J pour l’IA. Son étude sur l’adoption des technologies dans l’industrie a mis en évidence un léger retard au cours des quatre premières années, des gains statistiquement significatifs seulement après huit ans, et un impact maximal d’environ 0,6 point de pourcentage à la douzième année. Si le lancement de ChatGPT en 2022 est l’équivalent de l’arrivée de l’ordinateur personnel en 1981, cette courbe en J situe le retour sur investissement en termes de productivité vers 2030 au plus tôt, et son pic vers 2034. Selon l’analyse de Peng, les gains significatifs de productivité du travail liés aux TIC ne se sont manifestés qu’une fois qu’environ 50 % des entreprises avaient adopté la technologie. Elles ne se sont pas contentées de l’acheter ou de la tester : elles l’ont véritablement intégrée à leurs activités principales.
La « courbe en J » de Peng fait écho à ce que les économistes de l’OCDE ont avancé il y a quelque temps : les technologies transformatrices mettent généralement une vingtaine d’années, à compter de leur apogée, avant de générer des gains de productivité significatifs au niveau macroéconomique. Si ce schéma se confirme pour l’IA générative, il faudrait attendre le début ou le milieu des années 2030, voire plus tard, avant d’en voir les bénéfices concrets. Il reste donc un long chemin à parcourir avant que la généralisation de l’IA ne puisse générer une augmentation significative de la croissance de la productivité du travail.
Le bond qualitatif en matière de croissance de la productivité sur lequel le président de la Réserve fédérale, Warsh, fonde tous ses espoirs semble encore lointain. Mais qu’en est-il des bénéfices de l’IA ? Jusqu’à présent, les revenus générés par les entreprises spécialisées dans les modèles d’IA sont bien loin de couvrir les coûts de R&D et de construction de centres de données à travers les États-Unis. Goldman Sachs estime que chaque dollar investi dans du matériel informatique nécessite au moins 1,70 dollar supplémentaire d’investissement complémentaire dans des actifs incorporels : logiciels, systèmes de données et, catégorie la plus difficile à mesurer, la restructuration organisationnelle. Actuellement, la capacité des centres de données est 15 fois supérieure à la demande.
Et la dette ne cesse de s’accumuler. Bloomberg estime que la dette en cours liée aux centres de données d’IA s’élève à plus de 500 milliards de dollars. Nikkei Asia a rapporté cette semaine que Meta, Google, Amazon, Microsoft et Oracle ont accumulé environ 1,65 billion de dollars de dette en cours au cours des cinq dernières années, avec des centaines de milliards de dollars supplémentaires de dette « hors bilan », ce qui signifie que la structure de l’entreprise permet à celle-ci de ne pas l’inclure dans son passif.
Les revenus générés par des entreprises telles qu’OpenAI et Anthropic proviennent exclusivement des investissements des grandes entreprises technologiques dans leurs activités. L’utilisation de ChatGPT ou de Claude ne génère pas de bénéfices, en partie parce que les entreprises d’IA ne facturent pas aux utilisateurs le coût réel de l’utilisation des « tokens » (unités de calcul). C’est pourquoi les entreprises d’IA tentent d’amener les consommateurs à passer d’un forfait illimité à une tarification à l’utilisation. Cependant, cela a entraîné une augmentation exponentielle du coût de l’IA pour les entreprises, à tel point que, face à la hausse démesurée de leurs factures, celles-ci passent de la maximisation de l’utilisation des tokens à leur rationnement. De plus, les entreprises américaines choisissent d’utiliser des modèles d’IA open source provenant de Chine, qui égalent pratiquement les performances des modèles américains pour un coût bien moindre.
Tout d’abord, DeepSeek a fait une entrée fracassante dans le secteur début 2025. Aujourd’hui, Kimi K3, le tout dernier modèle d’IA chinois, lancé par la start-up Moonshot AI, basée à Pékin, est 112 fois moins cher qu’Anthropic par million de jetons (c’est-à-dire une véritable mine d’or). Un token coûte 56 dollars chez Anthropic, 26 dollars chez OpenAI, 1,50 dollar chez Meta, 1 dollar chez xAI et Google, et 0,50 dollar pour les modèles chinois. Il n’est donc pas étonnant que la part des tokens utilisés par les entreprises américaines et traités par des modèles d’IA chinois ait atteint un record de 58 %. Actuellement, les entreprises américaines utilisent davantage de modèles d’IA chinois que ceux développés aux États-Unis.
Mais les optimistes ne baissent pas les bras. Certains évoquent le « paradoxe de Jevons », selon lequel une efficacité accrue (grâce à l’IA) générera une demande plus forte à mesure que les coûts unitaires d’investissement dans l’IA diminueront. Cela produira la rentabilité recherchée par les entreprises d’IA et tant attendue par le marché boursier. Cependant, seules 2 % des entreprises du S&P 500 ont évoqué la productivité de l’IA lors des conférences téléphoniques sur les résultats du premier trimestre 2026. Et parmi celles qui l’ont fait, l’accent a été mis de manière écrasante sur les économies de coûts plutôt que sur la croissance du chiffre d’affaires. Cela soulève de sérieux doutes quant à la manière dont les centaines de milliards de dollars investis sont censés se traduire par des bénéfices, et encore moins par des revenus.
Le pari sur l’IA repose sur deux grandes hypothèses. La première est que l’IA sera rentable, tôt ou tard. Mais le fait qu’une technologie génère un énorme gain de productivité ne signifie pas pour autant qu’elle va générer des bénéfices importants. La deuxième hypothèse est qu’il y aura une demande généralisée pour l’IA, et ce très bientôt. L’adoption de l’IA s’est accrue, mais elle est encore loin d’atteindre son plein potentiel. Comme mentionné précédemment, Goldman Sachs estime que cela pourrait prendre jusqu’à 15 ans ; l’OCDE parle de 20 ans. Les entreprises d’IA actuelles pourront-elles survivre aussi longtemps ? Le marché boursier pourra-t-il attendre aussi longtemps avant que la bulle n’éclate ?
Michael Roberts (économiste marxiste britannique), 23 juillet 2026
