L’intelligence artificielle : trois ans après ChatGPT, un paradoxe économique

Des investissements massifs, des revenus limités

L’enthousiasme autour de l’intelligence artificielle ne se dément pas. Entre 2022 et 2024, plus de 485 milliards de dollars ont été investis dans l’écosystème, et les prévisions tablent sur 1 400 milliards supplémentaires entre 2025 et 2027. Selon PwC, les gains de productivité attendus pourraient atteindre 6 600 milliards de dollars à horizon 2030, soit environ 6 % du PIB mondial estimé par la Banque mondiale.

L’adoption est également fulgurante : 61 % des Américains déclarent avoir utilisé une application d’IA au cours des six derniers mois. Mais cette dynamique d’usage n’a pas encore trouvé son équivalent dans les revenus des acteurs. Les estimations des analystes attribuent à peine 35 milliards de dollars par an aux « Magnificent 7 » (Microsoft, Apple, Amazon, Meta, Alphabet, Nvidia, Tesla).

Côté pionniers, OpenAI viserait 13 milliards de dollars de chiffre d’affaires annuel, Anthropic 5 milliards. Des montants significatifs mais très loin d’une rentabilité avérée, les deux sociétés restant déficitaires. Parmi les acteurs spécialisés, rares sont ceux qui dépassent les 200 à 500 millions de revenus (Midjourney, Perplexity, Anysphere). Pour mettre en perspective, une entreprise traditionnelle comme Nike génère 51 milliards de dollars par an.

En clair : malgré une valorisation boursière vertigineuse de l’écosystème IA et des attentes immenses, l’industrie reste dans une phase d’amorçage.

Une révolution encore en attente de résultats tangibles

L’écart entre promesses et résultats n’est pas uniquement financier. Sur le terrain, les gains de productivité sont encore difficiles à mesurer. Une étude publiée en 2025 par le MIT auprès de 300 entreprises révèle que si 90 % d’entre elles ont testé ou intégré des projets IA, 95 % n’ont pas encore constaté d’économies réelles ou d’amélioration significative de performance.

Ce constat s’explique en partie par la nature même des ruptures technologiques : il faut souvent des années avant que leur potentiel se traduise dans l’économie réelle. L’exemple de l’électricité ou d’internet montre que l’infrastructure doit d’abord être construite avant que les usages ne génèrent des gains massifs.

Or, c’est précisément ce qui se joue aujourd’hui. L’écosystème est tiré par les hyperscalers (Microsoft, Google, Amazon, Meta, Oracle), qui réinvestissent leurs profits colossaux dans des centres de données et des modèles toujours plus puissants. Mais aussi par les « neoclouds » émergents comme CoreWeave, Lambda ou Nscale, qui reposent sur des financements externes et viennent compléter l’offre des géants.

La dynamique est telle que même Nvidia, fournisseur indispensable de puces graphiques pour les datacenters, finance directement ses propres clients, en investissant dans ces neoclouds et en acceptant que ses processeurs servent de collatéral à des financements structurés. Selon UBS, les fonds de dette privée injectent près de 50 milliards de dollars par trimestre dans ces infrastructures.

Un avenir plein de promesses

En résumé, l’IA incarne aujourd’hui un paradoxe. Elle s’impose dans les usages, elle mobilise des capitaux colossaux, elle nourrit les discours politiques et économiques… mais elle n’a pas encore produit les retombées financières promises. Les marchés et les investisseurs devront s’habituer à ce décalage : les bénéfices viendront peut-être, mais plus tard. À court terme, le risque d’une correction existe, notamment si la rentabilité tarde trop. À long terme, le potentiel reste immense : l’histoire économique regorge d’innovations qui, après des débuts incertains, ont fini par bouleverser durablement les sociétés.