La course à l’IA a un problème structurel

L’économiste Phurichai Rungcharoenkitkul, de la Banque des règlements internationaux (BRI), compare la construction des infrastructures d’intelligence artificielle (IA) à une course (contest en théorie économique), où quelques acteurs dominants captent la majorité des bénéfices. Cette logique pousse les entreprises à investir massivement pour devancer leurs concurrents, sans évaluer l’impact global de ces dépenses. Selon le modèle développé par l’auteur, cette dynamique conduit à un sur-investissement d’environ 1,5 fois le niveau socialement optimal, et jusqu’à trois fois dans les secteurs où la demande d’IA est peu flexible. Par exemple, les dépenses des grands acteurs du cloud (appelés hyperscalers comme Microsoft, Amazon, Google, Oracle et Meta) devraient atteindre 700 milliards de dollars en 2026, avec des projections allant jusqu’à 3 000 à 4 000 milliards pour les années suivantes. Cette croissance rapide rappelle des bulles technologiques historiques, comme la railway mania britannique des années 1840 ou la bulle Internet de la fin des années 1990, qui se sont toutes soldées par des corrections brutales.

Le sur-investissement dans l’IA n’est pas un signe de solidité, mais d’une fragilité croissante. Une fois que les dépenses totales atteignent environ 3 000 milliards de dollars, le surplus économique net (la différence entre la production totale et le coût du capital) devient négatif. Les projections actuelles, comprises entre 3 000 et 4 000 milliards de dollars, placent le secteur dans une zone à haut risque de retournement. En cas de crise, le capital accumulé, spécialisé et endetté, serait difficile à liquider rapidement, car les marchés concernés sont peu liquides. Le taux de récupération des investissements chuterait alors fortement, aggravant les pertes. Par exemple, une étude de 2026 montre que le surplus économique net deviendrait négatif dès que les investissements dépassent 3 000 milliards de dollars, ce qui correspond à la trajectoire actuelle du secteur.

Un deuxième problème structurel majeur est le financement circulaire de l’IA. Ce mécanisme fonctionne ainsi : un acteur majeur (par exemple un hyperscaler comme Microsoft) prend une participation financière dans un laboratoire d’IA (comme OpenAI ou Anthropic) en échange d’un engagement de ce dernier à lui acheter de la puissance de calcul future. Cela crée une demande artificielle pour l’offre de calcul, car les financeurs deviennent aussi les principaux clients. Par exemple, environ 46 milliards de dollars de participations ont été effectivement déboursés, mais les engagements d’achat pluriannuels s’élèvent à 879 milliards de dollars. Ce système concentre les risques : si un laboratoire fait faillite, l’hyperscaler qui le finance voit son bilan affecté, ce qui peut l’inciter à se désengager d’autres laboratoires, déclenchant une réaction en chaîne. Ce risque s’aggrave avec l’augmentation des investissements, car les laboratoires sont de plus en plus interconnectés via quelques acteurs pivots.

L’interconnexion des acteurs via le financement circulaire transforme les liens économiques en canaux de contagion. Une défaillance locale (par exemple, celle d’un laboratoire d’IA) pourrait se propager à l’ensemble du réseau, affectant les bilans des hyperscalers et des fabricants de puces (comme Nvidia ou AMD). Selon les simulations de l’économiste, la première cascade de défaillances pourrait survenir dès que les investissements atteignent 1,6 fois le niveau optimal, et la seconde à 2,3 fois. La trajectoire actuelle, comprise entre 2,1 et 2,9 fois ce niveau, place le secteur dans une zone où une crise systémique devient probable. Plus le financement passe par des nœuds pivots (quelques acteurs clés reliant plusieurs laboratoires), plus une défaillance locale peut avoir des conséquences globales, comme une réaction en chaîne financière.