Fin 2025, le français Yann LeCunn, récipiendaire du prix Turing (le «Nobel» de l’informatique) pour ses travaux importants sur les réseaux de neurones artificiels1, quitte Meta dont il dirigeait la recherche en IA. Quelques semaines plus tard, il annonce la création d’une nouvelle entreprise, Advanced Machine Intelligence, immédiatement évaluée à 500 millions d’euros [1].
Cette start-up vise à développer une nouvelle génération d’algorithmes d’IA. Yann LeCunn considère en effet que les grands modèles de langage (LLM) aujourd’hui au cœur de l’IA générative (ChatGPT, Gemini, etc.) ne seront jamais capables d’atteindre une «intelligence universelle». Pour lui, comme pour d’autres, un changement de paradigme s’avère nécessaire.
Pour autant, rien ne résume mieux la folie actuelle autour de l’IA qu’une telle valorisation pour une entreprise sans algorithme ni même de site Web. Surtout, cela pose la question d’une possible bulle autour de l’IA susceptible de déboucher sur une nouvelle crise financière.
L’IA, l’or du XXIe siècle ?
Lorsqu’on regarde les sept entreprises américaines qui monopolisent la tête des classements de rentabilité, on constate qu’elles sont toutes actives dans l’IA [2]. Elles fournissent soit des logiciels et/ou des plateformes (notamment Microsoft, Alphabet et Meta), produisent du matériel indispensable à son déploiement (dont les fameuses puces de Nvidia) ou disposent d’une expertise dans un domaine d’application porteur (comme Tesla). Leur valorisation, autant individuelle que collective, démontre l’attrait qu’elles représentent pour les marchés financiers.
Les États se montrent aussi particulièrement attentionnés envers les entreprises actives dans l’IA. En commençant par les États-Unis qui veulent garder leur suprématie technologique. Ils se dotent d’abord en 2022 avec le CHIPS and Science Act d’un budget de 280 milliards de dollars (dont 52 milliards pour le développement de processeurs). Puis, dès le début de son second mandat, Donald Trump annonce un nouveau projet de 500 milliards de dollars pour des infrastructures dédiées à l’IA.
Les autres acteurs étatiques ne sont pas en reste. La Chine veut non seulement assurer son indépendance technologique par rapport au grand rival américain, mais elle souhaite également être à la pointe (notamment dans le domaine robotique). Quant aux autres pays, ils tentent de trouver leur place, à l’instar de la France avec la société Mistral AI.
Il y a donc une véritable ruée vers l’IA et ses applications, autant des acteurs financiers que des États. Tout cela draine des masses importantes de capitaux privés et publics, au détriment sans doute d’autres enjeux (pensons par exemple à la transition énergétique).
Un dangereux endettement
Malgré l’adoption croissante de l’IA par les entreprises et les personnes, les grosses solutions d’IA (ChatGPT, Gemini, etc.) peinent encore à trouver une véritable rentabilité. Les principaux acteurs de l’IA brûlent du capital issu de cash généré par d’autres activités hyper-rentables (telles la publicité pour Meta ou Alphabet), ou obtenu grâce à des apports externes (comme OpenAI via les investissements de Microsoft et Nvidia).
On estime ainsi que l’endettement global des entreprises de l’IA avoisine aujourd’hui les 1.200 milliards de dollars, soit un montant supérieur à celui du secteur bancaire avant la crise des subprimes [3]. La course pour l’hégémonie de l’IA entre les grands blocs géopolitiques n’étant pas près de s’arrêter, ces derniers pousseront sans doute leurs champions respectifs à investir davantage pour rester dans le peloton de tête.
Selon certaines estimations, les seuls besoins des fermes de calcul, indispensables pour déployer les gros modèles2, nécessiteront un investissement de 2.900 milliards de dollars d’ici à 2028 [3]. Autant dire que le secteur de l’IA est loin d’être rassasié en capital, et qu’il continuera à rechercher des sources de financements additionnels.
Le pari est double. D’une part, une utilisation toujours plus large de l’IA, notamment en développant des modèles d’IA plus puissants susceptibles de résoudre une large gamme de problèmes. D’autre part, un marché de l’IA suivant le modèle «winner-take-all», pour lequel les acteurs qui se partagent le marché actuel, pas encore assez rentable, se partageront le marché futur où les liquidités couleront à flots3.
Mais rien ne garantit que ce scénario se réalise un jour. Il existe un réel doute que l’approche actuelle de l’IA puisse atteindre un niveau de qualité suffisamment constant4 pour être déployée à grande échelle (d’où la démarche de Yann LeCunn). Or la plupart des gros acteurs de l’IA semblent mettre tous leurs œufs dans le même panier en misant principalement sur l’accroissement de la taille de leurs modèles. Un échec de cette stratégie impliquerait de colossales dettes contractées «pour rien».
Une explosion des coûts énergétiques futurs
L’augmentation de la taille des modèles implique mécaniquement une augmentation des capacités computationnelles. Il faudra plus d’ordinateurs interconnectés contenant plus de processeurs (dont les fameuses puces graphiques). Et qui dit développement de nouvelles infrastructures dit accroissement de la consommation énergétique5.
Sam Altman, le PDG d’OpenAI, ne s’y trompe d’ailleurs pas. Lors de son audition devant le Congrès américain en 2025, il prédit que le coût de l’IA finira par s’aligner sur celui de l’énergie [4]. Pour le dire autrement, le déploiement de l’IA sera conditionné par les coûts énergétiques. Seule une énergie abondante et bon marché peut assurer la rentabilité du secteur.
Ceci explique que les acteurs de l’IA investissent massivement dans les infrastructures énergétiques. OpenAI, par exemple, prévoit d’investir aux alentours de 1.000 milliards de dollars en infrastructures énergétiques [3]. Et le nucléaire joue un rôle essentiel dans leur futur mix énergétique6.
Dès lors, les entreprises actives dans l’IA prennent d’assaut les producteurs d’énergie nucléaire. Microsoft conclut ainsi un accord pour réexploiter la centrale nucléaire de Three Mile Island7 [5]. Quant à Alphabet et Amazon, ils investissent également des centaines de millions de dollars dans des producteurs d’énergie nucléaire [6].
Des externalités non payées
On sait que le réchauffement climatique demande l’abandon des énergies fossiles, ce qui suppose une reconfiguration mondiale des sources d’énergie (aujourd’hui principalement basées sur le charbon, le pétrole et le gaz). Dans ce contexte, une pression énergétique supplémentaire due à l’IA pourrait bien ralentir encore plus la nécessaire transition énergétique.
Les conséquences potentielles d’un énième report des nécessaires changements auront des conséquences pour l’ensemble de la planète. Je ne dis évidemment pas que l’IA serait seule responsable d’un tel risque. Par contre, les acteurs de l’IA jouent clairement contre la transition énergétique.
Et les centrales nucléaires sur lesquelles ils se basent apportent leur lot de problèmes. La construction de nouvelles centrales reste un processus long qui suppose une planification, et leur exploitation s’accompagne de multiples risques.
De plus, on constate des risques de sous-évaluation des coûts de démantèlement des centrales actuelles et du stockage des déchets [7]8. Or l’exploitations de plusieurs centrales cessera dans les prochaines années. Si des provisions insuffisantes pour leur démantèlement se confirmaient, cela entraînerait une hausse du coût de l’énergie nucléaire qui impacterait, entre autres, le secteur de l’IA.
Mais les dangers environnementaux ne sont pas les seules conséquences néfastes de cette course énergétique menée par l’IA. Dans une situation où les besoins augmentent plus vite que les capacités de production, l’ensemble des acteurs vont se retrouver en compétition pour accéder à l’énergie électrique.
Dans ce cas, les plus petits, notamment les citoyens et citoyennes, pourraient se retrouver perdants. On assiste d’ores et déjà à des procès contre des fermes de calcul qui accaparent dans certains États américains toute l’énergie électrique [8]. Un impact qui s’accentuerait encore en cas d’augmentation des coûts énergétiques.
En d’autres termes, les besoins énergétiques des acteurs de l’IA entraînent des externalités : de possibles nuisances futures sur l’environnement, et une pression accrue sur d’autres acteurs (entreprises et populations). Des risques et des impacts indirects que les entreprises de l’IA ne payent pas.
Pire, dans le but d’assurer l’épanouissement de l’IA en leur sein, les États seront certainement tentés d’assumer une partie des risques pour «rassurer les investisseurs». Le second gouvernement de Donald Trump met ainsi à disposition un prêt garanti de 1 millard de dollars pour la relance de la centrale de Three Mile Island [9].
Des choix seront peut-être nécessaires à l’avenir, comme privilégier certaines infrastructures (écoles, hôpitaux, etc.) au détriment des fermes de calcul. Même si les entreprises de l’IA en avaient les moyens, elles ne pourront donc peut-être pas accéder à toute l’énergie indispensable pour déployer l’IA à une échelle nécessaire pour leur rentabilité.
Des marchés aux comportements aberrants
Les différentes ombres déjà citées planant au-dessus des perspectives des acteurs de l’IA (capacités des modèles et des infrastructures actuelles et futures, et coûts énergétiques) suffisent déjà pour s’inquiéter de l’engouement économique survitaminé. Mais l’attitude irrationnelle des marchés financiers rend encore plus probable l’existence d’une bulle autour de l’IA.
Certes, n’en déplaise à l’économie dominante, les marchés financiers n’ont jamais été rationnels. Les agents économiques agissent sur base d’un passé perçu comme annonciateur9 ainsi que par mimétisme, plus que par une réelle capacité à appréhender l’évolution des marchés. Si en plus les valeurs boursières jouent aux montagnes russes, on peut réellement s’inquiéter.
Prenons, le cas d’Oracle, l’entreprise américaine spécialisée dans les bases de données [10]. Elle voit d’abord sa valorisation bondir de 36% en septembre 2025 suite à la conclusion de plusieurs marchés publics américains. Puis, deux mois plus tard, une fois l’euphorie de l’annonce passée, sa valeur perd 39%, entraînant une perte de 130 milliards de dollars pour son patron Larry Ellison.
Le summum est atteint en janvier 2025 lorsque l’entreprise chinoise DeepSeek publie un modèle d’IA générative créé avec un budget très inférieur aux modèles américains10. Les investisseurs paniquent et la capitalisation boursière des géants américains de l’IA perd alors 564 milliards d’euros en une seule journée [11]. À nouveau, après une réaction épidermique, leur valorisation repart à la hausse.
Une nécessaire compréhension politique de l’IA
Bien entendu, le pire n’est jamais certain. Pour autant, il est indiscutable qu’on assiste à une surchauffe économique dans le secteur de l’IA. Une bulle est sans doute en train de se créer. Quelles conséquences pourraient découler de son éclatement ?
Je crains que les autorités politiques soient mal préparées. Elles ne comprennent que très mal les tenants et aboutissants des approches actuelles de l’IA. Et elles se préoccupent d’avantage d’attirer les capitaux espérant voir surgir la prochaine licorne sur leurs terres, que des conséquences d’une sortie de route du secteur.
S’il y a bien une chose qu’il faut retenir de la crise financière de 2008, c’est que les États anticipent rarement les crashes et les bonnes réponses à apporter [12]. En amont, un manque naïf de régulation11. En aval, des politiques coûteuses mais peu efficaces pour tenter d’enrayer les conséquences catastrophiques de la crise. J’ai peur d’un bis repetita.
Nous serions les premières victimes d’un nouveau choc financier. De nombreux acteurs systémiques ont des billes dans les secteurs de l’IA (investissements, crédits, etc.), et un réajustement de marché pourrait avoir des répercussions bien au-delà du seul secteur de l’IA, car tout le monde table sur une mise en œuvre massive de l’approche actuelle12.
Les États seraient obligés d’intervenir, une fois de plus. Ceci ne manquera pas d’augmenter les dettes publiques qui, à leur tour, entraîneront une dégradation irrémédiable de nos services publics dans le contexte des politiques menées aujourd’hui. Et l’histoire nous enseigne les conséquences politiques qui découlent généralement de telles situations.
Il devient urgent que nous prenions conscience du risque potentiel de la bulle actuelle, et que les États anticipent un éclatement possible plutôt que de se retrouver à nouveau surpris en plein sommeil. Un enjeu qui s’avère a priori transpartisant et transfrontalier, et appelle une coordination entre les différents acteurs politiques. Mais ceci est une autre histoire…
Références
[1] Alexandre Piquard, «IA : la start-up de Yann LeCun recrute un directeur général et veut lever 500 millions d’euros», Le Monde, 19/12/2025.
[2] Arnaud Leparmentier, «L’entreprise Amérique écrase la planète de ses profits», Le Monde, 13/1/2026.
[3] Evgeny Morozov, «La souveraineté comme marchandise américaine», Le Monde diplomatique, 72(860), pp. 12‑13, 2025.
[4] Aya Saed, « The AI Revolution Needs an Energy Revolution », Times, 17 juin 2025.
[5] Jennifer Hiller, «Three Mile Island’s Nuclear Plant to Reopen, Help Power Microsoft’s AI Centers», Wall Street Journal, 20/9/2024.
[6] Davide Castelvecchi, «Will AI’s huge energy demands spur a nuclear renaissance?», Nature, 635(8037), pp. 19-20, 2024.
[7] NEA, Handbook for Nuclear Decommissioning Cost Estimation, OECD Publishing, Paris, 2024.
[8] Andrew Moseman, «Utilities Question Amazon’s Nuclear Power Deal», IEEE Spectrum, 61(10), pp. 7-9, 2024.
[9] Eva Thiébaud, «Pourquoi les États-Unis relancent le nucléaire civil», Le Monde diplomatique, 73(862), pp. 4-5, 2026.
[10] Dylan Sloan, «Oracle Slump Sends Ellison Sliding Down Ranks of World’s Richest», Bloomberg, 21/11/2025.
[11] Alexandre Piquard, «La start-up chinoise DeepSeek bouleverse le secteur de l’intelligence artificielle», Le Monde, 27/1/2025.
[12] Steve Keen, L’imposture économique, Éditions de l’Atelier, 2014.
Notes
- Yann LeCunn a joué un rôle crucial dans le renouveau des réseaux de neurones artificiels au cœur de l’IA actuelle (notamment de l’IA générative). Inventés dans les années 1960, les réseaux de neurones artificiels ont rapidement atteint un plafond de verre. Durant les années 1990, différents travaux, dont ceux de Yann LeCunn, les ont remis au goût du jour. ↩︎
- Les besoins recouvrent la construction de modèles nouveaux, ainsi que l’utilisation des modèles existants pour répondre aux requêtes des utilisateurs et utilisatrices. ↩︎
- C’est notamment le cas pour Amazon en ce qui concerne la distribution. Pendant la majeure partie de son existence, l’entreprise était en perte tout en s’imposant comme la plateforme pour l’achat en ligne en Occident. Au fur et à mesure qu’un nombre toujours croissant d’internautes utilisaient la plateforme, Amazon a vu son chiffre d’affaires augmenter. Lorsqu’une masse critique d’achats fut atteinte, l’activité devint rentable. ↩︎
- Il ne s’agit pas de remettre en cause la capacité de l’IA actuelle à s’attaquer avec succès à de nombreux problèmes, mais de souligner qu’elle génère encore un grand nombre d’erreurs qu’on arrive rarement à anticiper, parfois même sur des problèmes «simples». ↩︎
- Cette consommation recouvre l’alimentation des ordinateurs effectuant les calculs mais également les dispositifs nécessaires pour les refroidir. ↩︎
- Aujourd’hui, la part du nucléaire dans la production électrique mondiale reste négligeable. ↩︎
- Un premier réacteur est arrêté en 1979 suite à l’accident nucléaire de Three Mile Island, tandis que le second ferme fin 2019 faute de rentabilité. ↩︎
- Aucune centrale nucléaire n’ayant encore été démantelée, il n’existe ni expérience ni filière adéquate. Il y a donc énormément d’incertitudes qui entourent le processus de démantèlement et donc les coûts finaux. ↩︎
- Il semble évident que le passé peut nous apprendre de nombreuses choses pertinentes pour appréhender le futur. Mais le succès fulgurant d’une entreprise par le passé n’est jamais une garantie de réussite à l’avenir. Les histoires de Kodak ou d’Intel sont là pour nous le rappeler. ↩︎
- En réalité, DeepSeek ne renseigne pas tous les coûts liés au développement de son modèle, même si l’entreprise a indiscutablement innové. De plus, les acteurs étasuniens ne détaillent pas comment sont ventilés les coûts qu’ils annoncent. Dès lors, toute réelle comparaison reste impossible, même s’il semble incontestable que la construction du modèle de DeepSeek ait coûté beaucoup moins. ↩︎
- Après avoir renforcé les règles à la suite de la crise de 2008, les États les ont depuis relâchées. ↩︎
- L’industrie «traditionnelle», par exemple, investit beaucoup pour intégrer l’IA dans ses produits, investissements qu’elle espère amortir par une montée en gamme des produits. Mais si l’IA peine à répondre aux attentes, ces investissements seront autant de trous dans les comptes. ↩︎