L’IA est une bulle spéculative et une révolution technologique. Les valorisations des startups sont excessives, mais l’infrastructure essentielle (NVDA, etc.) ne l’est pas. Euphorie en 2024-2025, puis correction (2026-2027), avant création de valeur réelle (2028-2030). Privilégier les vendeurs d’infrastructures sur les développeurs d’applications.
I. DÉCONSTRUCTION DES ARGUMENTS PRO-IA : VALIDATION QUANTITATIVE
A. NVIDIA : la rentabilité comme preuve d’adoption réelle
Données financières Q3 FY2025 (Oct 2024)
NVIDIA a réalisé des résultats financiers impressionnants au T3 de l’exercice 2025, avec un revenu de 35,1 Md$ (+94% en glissement annuel), tiré par le Data Center (30,8 Md$, +112%). La société affiche une rentabilité extrême (marge opérationnelle de 62%, marge nette de 55%, traduisant un profit annualisé de 77,2 Md$). Son flux de trésorerie disponible (FCF) est de 16,8 Md$ (marge FCF de 48%). Sa valorisation actuelle (Cap. marché : 3 500 Md$ en Nov 2025) présente un P/E TTM de 45,3x et un P/S de 38,2x.
Bien que le P/E anticipé (32,8x) et le PEG (0,85) suggèrent une décote par rapport à la croissance, le P/S est historiquement élevé. Les points forts résident dans la profitabilité massive, les marges extrêmes (pouvoir de fixation des prix) et le puissant écosystème technique CUDA.
Les inquiétudes majeures concernent la forte concentration des revenus sur quelques hyperscalers (4-5 clients), le cycle de vie court des produits (18 mois) et l’émergence d’une concurrence croissante (AMD, Google, AWS).
L’analyse par scénarios sur trois ans (2025-2028) montre que même dans le scénario Bull (25% de probabilité), le cours pourrait chuter de 28% car la perfection est déjà intégrée. Le scénario Base (50%) anticipe un ralentissement de la croissance (CAGR 15%), conduisant à une capitalisation de 1 640 Md$ (chute de 53%), et le scénario Bear (25%) prévoit un effondrement jusqu’à 563 Md$ (-84%) si la bulle éclate ou les marges s’effondrent. La valeur attendue est un retour négatif de -xx,5% sur 3 ans.
En conclusion, si les bénéfices de NVIDIA sont réels et massifs, prouvant une adoption solide, sa valorisation actuelle semble excessive et intègre déjà une croissance future trop optimiste.
B. BlackRock $40B dans Data Centers : validation infrastructure
BlackRock, en partenariat avec Global Infrastructure Partners (GIP), a engagé 40 milliards de dollars (potentiellement 50 milliards) sur cinq ans (2024-2028) pour investir dans des centres de données hyperscale optimisés pour l’IA, principalement aux États-Unis (70 %). Ce partenariat vise à déployer du capital patient dans une infrastructure essentielle à la croissance de l’IA.
Aligned Data Centers, l’entité cible, possède actuellement 1,5 GW de capacité et prévoit d’en tripler la capacité avec un pipeline de plus de 5 GW. Ses clients sont les géants de la tech (Microsoft, Meta, Google, Amazon). Cette infrastructure se spécialise dans le refroidissement liquide, crucial pour les puces GPU. Les rendements attendus (ROIC de 12-18 %, IRR cible de 15-20 %) sont soutenus par des contrats à long terme (10-15 ans) avec les hyperscalers, offrant une forte visibilité sur les revenus.
L’investissement de BlackRock (représentant seulement 0,4 % de ses actifs sous gestion) est le plus important dans l’infrastructure de ce type depuis cinq ans, signalant une conviction à long terme dans le secteur de l’IA et une rotation vers les actifs réels considérés comme des « immobilier numérique » offrant une couverture contre l’inflation.
Ce mouvement est considéré comme « bullish » pour l’IA car il adresse le goulot d’étranglement matériel : la disponibilité des centres de données et l’accès à l’énergie, là où les puces GPU sont plus facilement disponibles. Les contraintes de permis (3-5 ans) et la complexité du refroidissement liquide constituent des barrières à l’entrée solides (un « moat »).
Cependant, des risques subsistent, notamment la cyclicalité de la demande si les hyperscalers réduisent drastiquement leurs dépenses d’investissement après 2026 en cas de ralentissement de l’IA. Il existe aussi un risque d’obsolescence technologique rapide, notamment concernant les solutions de refroidissement.
De plus, les contraintes du réseau électrique (comme au Texas) menacent la capacité de fournir l’énergie nécessaire 24/7 aux datacenters. En somme, l’investissement de BlackRock valide la couche infrastructurelle (« les pioches ») de la révolution IA, assurant des revenus stables quelle que soit la réussite des entreprises individuelles de l’IA (un modèle de « péage »).
C. Elon Musk : scaling laws et la limite énergétique
Elon Musk lie l’augmentation de l’intelligence de l’IA aux Scaling Laws :
Où:
├─ α ≈ 0.50 (compute scaling exponent)
├─ β ≈ 0.40 (data scaling exponent)
├─ γ ≈ 0.35 (model size scaling exponent)
Musk’s Claim Validation:
« 10x compute → 2x performance »
Log-Log Relationship:
Performance = k × Compute^0.50
Si Compute × 10:
New Performance = k × (10 × Compute)^0.50
= k × 10^0.50 × Compute^0.50
= 3.16 × (k × Compute^0.50)
= 3.16x performance
Mais Musk dit « 2x performance pour 10x compute »?
→ Cela implique α ≈ 0.30 (diminishing returns)
Sa prédiction « 10x Compute → 2x Perf » suggère α ≈ 0.30, indiquant des rendements décroissants ou une conservation. Les lois d’échelle sont empiriquement validées. Musk souligne l’asymptote énergétique : la consommation de calcul augmente exponentiellement (GPT-3 approx 1.3 GWh, GPT-5 projeté $\approx$ 200 GWh de training). L’inférence pourrait coûter des centaines de milliards annuellement à grande échelle. Cependant, Musk relativise cette limite : la consommation actuelle de l’IA est minime comparée à l’énergie solaire totale capturée sur Terre (0.001%), suggérant une marge de croissance de 100 000x avant une limite physique absolue. La limite réelle à court terme est économique et opérationnelle.
D. Sam Altman : « Bulle IA » – Tactique ou Réalité?
La déclaration de Sam Altman de septembre 2024, suggérant qu’investir 3 milliards de dollars dans trois personnes avec juste une idée est « insensé », intervient dans un contexte de levées de fonds massives pour l’IA (Anthropic, Character.AI, Adept), opposées aux résultats financiers modestes de ces concurrents.
OpenAI, malgré une valorisation de 157 milliards de dollars et 13 milliards de dollars de revenus annuels prévus, affiche des pertes importantes (estimées à 7 milliards de dollars par an) et un taux de consommation de trésorerie élevé ($2 milliards par trimestre). L’analyse suggère que cette déclaration est, à 70%, une tactique stratégique. Les motivations incluraient la défense du fossé concurrentiel d’OpenAI en décourageant le financement des rivaux, la gestion de la valorisation d’OpenAI en modérant les attentes du marché avant sa prochaine levée, et une anticipation préventive de la régulation en se positionnant comme l’acteur responsable.
L’alignement d’Altman avec Microsoft et les partenariats récents soutiennent cette thèse d’un positionnement calculé. Cependant, il y a une probabilité de 30% qu’Altman exprime une conviction réelle. Cette conviction repose sur la déconnexion entre les valorisations actuelles et les fondamentaux, notant que 90% des startups IA n’ont aucun revenu, et que les coûts d’infrastructure et la guerre des talents rendent la rentabilité incertaine.
Il anticipe également une forte consolidation du marché où seuls quelques acteurs survivront, prédisant l’échec de la majorité des entreprises actuellement surévaluées en raison des risques de commoditisation et de la chute des prix d’API.
En conclusion, bien que la déclaration soit principalement une manœuvre tactique de positionnement compétitif, elle reflète un fond de vérité fondamental : la grande majorité des valorisations actuelles dans le secteur IA sont intenables à long terme, même si la technologie elle-même représente une révolution.
E. OpenAI : business model validation
Analyse financière détaillée :
L’analyse financière estimée d’OpenAI pour 2024 projette un revenu de 13 milliards de dollars, tiré principalement de ChatGPT Plus (50%) et de l’API Entreprise (35%), avec une croissance annuelle de 230%. Cependant, les coûts totaux s’élèvent à 20 milliards de dollars, principalement dus au Compute (65% des coûts, soit 8,5 milliards de dollars, lié à Azure) et à la R&D (42%, soit 5,5 milliards de dollars, incluant l’entraînement de GPT-5).
Cela résulte en une perte nette estimée à 7 milliards de dollars. L’entreprise dispose de 10 milliards de dollars de liquidités suite à une levée de fonds en octobre 2024 à une valorisation de 157 milliards de dollars, lui donnant une piste financière d’environ 15 à 18 mois.
Une analyse d’arrêt de la R&D montre qu’une réduction drastique des dépenses de recherche (de 5,5 à 0,5 milliard de dollars) permettrait d’atteindre le seuil de rentabilité (perte de 0,3 milliard de dollars). Cependant, cet arrêt mènerait inéluctablement à l’obsolescence technologique face aux concurrents (Anthropic, Google), entraînant une chute des revenus de 30 à 50% en 18 mois, confirmant que la R&D est indispensable à la survie.
L’analogie avec la trajectoire d’Uber est pertinente concernant les pertes initiales dues à l’investissement dans l’adoption et les effets de réseau, mais diffère fondamentalement par la nécessité pour OpenAI de soutenir une course à l’armement technologique constante (R&D). Bien que la croissance des revenus et l’adoption client soient réelles, la rentabilité est lointaine car la R&D ne peut être sacrifiée. Le verdict est que la valorisation de 157 milliards de dollars reste très spéculative pour une entreprise non rentable. Pour les investisseurs institutionnels, l’exposition via Microsoft (actionnaire à 49%) est considérée comme une tactique plus sûre.
F. Gemini AI & Cancer Discovery : validation scientifique
News récente (nov 2024) :
La validation de la découverte par Gemini AI (Google DeepMind + Yale, Oct 2024) marque une étape majeure. Le modèle C2S-Scale 27B, basé sur Gemma, a prouvé sa capacité à générer des hypothèses biologiques inédites en analysant des données tumorales et la littérature biomédicale. Il a identifié le Silmitasertib combiné à l’Interféron comme solution pour rendre les « tumeurs froides » sensibles au système immunitaire, un résultat validé expérimentalement in vivo par Yale.
Le processus a impliqué une simulation de 4 000 candidats et la prédiction de résultats 70-90% nouveaux par rapport à la littérature existante. Cette avancée valide les lois d’échelle en biologie (plus grand = plus intelligent) et ouvre la voie à une nouvelle ère de découverte scientifique pilotée par l’IA, saluée par Sundar Pichai.
Bien que la publication soit sur bioRxiv (statut preprint), la reproductibilité est assurée par l’open-source du modèle et des données. Cependant, la traduction clinique est lointaine (possiblement 2035-2040), le mécanisme exact des médicaments reste à élucider, et la généralisabilité aux différents types de patients est incertaine.
Du point de vue business, cet exploit renforce la position dominante de Google (GOOGL) dans un marché de l’IA Santé en forte croissance (TAM anticipé à 780 G$ d’ici 2035). L’écosystème de Google (DeepMind, Med-Gemini, Isomorphic Labs) lui confère un avantage concurrentiel massif grâce à son infrastructure de calcul (TPU), son accès aux données et son capital humain.
Une scission potentielle de cette branche IA Santé pourrait ajouter une valorisation significative (estimée à +19% pour le titre GOOGL).
En conclusion, l’asymétrie risque/récompense favorise massivement le financement des plateformes d’IA ayant des preuves de découverte scientifique validées (comme DeepMind), plutôt que les start-ups sans véritable différenciation technique ou « wrapper » d’IA.
(a) Infrastructure (NVDA, hyperscalers, datacenters) : NVDA fait $77B profit/an. Microsoft Azure AI = profitable. MSFT, GOOGL (quality avec moats)
(b) Platforms avec track record (DeepMind, OpenAI avec nuance)
(c) Applications verticales avec moats (healthcare, legal, finance regulated)
(d) Data proprietary, workflow integration
(e) Microsoft, Google, Amazon
(f) Les services publics pour l’énergie (NEE, AEP) et les solutions de refroidissement (Vertiv)
(g) Biotech IA et une exposition à la cybersécurité
* Infrastructure (ex: NVDA), Hyperscaler (ex: Microsoft), AI-Native Foundation (ex: OpenAI) et AI Application (ex: Jasper)
Les informations fournies dans cet article sont à des fins éducatives et informatives uniquement et sont basées sur l’opinion de l’auteur. Elles ne constituent pas des conseils financiers, d’investissement, juridiques ou fiscaux.Les actifs de cryptomonnaie sont très volatils et sujets à des risques élevés, y compris le risque de perdre tout ou une partie substantielle de votre investissement. Le trading ou la détention d’actifs crypto peut ne pas convenir à tous les investisseurs.Les opinions exprimées dans cet article sont uniquement celles de l’auteur/des auteurs et ne représentent pas la politique officielle ou la position de STEELLDY, de ses fondateurs ou de ses dirigeants. Effectuez toujours vos propres recherches approfondies et consultez un professionnel financier agréé avant de prendre toute décision d’investissement.
I. LE CONTEXTE MACRO : POURQUOI MAINTENANT? A. La Mort du monopole bancaire (2008-2025) Évolution…
Stress de liquidité systémique masqué dans l'écosystème crypto, centré sur le stablecoin FDUSD. Un "run…
L'analyse des données FRED indique un pivot silencieux de la politique monétaire américaine, massivement sous-estimé…
I. LECTURE DU CARNET D'ORDRES OPTIONS : DISSECTION LAYER PAR LAYER L'analyse des options au…
I. SYNTHÈSE EXÉCUTIVE : ANATOMIE D'UNE ROTATION INSTITUTIONNELLE Une rotation institutionnelle du Bitcoin via les…
L'article introduit une nouvelle équation dynamique non-linéaire pour la liquidité systémique (LNS), intégrant quatre vecteurs…