Pendant la majeure partie de deux décennies, le tour de magie de la technologie était simple : créer un logiciel une seule fois, puis le vendre indéfiniment. Cela a mené à des marges brutes élevées, à des coûts de distribution marginaux quasi nuls, à des abonnements récurrents et à un effet de levier d’exploitation qui ressemblait à un code de triche. C’est le modèle d’affaires qui a contribué à créer les entreprises les plus précieuses au monde.
L’IA est en train de changer ce modèle.
Plus l’industrie passe des agents conversationnels au raisonnement, et du raisonnement aux agents, plus l’« intelligence » semble mesurée. Chaque unité de capacité supplémentaire nécessite une inférence supplémentaire. Chaque seconde supplémentaire que le modèle « réfléchit » exige plus de calcul, plus de réseautage, plus de bande passante mémoire, plus de puissance et plus de refroidissement. Il ne s’agit pas seulement d’une distribution de logiciels à grande échelle; c’est un service public. Le client n’achète pas seulement un produit, mais consomme également une ressource.
Ce cadrage est important, car il modifie l’endroit où les avantages économiques s’accumulent. Les services publics peuvent être des entreprises fantastiques, mais ils ne ressemblent en rien aux SaaS classiques. Ils sont à forte intensité de capital, sensibles aux conditions de financement et souvent concurrentiels au milieu de la pile. Et lorsque la capacité est surdéveloppée, les prix chutent et les discours changent.
Avec cette configuration, l’essor de l’infrastructure de l’IA commence à rimer avec certains des cycles de dépenses en immobilisations les plus importants de l’histoire moderne. Examinons donc des exemples historiques pour voir ce que nous pouvons en tirer.
Le boom de l’infrastructure de l’IA : leçons tirées des chemins de fer, de la fibre, du schiste et des compagnies aériennes
Le développement de l’infrastructure d’IA, des centres de données massifs de GPU aux réseaux avancés, a atteint une échelle qui exige des comparaisons historiques. Pour 2026, les prévisions tablent sur 500 milliards de dollars de dépenses supplémentaires pour les puces, les centres de données et l’infrastructure infonuagique. Cela fausse les décisions d’affectation du capital, la stratégie d’entreprise et, dans certains milieux, même la composition de la croissance macroéconomique.
Voici la tension : le rythme d’investissement est indéniable, mais le bassin de revenus actuel semble encore faible par rapport au « pouvoir bénéficiaire » implicite nécessaire pour justifier les dépenses en immobilisations selon les échéanciers traditionnels. Ce décalage est l’endroit où les analogies d’expansion-récession deviennent utiles, non pas parce que l’histoire se répète proprement, mais parce qu’elle nous donne un plan de la façon dont les cycles de capital ont tendance à se terminer lorsque les dépenses dépassent la monétisation.
Allons-y.
1) Chemins de fer : construire maintenant, profiter plus tard, puis quelqu’un consolide
Les chemins de fer étaient l’infrastructure de haute technologie de leur époque. Elles étaient transformatrices, essentielles et exigeaient des capitaux considérables. Les États-Unis ont construit des voies ferrées en se fondant sur des hypothèses optimistes, souvent financées par l’endettement, puis ont découvert à maintes reprises que le financement peut disparaître bien avant l’arrivée des flux de trésorerie.
L’IA a des empreintes similaires. Les hyperscalers et les jeunes entreprises se précipitent pour obtenir de la capacité, signant des accords à long terme, accélérant les calendriers de construction et superposant la dette dans tout l’écosystème, y compris le financement des centres de données, les baux de GPU et le financement des fournisseurs. Si la monétisation de l’IA ne prend pas suffisamment de vitesse, le risque n’est pas que la technologie échoue, mais que les conditions de crédit se resserrent, que le refinancement devienne coûteux et que les acteurs marginalisés soient contraints de se restructurer ou de procéder à des ventes forcées.
La leçon tirée des chemins de fer est la plus inconfortable : l’infrastructure peut être indispensable, et les premiers actionnaires peuvent quand même tout perdre. Les actifs subsistent. Changements de propriété. Les pools de profits sont redistribués.
Une différence essentielle : les chemins de fer ont duré des décennies. L’obsolescence du matériel d’IA est mesurée en cycles de produits. Cela réduit la période pendant laquelle les rendements peuvent se manifester et augmente les probabilités d’une réévaluation abrupte lorsque l’utilisation est insuffisante.
Ce que les chemins de fer nous apprennent : La technologie peut l’emporter, tandis que les fournisseurs de capitaux peuvent toujours perdre si le financement dépasse les flux de trésorerie.
2) Fibre optique : surcapacité, effondrement des prix, puis les actifs deviennent de l’or à bon marché
Le développement des télécommunications et de la fibre optique à la fin des années 1990 est le modèle d’« essor-déclin » le plus mécaniquement similaire à l’infrastructure de l’IA. Les opérateurs de télécommunications ont emprunté massivement pour poser de la fibre optique en prévision d’une explosion du trafic. La demande a augmenté, mais pas assez rapidement par rapport à la capacité. Les prix de la bande passante se sont effondrés, les bilans ont craqué et les actionnaires ont été anéantis. Plus tard, la fibre est devenue extrêmement précieuse, mais seulement après une consolidation et une longue et douloureuse remise à zéro.
Si l’on traduit « fibre noire » en termes d’IA, on obtient « silicium noir » : une puissance de calcul coûteuse et sous-utilisée. Le risque n’est pas théorique. Lorsque l’offre passe de la rareté à l’abondance, le pouvoir de fixation des prix change rapidement. Si la puissance de calcul devient abondante, le « prix » implicite des charges de travail de l’IA peut chuter fortement, ce qui comprime les marges de quiconque n’a pas d’avantages structurels.
La différence essentielle par rapport à la fibre optique réside dans les taux d’utilisation. Bien qu’il y ait eu de longues périodes de « fibre noire », nous ne voyons pas la même dynamique se produire avec les centres de données d’IA. Dès que les installations sont mises en service, elles sont instantanément utilisées, et l’industrie demeure limitée par l’offre. La durée de cette situation est une autre question.
Ce que la fibre nous apprend : Les surcapacités détruisent les prix, et les entreprises de consolidation achètent des actifs de calibre mondial pour des centimes.
3) Schiste : abondance sans profit, et seuls les survivants les moins chers l’emportent
Si vous voulez l’analogie la plus claire de « l’IA fonctionne, mais les rendements sont inégaux », vous la trouverez dans le schiste.
C’est l’histoire de la technologie qui débloque une offre massive. Elle a remodelé la géopolitique, amélioré la sécurité énergétique et créé d’énormes retombées positives. Elle a également produit de longues périodes de rendements décevants pour de nombreux investisseurs, car le succès a créé une offre excédentaire, l’offre excédentaire a écrasé les prix et la faiblesse des prix a pénalisé quiconque n’avait pas un avantage structurel en matière de coûts.
L’IA correspond étonnamment bien à cette dynamique. La croissance crée une augmentation de l’« offre » d’intelligence et de calcul. Cette abondance peut être extrêmement bénéfique aux utilisateurs et à l’économie en général, tout en comprimant les économies unitaires pour les fournisseurs. À mesure que les capacités des modèles se diffusent et que l’inférence devient moins chère, le système tend vers la banalisation au milieu de la pile.
Le schiste vous offre également le résultat final en termes de concurrence : une structure de marché où « quelques-uns survivent ». Les meilleurs bilans, les coûts les plus bas et le meilleur positionnement stratégique consolident le secteur. Tous les autres deviennent une cible d’acquisition ou un conte édifiant.
Ce que le schiste nous apprend : L’abondance peut être réelle, transformatrice et toujours hostile aux marges des producteurs.
4) Compagnies aériennes : service essentiel, surplus de consommation massif, économie historiquement faible
Les compagnies aériennes sont l’étiquette d’avertissement de l’IA à l’état mature.
Le transport aérien a changé le monde. Cela a créé d’énormes excédents pour les consommateurs. Elle a également eu du mal à générer des profits durables pendant de longues périodes, car le service est devenu largement accessible, la concurrence est restée intense et la sensibilité aux prix a exercé une pression sur les marges. La consolidation a contribué à stabiliser certains secteurs de l’industrie, mais la cyclicité et la vulnérabilité aux chocs sont demeurées.
Les services d’IA pourraient dériver vers ce même équilibre. Si les géants de la technologie intègrent une IA « suffisamment bonne » dans leurs plateformes comme fonction défensive, la fonctionnalité d’IA autonome devient alors une marchandise. La valeur profite aux utilisateurs, et les entreprises en aval déploient l’IA pour générer un retour sur investissement mesurable, mais pas nécessairement aux fournisseurs qui vendent des jetons.
Ce que les compagnies aériennes enseignent : l’utilisateur final capte souvent le surplus, et l’échelon intermédiaire se bat pour des points de base.
Alors, quelle analogie convient le mieux?
Chaque analogie saisit une facette réelle du cycle actuel :
• Chemins de fer : Risque de financement avant l’apparition des bénéfices
• Fibre : La surcapacité entraîne un effondrement des prix
• Schiste : Une abondance qui transforme le monde tout en exerçant une pression sur les rendements des producteurs
• Compagnies aériennes : Banalisation et surplus captés par les utilisateurs
S’il ne fallait en choisir une, le schiste est la meilleure option, avec une importante réserve : le résultat le plus réaliste est un hybride schiste-compagnies aériennes.
Le schiste explique l’augmentation de l’offre et la compression des marges. Les compagnies aériennes expliquent le résultat à l’état mature si l’IA devient omniprésente et intégrée aux plateformes. La trajectoire probable ressemble à ceci :
Expansion → dépassement → effondrement/consolidation → équilibre de type utilitaire.
C’est la partie que les investisseurs sous-estiment régulièrement : l’industrie peut être à ses débuts, excitante et en croissance, alors que les rendements incrémentaux pour de nombreux participants sont encore réduits par la concurrence.
Gagnants et perdants : où la valeur pourrait s’accumuler au cours des 12 à 18 prochains mois
Si l’IA évolue vers un modèle de consommation de type utilitaire, le marché fera de plus en plus de distinctions en fonction de trois éléments :
- Coût de production : Coût de calcul, coût de l’énergie, utilisation
- Distribution : Qui est propriétaire des clients et du flux de travail
- Goulots d’étranglement : Qui contrôle les intrants rares lorsque tout le monde construit
Gagnants possibles
1) Outils et équipements dans les catégories de goulots d’étranglement
Cette catégorie se divise en trois groupes :
- Accélérateurs : NVIDIA demeure la couche de calcul par défaut, tandis que le verrouillage de l’écosystème et la cadence de production restent intacts. AMD est une deuxième source crédible, et les gains de parts de marché sont d’autant plus importants que le marché global est en croissance.
- Mémoire et bande passante : La mémoire haute performance demeure structurellement liée à la mise à l’échelle, d’autant plus que l’inférence augmente et que les charges de travail deviennent plus sensibles au débit et à la latence.
- Mise en réseau et interconnexion : Les parties les moins attrayantes de la pile d’IA deviennent souvent les plus importantes. Les grappes d’IA sont des machines de déplacement de données. Les entreprises positionnées dans la commutation, l’interconnexion et les réseaux haute performance en bénéficient lorsque le « déplacement des données » devient la contrainte, et non le « calcul ».
2) Hyperscaleurs et supermajors de l’IA
Les importantes sociétés à grande échelle peuvent financer le développement, détenir la distribution et regrouper l’IA de manière défensive. Même si l’IA dilue les marges à court terme, ces entreprises peuvent monétiser leurs activités grâce au contrôle de la plateforme, aux relations avec les entreprises et aux ventes croisées.
3) Infrastructure liée à l’énergie et au réseau
Si l’IA est un service public, alors l’énergie est le méta-service public. Les entreprises qui peuvent obtenir une interconnexion, fournir une production fiable et signer des contrats à long terme dans des régions où les contraintes sont importantes peuvent bénéficier d’une économie attrayante. C’est là que l’« IA est numérique » entre en collision avec le monde physique.
4) Les entreprises de logiciels établies ayant une distribution et une voie vers la tarification à la consommation
L’économie classique du SaaS reposait sur le nombre de postes. L’IA exerce une pression sur ce modèle à mesure que les flux de travail se compressent et que les équipes deviennent plus minces. Les gagnants sont les plateformes qui peuvent s’orienter vers une tarification basée sur l’utilisation, sur les résultats ou sur les agents, tout en restant intégrées en tant que systèmes d’enregistrement. Dans ce scénario, chaque entreprise de logiciels d’application devra s’adapter, ou elle disparaîtra lentement dans l’insignifiance.
5) Adoptants en aval avec un retour sur investissement mesurable
Dans la plupart des cycles d’investissement en capital, les plus grands gagnants sont souvent les utilisateurs. Si l’IA réduit considérablement les coûts, améliore la conversion ou raccourcit les cycles, les entreprises qui l’appliquent efficacement peuvent surpasser les autres, même si elles ne sont pas des « entreprises d’IA ».
Perdants possibles
1) Constructeurs de capacité surendettés
Les nuages de GPU indépendants et les infrastructures pures qui ont financé leur croissance avec des dettes coûteuses ou des obligations de location, et qui dépendent d’un petit nombre de clients, sont exposés aux chocs d’utilisation. Dans un monde mesuré, l’utilisation est le destin.
2) Logiciels d’IA sans avantage concurrentiel avec des évaluations axées sur le discours
Si le produit est facilement reproductible et que l’acheteur peut changer de fournisseur à moindre coût, le risque est que les marges s’effondrent à mesure que le marché se sature ou que le produit est intégré à d’autres offres.
3) Intermédiaires vulnérables au regroupement
Si les acteurs établis sur les plateformes peuvent offrir des fonctionnalités d’IA « suffisamment bonnes » à faible coût incrémental, les intermédiaires qui ne disposent pas d’une distribution exclusive ou d’une intégration de flux de travail défendable risquent d’être désintermédiés.
4) Tout segment exposé à la compression des prix due à la surcapacité
Si l’offre de calcul dépasse la demande solvable, le prix de l’inférence diminue. C’est excellent pour l’adoption et terrible pour quiconque dont le modèle d’affaires repose sur la rareté.
Réflexions finales
Il s’agit de l’une des plus grandes vagues de dépenses d’investissement de notre époque, et elle redéfinit ce que « technologie » signifie en tant que modèle d’affaires. L’ancien modèle était celui de l’échelle intangible et des marges de type logiciel. La nouvelle réalité est celle d’une consommation de plus en plus mesurée, d’une intensité capitalistique et d’une chaîne de valeur où les goulots d’étranglement, les bilans et la distribution dictent qui génère les rendements.
L’IA sera essentielle. L’infrastructure sera construite. Le plus difficile est le bassin de profits.
La question n’est pas de savoir si l’IA est importante. Ce sera le cas. La question est de savoir qui est payé.
Fortes convictions. Détenu de manière souple.
— Nicholas Mersch, CFA
Le contenu du présent document est fourni à titre informatif seulement et n’est pas fourni dans le cadre d’une offre de titres décrits aux présentes, ni une recommandation ou une sollicitation d’acheter, de détenir ou de vendre un titre. Ces renseignements ne constituent pas des conseils en placement et ne sont pas adaptés aux besoins ou à la situation d’un investisseur. Les renseignements contenus dans le présent document ne constituent pas, et ne doivent en aucun cas être interprétés comme, une notice d’offre, un prospectus, une publicité ou un appel public à l’épargne. Aucune commission des valeurs mobilières ni aucune autorité de réglementation similaire n’a examiné le présent document, et toute assertion à l’effet contraire constitue une infraction. Les renseignements contenus dans le présent document sont jugés exacts et fiables; toutefois, nous ne pouvons garantir qu’ils sont complets ou à jour en tout temps. Les renseignements fournis peuvent être modifiés sans préavis.
Des commissions, des commissions de suivi, des frais de gestion et d’autres frais peuvent être associés aux fonds de placement. Veuillez lire le prospectus avant d’investir. Si les titres sont achetés ou vendus à la bourse, vous pourriez payer plus ou recevoir moins que la valeur liquidative actuelle. Les fonds de placement ne sont pas garantis, leur valeur fluctue fréquemment et leur rendement passé n’est pas indicatif de leur rendement futur. Certains énoncés contenus dans le présent document sont prospectifs.
Les énoncés prospectifs sont des énoncés de nature prévisionnelle, qui se fondent sur des conditions ou des événements futurs, ou qui y font référence, ou qui comprennent des mots comme « peut », « sera », « devrait », « pourrait », « s’attendre à », « anticiper », « avoir l’intention de », « planifier », « croire », « estimer » ou d’autres expressions semblables. Les énoncés prospectifs ou qui comprennent des renseignements autres que des renseignements historiques sont assujettis à des risques et à des incertitudes, et les résultats, les mesures ou les événements réels pourraient différer considérablement de ceux qui sont énoncés dans les ÉP. Les ÉPF ne sont pas des garanties de rendement futur et sont, de par leur nature, fondés sur de nombreuses hypothèses. Bien que les énoncés prospectifs contenus dans le présent document soient fondés sur ce que Investissements Purpose et le gestionnaire de portefeuille estiment être des hypothèses raisonnables, Investissements Purpose et le gestionnaire de portefeuille ne peuvent garantir que les résultats réels seront conformes à ces énoncés prospectifs. Le lecteur est prié d’examiner attentivement les énoncés prospectifs et de ne pas s’y fier indûment. Sauf si la loi applicable l’exige, il n’est pas entrepris, et spécifiquement décliné, qu’il y ait une intention ou une obligation de mettre à jour ou de réviser les ÉP, que ce soit en raison de nouveaux renseignements, d’événements futurs ou autrement.